CN105468703B - 一种原因追溯方法 - Google Patents

一种原因追溯方法 Download PDF

Info

Publication number
CN105468703B
CN105468703B CN201510796421.4A CN201510796421A CN105468703B CN 105468703 B CN105468703 B CN 105468703B CN 201510796421 A CN201510796421 A CN 201510796421A CN 105468703 B CN105468703 B CN 105468703B
Authority
CN
China
Prior art keywords
reason
group
phenomenon
knowledge base
causality
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510796421.4A
Other languages
English (en)
Other versions
CN105468703A (zh
Inventor
章斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510796421.4A priority Critical patent/CN105468703B/zh
Publication of CN105468703A publication Critical patent/CN105468703A/zh
Priority to PCT/CN2016/102358 priority patent/WO2017084460A1/zh
Priority to CA3004594A priority patent/CA3004594C/en
Application granted granted Critical
Publication of CN105468703B publication Critical patent/CN105468703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种原因追溯方法，包括以下步骤：S1：初始化因果关系知识库，所述因果关系知识库中包括一类对象的异常现象和引起该异常现象的原因，以及异常现象和其原因之间的因果关系；S2：在异常现象列表中选出当前已知状态的异常现象，根据因果关系知识库中的因果关系，形成新的因果关系知识库并记录追溯到的原因；S3：输出追溯到的原因作为结果信息，本发明可以快速的找到引起异常现象的原因，因为该不同种类对象可以为各行各业的机械、计算机程序或各种重复的具体事件，所以本发明可以为各种行业的异常状况快速寻找原因，让使用者针对相应的原因解决问题，节省了使用者自己排查的时间，使生产或者事情快速恢复正常，提高效率。

Description

一种原因追溯方法
技术领域
本发明涉及一种原因追溯方法，属于计算机人工智能技术领域。
背景技术
在一类被完全认知的对象系统中，每个具体实体对象都具有本类的共性，每一个原因的发生都会引起一个(组)效果(或现象)的发生，不同的原因引起的效果(或现象)会存在不同，这种不同正是区别不同成因的重要特征和依据。
对于一类已经被认知的对象，其中某个实体对象出现异常或意外的效果(或现象)时，为了使其恢复正常或试图再次重现这种意外时，需要对引起异常或意外的效果(或现象)的原因进行追溯，一方面能够从根源入手解决问题，达到消除异常或意外的效果(或现象)，另一方面运用本方法追溯原因的过程和结果获得寻求新的原因、新的现象或新的因果联系的机会。原因追溯的准确性和速度，对后期准确选择有效方案以及能否尽早实施正确的方案有着极为重要的影响。
由于对象系统的复杂性不同和对于对象系统认识程度的原因，以及单一系统可以综合成更为复杂的系统的原因。现有的追溯方法多涉及单独的某一样事件或者某种事故专门追溯，其应用面比较窄，不能通用，如有的追溯方法采用树结构进行追溯，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别，其在追溯叶节点的原因时，发现某个分支条件不符时，则需要退回上级分支节点，选择其他分支继续追溯叶节点，其追溯过程时间长，效率不高。同时，做出判别技术要求相对较高，增加了普及使用的难度。对于不同对象的原因追溯，需要编写专门的树节点条件，进行使用，方法的通用性不强。
发明内容
本发明要解决的技术问题是：为克服上述问题，提供一种适用于各种事故或错误的快速的原因追溯方法。
本发明解决其技术问题所采用的技术方案是：
一种原因追溯方法，包括以下步骤：
S1：初始化因果关系知识库，所述因果关系知识库中包括一类对象的异常现象和引起该异常现象的原因，以及异常现象和其原因之间的因果关系；
S2：在异常现象列表中选出当前已知状态的异常现象，根据因果关系知识库中的因果关系，形成新的因果关系知识库并记录追溯到的原因；
S3：输出追溯到的原因作为结果信息。
优选地，所述步骤S2具体为：依次选出当前已知是否发生的异常现象，建立新的原因组，记录追溯到的原因，建新的现象组，建立新的因果关系知识库；
“建立所述新的原因组，记录追溯到的原因”具体如下：
把所述异常现象拆分成确认已发生的第一现象组、确认未发生的第二现象组和未被确认状态的第三现象组；
分别在所述因果关系知识库中找到第一现象组、第二现象组和第三现象组对应的原因组形成第一原因组、第二原因组和第三原因组；
以第一原因组为基础，删除其中与第二原因组重复的原因后形成第四原因组；
以第四原因组为基准在第三原因组中进行比较，将所述第四原因组中与所述第三原因组中不重复的原因记录为追溯到的原因，将所述第四原因组中与所述第三原因组中存在重复的原因建立新的原因组，当所述第四原因组中已经不存在与所述第三原因组有重复的原因时，则表示继续追溯的条件已经不存在，将执行步骤S3。
建立新的现象组的过程如下：
在所述第三现象组中删除与所述新的原因组中任何一个原因不存在因果关系的异常现象，剩余的异常现象为新的现象组；
建立所述新的因果关系知识库过程如下：
根据原始因果关系知识库中记录的因果关系，为新的原因组和新的现象组建立因果关系，形成新的因果关系知识库。
优选地，所述“结果信息”还包括已经被确认过状态的现象组和被追溯到的原因之间对应的因果关系。
优选地，当所述第一现象组缺损时，即输入未包括确认存在现象时，则采用所述第三现象组替代所述第一现象组，同时保留第三现象组。
优选地，当一个异常现象可对应多类对象时，则以该异常现象分别与对应的多类对象建立的多个因果关系知识库，同时并行执行步骤S1-S3。
优选地，每执行一次S2步骤称为一次原因追溯，以新的因果关系知识库为基础运行N次运行S2步骤为N+1次原因追溯。
优选地，每执行完一次S1步骤至S3步骤称为1级追溯。
优选地，还包括“N级追溯”步骤：N次执行从S1步骤至S3步骤称为N级追溯，且每一级追溯所使用的原始因果关系知识库不同。
优选地，所述因果关系知识库通过矩阵来表示：异常现象集合P,包含N个异常现象元素，记做pi，即第i个异常现象，i从1到N；引起异常现象的原因的集合S,包含M个引起异常现象的原因元素，记做sj，即第j个引起异常现象的原因，j从1到M；因果关系集合R，包含N×M个关系元素，记做rij，即第i个异常现象和第j个引起异常现象的原因之间的关系。
优选地，所述因果关系知识库通过表结构来表示：仅包含异常现象和能引起该异常现象的原因的对照关系，由该对照关系组成的记录在表结构中具有唯一性，不同对照关系的集合组成某对象类的因果关系知识库。
本发明的有益效果是：本发明可以针对不同种类对象进行原因追溯，相比于现有技术采用树结构的追溯方法，本发明可以快速的找到异常现象原因，因为该不同种类对象可以为各行各业的机械、计算机程序或各种重复的具体事件，所以本发明可以为各种行业的异常状况快速寻找原因，让使用者针对相应的原因解决问题，节省了使用者自己的排查时间，使生产或者事情快速恢复正常，提高了效率，并且本方法还可作为人工智能机器人的基础认知途径，智能机器人可以通过本方法对其识别的异常现象进行追溯原因，找到其结果，了解异常现象发生的原因，并采取相应的策略，使其具有解决问题的能力。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明一个实施例的流程图；
图2是本发明一个实施例的示意图；
图3是本发明另一个实施例的示意图；
图4是本发明另一个实施例的示意图；
图5是本发明另一个实施例的示意图；
图6是本发明另一个实施例的示意图；
图7是本发明方法的流程图；
图8是本发明中表结构的追溯过程图；
图9是本发明中表结构的另一个追溯过程图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
实施例1
如图1所示的本发明所述一种原因追溯方法，包括以下步骤：
S1：初始化因果关系知识库，所述因果关系知识库中包括一类对象的异常现象和引起该异常现象的原因，以及异常现象和引起异常的原因之间的因果关系，所述一类对象为已被认知的之间有共性的对象，该对象为现实世界和虚拟世界中遵循自然规律并且已被人类认知的事件，可以是例如刮风下雨等事件，也可以是虚拟环境中的事件，例如程序崩溃或传输失败等；
所述因果关系知识库为人工智能技术中的符合特定结构规则的数据集合，本发明仅提供因果关系知识库的各构成要素，各要素之间的关系，以及进行追溯时如何使用因果关系知识库中的信息，具体的因果关系知识库中的现象、原因以及关系由相应领域的技术人员补充，并且因果关系知识库的具体体现方式可以但不限于矩阵结构，例如串表结构和其他的结构，所述因果关系知识库中的异常现象为普通的现象中出现的反常或者极端的情况，为不同情况下不容易发生的现象，其具体采用现有技术可以进行检验检测到的(例如电压、电流)，或常识性的知识(例如是否下雨了、灯是否亮了)，而不是经验和感觉(例如感觉有点冷或感觉很闷热)；
S2：在因果关系知识库中异常现象呈列表的形式，将异常现象列表中选出当前已知状态的异常现象，根据因果关系知识库中的因果关系，形成新的因果关系知识库，在形成新的因果关系知识库的过程中记录追溯到的原因。
S3：输出所述追溯到的原因作为结果信息，这些追溯到的原因即为引起异常现象的真实原因。
本发明可以针对不同种类对象进行原因追溯，快速的找到异常现象原因，因为该不同种类对象可以为各行各业的机械、计算机程序或各种重复的具体事件，所以本发明可以为各种行业的异常状况快速寻找原因，让使用者针对相应的原因解决问题，节省了使用者自己排查的时间，使生产或者事情快速恢复正常，提高了效率，并且本方法还可作为人工智能机器人的基础认知途径，智能机器人可以通过本方法对其识别的异常现象进行追溯原因，找到其结果，了解异常现象发生的原因，并采取相应的策略，使其具有解决问题的能力。
本发明对不同对象类的异常现象和引起异常现象的原因采用了同一结构的记录方法，并针对采用不同的记录结构时实施本原因追溯方法给出了具体实施例，其优点在于：
一、适用范围广，本方法只给出了因果关系知识库的各构成要素及各要素之间的关系，并不限定因果关系知识库所对应的具体对象类型和所属领域。
二、知识的传递和普及更加简便，本方法采用同一种因果关系知识库的结构和同一种追溯方法，在装载了不同对象类的因果关系知识库以后可以运用于不同的领域进行原因追溯。
三、降低了原因追溯的技术要求，可由非专业技术人员使用由专业技术人员编写提供的因果关系知识库，进行操作。
四、有利于标准化建设，解决方案的建设可以独立于本方法事前设计和验证，在通过本方法追溯到原因后，可以执行事先确认有效的解决方案。
实施例2
在实施例1所述一种原因追溯方法的基础上，所述步骤S2具体为：依次选出当前已知是否发生的异常现象，建立新的原因组，记录追溯到的原因，建立新的现象组，建立新的因果关系知识库。
建立新的原因组,记录追溯到的原因的过程如下：
把当前确认状态的异常现象进行分组：第一现象组为确认发生的异常现象，第二现象组为确认未发生的现象，剩余未进行现象状态确认的作为第三现象组。在优选的实施方式中，在当前第一现象组缺损时，即未输入确认存在现象时，采用当前第三现象组替代，此时的第一现象组是从第三现象组复制来的，第三现象组仍旧保留。
根据因果关系知识库分别把与第一现象组，第二现象组，第三现象组对应的原因分别形成第一原因组，第二原因组，第三原因组。这三个原因组的实际意义是：第一原因组包含了引起异常的原因，第二原因组包含了一定没有发生的原因，第三原因组包含了需要确认是否发生的原因。
在第一原因组中去除其与第二原因组中重复的原因，得到第四原因组。因此第四原因组仅包含了可能的原因，缩小了原因追溯的范围。
比较第四原因组和第三原因组，当这两组中能够引起异常的原因没有重复时，表示当前的会引起异常的原因不会再发生变化，把不重复的原因追加记录到被追溯到的原因中，本级S2步骤结束，追溯到的结果可以输出。若存在重复时，把不重复的原因追加记录到被追溯到的原因中，重复部分作为新的原因组，继续建立新的现象组。
建立新的现象组的过程如下：
在第三现象组中删除与新的原因组中任何一个原因不存在因果关系的异常现象，也就是在第三现象组中删除新的原因组中的任何一个原因不会引起的异常现象，剩余的部分为新的现象组。
建立新的因果关系知识库的过程如下：
根据原始因果关系知识库中记录的因果关系，为新的原因组和新的现象组建立因果关系。此时，由新的原因组和新的现象组以及它们之间的因果联系构成的新的集合为新的因果关系知识库。
实施例3
在以上实施例所述一种原因追溯方法的基础上，所述“结果信息”还包括已经被确认过状态的现象组和被追溯到的原因之间对应的因果关系，但是所述结果信息不限于此，还可根据使用者的需要将因果关系知识库和追溯过程中产生的数据都予以输出，具体可根据实际的使用情况进行变更，步骤S3作为本发明的最后一个步骤负责输出原因追溯的结果。被追溯到的原因是步骤S3必须的输出内容，同时由于不同的使用要求，S3的输出内容和功能也能够更加丰富：
(1)在输出原因结果的同时输出在追溯过程中确认过的全部异常现象，这样就可以帮助使用者采用其他技术方法进行验证追溯的正确性以及因果关系知识库的正确性，这种情况可以在因果关系知识库设计期间进行使用；
(2)在上述基础上再增加现象与被追溯到的原因之间关系的统计，在追溯到多原因可能性的情况下，可以帮助使用者决定先对哪个原因进行更深一级追溯，以便更快获得最准确的根源性的原因，这样能尽快获得异常的根源性的原因有利于降低恢复成本。
(3)作为下一级追溯的直接驱动，在某些情况下，一些具有冗余结构的自动化设备，可以在自动侦测异常并追溯到原因后启动冗余的系统代偿能力，这样既能够缩短系统的恢复时间，也能尽可能准确的降低补偿代价。
(4)作为解决方案的驱动，当追溯到的原因关联到已经验证过的解决方案时，被追溯到的原因可以直接驱动解决方案。
实施例4
在以上实施例所述一种原因追溯方法的基础上，每执行一次S2步骤称为一次原因追溯，第一次运行S2使用的是原始因果关系知识库，之后每次以新的因果关系知识库为基础运行N次S2步骤，因此每级追溯包含N+1次原因追溯，根据以上实施例叙述的过程可见，在启动第一次原因追溯，当第一次输入确认异常现象发生后，就确认了引起异常现象的原因的范围，之后的每一次原因追溯中的每一次确认异常现象不存在都将引起异常的原因范围进一步缩小，如图7所示，因为每一次形成的新的因果关系知识库都是一次范围的缩小，与未经处理的原始关系知识库相比较列出的异常现象的数量较少了，需要检测和识别的范围更加集中化，一定程度上减少了检验检测的成本和提高了效率。
本方法追溯从步骤S1初始化一个原始关系因果关系知识库开始到步骤S3输出结果结束为一级追溯，当本级追溯完成后，对追溯到的原因进行原因追溯或验证需启用另一个对象系统的原始因果关系知识库，为第二级追溯。如此可递推至N级追溯。
由于面临的对象系统可以是多个子系统的复合体，每一级追溯的目标在于把原因的范围缩小至本级系统对象的某一个子系统，再通过以子系统因果关系知识库为基础的二级追溯，把原因的范围进一步缩小，这样的好处在于，可以追溯到引起问题的根源，以便采用经济的有效的方法从根源上消除引起异常的原因。多级追溯的作用在于：
(1)追溯原因之原因，即一个引起异常的原因发生的原因，例如当一级追溯确认原因为感冒时，对于这次引起感冒的原因的追溯就是二级追溯。
(2)确认原因存在的客观性，当某一级追溯获得的原因多于一个时，这时引起异常的原因可能是其中一个，也可能是几个不同原因同时发生，那么应该采用更深一级追溯，确认每个原因存在的状态。例如当追溯到某PC即通讯系统硬件故障时，可以继续进行多级多方向追溯，探索问题是否出在网卡、网线还是楼层交换机的某个端口，而不是简单的将涉及的硬件全部更换。
实施例5
在以上实施例所述一种的原因追溯方法的基础上，所述因果关系在上述实施例1中有提到可以表达的方式有多种，本实施例中，所述因果关系知识库优选的通过矩阵来表示，以大写英文字母表示集合，以相应的小写字母加下标作为该集合的元素。
如图2所示：图2是由三个矩阵复合而成的图形，这三个矩阵分别为异常现象集合P、引起异常现象的原因的集合S和因果关系集合R，其中异常现象集合P包含N个异常现象元素，记做pi，即第i个异常现象，i从1到N；引起异常现象的原因的集合S,包含M个引起异常现象的原因元素，记做sj，即第j个引起异常现象的原因，j从1到M；因果关系集合R，包含N×M个关系元素，记做rij，即第i个异常现象和第j个引起异常现象的原因之间的关系，当第j个引起异常现象的原因会引起第i个异常现象出现时表示有关，定义为真，记做rij＝1，反之为无关，定义为假，记做rij＝0。一种原因的发生可以引起多个现象，一种现象的发生可以由多个不同原因来引起的，具体如图3所示。
图3中，原因s1和异常现象p1和p3对应的因果关系都为1，也就是为真，其之间存在真的因果关系，因此当s1发生时，一定会引起异常现象p1和p3的发生，同理当s2发生时，一定会引起p3的发生，因此采用矩阵可以记录一类全完认知的对象系统中引起异常现象发生的原因及发生的异常现象，以及它们之间的关系。
由于原始因果关系知识库采用了矩阵结构，并以0和1来记录原因和现象之间的关系，因此步骤S2中的各子步骤，均采用与记录结构相合适的方法进行，步骤S2具体如图4所示，原始因果关系知识库为一个由7个引起异常现象的原因的1行7列集合S，一个由10个异常现象的10行1列集合P，以及由70个因果关系的10行7列集合R，共同构成的大集合体。
如图5所示，假设确认异常现象p1,p2存在，p3,p4不存在，其余的异常现象不确认状态，此时形成了用于记录确认存在现象的第一现象组集合W，即p1,p2所对应的元素标记为真，记做1，其余均为假，记做0；形成用于记录确认异常现象未发生的第二现象组X，即p3,p4所对应的元素标记为真，记做1，其余均为假，记做0；形成用于记录未确认第三现象组Y，其中未确认过状态的元素标记为真，记做1，其余均为假，记做0；这三个集合的规模均为行数与当前因果关系知识库异常现象数量相同的1列矩阵集合，分别对应确认异常现象存在的p1，p2和确认不存在的p3，p4，以及未经状态确认的剩余p5到p10在异常现象列表中的其余6个异常现象。
如图5所示，在优选的实施方式中，第五原因组是一个在步骤S2之前已经初始化为空的集合E,是用于记录追溯到的原因元素，此为优选的记录追溯原因的方式，但不限于此，还可采用其他的本领域手段进行记录；五个规模为列数与当前因果关系知识库原因元素数量相同的1行矩阵集合A、B、C、D、F，其中第一原因组集合A，第二原因组集合B，第三原因组集合C分别来自第一，第二，第三现象组依据当前因果关系知识库中所记录的能够引起异常的关系进行计算得到，具体如图5所示：
集合A的各项元素，有如下布尔代数式：
(其中N为当前因果关系知识库异常现象的数量，j为原因的序号)
当aj为真时，表示当前因果关系知识库中第j个原因至少能引起1个在本次追溯启动时被确认为存在的异常现象。
集合B的各项元素，有如下布尔代数式：
(其中N为当前因果关系知识库异常现象的数量，j为原因的序号)
当bj为真时，表示当前因果关系知识库中第j个原因至少能引起1个在本次追溯启动时被确认为不存在的异常现象。
集合C的各项元素，有如下布尔代数式：
(其中N为当前因果关系知识库异常现象的数量，j为原因的序号)
当cj为真时，表示当前因果关系知识库中第j个原因至少能引起1个在本次追溯启动时未被确认过状态的异常现象。
当第一原因组和第二原因组中指示相同原因的元素同时为真时，在第一原因组中把这个元素值改为假，否则保留第一原因组中元素值，并记录为第四原因组集合D相应的元素值。其真值表对应关系如表1所示。
第一原因组 1 0 1 0
第二原因组 1 0 0 1
取反后的第二原因组 0 1 1 0
第一原因组和取反后的第二原因组进行与运算 0 0 1 0
第四原因组 0 0 1 0
表1
集合D的各项元素，有如下布尔代数式
(其中j为当前因果关系知识库原因的序号)
当指示相同原因的元素值在第四原因组为真，在第三原因组中为假时，将该元素在当前因果关系知识库中集合S中指示的原因元素值追加到第五原因组中。
第五原因组中的元素，有如下布尔代数式，当的值为真时，把当前因果关系知识库中集合S的第j个(其中j为当前因果关系知识库原因的序号)原因追加到第五原因组中去。在图5所述的这次追溯中不存在第四原因组中为真第三原因组中为假元素，因此不需要向第五原因组追加原因元素。
当指示相同原因的元素值在第四原因组和在第三原因组中同为真时，值为真，记录到集合F中，即新的原因组中。
集合F的各项元素，有如下布尔代数式
fj＝dj×cj
(其中j为当前因果关系知识库原因的序号)
当不存在指示相同原因的元素值在第四原因组和在第三原因组中同为真的情况时，本级S2步骤结束，追溯到的原因可以输出；反之，则将根据新的原因组和第三现象组形成新的现象组集合Z，其中不包含与新的原因组无关的异常现象。
以新的原因组和新的现象组在当前因果关系知识库中所指示为真值对应的原因和异常现象，和它们在原始因果关系知识库中的因果关系，建立新的因果关系知识库。如图6所示，在新的因果关系知识库中确认异常现象p5,p7,p9存在，p8不存在后，在输入异常现象的状态后，以当前因果关系知识库为基础，第四原因组中d1为真，c1为假，因此所对应集合S中的s3要追加到第五原因组中，也就是记录为追溯到的原因。最终第五现象组中记录的s3引起异常现象的原因。
根据上述数据处理过程，图4为经过S1得到的原始因果关系知识库，图5为执行1次追溯的过程描述，并由图5中的新的原因组和新的现象组为下一步追溯做好了准备，图6为根据图5中新的原因组和新的现象组根据原始因果关系知识库构成新的因果关系知识库后执行的第2次追溯的过程描述，至此根据第三和第四原因组的记录判断，本级继续追溯的条件已经不存在，追溯结果可以输出，追溯到的原因为s3，记录在第五原因组中，在步骤S3输出。本实施例展示的追溯过程为1级2次追溯，通过对8个异常现象的状态输入，本级追溯完成。
实施例6
在以上实施例所述一种的原因追溯方法的基础上，所述因果关系知识库在上述实施例1中有提到可以表达的方式有多种，本实施例中，所述因果关系知识库优选的通过表结构来表示。如表2所示，在此采用引起异常现象的原因和异常现象对照表的形式描述了图4所示矩阵表示的因果关系知识库中所记录的引起异常现象的原因和异常现象，以及它们之间的关系。
引起异常现象的原因 异常现象
s<sub>1</sub> p<sub>1</sub>
s<sub>1</sub> p<sub>3</sub>
s<sub>2</sub> p<sub>3</sub>
s<sub>2</sub> p<sub>4</sub>
s<sub>2</sub> p<sub>7</sub>
s<sub>3</sub> p<sub>2</sub>
s<sub>3</sub> p<sub>5</sub>
s<sub>3</sub> p<sub>7</sub>
s<sub>3</sub> p<sub>9</sub>
s<sub>4</sub> p<sub>1</sub>
s<sub>4</sub> p<sub>8</sub>
s<sub>4</sub> p<sub>10</sub>
s<sub>5</sub> p<sub>10</sub>
s<sub>6</sub> p<sub>4</sub>
s<sub>6</sub> p<sub>6</sub>
s<sub>6</sub> p<sub>7</sub>
s<sub>7</sub> p<sub>1</sub>
s<sub>7</sub> p<sub>8</sub>
表2
如表2中所示，s1的发生会引起异常现象p1,p3，s2的发生会引起p3，p4，p7的现象发生等。通过表2对引起异常的原因以及异常现象的记录以及对应关系，完成了原始因果关系知识库的初始化工作步骤S1。
启动步骤S2后，确认异常现象p1，p2现象存在，异常现象p3，p4现象不存在，如图8所示，形成了第一、第二、第三现象组，根据表2中记录的因果关系，第一现象组中记录的现象对应的原因是s1，s3，s4，s7，形成了第一原因组，同理第二现象组中的p3，p4对应形成第二原因组s1，s2，s6，第三现象组中的p5,p6,p7,p8,p9,p10对应形成第三原因组其中元素为s2,s3,s4,s5,s6,s7。在第一原因组s1，s3，s4，s7中去除与第二原因组s1，s2，s6中重复的元素s1形成第四原因组s3，s4，s7。本实施例中也是初始化一个空的第五原因组用于记录追溯到的原因，以第四原因组为基准与第三原因组进行比较可得出：
1.不存在出现在第四原因组中但第三原因组中没有的元素，因此不需要向第五原因组追加原因元素。
2.存在三个重复的原因元素s3，s4，s7存在继续追溯的条件，把这三个重复的原因元素放入并形成新的原因组。
根据新的原因组中的原因元素和原始因果关系知识库表2中的记录，在第三现象组中除去与这三个原因元素无关的现象元素p6后剩余的现象元素形成新的现象组。
根据原始因果关系知识库表2中的记录，建立新的原因组和新的现象组中各元素之间的关系，形成新的因果关系知识库，如表3。
引起异常现象的原因 异常现象
s<sub>3</sub> p<sub>5</sub>
s<sub>3</sub> p<sub>7</sub>
s<sub>3</sub> p<sub>9</sub>
s<sub>4</sub> p<sub>8</sub>
s<sub>4</sub> p<sub>10</sub>
s<sub>7</sub> p<sub>8</sub>
表3
经过一次追溯过程后形成的新的因果关系知识库中的异常现象列表中确认异常现象p5,p7,p9存在，p8不存在，因此有如图9所示的第一，第二，第三现象组和相应的第一，第二，第三原因组，即进行针对新的因果关系知识库的第二次追溯：在第一原因组中去除与第二原因组中相同的原因元素后剩余的元素s3，形成第四原因组，其中仅有一个原因元素s3。以第四原因组为基准与第三原因组进行比较可得出：
1.存在第四原因组中出现，而第三原因组中不存在的原因元素s3，追加到第五原因组中。
2.不存在重复的原因元素，本级继续追溯的条件已经不存在，追溯结果可以输出，继续执行S3。
最终追溯到的引起异常的原因为s3，本级追溯由两次追溯过程，得到结论中原因数量为1，通过上述实施例可以看出，以现有的数据结构-矩阵结构和表结构建立的因果关系知识库都可以实现本追溯方法，因此本发明中因果关系知识库的三个主要元素是固定的三者之间的关系也是固定的，具体在使用过程中采用哪种结构实现，可根据需要进行设定,只要建立了因果关系知识库来使用本发明追溯方法，不管使用哪种数据结构都落入本发明的保护范围。
实施例7
一种采用以上实施例所述的原因追溯方法的系统或者装置，也就是任何可以使用本方法的软件系统或者硬件装置。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

Claims (9)

1.一种原因追溯方法，其特征在于，包括以下步骤：
S1：初始化因果关系知识库，所述因果关系知识库中包括一类对象的异常现象和引起该异常现象的原因，以及异常现象和其原因之间的因果关系；
S2：在异常现象列表中选出当前已知状态的异常现象，根据因果关系知识库中的因果关系，形成新的因果关系知识库并记录追溯到的原因；
S3：输出追溯到的原因作为结果信息；
所述步骤S2具体为：依次选出当前已知是否发生的异常现象，建立新的原因组，记录追溯到的原因，建新的现象组，建立新的因果关系知识库；
“建立所述新的原因组，记录追溯到的原因”具体如下：
把所述异常现象拆分成确认已发生的第一现象组、确认未发生的第二现象组和未被确认状态的第三现象组；
分别在所述因果关系知识库中找到第一现象组、第二现象组和第三现象组对应的原因组形成第一原因组、第二原因组和第三原因组；
以第一原因组为基础，删除其中与第二原因组重复的原因后形成第四原因组；
以第四原因组为基准在第三原因组中进行比较，将所述第四原因组中与所述第三原因组中不重复的原因记录为追溯到的原因，将所述第四原因组中与所述第三原因组中存在重复的原因建立新的原因组，当所述第四原因组中已经不存在与所述第三原因组有重复的原因时，则表示继续追溯的条件已经不存在，将执行步骤S3；
建立新的现象组的过程如下：
在所述第三现象组中删除与所述新的原因组中任何一个原因不存在因果关系的异常现象，剩余的异常现象为新的现象组；
建立所述新的因果关系知识库过程如下：
根据原始因果关系知识库中记录的因果关系，为新的原因组和新的现象组建立因果关系，形成新的因果关系知识库。
2.如权利要求1所述的原因追溯方法，其特征在于，所述“结果信息”还包括已经被确认过状态的现象组和被追溯到的原因之间对应的因果关系。
3.如权利要求1所述的原因追溯方法，其特征在于，当所述第一现象组缺损时，即输入未包括确认存在现象时，则采用所述第三现象组替代所述第一现象组，同时保留第三现象组。
4.如权利要求1-3任一项所述的原因追溯方法，其特征在于，当一个异常现象可对应多类对象时，则以该异常现象分别与对应的多类对象建立的多个因果关系知识库，同时并行执行步骤S1-S3。
5.如权利要求1所述的原因追溯方法，其特征在于，每执行一次S2步骤称为一次原因追溯，以新的因果关系知识库为基础运行N次运行S2步骤为N+1次原因追溯。
6.如权利要求5所述的原因追溯方法，其特征在于，每执行完一次S1步骤至S3步骤称为1级追溯。
7.如权利要求6所述的原因追溯方法，其特征在于，还包括“N级追溯”步骤：N次执行从S1步骤至S3步骤称为N级追溯，且每一级追溯所使用的原始因果关系知识库不同。
8.如权利要求1-3任一项所述的原因追溯方法，其特征在于，所述因果关系知识库通过矩阵来表示：异常现象集合P,包含N个异常现象元素，记做pi，即第i个异常现象，i从1到N；引起异常现象的原因的集合S,包含M个引起异常现象的原因元素，记做sj，即第j个引起异常现象的原因，j从1到M；因果关系集合R，包含N×M个关系元素，记做rij，即第i个异常现象和第j个引起异常现象的原因之间的关系。
9.如权利要求8所述的原因追溯方法，其特征在于，所述因果关系知识库通过表结构来表示：仅包含异常现象和能引起该异常现象的原因的对照关系，由该对照关系组成的记录在表结构中具有唯一性，不同对照关系的集合组成某对象类的因果关系知识库。
CN201510796421.4A 2015-11-18 2015-11-18 一种原因追溯方法 Active CN105468703B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510796421.4A CN105468703B (zh) 2015-11-18 2015-11-18 一种原因追溯方法
PCT/CN2016/102358 WO2017084460A1 (zh) 2015-11-18 2016-10-18 一种原因追溯方法
CA3004594A CA3004594C (en) 2015-11-18 2016-10-18 Cause backtracing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510796421.4A CN105468703B (zh) 2015-11-18 2015-11-18 一种原因追溯方法

Publications (2)

Publication Number Publication Date
CN105468703A CN105468703A (zh) 2016-04-06
CN105468703B true CN105468703B (zh) 2019-05-21

Family

ID=55606404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510796421.4A Active CN105468703B (zh) 2015-11-18 2015-11-18 一种原因追溯方法

Country Status (3)

Country Link
CN (1) CN105468703B (zh)
CA (1) CA3004594C (zh)
WO (1) WO2017084460A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105468703B (zh) * 2015-11-18 2019-05-21 章斌 一种原因追溯方法
JP7098899B2 (ja) * 2017-09-22 2022-07-12 コニカミノルタ株式会社 仮想実行装置、仮想実行方法および仮想実行プログラム
CN107832942A (zh) * 2017-11-02 2018-03-23 苏州热工研究院有限公司 一种核电厂人因事件分析方法以及工具
CN109274533B (zh) * 2018-09-28 2022-02-25 中国电子科技集团公司第十五研究所 一种基于规则引擎的Web服务故障的定位装置和方法
CN114091675A (zh) * 2019-01-15 2022-02-25 合肥工业大学 一种溯因推理方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101055630A (zh) * 2006-04-12 2007-10-17 科凌力医学软件（深圳）有限公司 事件决策知识库组建方法及相应的事件决策方法和系统
CN101742540A (zh) * 2010-02-05 2010-06-16 华为技术有限公司 在线自诊断的方法及装置
CN103970656A (zh) * 2014-05-08 2014-08-06 北京航空航天大学 Sfmea与sfta逆向综合分析辅助方法
CN104506338A (zh) * 2014-11-21 2015-04-08 河南中烟工业有限责任公司 一种基于决策树的工业以太网网络故障诊断专家系统
WO2015122362A1 (ja) * 2014-02-14 2015-08-20 オムロン株式会社 因果ネットワーク生成システムおよび因果関係のデータ構造

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102158360B (zh) * 2011-04-01 2013-10-30 华中科技大学 一种基于时间因子因果关系定位的网络故障自诊断方法
CN102638100B (zh) * 2012-04-05 2014-02-19 华北电力大学 地区电网设备异常告警信号关联分析与诊断方法
CN103001328B (zh) * 2012-11-19 2014-06-18 山东大学 一种智能变电站的故障诊断与评估方法
CN104048825B (zh) * 2014-05-28 2016-05-25 北京航空航天大学 一种多传感器融合的风电机组齿轮箱故障定位方法
CN105468703B (zh) * 2015-11-18 2019-05-21 章斌 一种原因追溯方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101055630A (zh) * 2006-04-12 2007-10-17 科凌力医学软件（深圳）有限公司 事件决策知识库组建方法及相应的事件决策方法和系统
CN101742540A (zh) * 2010-02-05 2010-06-16 华为技术有限公司 在线自诊断的方法及装置
WO2015122362A1 (ja) * 2014-02-14 2015-08-20 オムロン株式会社 因果ネットワーク生成システムおよび因果関係のデータ構造
CN103970656A (zh) * 2014-05-08 2014-08-06 北京航空航天大学 Sfmea与sfta逆向综合分析辅助方法
CN104506338A (zh) * 2014-11-21 2015-04-08 河南中烟工业有限责任公司 一种基于决策树的工业以太网网络故障诊断专家系统

Also Published As

Publication number Publication date
WO2017084460A1 (zh) 2017-05-26
CN105468703A (zh) 2016-04-06
CA3004594A1 (en) 2017-05-26
CA3004594C (en) 2023-06-20

Similar Documents

Publication Publication Date Title
CN105468703B (zh) 一种原因追溯方法
Hasan et al. Student academic performance prediction by using decision tree algorithm
CN104820677B (zh) 一种学科层级展示方法及系统
CN105279089B (zh) 一种获取页面元素的方法及装置
CN107066759A (zh) 一种汽轮机转子振动故障诊断方法及装置
CN108537259A (zh) 基于粗糙集-神经网络模型的列控车载设备故障分类与识别方法
CN109740122A (zh) 思维导图用例文件的转换方法及装置
CN102053912A (zh) 一种基于uml图形对软件进行自动化测试的装置及方法
CN107168842A (zh) 基于pmc模型的自适应顺序故障诊断方法
CN105844335B (zh) 一种基于6w知识表示的自学习方法
CN106156908A (zh) 一种管理教育资源的方法和设备
Suhr et al. Nlvr2 visual bias analysis
Kleinman et al. Analyzing students’ problem-solving sequences: A human-in-the-loop approach
CN109189941A (zh) 用于更新模型参数的方法、装置、设备和介质
CN108286972A (zh) 导航电子地图数据的智能查错方法和装置及混合导航系统
CN116957361B (zh) 一种基于虚实结合的船舶任务系统健康状态检测方法
Valueian et al. Constructing automated test oracle for low observable software
CN1971535A (zh) 基于时间安全输入输出自动机的测试方法及系统
CN115660645A (zh) 一种维修人员技能评估方法、装置、设备及存储介质
CN103678117B (zh) 数据转换跟踪设备以及数据转换跟踪方法
JPS6126112A (ja) システムの異常診断方式
US10386806B2 (en) Method for connecting models of technical systems in a testing device equipped for control unit development
Figueira Communication and resource usage analysis in online environments: An integrated social network analysis and data mining perspective
US10817366B2 (en) Method and apparatus for tracing common cause failure in integrated drawing
JP6571239B1 (ja) 検証装置及び検証用プログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant