JP2656330B2 - 知識利用情報処理システムにおける推論装置 - Google Patents
知識利用情報処理システムにおける推論装置Info
- Publication number
- JP2656330B2 JP2656330B2 JP63308366A JP30836688A JP2656330B2 JP 2656330 B2 JP2656330 B2 JP 2656330B2 JP 63308366 A JP63308366 A JP 63308366A JP 30836688 A JP30836688 A JP 30836688A JP 2656330 B2 JP2656330 B2 JP 2656330B2
- Authority
- JP
- Japan
- Prior art keywords
- action
- inference
- conclusion
- rule
- working memory
- 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.)
- Expired - Lifetime
Links
Landscapes
- Devices For Executing Special Programs (AREA)
Description
【発明の詳細な説明】 （産業上の利用分野） この発明は知識利用情報処理システムにおける推論装
置に関する。
置に関する。
（従来の技術とその課題） 第７図は従来の知識利用情報処理システムにおける推
論装置が用いられている推論システムのブロック構成図
である。同図において、推論システム１は作業メモリ2,
知識ベース3,推論エンジン4,インタフェース５より構成
され、作業メモリ２は知識ベース３内の規則RLが適用さ
れる事象FTを格納しており、規則RLの成立条件はこの事
象FTを用いて判定され、かつ規則RLを適用することによ
り導き出された推論結果も新たな事象FTとしてここに蓄
えられる。
論装置が用いられている推論システムのブロック構成図
である。同図において、推論システム１は作業メモリ2,
知識ベース3,推論エンジン4,インタフェース５より構成
され、作業メモリ２は知識ベース３内の規則RLが適用さ
れる事象FTを格納しており、規則RLの成立条件はこの事
象FTを用いて判定され、かつ規則RLを適用することによ
り導き出された推論結果も新たな事象FTとしてここに蓄
えられる。
知識ベース３はある専門分野における知識を規則RLと
して蓄えており、推論エンジン４は上記した作業メモリ
２中の事象FTと知識ベース３中の規則RLを照合（マッチ
ング）させることにより新たな事象FTを生成し、最終的
な結論（アクション）を導き出すことで推論を行う。な
お、インタフェース５は主にこの推論システム１とオペ
レータ６との入出力を受けもつ。
して蓄えており、推論エンジン４は上記した作業メモリ
２中の事象FTと知識ベース３中の規則RLを照合（マッチ
ング）させることにより新たな事象FTを生成し、最終的
な結論（アクション）を導き出すことで推論を行う。な
お、インタフェース５は主にこの推論システム１とオペ
レータ６との入出力を受けもつ。
第８図は第７図で示した推論システムにおける推論方
法を示したフローチャートである。同図に示すようにス
テップS1において、推論エンジン４により知識ベース３
中の規則RLと作業メモリ２中の事象FTとの照合を行い、
適用すべき規則RLが存在すれば、ステップS2に移り、規
則RLが競合している場合はその競合の解消を行い、実行
すべき規則を選択する。そして、ステップS3で選択され
た規則RLを実行することで、推論結果として新たな事象
FTを導き出す。
法を示したフローチャートである。同図に示すようにス
テップS1において、推論エンジン４により知識ベース３
中の規則RLと作業メモリ２中の事象FTとの照合を行い、
適用すべき規則RLが存在すれば、ステップS2に移り、規
則RLが競合している場合はその競合の解消を行い、実行
すべき規則を選択する。そして、ステップS3で選択され
た規則RLを実行することで、推論結果として新たな事象
FTを導き出す。
ステップS3終了後、ステップS1に戻り、ステップS3で
新たに導き出され事象FTを含めて前述した照合処理を行
い、適用すべき規則RLがなくなるまで、ステップS1〜S3
を繰り返すことで推論を続け、最終的な結論を導き出し
専門分野における諸問題を解決する。
新たに導き出され事象FTを含めて前述した照合処理を行
い、適用すべき規則RLがなくなるまで、ステップS1〜S3
を繰り返すことで推論を続け、最終的な結論を導き出し
専門分野における諸問題を解決する。
従来の知識利用情報処理システムにおける推論装置は
概ね以上説明したような方法により最終的な結論を導き
出しており、この結論に従って問題解決が行われてい
た。しかしながら、導き出した結論に従って問題解決を
行った正否の結果は次の推論において全く反映されてい
ない。このため、状況Ａにおいて誤った結論を導き出し
た推論システム１は知識ベース３内の規則RLを改めない
限り、再び状況Ａと同じ状態に遭遇すると同じ結論を導
き出し、同じ誤りを繰り返してしまうという問題点があ
った。
概ね以上説明したような方法により最終的な結論を導き
出しており、この結論に従って問題解決が行われてい
た。しかしながら、導き出した結論に従って問題解決を
行った正否の結果は次の推論において全く反映されてい
ない。このため、状況Ａにおいて誤った結論を導き出し
た推論システム１は知識ベース３内の規則RLを改めない
限り、再び状況Ａと同じ状態に遭遇すると同じ結論を導
き出し、同じ誤りを繰り返してしまうという問題点があ
った。
（発明の目的） この発明の目的は、上記従来技術の問題点を解消し、
同一条件で同一の誤りを繰り返さない知識利用情報処理
システムにおける推論装置を提供することである。
同一条件で同一の誤りを繰り返さない知識利用情報処理
システムにおける推論装置を提供することである。
（目的を達成するための手段） 上記目的を達成するため、この発明による推論装置
は、ある専門分野での知識利用情報処理システムにおけ
る推論装置であって、条件部および結論部を備え優先度
が付加された規則よりなる知識ベースと、前記専門分野
における所望の目的を書き込む第１の領域と、前記専門
分野における現時点の事象を書き込む第２の領域、及び
過去の推論結果である結論のうち実行したが前記所望の
目的に対し効かなかったと評価された結論を書き込む第
３の領域を有する作業メモリと、前記作業メモリの内容
と前記知識ベースの内容とを照合することにより前記所
望の目的を達成するための結論を導き出す推論エンジン
とを備え、前記推論エンジンは、前記規則の条件部と前
記作業メモリの第1,第２の領域の内容とを照合し一致し
た条件部に対応する結論部の結論を選択し、かつその結
論の中から前記作業メモリの第３の領域に書き込まれた
結論を除外し、残った結論を前記優先度に従って実行す
べく出力することを特徴とする。
は、ある専門分野での知識利用情報処理システムにおけ
る推論装置であって、条件部および結論部を備え優先度
が付加された規則よりなる知識ベースと、前記専門分野
における所望の目的を書き込む第１の領域と、前記専門
分野における現時点の事象を書き込む第２の領域、及び
過去の推論結果である結論のうち実行したが前記所望の
目的に対し効かなかったと評価された結論を書き込む第
３の領域を有する作業メモリと、前記作業メモリの内容
と前記知識ベースの内容とを照合することにより前記所
望の目的を達成するための結論を導き出す推論エンジン
とを備え、前記推論エンジンは、前記規則の条件部と前
記作業メモリの第1,第２の領域の内容とを照合し一致し
た条件部に対応する結論部の結論を選択し、かつその結
論の中から前記作業メモリの第３の領域に書き込まれた
結論を除外し、残った結論を前記優先度に従って実行す
べく出力することを特徴とする。
（実施例） 第１図はこの発明の一実施例である知識利用情報処理
システムにおける推論装置を圧延制御系に適用した例を
示した構成説明図である。推論システム１中のデータロ
ガー７は圧延プラント８の制御パラメータおよび圧延デ
ータCP及びオペレータ６の所見データD6を取り込み、所
定の演算処理を施すことで事象FTを導き出し、作業メモ
リ２に出力している。
システムにおける推論装置を圧延制御系に適用した例を
示した構成説明図である。推論システム１中のデータロ
ガー７は圧延プラント８の制御パラメータおよび圧延デ
ータCP及びオペレータ６の所見データD6を取り込み、所
定の演算処理を施すことで事象FTを導き出し、作業メモ
リ２に出力している。
推論エンジン４は上記した作業メモリ２中の事象FTと
知識ベース３中の規則RLに基づき推論を行い、その推論
結果であるアクション（結論）を制御出力部９に出力し
ている。制御出力部９は推論エンジン４により推論され
たアクションに従い圧延プラント８を制御する。
知識ベース３中の規則RLに基づき推論を行い、その推論
結果であるアクション（結論）を制御出力部９に出力し
ている。制御出力部９は推論エンジン４により推論され
たアクションに従い圧延プラント８を制御する。
第２図は、作業メモリ２の詳細を示す説明図である。
同図に示すように、作業メモリ２は、ゴール部2a,ステ
ート部2b,データ部2c,アクション部2d,キャンセル部2e
により構成されている。ゴール部2aは例えば「端を伸ば
したい、程度は中」等の圧延形状をどのようにしたいか
の形状目標を書込む領域である。ステート部2b,データ
部2cは現在の圧延状況である事象FTを書込む領域であ
り、ステート部2bには例えば「端はりの程度が0.7」等
諸々の事象FTを確信度の形で書込み、データ部2cには例
えば「目標形状零点位置が３」等の圧延制御パラメータ
および圧延データを書込む。またアクション部2dはアク
ション（結論）を書込む領域であり、キャンセル部2eは
過去に導き出されたアクションのうち、有効な効果を得
れなかったアクションおよび、そのアクションを推論し
たルール名を書込む領域である。
同図に示すように、作業メモリ２は、ゴール部2a,ステ
ート部2b,データ部2c,アクション部2d,キャンセル部2e
により構成されている。ゴール部2aは例えば「端を伸ば
したい、程度は中」等の圧延形状をどのようにしたいか
の形状目標を書込む領域である。ステート部2b,データ
部2cは現在の圧延状況である事象FTを書込む領域であ
り、ステート部2bには例えば「端はりの程度が0.7」等
諸々の事象FTを確信度の形で書込み、データ部2cには例
えば「目標形状零点位置が３」等の圧延制御パラメータ
および圧延データを書込む。またアクション部2dはアク
ション（結論）を書込む領域であり、キャンセル部2eは
過去に導き出されたアクションのうち、有効な効果を得
れなかったアクションおよび、そのアクションを推論し
たルール名を書込む領域である。
第３図は知識ベース３中の規則RLの詳細を示す説明図
である。同図（ａ）に示すように、IF部は形状目標20と
付随条件21の論理積により構成される。形状目標20は、
板形状をどのように変更するべきかの目標が記述されて
おり、付随条件21は、作業メモリ２中の2b,2cへの照合
パターンが記述されている。
である。同図（ａ）に示すように、IF部は形状目標20と
付随条件21の論理積により構成される。形状目標20は、
板形状をどのように変更するべきかの目標が記述されて
おり、付随条件21は、作業メモリ２中の2b,2cへの照合
パターンが記述されている。
THEN部はIF部の条件（形状目標20及び付随条件21）が
真となった場合のアクション22が記述されている。従っ
て、この知識ベース３中のいずれの規則RLが適用されて
も、必ず１つのアクションを導出する。
真となった場合のアクション22が記述されている。従っ
て、この知識ベース３中のいずれの規則RLが適用されて
も、必ず１つのアクションを導出する。
また、同図（ｂ）に示すように、アクション22は様々
な属性について記述されており、具体的にはname（アク
ション名）,mode（アクションのモード）,value（アク
ションの程度を表す数値パラメータ）,goal（形状目
標）,level（状態の程度）,evaluation（アクションを
適用した場合の有効度評価）,asserted−by（書込みル
ール名）の属性を示している。例えば同図（ｂ）で示し
たアクション22においては、形状目標は「端はりの改善
（goal）」にあり、アクション22としては「端のレベル
（name）を0.3レベル（value）上げる（up）」ことを示
している。そして、現在の「端はり」の確信度は0.7（l
evel）であり、その有効評価値は0.3（evaluation）
で、このアクションを導き出した規則ナンバーは２（as
serted−by）であることを示している。
な属性について記述されており、具体的にはname（アク
ション名）,mode（アクションのモード）,value（アク
ションの程度を表す数値パラメータ）,goal（形状目
標）,level（状態の程度）,evaluation（アクションを
適用した場合の有効度評価）,asserted−by（書込みル
ール名）の属性を示している。例えば同図（ｂ）で示し
たアクション22においては、形状目標は「端はりの改善
（goal）」にあり、アクション22としては「端のレベル
（name）を0.3レベル（value）上げる（up）」ことを示
している。そして、現在の「端はり」の確信度は0.7（l
evel）であり、その有効評価値は0.3（evaluation）
で、このアクションを導き出した規則ナンバーは２（as
serted−by）であることを示している。
第３図（ａ）に戻って、規則RLには、IF部,THEN部の
他に、PRIORITY部,USAGE部が設けられている。PRIORITY
部には、１つの形状目標達成において複数の規則RLが競
合したときに、どちらの規則RLを適用するかを示す指標
となる優先度23が記述されている。また、USAGE部に
は、同一形状目標に対しアクションを２度行う価値があ
るかを示す使用具合24が記述されている。（例えば２度
行っても１度行った以上の効果を期待できないアクショ
ンに対し、使用具合24に“once"が記述される。） 第４図は、第１図〜第３図で示した推論システム１の
推論方法を示すフローチャートである。以下同図を参照
しつつその推論方法を示す。まず、ステップS11におい
て、オペレータ６によりデータロガー７を介して作業メ
モリ２のゴール部2aに形状目標（複数でもよい）を書込
む。
他に、PRIORITY部,USAGE部が設けられている。PRIORITY
部には、１つの形状目標達成において複数の規則RLが競
合したときに、どちらの規則RLを適用するかを示す指標
となる優先度23が記述されている。また、USAGE部に
は、同一形状目標に対しアクションを２度行う価値があ
るかを示す使用具合24が記述されている。（例えば２度
行っても１度行った以上の効果を期待できないアクショ
ンに対し、使用具合24に“once"が記述される。） 第４図は、第１図〜第３図で示した推論システム１の
推論方法を示すフローチャートである。以下同図を参照
しつつその推論方法を示す。まず、ステップS11におい
て、オペレータ６によりデータロガー７を介して作業メ
モリ２のゴール部2aに形状目標（複数でもよい）を書込
む。
そして、ステップS12において、圧延プラント８から
データロガー７を介して作業メモリ２のステート部2b,
データ部2cに現在の圧延状況である事象FTを書込む。
データロガー７を介して作業メモリ２のステート部2b,
データ部2cに現在の圧延状況である事象FTを書込む。
このような条件下で、ステップS13において、ゴール
部2aに書込まれた形状目標を達成するための推論を推論
エンジン４により行う。推論エンジン４は知識ベース３
中の規則RLのIF部と作業メモリ２中のゴール部2a,ステ
ート部2b及びデータ部2cとの照合マッチングを行う。そ
して、照合によりIF部が全て真となった規則RLのアクシ
ョンA1選択する。
部2aに書込まれた形状目標を達成するための推論を推論
エンジン４により行う。推論エンジン４は知識ベース３
中の規則RLのIF部と作業メモリ２中のゴール部2a,ステ
ート部2b及びデータ部2cとの照合マッチングを行う。そ
して、照合によりIF部が全て真となった規則RLのアクシ
ョンA1選択する。
次に、ステップS14において、選択アクションA1を作
業メモリ２中のアクション部2dに登録する。この登録の
際、後述するが、アクション部2dのアクションデーモン
と呼ばれるチェックルーチンにより、様々なチェックを
行う。
業メモリ２中のアクション部2dに登録する。この登録の
際、後述するが、アクション部2dのアクションデーモン
と呼ばれるチェックルーチンにより、様々なチェックを
行う。
その後、ステップS15において、アクション部2dに登
録したアクションを制御出力部９に出力し、制御出力部
９は、このアクションに応じて圧延プラント８を制御す
る。
録したアクションを制御出力部９に出力し、制御出力部
９は、このアクションに応じて圧延プラント８を制御す
る。
そして、ステップS16で、適用したアクションの評価
を各形状目標について行う。そして、ステップS16で得
られた評価が、全ての形状目標において達成されたかを
ステップS17でチェックする。達成された場合、推論が
終了し、未解決の形状目標があれば再びステップS12に
戻り推論が続けられる。
を各形状目標について行う。そして、ステップS16で得
られた評価が、全ての形状目標において達成されたかを
ステップS17でチェックする。達成された場合、推論が
終了し、未解決の形状目標があれば再びステップS12に
戻り推論が続けられる。
なお、このフローでは、オペレータ６により形状目標
をゴール部2aに書込んだが、事象FTをステート部2bある
いはデータ部2cに書込んだ後、この事象FTから形状目標
自動作成ルーチンにより形状目標を生成し、ゴール部2a
に書込むことも考えられる。
をゴール部2aに書込んだが、事象FTをステート部2bある
いはデータ部2cに書込んだ後、この事象FTから形状目標
自動作成ルーチンにより形状目標を生成し、ゴール部2a
に書込むことも考えられる。
第４図のステップS16で示した評価をどのようにして
行うかを具体例を用いて説明する。
行うかを具体例を用いて説明する。
例えば、 （１） 事象FTである「端のび」の確信度（低い程、
「端のび」が改善）が0.7であったので端部レベルを下
げた。
「端のび」が改善）が0.7であったので端部レベルを下
げた。
（２） 今回、「端のび」の確信度が0.4となった。
といった場合を考える。前回のアクション「端部のレベ
ルを下げる」は、その目的となる形状目標「端のびの改
善」に対し、確信度で計って0.3の貢献を行っている。
即ち、適用したアクションは、効果を奏していると考え
られる。いま、あるアクションＡについて、それを適用
するための事象FTである圧延状況をＳ、Ｓの確信度をCF
0（Ｓ）、アクションＡ適用後のＳの確信度をCF1（Ｓ）
とする。この時、アクションＡの効果Ef（Ａ）を、 Ef（Ａ）＝CF0（Ｓ）−CF1（Ｓ） で定義する。この時、たとえば Ef（Ａ）＞CF0（Ｓ）×0.1 …アクションＡは効いた それ以外 …アクションＡは効かなかった。
ルを下げる」は、その目的となる形状目標「端のびの改
善」に対し、確信度で計って0.3の貢献を行っている。
即ち、適用したアクションは、効果を奏していると考え
られる。いま、あるアクションＡについて、それを適用
するための事象FTである圧延状況をＳ、Ｓの確信度をCF
0（Ｓ）、アクションＡ適用後のＳの確信度をCF1（Ｓ）
とする。この時、アクションＡの効果Ef（Ａ）を、 Ef（Ａ）＝CF0（Ｓ）−CF1（Ｓ） で定義する。この時、たとえば Ef（Ａ）＞CF0（Ｓ）×0.1 …アクションＡは効いた それ以外 …アクションＡは効かなかった。
と判断する。効かなかったと判断したアクションは、作
業メモリ２のキャンセル部2e中に登録する。
業メモリ２のキャンセル部2e中に登録する。
また、Ｓの確信度CF1（Ｓ）が所定レベルを下回る
と、形状目標を達成したと評価し後述する優先度の書換
えを行う。なお、一度評価されたアクションはアクショ
ン部2d中のヒストリー部に登録する。
と、形状目標を達成したと評価し後述する優先度の書換
えを行う。なお、一度評価されたアクションはアクショ
ン部2d中のヒストリー部に登録する。
第５図は第４図のステップS14における、上述したア
クションデーモンによる、アクション部2dへの選択アク
ションA1の書込みのチェック動作をチェックツリーで示
した説明図である。以下、同図を参照しつつアクション
デーモンの動作について説明する。
クションデーモンによる、アクション部2dへの選択アク
ションA1の書込みのチェック動作をチェックツリーで示
した説明図である。以下、同図を参照しつつアクション
デーモンの動作について説明する。
まず、書込もうとするアクションA1がアクション部2d
のヒストリー部に登録されており、かつアクションA1を
導出した規則RLの使用具合24が“once"であるかをケー
スC1でチェックする。ケースC1に該当すれば、このアク
ションA1は既に１度実行したアクションであり、２度行
っても得られる効果は同じであることから、このアクシ
ョンA1はアクション部2dに書込まれず無視する。
のヒストリー部に登録されており、かつアクションA1を
導出した規則RLの使用具合24が“once"であるかをケー
スC1でチェックする。ケースC1に該当すれば、このアク
ションA1は既に１度実行したアクションであり、２度行
っても得られる効果は同じであることから、このアクシ
ョンA1はアクション部2dに書込まれず無視する。
ケースC1に該当しなかった場合は、ケースC2において
アクションA1がキャンセル部2eに登録されているかをチ
ェックする。ケースC2に該当すれば、このアクションA1
は行っても形状目標達成に効果がないことが既に実証さ
れていることから無視する。
アクションA1がキャンセル部2eに登録されているかをチ
ェックする。ケースC2に該当すれば、このアクションA1
は行っても形状目標達成に効果がないことが既に実証さ
れていることから無視する。
ケースC2にも該当しなかったアクションA1は、ケース
C3において、アクションA1と属性nameが同一なアクショ
ンA2が、アクション部2d中に登録されていないかをチェ
ックする。
C3において、アクションA1と属性nameが同一なアクショ
ンA2が、アクション部2d中に登録されていないかをチェ
ックする。
ケースC3に該当しなかった場合、ケースC4において形
状目標20が同一であるアクションが既にアクション部2d
に登録されているかをチェックする。ケースC4に該当し
た場合、アクションA1とアクション部2dに書込まれてい
るアクションA0の優先度23の比較を行う。アクションA1
の優先度23がアクションA0の優先度23より高い場合、ア
クションA1をアクション部2dに登録し、アクションA0を
アクション部2dから削除する。逆にアクションA1の優先
度23の値がアクションA0の値より低い場合、アクション
A1を無視する。なお、アクションA1とA0の優先度23の値
が同一の場合はアクションA1をアクション部2dに登録
し、アクションA0も削除せず残す。つまり、両方のアク
ションA1,A0をアクション部2dに登録する。また、ケー
スC4に該当しなかった場合は、無条件にアクションA1を
アクション部2dに登録する。
状目標20が同一であるアクションが既にアクション部2d
に登録されているかをチェックする。ケースC4に該当し
た場合、アクションA1とアクション部2dに書込まれてい
るアクションA0の優先度23の比較を行う。アクションA1
の優先度23がアクションA0の優先度23より高い場合、ア
クションA1をアクション部2dに登録し、アクションA0を
アクション部2dから削除する。逆にアクションA1の優先
度23の値がアクションA0の値より低い場合、アクション
A1を無視する。なお、アクションA1とA0の優先度23の値
が同一の場合はアクションA1をアクション部2dに登録
し、アクションA0も削除せず残す。つまり、両方のアク
ションA1,A0をアクション部2dに登録する。また、ケー
スC4に該当しなかった場合は、無条件にアクションA1を
アクション部2dに登録する。
一方、ケースC3に該当した場合は、ケースC5において
アクションA2とアクションA1の属性modeを比較し、矛盾
がないかどうかをチェックする。矛盾とは属性modeが例
えば“up"←→“down"と正反対の意味を示す場合などで
ある。ケースC5に該当すれば、矛盾を除くため、属性go
alから形状目標の重要性を比較し、重要なアクションの
みアクション部2dに登録する。
アクションA2とアクションA1の属性modeを比較し、矛盾
がないかどうかをチェックする。矛盾とは属性modeが例
えば“up"←→“down"と正反対の意味を示す場合などで
ある。ケースC5に該当すれば、矛盾を除くため、属性go
alから形状目標の重要性を比較し、重要なアクションの
みアクション部2dに登録する。
ケースC5に該当しない場合、ケースC6でケースC4と同
一のチェックを施すことで、アクションA1のアクション
部2dへの登録チェックを終了する。このように、推論エ
ンジン４により選択されたアクションを、ふるいにかけ
ることで、より有効性の期待できるアクションのみを、
アクション部2dに登録することができる。
一のチェックを施すことで、アクションA1のアクション
部2dへの登録チェックを終了する。このように、推論エ
ンジン４により選択されたアクションを、ふるいにかけ
ることで、より有効性の期待できるアクションのみを、
アクション部2dに登録することができる。
第６図は、優先度23の書き換え動作を説明するための
グラフである。同図（ａ−１）の設定形状で圧延制御を
行った効果である実形状が同図（ａ−２）で示されてい
る。この実形状を改善するために、ゴール部2aに形状目
標「端はりの改善」を書込み、推論エンジン４により
「端はりの改善」を実現すべく推論を行う。
グラフである。同図（ａ−１）の設定形状で圧延制御を
行った効果である実形状が同図（ａ−２）で示されてい
る。この実形状を改善するために、ゴール部2aに形状目
標「端はりの改善」を書込み、推論エンジン４により
「端はりの改善」を実現すべく推論を行う。
その結果、優先度23が“3"で一番高い規則RLの「端部
のレベルを上げる」というアクションA1をアクション部
2dに書込み、同図（ｂ−１）に示す如く、設定形状の端
部のレベルを上げて圧延を行った。その圧延結果は同図
（ｂ−２）に示す如く、改善が得られなかった（効果Ef
（Ａ）が負）。このため、このアクションA1を、作業メ
モリ２中のキャンセル部2eに書込み、形状目標「端はり
の改善」のアクションとして２度と採用されないように
する。
のレベルを上げる」というアクションA1をアクション部
2dに書込み、同図（ｂ−１）に示す如く、設定形状の端
部のレベルを上げて圧延を行った。その圧延結果は同図
（ｂ−２）に示す如く、改善が得られなかった（効果Ef
（Ａ）が負）。このため、このアクションA1を、作業メ
モリ２中のキャンセル部2eに書込み、形状目標「端はり
の改善」のアクションとして２度と採用されないように
する。
そして、次の圧延に際して、再び形状目標「端はりの
改善」を実現すべく推論を行う。推論の結果、規則RL1
のアクションA1はキャンセル部2eに書込まれているた
め、優先度23が“1"でありアクションA1の次に優先順位
の高い規則RL2の「零点P0を端へ移動し、中央部形状を
変更する」というアクションA2をアクション部2dに書込
み、同図（ｃ−１）に示す如く設定形状の零点P0を端部
へ移し、中央部形状の変更を行った。その結果、同図
（ｃ−２）に示す如く改善を得ることで、形状目標の
「端はりの改善」を実現した。
改善」を実現すべく推論を行う。推論の結果、規則RL1
のアクションA1はキャンセル部2eに書込まれているた
め、優先度23が“1"でありアクションA1の次に優先順位
の高い規則RL2の「零点P0を端へ移動し、中央部形状を
変更する」というアクションA2をアクション部2dに書込
み、同図（ｃ−１）に示す如く設定形状の零点P0を端部
へ移し、中央部形状の変更を行った。その結果、同図
（ｃ−２）に示す如く改善を得ることで、形状目標の
「端はりの改善」を実現した。
このように同一形状目標に対し、規則RL1のアクショ
ンA1より優先度23の低い規則RL2のアクションA2におい
て、効果を奏し、形状目標を達成た場合、規則RL1,RL2
の優先度23に誤りがあるとみなし、規則RL2の優先度を
規則RL1の優先度より高く設定し直す。そのため、キャ
ンセル部2eへの規則RL1のアクションA1の登録の有無に
関係なく、次回の推論からは形状目標「端はりの改善」
に対し、アクションA1とA2が同時に選択された場合、必
ず、優先度23の一番高い規則RL2のアクションA2がアク
ション部2dに登録される。その結果、知識ベース２中の
知識レベルが向上し、より効果的なアクションを選択す
ることができる。なお、ここで示した優先度23の書換え
は、一例にすぎず、これに限定されるものではない。
ンA1より優先度23の低い規則RL2のアクションA2におい
て、効果を奏し、形状目標を達成た場合、規則RL1,RL2
の優先度23に誤りがあるとみなし、規則RL2の優先度を
規則RL1の優先度より高く設定し直す。そのため、キャ
ンセル部2eへの規則RL1のアクションA1の登録の有無に
関係なく、次回の推論からは形状目標「端はりの改善」
に対し、アクションA1とA2が同時に選択された場合、必
ず、優先度23の一番高い規則RL2のアクションA2がアク
ション部2dに登録される。その結果、知識ベース２中の
知識レベルが向上し、より効果的なアクションを選択す
ることができる。なお、ここで示した優先度23の書換え
は、一例にすぎず、これに限定されるものではない。
このように効果が得られなかったアクションをキャン
セル部2eに登録することで、過去の推論による結論の有
効性を加味した推論により結論を導き出すようにしてい
るため、前回の結論に基づき制御を行っても有効性が得
れなかった場合、もし、今回も前回と同じ形状目標と圧
延状況である事象FTが作業メモリのゴール部2a,ステー
ト部2b及びデータ部2cに格納されても、前回の結論以外
の結論が導き出せる。従って同一条件において同じ結論
を繰り返し出力することによる誤りを繰り返すことはな
い。
セル部2eに登録することで、過去の推論による結論の有
効性を加味した推論により結論を導き出すようにしてい
るため、前回の結論に基づき制御を行っても有効性が得
れなかった場合、もし、今回も前回と同じ形状目標と圧
延状況である事象FTが作業メモリのゴール部2a,ステー
ト部2b及びデータ部2cに格納されても、前回の結論以外
の結論が導き出せる。従って同一条件において同じ結論
を繰り返し出力することによる誤りを繰り返すことはな
い。
また、同一形状目標達成に複数の規則RLが競合した場
合、優先度の高い規則のアクションから選択実行する。
そして、第６図で示したように、優先度が２番目以降の
規則により導出したアクションで、初めて有効性を得る
ことができた場合、この有効性を得た規則の優先度を一
番高く設定し直すため、次回の推論からは過去の有効性
を加味せずとも、より確実性の高い推論を行うことがで
きる。
合、優先度の高い規則のアクションから選択実行する。
そして、第６図で示したように、優先度が２番目以降の
規則により導出したアクションで、初めて有効性を得る
ことができた場合、この有効性を得た規則の優先度を一
番高く設定し直すため、次回の推論からは過去の有効性
を加味せずとも、より確実性の高い推論を行うことがで
きる。
さらに、上記した事項以外に、２度行っても１度目以
上の効果を発揮しないアクションの無視、相矛盾するア
クションの識別等も行われるため、より有効性が期待で
きるアクションを選択することができる。
上の効果を発揮しないアクションの無視、相矛盾するア
クションの識別等も行われるため、より有効性が期待で
きるアクションを選択することができる。
なお、この実施例ではこの発明を圧延制御系に適用し
た例を示したが、他の専門分野においても適用すること
ができる。
た例を示したが、他の専門分野においても適用すること
ができる。
（発明の効果） 以上説明したように、この発明によれば、作業メモリ
に、専門分野における所望の目的を書き込む第１の領域
と、前記専門分野における現時点の事象を書き込む第２
の領域と、過去の推論結果である結論のうち実行したが
前記所望の目的に対し効かなかったと評価された結論を
書き込む第３の領域とを設けるとともに、推論エンジン
により、知識ベースの規則の条件部と作業メモリの第1,
第２の領域の内容とを照合し一致した条件部に対応する
前記知識ベースの規則の結論部の結論を選択し、かつそ
の結論の中から作業メモリの第３の領域に書き込まれた
結論を除外し、残った結論を前記知識ベースの規則に付
加された優先度に従って実行すべく出力するように構成
している。例えば圧延制御系等の専門分野においては、
目的が同じでも現時点の事象により採るべき結論は様々
である。従って本発明の推論装置のように条件部を目的
と事象とで構成して作業メモリの第1,第２の領域との一
回の照合処理により採るべき結論を絞り込み、さらに作
業メモリの第３の領域を参照することにより過去の実行
で非有効とわかっている結論を除外し、さらに残った結
論を優先度に従って実行すべく出力することにより、有
効性のない結論を繰り返して出力することのない、しか
も圧延制御系に適した高速処理の可能な推論装置が構築
できるという効果がある。
に、専門分野における所望の目的を書き込む第１の領域
と、前記専門分野における現時点の事象を書き込む第２
の領域と、過去の推論結果である結論のうち実行したが
前記所望の目的に対し効かなかったと評価された結論を
書き込む第３の領域とを設けるとともに、推論エンジン
により、知識ベースの規則の条件部と作業メモリの第1,
第２の領域の内容とを照合し一致した条件部に対応する
前記知識ベースの規則の結論部の結論を選択し、かつそ
の結論の中から作業メモリの第３の領域に書き込まれた
結論を除外し、残った結論を前記知識ベースの規則に付
加された優先度に従って実行すべく出力するように構成
している。例えば圧延制御系等の専門分野においては、
目的が同じでも現時点の事象により採るべき結論は様々
である。従って本発明の推論装置のように条件部を目的
と事象とで構成して作業メモリの第1,第２の領域との一
回の照合処理により採るべき結論を絞り込み、さらに作
業メモリの第３の領域を参照することにより過去の実行
で非有効とわかっている結論を除外し、さらに残った結
論を優先度に従って実行すべく出力することにより、有
効性のない結論を繰り返して出力することのない、しか
も圧延制御系に適した高速処理の可能な推論装置が構築
できるという効果がある。
第１図はこの発明の一実施例である知識利用情報処理シ
ステムにおける推論装置を圧延制御系に適用した例を示
す構成説明図、第２図は作業メモリの詳細を示した説明
図、第３図は知識ベースの詳細を示した説明図、第４図
は第１図〜第３図で示した推論装置の推論方法を示した
フローチャート、第５図はアクション部への登録動作を
示した説明図、第６図は優先度修正動作を説明するため
のグラフ、第７図は従来の知識利用情報処理システムに
おける推論装置を示した構成説明図、第８図は従来の知
識利用情報処理システムにおける推論方法を示したフロ
ーチャートである。 １……推論システム、２……作業メモリ、 ３……知識ベース、４……推論エンジン、 ７……データロガー、８……圧延プラント
ステムにおける推論装置を圧延制御系に適用した例を示
す構成説明図、第２図は作業メモリの詳細を示した説明
図、第３図は知識ベースの詳細を示した説明図、第４図
は第１図〜第３図で示した推論装置の推論方法を示した
フローチャート、第５図はアクション部への登録動作を
示した説明図、第６図は優先度修正動作を説明するため
のグラフ、第７図は従来の知識利用情報処理システムに
おける推論装置を示した構成説明図、第８図は従来の知
識利用情報処理システムにおける推論方法を示したフロ
ーチャートである。 １……推論システム、２……作業メモリ、 ３……知識ベース、４……推論エンジン、 ７……データロガー、８……圧延プラント
フロントページの続き (56)参考文献 特開 昭61−59502（ＪＰ，Ａ) 特開 昭62−284429（ＪＰ，Ａ) 「情報処理学会第35回（昭和62年後 期）全国大会講演論文集」（1987−９) Ｐ．1485−1486
Claims (1)
- 【請求項１】ある専門分野での知識利用情報処理システ
ムにおける推論装置であって、 条件部および結論部を備え優先度が付加された規則より
なる知識ベースと、 前記専門分野における所望の目的を書き込む第１の領域
と、前記専門分野における現時点の事象を書き込む第２
の領域と、過去の推論結果である結論のうち実行したが
前記所望の目的に対し効かなかったと評価された結論を
書き込む第３の領域とを有する作業メモリと、 前記作業メモリの内容と前記知識ベースの内容とを照合
することにより前記所望の目的を達成するための結論を
導き出す推論エンジンとを備え、 前記推論エンジンは、前記規則の条件部と前記作業メモ
リの第1,第２の領域の内容とを照合し一致した条件部に
対応する結論部の結論を選択し、かつその結論の中から
前記作業メモリの第３の領域に書き込まれた結論を除外
し、残った結論を前記優先度に従って実行すべく出力す
ることを特徴とする知識利用情報処理システムにおける
推論装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63308366A JP2656330B2 (ja) | 1988-12-06 | 1988-12-06 | 知識利用情報処理システムにおける推論装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63308366A JP2656330B2 (ja) | 1988-12-06 | 1988-12-06 | 知識利用情報処理システムにおける推論装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02153430A JPH02153430A (ja) | 1990-06-13 |
| JP2656330B2 true JP2656330B2 (ja) | 1997-09-24 |
Family
ID=17980200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63308366A Expired - Lifetime JP2656330B2 (ja) | 1988-12-06 | 1988-12-06 | 知識利用情報処理システムにおける推論装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2656330B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2643608B2 (ja) * | 1991-01-21 | 1997-08-20 | 日本電気株式会社 | 高周波フィルタ調整装置 |
-
1988
- 1988-12-06 JP JP63308366A patent/JP2656330B2/ja not_active Expired - Lifetime
Non-Patent Citations (1)
| Title |
|---|
| 「情報処理学会第３５回（昭和６２年後期）全国大会講演論文集」（１９８７−９）Ｐ．１４８５−１４８６ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH02153430A (ja) | 1990-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH0746345B2 (ja) | 順次的判定プロセスの最適化方法 | |
| US8271416B2 (en) | Method for dynamically determining a predetermined previous condition of a rule-based system | |
| Christ et al. | Weakly equivalent arrays | |
| US5263127A (en) | Method for fast rule execution of expert systems | |
| Panisson et al. | Using preferences over sources of information in argumentation-based reasoning | |
| Koschke | Incremental reflexion analysis | |
| Saha | An incremental bisimulation algorithm | |
| JP2656330B2 (ja) | 知識利用情報処理システムにおける推論装置 | |
| JPH0565892B2 (ja) | ||
| Balafoutis et al. | Algorithms for stochastic CSPs | |
| Stratulat | Validating back-links of FOLID cyclic pre-proofs | |
| Ho et al. | Learning coordination strategies for cooperative multiagent systems | |
| Nieto et al. | Verifying single and multi-mutator garbage collectors with owicki-gries in isabelle/hol | |
| Domènech i Vila et al. | Testing Reinforcement Learning Explainability Methods in a Multi-agent Cooperative Environment | |
| EP0358618A2 (en) | Caching argument values in pattern-matching networks | |
| US20080208544A1 (en) | System for Design and Use of Decision Models | |
| Chatterjee et al. | A survey of stochastic games with limsup and liminf objectives | |
| Gélinas et al. | A dynamic programming algorithm for single machine scheduling with ready times | |
| Glushkova et al. | Application of Method for Constructing a Complex Hierarchical Logic in Intelligent Agriculture Context | |
| JP2539378B2 (ja) | あいまい推論方法 | |
| Jeng et al. | An automatic approach of domain test data generation | |
| Krach et al. | Optimal Estimation of Generic Dynamics by Path-Dependent Neural Jump ODEs | |
| JP7173510B1 (ja) | 異常検知装置、システム、方法及びプログラム | |
| De Baets et al. | A top-down algorithm for generating the Hasse tree of a fuzzy preorder closure | |
| Singh | Causal inference tutorial |