JP3268529B2 - 知識データベース処理システムおよびエキスパートシステム - Google Patents

知識データベース処理システムおよびエキスパートシステム

Info

Publication number
JP3268529B2
JP3268529B2 JP06369790A JP6369790A JP3268529B2 JP 3268529 B2 JP3268529 B2 JP 3268529B2 JP 06369790 A JP06369790 A JP 06369790A JP 6369790 A JP6369790 A JP 6369790A JP 3268529 B2 JP3268529 B2 JP 3268529B2
Authority
JP
Japan
Prior art keywords
event
certainty
inference
knowledge database
events
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 - Fee Related
Application number
JP06369790A
Other languages
English (en)
Other versions
JPH03263227A (ja
Inventor
誠逸 二川原
茂昭 難波
洋 甲元
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP06369790A priority Critical patent/JP3268529B2/ja
Priority to DE4108310A priority patent/DE4108310C2/de
Publication of JPH03263227A publication Critical patent/JPH03263227A/ja
Priority to US08/277,366 priority patent/US5493729A/en
Application granted granted Critical
Publication of JP3268529B2 publication Critical patent/JP3268529B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は、事象原因推論または事象波及推論を行う推
論エキスパートシステムにおける、各事象波及ルート等
に付与される確からしさの指標（確信度）の更新処理、
及び推論情報生成機能を持った知識データベース処理シ
ステムに関する。
［従来の技術］ 知識データベースの更新処理は、知識データベースの
作成が本来人間の経験と推論に基づくものである為、実
際の適用に際してはナレッジエンジニアによる改良・メ
ンテナンスが必要不可欠なものであった。これに対し知
識データベース更新処理の最適化・自動化といった面か
らいくつかの公知例が提出されている。
特開昭60−24647号では、複数のソフトウェアユニッ
トがシステム内資源を共有するシステムにおける資源割
当方式を、知識ベースの適用と評価、さらに評価にもと
づくコードの生成、劣性コードの淘汰という形で提示し
ている。又、特開昭60−8902号の学習制御方式では、予
めファイルより呼び出した制御情報により制御対象を制
御した時の応答を評価し、その評価指数により該ルール
をファイルに書き込む方式が提示されている。いずれ
も、適用対象への一連の操作に対する応答を評価し、知
識データベース内へ評価により得られたコードあるいは
ルールの追加、削除という手順を踏んでいる。
しかし、事象推論においては、適用対象からの実経験
評価によるルールの追加、削除のみでは、確からしさの
指標（確信度）が固定されている限り、十分な根拠と可
塑性を与えるに到らない。又、実経験評価の確信度への
適用法に関しても確立されているとは言い難い。
確信度に関する公知の例として、特開平１−265311号
公報に、プロセス量の強度、具体的には、時間に関する
微分量に対し、確信度を０から１の間の中間的な値を取
らせて、より実際的な確からしさを決定する手法が述べ
られている。そして、その要因に応じて、確信度の関数
関係自体を変更することができるようにしているが、そ
の要因とは、上記プロセス量の強度（変化率）であり、
実経験事象からの自動的な確信度の更新を行うわけでは
ない。換言すれば、プラントの運転員若しくは、知識エ
ンジニアが、過去の経験を元に手動により、対象プロセ
ス量毎に確信度の関数関係を割り付けていくのであっ
て、本発明のように、実事象実績を積極的に評価し、実
事象実績の入力により自動的に確信度をより高く更新し
てゆくものとは内容を異にしている。
また、特開平１−229330号公報には、推論エンジンが
推論した結論に対してユーザがその結論の正否を判断
し、その正否情報を入力することにより知識ベース内の
ルールの確信度を補正することができる推論装置が開示
されている。この公知例においても、確信度自体の補正
は行えるがその補正はユーザの判断によって左右される
ものであり、客観性に欠ける。
［発明が解決しようとする課題］ 前述のように、従来技術は、確からしさの指標（確信
度）が経験的に与えられるため適用対象の特性の反映と
客観性に欠けたものであること、推論結果の原因候補項
目が無制限に提供される為ユーザ側の判断に時間と労力
が必要とされること、知識データベース上の確信度メン
テナンスにナレッジエンジニア側の判断および労力が必
要とされること等の問題があった。
本発明の目的は、上記問題を解決するために、事象実
績を事象の確信度にフィードバックして、より確からし
い推論を可能にする機能を有する知識データベース処理
システムを提供することにある。
本発明の他の目的は、確信度側に原因候補項目を分類
して提示する機能を有する知識データベース処理システ
ムを提供することにある。
本発明の更に他の目的は、事象推論結果とともに関連
経緯情報提供によるユーザの判断促進機能と、事象実績
フィードバックによる知識データベース変更をアシスト
する機能を有する知識データベース処理システムを提供
することにある。
［課題を解決するための手段］ 上記目的を達成するために、本発明による知識データ
ベース処理システムは、或る事象と該事象に関与する複
数の事象との間の各因果関係について当該因果関係の確
からしさの度合いを示す指標が格納された知識データベ
ースに対して処理を行うシステムであって、前記知識デ
ータベースに基づいて推論された事象のうち実際に経験
された実経験事象の情報を入力する手段と、該入力手段
により入力された実経験事象に関与する複数の因果関係
のうち、当該実経験事象に対応する因果関係の確からし
さを、相対的に他の因果関係の確からしさより高くする
よう前記指標を更新する指標更新手段と、該指標更新手
段により更新された指標を前記知識データベースに再格
納する手段とを備えたものである。
ここで、前記指標は、事象原因推論または事象波及推
論のいずれか一方のための確からしさの度合いであれば
よい。
また、前記指標の更新手段は、予め定めた数の実経験
の統計的データに基づいて更新処理を行うことができ
る。
前記因果関係の確からしさの度合いを示す指標は、前
記事象自体、２事象を連結した事象間ルート、連続した
複数の事象間ルートからなる推論ラインのうちの少なく
とも１つに付与することができる。なお、本明細書にお
いて「事象間ルート」は推論樹系図上で隣接する階層に
属する２事象間の接続経路を示し、「推論ライン」は連
続した事象間ルートの集合をいうものとする。
前記知識データベースに基づく推論結果情報および更
新された指標をユーザに提供する手段を有することが望
ましい。
本発明による他の知識データベース処理システムは、
或る事象と該事象に関与する複数の事象との間の各因果
関係について当該因果関係の確からしさの度合いを示す
確信度が格納された知識データベースに対して処理を行
うシステムであって、或る事象について前記知識データ
ベースに基づいて推論された原因事象（または波及事
象）が実際に経験された頻度の度合いを算出する実経験
頻度算出手段と、該算出された頻度の度合いに応じて、
当該特性の事象に関与する複数の因果関係の確信度を更
新する更新手段とを備えたものである。
前記或る事象に対する原因事象の推論回数が予め定め
た回数以上になったとき、前記原因事象の頻度の度合い
を有意義なものとして利用する。この予め定めた回数の
設定値は可変とすることができる。
また、前記原因事象の確信度と、当該原因事象の実経
験頻度の度合いとの偏差を前記確信度の更新処理に利用
することができる。例えば、前記更新手段は、前記偏差
を０に近づける更新処理を行う。
前記頻度の極限値を推定する手段を設けてもよい。こ
の場合、前記頻度と頻度の極限値との差に応じて、前記
確信度の変化のさせ方を抑制する方向にまたは促進する
方向に更新処理方法自体を変更することもできる。
本発明の更に他の知識データベース処理システムは、
或る事象と該事象に関与する複数の事象との間の各因果
関係について当該因果関係の確からしさの度合いを示す
確信度が格納された知識データベースに対して処理を行
うシステムであって、実際に経験された実経験事象の情
報に基づいて該実経験事象に関与する複数の因果関係の
うち、当該実経験事象に対応する因果関係の確信度を予
め定めた写像関係で増加させる確信度更新手段と、前記
実経験事象に関与する複数の因果関係の間で当該確信度
の正規化を行う正規化手段とを備えたものである。
本発明の別の知識データベース処理システムは、或る
事象と該事象に関与する複数の事象との間の各因果関係
について当該因果関係の確からしさの度合いを示す確信
度が格納された知識データベースに対して処理を行うシ
ステムであって、前記確信度を実経験事象に基づいて更
新する手段と、該更新された確信度の履歴情報を格納す
る手段と、前記確信度の履歴情報に基づいて、上位確信
度の事象を準確定事象として、下位確信度の事象を稀少
事象として、さらに中間の確信度の事象を不安定事象と
して、少なくとも３段階のランクに分類する手段とを備
えたものである。
この分類する手段による分類結果をユーザに提供する
手段を有することが望ましい。
本発明による更に別の知識データベース処理システム
は、或る事象と該事象に関与する複数の事象との間の各
因果関係について当該因果関係の確からしさの度合いを
示す確信度が格納された知識データベースに対して処理
を行うシステムであって、前記確信度を実経験事象に基
づいて更新する手段と、該更新された確信度の履歴情報
を格納する手段と、前記確信度の履歴情報と各実経験事
象を特徴付ける観測物理量強度の履歴情報との相関関係
を判別する手段とを備えたものである。
本発明による、推論を行うエキスパートシステムは、
原因の事象から中間の事象を経て結果の事象へつながる
少なくとも３階層の事象群を連結した推論樹系図を想定
し、隣接階層間で連結された各事象間ルートに当該事象
間の因果関係の度合いを確信度として付与した知識デー
タベースと、該知識データベースに基づいて事象の推論
を行う推論手段と、実際に経験された実経験事象につい
て当該事象間ルートの確信度を増加させるよう前記知識
データベースの更新を行う更新手段とを備えたものであ
る。
このエキスパートシステムにおいて、観測された物理
量強度に応じて確信度が変化する事象については、物理
量強度に対する確信度の分布を表わす確信度分布曲線を
用意し、或る物理量強度に対する確信度が更新されたと
き、当該新たな確信度と他の確信度との間を補間して前
記確信度分布曲線を補正することができる。
本発明のさらに他のエキスパートシステムは、原因の
事象から中間の事象を経て結果の事象へつながる少なく
とも３階層の事象群を連結した推論樹系図を想定し、隣
接階層間で連結された各事象間ルートに当該事象間の因
果関係の度合いを確信度として付与した知識データベー
スを用いて推論を行うエキスパートシステムであって、
前記推論樹系図の各階層の事象項目数のうち最大数を
Ｎ、階層数をＭとしたとき、前記推論樹系図の各事象項
目をＮ行Ｍ列の行列の１要素に割り当て、前記各事象間
ルートを１対の行列要素で定義したものである。
好ましくは、前記Ｎ行Ｍ列の行列に１行のダミー列を
追加して該ダミー要素を終点とする事象間ルートには予
め一定値の確信度を与えておき、中間層における事象が
確定している場合の推論計算時に当該中間層における事
象項目の要素に代えてダミー行内の対応列のダミー要素
を用いる。
また、設定した前記推論樹系図中の同一列上の複数の
事象が、隣接列上の事象の発生前に連続して発生したと
きに、当該発生時刻および当該事象を記録する手段を有
することが望ましい。
設定した前記推論樹系図中の同一列上の複数の事象
が、隣接列上の事象の発生前に連続して発生したとき
に、当該事態を異常状態としてオペレータに報知する手
段を設けることもできる。
［作 用］ 本発明の知識データベース処理システムにおいて前記
各手段がどのような働きをするかを以下に示す。
樹系図上に付与された確からしさの指標（確信度）を
更新する手段は、事象推論エキスパートシステムを適用
する対象の特性を反映させるべく、実績原因・波及事象
またはその統計データを確信度更新写像のパラメータと
し、同一事象が観測された場合の複数の原因・波及候補
項目の中で実績原因・波及項目の確信度が相対的に大き
くなるよう処理される。これによって、真なる原因事象
または波及事象をより確からしい推論で判断することが
可能となる。
上記確信度更新写像にて更新された確信度をもって推
論された事象原因・波及項目をランク付けし推論情報を
選別する手段は、事象実績が増えるに従い確信度がほぼ
１に漸近する準確定原因・波及と、漸近的にほぼ０に収
束する稀少原因・波及、又は振動する不安定原因などの
ように、多段階分類規準を設定することで実行される。
これによって相対的に確からしく重要な推論情報を順次
段階的に整理された形でユーザに提供することが可能と
なる。
ユーザに対して、ランク付けした各事象原因・波及項
目の付随情報として、過去の類似実績情報の検索・表
示、推論の確からしさの目安としての確信度履歴情報、
診断効率を随時提供することもできる。
また、ナレッジエンジニアのアシスト情報として、確
信度メンテナンスの自動化という側面とともに、過去の
事象原因・波及実績情報、確信度履歴情報、実経験頻度
履歴情報等の比較、相関情報を適宜提供する。これによ
り、樹系構造の事象項目の分化、統一、又は独立事象推
論ライン間の新たな相関による樹系構造変更に関してナ
レッジエンジニアのアシストが可能となる。
［実施例］ 以下、本発明の一実施例として異常診断に適用する事
象原因・波及推論エキスパートシステムの知識データベ
ース処理システムについて説明する。
第１図は本発明の知識データベース処理システム1000
の位置付けを示す。
従来の事象原因・波及推論エキスパートシステム5000
は以下のように構成されていた。つまりユーザ6100はイ
ンタフェース5100を介して、推論命令4010をバス4030を
介して推論エンジン5200へ下す。推論エンジン5200は推
論に必要な知識データの検索命令4050を知識データベー
ス5300に送り、所望の知識データ4060を推論エンジンに
読み込む。推論エンジン部では、たとえば事象原因・波
及推論で一般的な樹系図上の確からしさの指標（以下、
確信度と称す）に基づく推論演算を実行して、その推論
結果4040をバス4020を経由してユーザ6100に提供する。
その一方、ナレッジエンジニア6200は、推論結果の良否
を自ら検討し、知識データベース5300に改善の余地有と
判断した場合、インタフェース5400を介して知識データ
ベース情報4090をバス4070を介して読み出し、その検討
結果に基づいた知識データベース5300内の確信度の更
新、あるいは事象原因・波及樹系図の構造変更等を指示
する知識データベースメンテナンス命令4100をバス4080
を介して知識データベース5300に送り、メンテナンスを
実行する。
本発明の知識データベース処理システム1000は第１図
中の一点鎖線で囲まれた範囲に示される。当該システム
は大きく２つの主要部から成り立ち、一つは確信度更新
処理部2000、他方は確信度履歴情報等を生成する知識デ
ータベース処理情報生成部3000であり、これら２つをも
って知識データベース処理システム1000と称す。第１図
では、混乱を避ける為、ユーザ6100側もしくは推論エン
ジン5200からシステム1000への入出力情報はそれぞれ42
00,4300で表わし、ナレッジエンジニア6200もしくは知
識データベース5300から該システム1000ヘの入出力情報
を4400,4500で表わした。
確信度更新処理部2000は、エキスパートシステム5000
を適用する対象において実際に起こった事象実績を、推
論に用いられる確信度に反映することで、より確からし
い推論が可能な確信度を再定義することである。
知識データベース処理情報生成部3000は、確信度更新
処理による自身の履歴情報などの副次的情報およびそれ
らの相関情報、即ち複数の履歴情報からその共通傾向を
見出した結果としての情報等を生成し、さらに推論エン
ジン5200から出力される推論結果情報、エキスパートシ
ステム適用対象6000からの観測データ4110と組み合わ
せ、ユーザ6100ならびにナレッジエンジニア6200に対し
て利用しやすい形、例えば、横軸を共有したグラフに複
数パラメータを同時に表示する等の形にアレンジし提供
することを主な機能とする。
第２図は知識データベース処理システム1000の機能図
であり、インタフェース5100,5400との入出力情報4200,
4300,4400,4500の内訳を明らかにするとともに、各処理
部間の情報フローを表したものである。
インタフェース5100を介した知識データベース処理シ
ステム1000への入力情報4200の内訳は以下のようにな
る。入力情報4110はエキスパートシステム5000の適用対
象からの観測データ（履歴）を表わし、観測データ強度
に依存する場合の確信度更新処理部2100、あるいは事象
相関判別処理部3300、推論情報アレンジ処理部3100等に
送られる。入力情報4210は推論エンジン5200にて推論さ
れた事象原因・波及項目の識別番号および対応する確信
度計算値である。入力情報4220は推論対象あるいは事象
相関判別対象として選出された事象・原因・波及項目に
関する実績データあるいはログである。入力情報4230は
ユーザからの事象確定情報、入力情報4240は、事象原因
推論の確信度と双対的な事象波及確信度を計算する場合
の観測データであり、事象予報処理部2300へ送られる。
入力情報4225はユーザが所望する推論結果表示形式を推
論情報アレンジ処理部3100にて生成させる為の推論結果
表示様式メニュー、及び推論原因の操作対応ガイダンス
である。
インタフェース5100に対するこの処理システム1000か
らの出力情報4300は推論情報アレンジ処理部3100にて生
成された事象原因・波及推論結果である。
インタフェース5400から当該処理システム1000への入
力情報4400の内訳は、ナレッジエンジニアが所望するア
シスト情報をナレッジエンジニアアシスト情報アレンジ
処理部3200にて生成させる為のアシスト情報表示選択メ
ニュー4410と、確信度初期化処理に使用される初期化情
報4460である。
当該処理システム1000からインタフェース5400への出
力情報4500の内訳は、更新処理済の確信度と付随する実
績情報から成るデータベース格納情報4420と、ナレッジ
エンジニアアシスト情報処理部3200にて生成されるナレ
ッジエンジニアアシスト情報4430、ならびに知識データ
ベースに格納される確信度初期化情報4480である。
次に第２図中の各機能ユニットについて説明する。
推論エンジン5200（第１図）により計算された推論ラ
インの確信度計算値（各事象間ルートの確信度を含む）
4210は、確信度更新処理部2100、診断効率計算部2200に
入力され、また、確信度ソータ2400にて順序化され、ラ
ンク付けされた確信度情報4215として、推論情報アレン
ジ処理部3100に入力される。
事象実績履歴メモリ1100は、知識データベースから引
出された事象実績情報4220を格納し、特に診断効率計算
部2200へは、事象原因波及項目の確定経験回数4221を出
力し、推論情報・ナレッジエンジニアアシスト情報の各
アレンジ処理部3100,3200へは、事象実績履歴情報422
2、つまり、過去推論時に関連した確信度、観測デー
タ、ログを出力する。
確信度更新処理部2100は、確信度情報4210と、ユーザ
より入力される経験事象情報4230、ならびにエキスパー
トシステム適用対象6000からの観測データ4110を取り込
み、設定されている確信度更新写像に基づき更新処理を
行ない、更新された確信度4250を出力する。
確信度履歴情報メモリ1200には、確信度初期値4470と
更新された確信度4250とが入力・格納されて、随時確信
度履歴情報4440として出力される。ただし、確信度履歴
情報4440自体は特に知識データベース5300に格納されて
も支障はなく、その場合確信度履歴情報メモリ1200の代
わりに知識データベース5300（第１図）から直接入出力
を行なう。
診断効率計算部2200は、事象原因波及項目の確定経験
回数4221ならびに確信度情報4210を取り込み、その計算
結果として当該時の推論における診断効率4260を出力す
る。
診断効率履歴メモリ1300には、診断効率4260が入力さ
れ、随時診断効率履歴情報4450として出力される。診断
効率履歴情報4450の知識データベース5300への格納に関
しては上述の確信度履歴情報メモリ1200の場合と同様で
ある。
事象相関判別処理部3300は、確信度履歴情報4440と、
診断効率履歴情報4450、ならびにエキスパートシステム
適用対象からの観測データ4110を受けて、本来互いに独
立であるとして設定されている樹系図内の推論ライン間
の確信度の相関、観測データ4110とそれに直接関連する
よう設定されていない推論ラインの相関、確信度と診断
効率間の相関、比較する２者間の共通的特徴等、推論結
果に関連する相関情報4445を出力する。
事象予報処理部2300は、後述するように始事象（原
因）側から見た末端事象の発生確立を波及方向に定義さ
れた確信度4441、エキスパートシステム適用対象観測デ
ータ4110、事象予報命令4240に応じて事象発生確率4270
を出力する。
推論情報アレンジ処理部3100は、ユーザより入力され
た推論情報表示選択メニュー4225に基づき、エキスパー
トシステム適用対象観測データ4110、ランク付けされた
確信度情報4215、事象実績情報4221、診断効率4260、事
象発生確率4270を取り込み、アレンジされた推論情報及
び対応ガイダンス4300として出力する。
ナレッジエンジニアアシスト情報アレンジ処理部3200
は、ナレッジエンジニアにより入力されたアシスト情報
表示選択メニュー4410に基づき、事象実績履歴情報422
5、確信度・診断効率各履歴情報4440,4450、ならびに事
象相関情報4445を適切に組み合わせ、ナレッジエンジニ
アアシスト情報4430として出力するとともに、確信度・
診断効率各履歴情報4440、4450を知識データベース5300
へ格納する場合、それらを確信度・診断効率・履歴情報
4420として出力する。
以上で第２図の各機能ユニットと情報フローの概説を
終えるが、それらの詳細を説明する前に、本実施例で用
いる樹系図とそれに含まれる推論ラインの表現法と、樹
系図上への確信度の付与方法（つまり樹系図中の事象連
結に対する確信度の対応の仕方）と、確信度の定義域、
確信度の定義例、確信度更新写像の定義域、確信度更新
写像の定義例について述べておく。
樹系図1020上の事象項目は、第３図の例のごとく、
（Ｎ＋１）行Ｍ列の行列1010の要素として埋め込むこと
ができる。ここでＭは樹系図の最大階層、Ｎは樹系図同
階層の最大項目数であり、たとえばｉ行ｊ列の事象項目
の指定はijというように行番号ｉに対して列番号ｊを添
字として表現する。他の成分と同時に使われる場合も、
行をｉ、列をｊとしてijと表記する。行数の余分の１行
は、第０行とし、第０行の各要素は途切れた推論ライン
を統一的に表現する為のダミー要素としての機能を持
つ。第０行以外でも元の樹系図の事象項目に対応しない
余剰行列要素もダミー要素である。
推論ラインの表現としては以下式を用いる。
λ＝（i1,i2,…,ii,…,iM） …（１） 上式のλは推論ラインの集合Λの元を表わすのに今後用
いる。なお、i1は原因項目、iMは末端事象項目である。
前述のように、第３図は樹系図表現法に関する説明図
であり、1010は樹系図1020中の各事象項目のマトリック
ス表現である。たとえば、樹系図1020中の事象項目1060
は、マトリックス表現1010では1040に配置される。マト
リックス表現1010中斜線の施された事象項目はダミー項
目であり、たとえば事象項目1050は樹系図中に元々対応
する項目がない例であり、1030のように行番号が０のも
のは途切れた推論ラインを統一的に表現する場合に用い
る。ここで途切れた推論ラインとは、たとえば事象原因
から末端事象まで完全につながった推論ライン λ＝（11,22,33,34,35） …（２） に対し、末端事象35のみが観測されているだけでなく、
たまたま第３列の事象33も確定されているときの確信度
計算に利用するものであり、 λ＝（11,22,03,34,35） …（３） と表現される。
確信度はたとえば第３図中1070に対応するよう与えら
れ、 Ｆ（11,22） …（４） のように表現される。この意味は事象項目22から11が推
論され、それが当たる確率という解釈が自然に適用され
る。従って、たとえば上記（２）式の推論ラインλの確
信度は、 Ｆ（λ）≡Ｆ(11,22)・Ｆ(22,33)・Ｆ(33,34)・Ｆ(34,3
5) …（５） と表わされる。
なお、22から11を推論してそれが当たる事象と、22か
ら21を推論して当たる事象が、排反であるとすると、次
式のような関係が成り立つ。
Ｆ（11,22）＋Ｆ（21,22）＝１ …（６） 又、推論ラインλについても同様に、事象項目35より発
する全ての可能な原因事象への推論ラインΛ（i1,35）
に対し、 ここでΛ（i1,35）は末端事象35を起点としてi1を原因
とする推論ラインの集合である。
次に確信度の定義域の説明を行なう。前述のように、
確信度はたとえば第３図の事象間ルート1070に対応する
ように与えられる。そのとき、通常、確信度としては単
一の値が与えられる（すなわち事象間ルート（ｉ ,
ij）が定義域となっている）が、確信度はさらにエキス
パートシステム5000の適用対象6000からの推論時観測物
理量強度DATA（ij）の関数、あるいは、経時劣化を表現
する為の時間ｔの関数として定義される可能性がある。
この場合は、時間帯を分割して、その分割された時間帯
毎に個別の事象項目を設けて対応することも可能である
が、樹系図として特に変更しなくても可能である。経過
時間を含むアナログプロセス量の強度をそのままの値と
して、対応する事象自身の確信度を考慮して扱う場合に
は、確信度更新処理の附随処理を行なう必要がある。
第５図は、ある観測物理量強度に対して定義される確
信度分布函数の更新処理の過程を表わす。曲線2110は過
去の推論時の観測物理量強度に対し、更新処理で得られ
た確信度を表わす点（たとえば白丸2112）を補間した曲
線である。今、物理量強度として2113が観測され、曲線
2110で対応する確信度2114を推論に用い、確信度更新処
理によって新たな確信度2117が得られるが、こうして得
られた新実績点2116を確信度分布曲線に反映する為、た
とえば過去実績点（図中白丸点、たとえば2112）に新実
績点2116を加えた実績点の集合に対し補間処理（最小自
乗法、スプライン補間等）を施し、新確信度分布曲線21
11を生成させる。この附随処理により、アナログ確信度
更新処理が可能となる。
次に確信度の定義を示す。上述したことにより、事象
間ルート（ij+1,ij）に対応する確信度は以下のように
書かれる。
Ｆ（ij+1,ij;t,DATA（ij）） …（15） （以下略して、Ｆ（ij+1,ij）と簡略化する）ここでｔ
は時間、DATA（ij）は事象項目ijで観測された物理量強
度である。推論ラインλの確信度は、各事象間ルート
（ij+1,ij）の確信度の函数 Ｆ（λ）＝Ｆλ（Ｆ（ij+1,ij）；（ij+1,ij）⊂λ …（16） となる。
もし、確信度に「推論が成立する確率」という解釈を
適用するならば、 と書かれる。今後の説明は（17）が成り立っている場合
のみを対象とする。
次に確信度更新写像の定義域について述べる。末端事
象iMの原因推論において、確信度が計算される事象間ル
ート（ij+1,ij）は、末端事象iMを起点とするツリーＴ
（iM）に含まれる。ここで、ツリーＴ（iM）は例えば第
４図中、末端事象35を起点とするツリー1110と同等なも
のである。
即ち、末端事象１項目または、原因事象１項目を指定
した時に、事象原因側若しくは、事象波及側のどちらか
１方向に樹系図中ルートとしてたどりうる範囲の事象関
連図をツリーと称す。ここで確信度更新処理の対象とな
る確信度は Ｆ（ij+1,ij），（ij+1,ij）⊂Ｔ（iM） …（18） で与えられる。確信度更新写像はさらに推論後に確定さ
れた推論ラインλ、すなわち実際に事象の発生したライ
ンλに依存する。又確信度更新写像が、各事象項目ijの
観測物理量強度DATA（ij）に依存する様にもできるが、
本実施例には適用しない。従って定義域としては以下の
様になる。
｛（ij+1,ij），（ij+1,ij）⊂Ｔ（iM）｝ …（19） 確信度更新写像の値域は（18）と同様に以下のようにな
る。
｛Ｆ（ij+1,ij），（ij+1,ij）⊂Ｔ（iM）｝ …（20） 確信度更新写像Ｒは（19），（20）に従い R;｛λ,Fold（ij+1,ij），（ij+1,ij）⊂Ｔ（iM）｝ →｛Fnew（ij+1,ij），（ij+1,ij）⊂Ｔ（iM）｝ …（21） 第６図に確信度計算（写像）と確信度更新写像の機能
図を示す。2021は時速toldのある推論時の事象間ルート
確信度写像の定義域であり、事象間ルート（ij+1,ij）
と事象項目ijの観測物理量data（ij,told）からなる集
合であり、2023は2021より確信度写像F2022によって得
られた事象間ルート確信度Fold（ij+1,ij）の集合であ
る。2023、ならびに推論に対して実際に経験され確定さ
れた推論ライン との和集合が、確信度更新写像Ｒ の定義域となり、新しい事象間ルート確信度F
new（ij+1,ij）の集合2026がその値域となる。時刻tnew
＞toldの次回推論時には必要に応じてアナログ観測物理
量上定義される確信度分布曲線の更新処理が行なわれ、
2028を定義域とした確信度写像F2027による事象間ルー
ト確信度2026が使われる。
さらに補足的に説明すれば、第６図中、2021中
（ij+1,ij）は、ある事象間ルートを表わし、確信度が
単一の値（給水レベルがある値以上であるといった事象
の確信度）ならば、データ（data）は格納されない。す
なわち、その（ij+1,ij）という事象間ルートに関して
は空集合である。）しかし、（ij+1,ij）という事象間
ルートの確信度が例えば事象ijの観測物理量に依存する
ような場合（振動強度に応じて確信度が変化するような
場合）、各事象間ルートの確信度の定義域の元として事
象間ルートを指定する情報（ij+1,ij）と、時刻ｔにお
ける観測物理量data（t;ij）とが格納されているものと
する。
事象ijが観測されてデータベース中の2021に対応して
確信度Ｆ（ij+1,ij）を呼び出し（2022）、それらの集
合2023がオペレータに伝達され、さらに数ある推論ライ
ンのうち が正しいものとわかったことにより（2024）、確信度の
集合2023に対して確信度更新写像2025が実施され、次回
の推論時に用いる新たな確信度の重合2026を計算するこ
とを示している。
ここで注意すべきことは（18）式の確信度写像によっ
て与えられるダミー行の事象項目（第３図1030）を終点
とする事象間ルートに対応する確信度は１であることで
ある。例えば、前述した式（３）の推論ラインではＦ
（03,34）は１である（なお、ダミー行以外のダミー事
象項目についての確信度は０である）。これによって途
切れた推論ライン（推論時に末端事象iMだけでなく途中
の事象項目も確定されている推論ライン）も統一的に表
示し得る。又、確信度更新写像の必要条件として、上述
のダミー確信度は１のまま不変であることが挙げられ
る。
次に確信度更新処理の一例を挙げる。第７図は事象間
ルートの確信度Ｆ（ij+1,ij）が、事象ijが経験されて
相対的に大きくなる場合と、事象ijが経験されなくて相
対的に小さくなる場合を示す概念図で、第７図中2041,2
042は第３図の樹系図を例として、事象項目33を起点と
する各推論ライン上の確信度 Ｆ（i1,33）＝Ｆ（i1,i2）・Ｆ（i2,33） …（22） の相対的比率の変化を表わしている。確信度更新写像と
しての例として以下を挙げる。
Fnew（ij+1,ij）＝g1（Fold（ij+1,ij））／Σ…（23） Fnew（ij+1,ij）＝g2（Fold（ij+1,ij））／Σ…（24） ここで、g12032は、実際経験された事象間ルート（例え
ば（21,22））に対する確信度更新写像であり、g22033
は、原因候補となったが実際には経験されなかった事象
間ルート（例えば（11,22））に対する確信度更新写像
である。両確信度更新写像は、 g1（ｘ）＞g2（ｘ） ｘ∈［0,1］ …（26） なる２条件を満たす。ここでΣは事象ijを起点とする事
象間ルートの確信度のｇｉ（ｉ＝1.2）による写像の和
であり、 と定義される規格化因子である。第７図の例では、g1は
上に凸、g2は下に凸な曲線であり、経験された事象間ル
ートの確信度2034はより大きくFnewとなり（2036）、推
論原因候補ではあったが未経験の事象間ルートの確信度
2035はより小さくFnew（2037）となっている。
第８図に本実施例の確信度更新処理における計算フロ
ーをまとめて示す。まず末端事象iMの観測ならびに原因
推論後の処理2111で、ユーザ6100から実際に経験された
推論ライン のインプットが行なわれる。処理2112は、末端事象iMを
起点とする推論ツリーＴ（iM）中に含まれる事象間ルー
ト分の処理を繰返し行なわせる為のDOループである。処
理2113にて、推論ツリーＴ（iM）内の事象間ルート確信
度Ｆ（ij+1,ij）の読み込みを行ない、次いで、処理211
4にて旧事象間ルート確信度Fold（ij+1,ij）を事象間の
未規格化新確信度ｇ （Fold（ij+1,ij））へ、確信度
更新写像する。処理2115は、ｇ （Fold（ij+1,ij））
の規格化処理であり、規格化因子 は（27）式と同じである。ここでΣの添字の ij+1≠dummy …（29） は事象項目ijから出る事象間ルートのうち、ダミー事象
項目へ渡るものはカウントしないという意味とする。処
理2116は繰り返し処理2112の対であり、処理2117は、第
５図で説明したように、観測物理量DATA（ij）に依存す
る事象間ルート確信度の更新処理、すなわち、確信度分
布曲線の更新処理である。最後に次回推論時には処理21
18にて、所望の推論ラインの確信度を事象間ルート確信
度の積として計算し、推論結果を得ることになる。
以上で、樹系図表現法、確信度付与法、確信度定義
域、確信度の定義、確信度更新写像の定義域、確信度更
新写像の定義、その他関連事項についての説明を終え、
次に第２図の各ユニットの機能についての説明に入る。
その説明の後に簡単な樹系図における実際の計算例を示
すものとする。
第９図は、確信度ソータ2400（第２図）のソータ機能
を示したものである。その機能は、確信度履歴メモリ12
00から出力される確信度履歴情報4440ならびに現推論に
て推論エンジン5200で計算された確信度4210により、確
信度が経験により１−ε（１≫ε＞０）に漸近するよう
な準確定原因事象と、０＋εに漸近するような稀少原因
事象と、推論毎に確信度が振動するような不安定原因事
象の３段階に分類し、ランク付けされた確信度情報4215
として出力することにある。第９図に、上記３つの場合
の確信度履歴曲線2430（準確定原因事象）、2440（稀少
原因事象）、2450（不安定原因事象）の例を示した。本
知識データベース処理システムの本来の目的からいけ
ば、ある事象原因・波及推論結果は、単一の準確定原因
事象と、複数の稀少原因事象の二つのランクとして出力
されるのが望ましい。ところが、複数の原因を識別する
ほどに推論樹系図が最適に設定されていない場合、確信
度履歴曲線が2450のように振動することが考えられる。
このため、新たに不安定原因事象なるランクを設定する
のである。又、ランク付けの境界設定値としては、たと
えば準確定原因事象としての判別条件を １−ε−≦Ｆ（λ;t）≦1,ε−＞０ …（30） 稀少原因事象としての判別条件を ０≦Ｆ（λ;t）≦ε+,ε＋＞０ …（31） 不安定原因事象としての判別条件として ε＋≦Ｆ（λ;t）≦１−ε− …（32） （ここでｔは過去推論時刻） なるパラメータε-,ε+,を境界値とすることで判定可能
となる。
事象実績メモリ1100は、末端事象iMの原因を推論する
場合、推論に関連する対象、すなわち、樹系図中のツリ
ーＴ（iM）の各事象項目について、以下の情報を、知識
データベース5300より引き出し格納する部位である。そ
の情報とは、各事象項目ijについてそれが今までの推論
に引用され、推論が的中したかどうかの履歴情報、各推
論時の観測データDATA（ij）、対応ガイダンス、オペレ
ータログ等である。
確信度更新処理部2100は、末端事象iMの原因推論に用
いられたツリーＴ（iM）の各事象間ルートの確信度Ｆ
（ij）4210と、ユーザ側からの実経験情報4230（すなわ
ち実際に経験された推論ライン）の入力により、（23）
〜（27）式に示される更新処理を行なう。
診断効率計算部2200は、実経験頻度を、事象実績メモ
リ1100からの適中履歴情報4221に基づいて計算し、推論
情報アレンジ処理部へ、確信度4210とともに実経験頻度
4260として送られる。事象間ルート（ij+1,ij）に対す
る実経験頻度η（tk;ij+1,ij）の定義は、 ここで、 δ（tk）＝δ（tk;ij+1,ij） …（34） は、時刻tkに事象間ルート（ij+1,ij）が推論候補ライ
ンとなった後、それが実経験として確定されたか否かを
表現する函数で、次式を満たす。
実経験頻度η（tk;ij+1,ij）は、推論回数大なる極限に
おいて、本来確信度が一致すべきである推論の適中率に
漸近すべきものであり、その意味で、実経験頻度はたま
たま稀少事象が発生して、大きな確信度変化があった場
合、提示される確信度が適切かどうかの目安としての機
能をもつ。又、場合によっては、両者の差を確信度更新
写像に制動因子としてフィードバックさせることによ
り、より実経験を重視した更新処理を行なうことができ
る。別の方法としては実経験頻度η自体に確信度として
の意味をもたせて、事象経験履歴が重視される対象に対
して用いることも考えられるが、推論精度の安定性がよ
くなる反面、履歴情報の増加に伴ない適用対象の特性の
経時変化への追従性が悪くなる可能性がある。
確信度初期化処理1400は、たとえばエキスパートシス
テムが類似先行プラントに使用された場合、事象経験を
ある程度積んだ最新確信度を入力することで、より早く
確からしい推論を行なうことを可能とする。
実経験頻度η（tk;ij+1,ij）は、原因推論候補にあげ
られた回数 が、所望する精度に応じてある設定回数（たとえば100
回）を超えないと、更新処理に反映させることはできな
いが、設定値を超えても、 を実経験頻度の定義式（33）に用いていると新たな実経
験の実経験頻度への影響が０に漸近する為、たとえば季
節に応じた異常（気温、海水温、湿度に応じた異常）を
考慮した更新処理への反映ができなくなる。そこで、実
経験頻度としては、最新の推論時から過去100回までの
実経験のみで定義するという具合に、異常発生頻度の特
性時間が予想されるならばその特性時間と、その事象の
過去発生頻度から、実経験頻度（33）式の分母の値を一
定に設定することが必要となる。確信度更新処理への、
確信度Ｆ（λ）と実経験頻度η（λ）の偏差 ｄ（λ）＝Ｆ（λ）−η（λ） …（34） の反映の一例として、推論ラインλの確信度更新処理の
規格化において（34）を反映させる例を次に掲げる。
推論ラインλに関する更新処理（35），（36）により、
ｄ（λ）は０に近づき、より、実経験に即した更新処理
が行える。なお、（35）（36）式の確信度更新は、推論
ラインについてのものであるが、各事象間ルートの確信
度についても同様に適用可能である。
事象予報処理部2300は、事象予報命令4240によって、
適用対象観測データ4110、確信度履歴情報から、最新の
確信度4441を取り込み、事象発生確率4270を、推論情報
アレンジ処理部3100へ出力することで、事象波及推論を
行なうことが可能となる。先の（４）〜（７）式の確信
度の定義の場合と同様に事象間ルート（ij+1,ij）上の
事象波及方向の確信度として、Ｐ（ij+1,ij）が定義さ
れる。
Ｐ（11,22） …（38） Ｐ（λ）≡Ｐ(11,22)・Ｐ(22,33)・Ｐ(33,34)・Ｐ(34,3
5) …（39） Ｐ（11,22）＋Ｐ（21,22）＝１ …（40） 第３図において（38）式は事象項目11が起ったとき引
き続き第２列の事象が起こる場合に22が起こる確率であ
り、（39）式は事象波及ルート λ＝（11,22,33,34,35）の起こる確率である。
（40），（41）式は（５），（７）式と同様、それぞ
れの事象波及確率が排反事象確率であることを示す。
事象原因推論方向の確信度が原因推論の目安を与える
のに対して、波及確率はある原因事象から如何なる割合
で、事象が各下流事象に波及してゆくか予測の目安とな
る。
この事象波及確信度Ｐ（ij+1,ij）に対しても、推論
と実経験フィードバックという事象原因確信度更新処理
に対応して、予測と実経験フィードバックという事象波
及確信度更新処理により、より確からしい予測推論が可
能となる。
確信度履歴メモリ1200、及び実経験頻度履歴メモリ13
00は、各々確信度履歴情報4440と実経験頻度履歴情報14
00の格納メモリであるが、もちろん、知識データベース
5300内に格納してもかまわない。知識データベース処理
システム内に入れるかどうかは、システム構成および処
理速度とのかね合いでどちらが有利であるかに依ってく
る。
事象相関判別処理部3300は、確信度履歴情報4440、実
経験頻度履歴情報4450および実経験履歴情報（観測物理
量履歴）4410の入力により、ある事象ijからその直前の
原因の推論において、複数の原因事象が競合している場
合、それらの原因事象の判別を事象ijに関する観測物理
量履歴に基づいて行なう機能を持つ。第10図は事象21か
ら原因11と12の推論において、確信度履歴Ｆ（tk;1i,
22）ｉ＝1,2が折線3310、実経験頻度履歴η（tk;1i,
22）ｉ＝1,2が折線3320のように複数の推論原因が競合
している場合、事象21における観測物理量履歴DATA
（tk;21）が折線3330のごとくであるとすると、確信度
履歴Ｆ（tk;11,22）3310と、観測物理量履歴DATA（tk;2
1）は相関を持っているように見える。具体的に相関を
評価する為、実経験頻度を確信度Ｆのある種の平均値と
見做し、それらの偏差と、観測物理量の平均値DATA
（21）および▲▼（tk;21）の偏差との積の和
をとる。すなわち、 ここで相関Δが正であれば、観測物理量の強度が大きい
ときは原因が11である頻度が大きく、小さい時は逆であ
るという情報が得られ、０の場合は各々の変動はランダ
ムであり、相関はないと見てよい。Δ≠０ということは
樹系図中事象項目21を観測量の大小によって２つに分離
した方がより有利な推論ができるであろうという、ナレ
ッジエンジニアへのアシスト情報を提供し得ることにな
る。
次に、第11図により、火力発電プラントのタービン軸
振動大という現象に対し、その異常状態を生ぜしめた原
因としての事象原因項目の推定に、本発明を適用した場
合の例について述べる。
末端事象としてタービン振動大（１）（事象A1）が発
生した場合の原因事象候補として、軸受油圧力低（事象
C1）と復水器真空異常（事象C2）が挙げられている時、
原因事象C1とC2のどちらかをより確からしく推定する為
に、確信度Ｆを以下のように定義する。なお、タービン
振動大（２）（事象A2）についても同様である。
末端事象から原因事象に遡る途中の中間事象を図中B1
〜B3とすれば、確信度に確率を適用し、 Ｆ（A1→C1）＝Ｆ（A1→B1→C1） ＋Ｆ（A1→B2→C1） ＋Ｆ（A1→B3→C1） ＝Ｐ（A1→B1）・Ｐ（B1→C1） ＋Ｐ（A1→B2）・Ｐ（B2→C1） ＋Ｐ（A1→B3）・Ｐ（B3→C1） と計算する。ここでＰ（A1→B1）とは、事象A1が確立し
ている時に、事象B1が起こり得た確率である。同様にし
て、 Ｆ（A1→C2）＝Ｆ（A1→B1→C2） ＋Ｆ（A1→B2→C2） ＋Ｆ（A1→B3→C2） ＝Ｐ（A1→B1）・Ｐ（B1→C2） ＋Ｐ（A1→B2）・Ｐ（B2→C2） ＋Ｐ（A1→B3）・Ｐ（B3→C2） 今、各確率の値として、第１表の値が与えられるとす
る。これは、確信度の初期値データ、若しくは、既に運
用に入ったある時点での確信度データ、即ち、新たな経
験事象に基づく確信度更新処理を行なう前のものと、確
信度更新処理後のもので、ここでは、確信度更新用の関
数として、F(NEW)＝F(OLD) 1/2と、F(NEW)＝F(OLD)とを
使用する。F(OLD) 1/2は、実経験事象間の経路に設定す
るもので、実経験を基に、確信度が高まるように、ま
た、F(OLD)は、実経験のなかった経路に設定するもの
で、確信度は実経験のなかったものについては相対的に
一致する。この関数値として得られた各経路上の値は、
確率計算を適用しているので、すべての排反事象毎の確
信度の総和が１となるように、規格化しておく。
第１表の値を用いての確信度計算は、更新前で、 Ｆ（A1→C1）＝0.6×0.3＋0.2×0.1＋0.2×0.5 ＝0.18＋0.02＋0.1 ＝0.3 Ｆ（A1→C2）＝0.6×0.7＋0.2×0.9＋0.2×0.5 ＝0.42＋0.18＋0.1 ＝0.7（＝１−Ｆ（A1→C1）） となる。一方、更新後の確信度計算は、実経験ラインと
して、A1→B1→C1であったとすると、F(NEW)＝F(OLD)
1/2により、 0.61/2＝0.775 （Ｆ（A1→B1）1/2） 〈１〉 0.31/2＝0.548 （Ｆ（B1→C1）1/2） 〈２〉 F(NEW)＝F(OLD)により、 0.2＝0.2 （Ｆ（A1→B2）） 〈３〉 0.2＝0.2 （Ｆ（A1→B3）） 〈４〉 0.1＝0.1 （Ｆ（B2→C1）） 〈５〉 0.5＝0.5 （Ｆ（B3→C1）） 〈６〉 次に、規格化演算として、〈１〉，〈３〉，〈４〉よ
り、 F(NEW)（A1→B1）＝0.775/（0.775＋0.2＋0.2） ＝0.660 〈７〉 F(NEW)（A1→B2）＝0.2/（0.775＋0.2＋0.2） ＝0.170 〈８〉 F(NEW)（A1→B3）＝0.2/（0.775＋0.2＋0.2） ＝0.170 〈９〉 また〈２〉，〈５〉，〈６〉より、 F(NEW)（B1→C1）＝0.548/（0.548＋0.1＋0.5） ＝0.477 〈10〉 F(NEW)（B2→C1）＝0.1/（0.548＋0.1＋0.5） ＝0.087 〈11〉 F(NEW)（B3→C1）＝0.5/（0.548＋0.1＋0.5） ＝0.436 〈12〉 〈７〉〜〈12〉の結果を第１表に更新後確信度として
示す。尚、上記の計算結果により、中間事象B1,B2,B3か
ら原因事象C1への確信度がそれぞれ変更修正されたこと
に伴い、中間事象から、原因事象C2への確信度も、確率
上の演算により修正される点に注意を擁する。
以上の結果より、末端事象A1が生じた時の樹系図中に
おける原因推定として、事象C1である確からしさが、以
下の計算によって求まる。
F(NEW)（A1→C1）＝0.660×0.477＋0.170×0.087 ＋0.170×0.436 ＝0.295＋0.015＋0.074 ＝0.404 F(NEW)（A1→C2）＝0.660×0.523＋0.170×0.913 ＋0.170×0.564 ＝0.345＋0.155＋0.096 ＝0.596 （＝１−F(NEW)（A1→C1）） 即ち、0.3からに0.404に確信度が高まったことを意味
する。
第 １ 表 更新前確信度Ｆ 更新後確信度Ｆ Ｆ（A1→B1） 0.6 0.660 Ｆ（A1→B2） 0.2 0.170 Ｆ（A1→B3） 0.2 0.170 Ｆ（B1→C1） 0.3 0.477 Ｆ（B2→C1） 0.1 0.087 Ｆ（B3→C1） 0.5 0.436 Ｆ（B1→C2） 0.7 0.523 Ｆ（B2→C2） 0.9 0.913 Ｆ（B3→C2） 0.5 0.564 次に、確信度を更新する際の新確信度FNEWへの写像設
定方法について述べる。上述までの如く、事象発生実績
に応じて、その実績を積極的に評価し、今後、同様事象
が発生する場合の原因事象、波及事象をより確からしく
推定する場合の確信度を従来値（前回値）より高く設定
することで対象プラントに特有な運転知識情報としての
価値を高めうるわけであるが、対象によっては、その更
新確信度に特徴的な重みづけを施すことが望ましい。例
えば、第11図の如き樹系図において、中間事象や原因事
象のどこかに運転員の誤操作による異常状態の発生要因
が考えられるとした場合にその誤操作確率が５％である
とする。運転員の誤操作の結果、起動すべき装置が起動
しない、或いは、完全に閉じられるべき弁が全閉しない
等の不具合が生じ、結果として、所望のプロセス量が得
られなかったり、弁からのリーク現象が生じたりを異常
状態検知器の検出信号によって初めて、運転員がそれを
認識し、事象実績として経験する場合を考える。今、異
常検知から、その原因推定にあたり、運転員誤操作であ
る確信度（或いは確率）が0.1であったとすれば、その
誤操作を確認し、確信度を0.2に上昇させる更新処理を
行うものとする。しかしながら、運転員は、前回の誤操
作からの、自身の学習効果により、誤操作確率を下げる
よう度力するのが常であり、その値を５％から２％へ低
減すると評価する。結局、異常検知を前提に、その原因
事象推定時、運転員誤操作の確信度が２倍になっても、
運転員自身の誤操作確率が0.4倍であるから、都合、確
信度を下げる方向が正であったことになり、全体として
の推定精度を下げてしまうことになる。このように、本
システムにおいては、不具合実績に基づいて、対象とす
る物・人自身の特性・能力が改変されてしまうと、その
推定確信度の増減方向を誤る恐れがある。従って、例え
ばば、上記の運転員誤操作を考慮する場合には単純に誤
操作する確率のみでなく、一度の誤操作後の誤操作確率
等、人間工学的に意識顕在化時の動作性向を加味して重
みづけした確信度設定とすべきである。
以上の如く、必ずしも数値化した確信度が完全でない
例をまず示したがこれは、逆に云えば、確信度写像とし
て普遍的にかくあるべき姿を定式化なり、具体的数値で
取り扱えないことを示唆している。また、更に換言すれ
ば、対象のプラントに実際に生じた事象を、そのプラン
トに備え付けた本発明によるデータベース処理システム
が認識する限りおいては、再度生じうる可能性を積極的
に認める（即ち、実経験した事象については、新確信度
は、前確信度を下回らない）立場での確信度更新である
点を前提に、更新確信度を設定するわけである。
確信度更新処理における重みづけの観点について述べ
る。確信度は、通常０から１の間で設定し、確信度１と
いうのは、樹系図上、事象相関が１つのラインで固定さ
れている場合であり、複数事象へのラインを持つ場合に
は、各々１より小さい数値で、それらの総和を１とする
のが一般的である。今、ある事象発生が連続してＮ回発
生した場合、その確信度が１より十分小さい範囲におい
ては、各々の場合の新確信度はプラント事情にもよるが
決められた関数等により、所定の大きさをとるが、Ｎ回
に近くなった１近辺においては、元の確信度の値とほと
んど変わらない値とするのが一般的である。これは、急
速に確信度が１に近づくのを予防する意図からの対応で
ある。但し、現象によっては、階段関数の如き、確信度
更新関数を設定する可能性もあり、全ケースの必要条件
とは云えない。
確信度処理の重みづけの点で、プラント運用面からの
制約により、重みづけを決定する場合もある。例えば、
運転中の回転体の軸振動が増加し、警報設定値には至ら
ないまでも、１つの事象実績と認められた時、その原因
事象が、前回定期点検時におけるミスアライメントであ
ることが記録等により明白になったとする。このアライ
メントの修正動作は定期点検時にのみ行われるものであ
り、それまでの期間は現状のままで運転続行する事態を
想定する。一般に、振動については、その発生要因が多
々あり、その中には、軸受給油圧のように個別の制御系
統内での修復動作で解消するものも多いが、ミスアライ
メントについては、手の下しようがない。このようなケ
ースでは、原因事象を探る際の確信度更新に工夫を凝ら
すべきであり、急速に１に近づける写像設定が望まし
い。このように、プラントに特有な運転上の性向、くせ
のようなものは、更新確信度を１に近づける工夫が必要
である。
次に、確信度の更新写像自身を修正する方法について
述べる。実績事象がある規定回数を越えたことを条件
に、運転員は確信度に基づく推論の精度をより向上させ
る為に、例えば実績事象が100回を越えた時に、特定事
象項目について、その履歴をCRT上に呼び出し、同時
に、その項目の100回中における頻度を計算する。ここ
で、実績事象の中の特定事象項目の履歴が、ある極限値
に向かって推移傾向を示している時に、その極限値を推
定する。この極限値の持つ意味としては、ある一定値に
収束するようであればその収束値、回数ピッチを持って
振動傾向を示していれば、その最大最小の平均値等を極
限値と考えて良い。このようにして定められた極限値と
上記頻度とを比較する。このとき、頻度は実際の経験に
基づくものであるという理由で、頻度と極限値とが近い
値となることが高精度化に通ずることをより重視し、確
信度が頻度の方に近づくように確信度の更新写像を変更
することとする。すなわち、頻度の方が極限値より大な
る時で、事象の発生がなかった場合には、確信度の更新
写像として設定していたゲインを大きくするように、ま
た、事象の発生があった場合には、ゲインを小さくする
ように更新写像自身に手を加える。その逆の場合も同様
に、すなわち、頻度の方が極限値より小さくなるとき
で、かつ事象の発生がなかった場合には、ゲインを小さ
く、また、事象の発生があった場合には、ゲインを大き
くするように、確信度の更新写像を変更する。ゲインの
決め方としては、例えば、頻度と極限値の偏差に比例し
た係数をバイアス量として、更新後確信度に反映する操
作を行ない、より確からしい推論を行なえるようにす
る。具体的には、第ｎ回目の確信度がFn、確信度の極限
値がFlimであるとき、Ｋ（Flim−Fn）（Ｋは正の定数）
をバイアス量として更新写像のゲインを変化させる。な
お、「更新写像のゲイン」は、第７図のグラフにあって
は、曲線の湾曲の度合に相当する。
次に、本システムのユーザ側としての立場から、使用
時不具合の生じる可能性と、その対策について言及す
る。第３図の樹系図の設定時の設定ミスに基づき、因果
関係として成立すべき事象２個が、同一列上に配置され
てしまった場合を考えると、ある時刻Ｔに事象33が発生
し、その后、事象43が起きたとする。このとき、事象22
と42がまだ発生していないのであれば、事象33が事象43
の原因であったという可能性が生ずる。これは、必ずし
も、T3がT4の原因事象であるということを証明するもの
ではないが、その可能性を示唆する内容であり、一種の
異常状態と考えるべきである。したがって、このような
場合は、その旨、CRT表示、若しくは、アラームを発
し、具体的に因果律を確認すべきである。また、このと
きの２つの事象発生タイミングの差は、後から行う因果
確認時に必須の要件であるため、その発生時刻を付し
て、自動記録できるようにしていることが望ましい。
以上、発電プラントを例に本発明を説明したが、化学
プラント、製造プラント、大規模輸送機器、大規模精密
装置等の異常診断にも本発明を適用することができる。
また、異常診断に限らず、一般に事象の予測を必要とす
る制御、修理、教育等あるいはこれらの支援にも応用可
能である。
［発明の効果］ 本発明は、以上説明した機能があるので以下に記載さ
れるような効果を奏する。
ｉ）実経験に基づいた確信度更新処理機能による、より
確からしい推論が実現できる。
ii）確信度更新処理機能による、従来のナレッジエンジ
ニアによる確信度メンテナンスの自動化が図れる。
iii）確信度更新処理機能による、客観的な確信度メン
テナンスを行える。
iv）確信度のランク表示によるユーザ対応の迅速化が図
れる。
ｖ）推論事態の評価法としての実経験頻度を提示でき
る。（又は実経験頻度と確信度との偏差の更新処理への
フィードバックによる安定な確信度更新処理が行え
る。） vi）確信度履歴情報により、新たなナレッジエンジニア
・アシスト情報を提供できる。
【図面の簡単な説明】
第１図は事象原因波および推論エキスパートシステムに
おける本発明の知識データベース処理システムの位置付
けの説明図、第２図は本発明の知識データベース処理シ
ステムの全体構成を示すブロック図、第３図は樹系図の
表現法の説明図、第４図は異なる末端事象を起点とする
推論ツリーの干渉例の説明図、第５図は確信度分布曲線
に対する更新処理の概念図、第６図は確信度更新処理の
機能図、第７図は確信度更新写像の一例の説明図、第８
図は確信度更新処理のフロー図、第９図は確信度ソータ
の機能図、第10図は確信度履歴情報と観測物理量強度と
の相関図、第11図は火力発電プラントへの本発明適用例
の説明図である。 1000……知識データベース処理システム、 2000……確信度更新処理部、 3000……知識データベース処理情報生成部 5000……事象原因・波及推論エキスパートシステム 6000……エキスパートシステム適用対象 6100……ユーザ 6200……ナレッジエンジニア
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平１−288926（ＪＰ，Ａ) 特開 平１−286042（ＪＰ，Ａ) 特開 平２−50223（ＪＰ，Ａ) 特開 平２−197631（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G06N 5/00 - 5/02

Claims (13)

    (57)【特許請求の範囲】
  1. 【請求項１】或る事象と該事象に関与する複数の事象と
    の間の各因果関係について当該因果関係の確からしさの
    度合いを示す指標が格納された知識データベースに対し
    て処理を行うシステムであって、 前記知識データベースに基づいて推論された事象のうち
    実際に経験された実経験事象の情報を入力する手段と、 前記複数の因果関係のうち、前記入力手段により入力さ
    れた実経験事象に対応する因果関係の確からしさを、相
    対的に他の因果関係の確からしさより高くするよう前記
    指標を更新する指標更新手段と、 該指標更新手段により更新された指標を前記知識データ
    ベースに再格納する手段とを備え、 前記指標は、事象原因推論または事象波及推論のための
    確からしさの度合いであり、 前記指標の更新手段は、予め定めた数の実経験の統計的
    データに基づいて更新処理を行うこと を特徴とする知識データベース処理システム。
  2. 【請求項２】前記因果関係の確からしさの度合いを示す
    指標は、前記事象自体、２事象を連結した事象間ルー
    ト、連続した複数の事象間ルートからなる推論ラインの
    うちの少なくとも１つに付与することを特徴とする請求
    項１記載の知識データベース処理システム。
  3. 【請求項３】前記知識データベースに基づく推論結果情
    報および更新された指標をユーザに提供する手段を有す
    ることを特徴とする請求項１記載の知識データベース処
    理システム。
  4. 【請求項４】或る事象と該事象に関与する複数の事象と
    の間の各因果関係について当該因果関係の確からしさの
    度合いを示す確信度が格納された知識データベースに対
    して処理を行うシステムであって、 或る事象について前記知識データベースに基づいて推論
    された原因事象（または波及事象）が実際に経験された
    頻度の度合いを算出する実経験頻度算出手段と、 該算出された頻度の度合いに応じて、当該特定の事象に
    関与する複数の因果関係の確信度を更新する更新手段と を備えたことを特徴とする知識データベース処理システ
    ム。
  5. 【請求項５】前記或る事象に対する原因事象の推論回数
    が予め定めた回数以上になったとき、前記原因事象の頻
    度の度合いを有意義なものとして利用することを特徴と
    する請求項４記載の知識データベース処理システム。
  6. 【請求項６】前記予め定めた回数の設定値を可変とした
    ことを特徴とする請求項５記載の知識データベース処理
    システム。
  7. 【請求項７】前記原因事象の確信度と、当該原因事象の
    実経験頻度の度合いとの偏差を前記確信度の更新処理に
    利用することを特徴とする請求項４記載の知識データベ
    ース処理システム。
  8. 【請求項８】前記更新手段は、前記偏差を０に近づける
    更新処理を行うことを特徴とする請求項７記載の知識デ
    ータベース処理システム。
  9. 【請求項９】前記頻度の極限値を推定する手段を有する
    ことを特徴とする請求項４記載の知識データベースシス
    テム。
  10. 【請求項１０】前記頻度と頻度の極限値との差に応じ
    て、前記確信度の変化のさせ方を抑制する方向にまたは
    促進する方向に更新処理方法自体を変更することを特徴
    とする請求項９記載の知識データベースシステム。
  11. 【請求項１１】或る事象と該事象に関与する複数の事象
    との間の各因果関係について当該因果関係の確からしさ
    の度合いを示す確信度が格納された知識データベースに
    対して処理を行うシステムであって、 前記確信度を実経験事象に基づいて更新する手段と、 該更新された確信度の履歴情報を格納する手段と、 前記確信度の履歴情報と各実経験事象を特徴付ける観測
    物理量強度の履歴情報との相関関係を判別する手段と を備えたことを特徴とする知識データベース処理システ
    ム。
  12. 【請求項１２】推論を行うエキスパートシステムにおい
    て、 原因の事象から中間の事象を経て結果の事象へつながる
    少なくとも３階層の事象群を連結した推論樹系図を想定
    し、隣接階層間で連結された各事象間ルートに当該事象
    間の因果関係の度合いを確信度として付与した知識デー
    タベースと、 該知識データベースに基づいて事象の推論を行う推論手
    段と、 実際に経験された実経験事象について当該事象間ルート
    の確信度を増加させるよう前記知識データベースの更新
    を行う更新手段と を備えたことを特徴とするエキストパートシステム。
  13. 【請求項１３】観測された物理量強度に応じて確信度が
    変化する事象については、物理量強度に対する確信度の
    分布を表わす確信度分布曲線を用意し、或る物理量強度
    に対する確信度が更新されたとき、当該新たな確信度と
    他の確信度との間を補間して前記確信度分布曲線を補正
    することを特徴とする請求項12記載のエキスパートシス
    テム。
JP06369790A 1990-03-14 1990-03-14 知識データベース処理システムおよびエキスパートシステム Expired - Fee Related JP3268529B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP06369790A JP3268529B2 (ja) 1990-03-14 1990-03-14 知識データベース処理システムおよびエキスパートシステム
DE4108310A DE4108310C2 (de) 1990-03-14 1991-03-14 Verarbeitungssystem für eine Wissensbank in einem Expertensystem
US08/277,366 US5493729A (en) 1990-03-14 1994-07-20 Knowledge data base processing system and expert system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP06369790A JP3268529B2 (ja) 1990-03-14 1990-03-14 知識データベース処理システムおよびエキスパートシステム

Publications (2)

Publication Number Publication Date
JPH03263227A JPH03263227A (ja) 1991-11-22
JP3268529B2 true JP3268529B2 (ja) 2002-03-25

Family

ID=13236831

Family Applications (1)

Application Number Title Priority Date Filing Date
JP06369790A Expired - Fee Related JP3268529B2 (ja) 1990-03-14 1990-03-14 知識データベース処理システムおよびエキスパートシステム

Country Status (3)

Country Link
US (1) US5493729A (ja)
JP (1) JP3268529B2 (ja)
DE (1) DE4108310C2 (ja)

Families Citing this family (59)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995002216A1 (fr) * 1993-07-05 1995-01-19 Komatsu Ltd. Appareil de deduction
US7337090B1 (en) * 1994-05-25 2008-02-26 Emc Corporation Apparatus and method for event correlation and problem reporting
US6076083A (en) * 1995-08-20 2000-06-13 Baker; Michelle Diagnostic system utilizing a Bayesian network model having link weights updated experimentally
US5754782A (en) * 1995-12-04 1998-05-19 International Business Machines Corporation System and method for backing up and restoring groupware documents
US5819007A (en) * 1996-03-15 1998-10-06 Siemens Medical Systems, Inc. Feature-based expert system classifier
US6021403A (en) * 1996-07-19 2000-02-01 Microsoft Corporation Intelligent user assistance facility
US5845272A (en) * 1996-11-29 1998-12-01 General Electric Company System and method for isolating failures in a locomotive
US6067505A (en) * 1997-04-10 2000-05-23 The Foxboro Company Method and apparatus for self-calibration of a coordinated control system for an electric power generating station
US6807583B2 (en) * 1997-09-24 2004-10-19 Carleton University Method of determining causal connections between events recorded during process execution
US6125339A (en) * 1997-12-23 2000-09-26 Raytheon Company Automatic learning of belief functions
JP3822357B2 (ja) * 1998-02-09 2006-09-20 株式会社東芝 マルチモーダル入出力装置のインタフェース装置及びその方法
US6208955B1 (en) * 1998-06-12 2001-03-27 Rockwell Science Center, Llc Distributed maintenance system based on causal networks
US6115709A (en) 1998-09-18 2000-09-05 Tacit Knowledge Systems, Inc. Method and system for constructing a knowledge profile of a user having unrestricted and restricted access portions according to respective levels of confidence of content of the portions
US8380875B1 (en) 1998-09-18 2013-02-19 Oracle International Corporation Method and system for addressing a communication document for transmission over a network based on the content thereof
US6377949B1 (en) 1998-09-18 2002-04-23 Tacit Knowledge Systems, Inc. Method and apparatus for assigning a confidence level to a term within a user knowledge profile
US6154783A (en) * 1998-09-18 2000-11-28 Tacit Knowledge Systems Method and apparatus for addressing an electronic document for transmission over a network
US6253202B1 (en) 1998-09-18 2001-06-26 Tacit Knowledge Systems, Inc. Method, system and apparatus for authorizing access by a first user to a knowledge profile of a second user responsive to an access request from the first user
WO2000017784A1 (en) 1998-09-18 2000-03-30 Tacit Knowledge Systems Method of constructing and displaying an entity profile constructed utilizing input from entities other than the owner
WO2000017727A2 (en) 1998-09-18 2000-03-30 Tacit Knowledge Systems Method and apparatus for querying a user knowledge profile
US6411936B1 (en) 1999-02-05 2002-06-25 Nval Solutions, Inc. Enterprise value enhancement system and method
US6604092B1 (en) 1999-02-26 2003-08-05 Lisa E. Stewart Expert system utilizing a knowledge base and design of experiment (DOE) techniques
US6456622B1 (en) 1999-03-03 2002-09-24 Hewlett-Packard Company Method for knowledge acquisition for diagnostic bayesian networks
US6494617B1 (en) 1999-04-30 2002-12-17 General Electric Company Status detection apparatus and method for fluid-filled electrical equipment
US6374197B1 (en) * 1999-05-10 2002-04-16 The United States Of America As Represented By The Secretary Of The Navy Fuzzy logic based model assessment system and method for contact tracking
US6629096B1 (en) * 1999-08-09 2003-09-30 Mindflow Technologies, Inc. System and method for performing a mindflow process
US6519590B1 (en) * 1999-08-09 2003-02-11 Mindflow Technologies, Inc. System and method for performing a mindflow process using a mindflow document archive
US6519578B1 (en) 1999-08-09 2003-02-11 Mindflow Technologies, Inc. System and method for processing knowledge items of a knowledge warehouse
US6934905B1 (en) 1999-12-16 2005-08-23 Rodger W. Tighe Automated document drafting system
US6820072B1 (en) * 2000-08-22 2004-11-16 Hewlett-Packard Development Company, L.P. Validation of probabilistic troubleshooters and diagnostic system
US6618691B1 (en) * 2000-08-28 2003-09-09 Alan J Hugo Evaluation of alarm settings
JP2002082962A (ja) * 2000-09-08 2002-03-22 Hitachi Ltd エンジニアリングポータルサイトにおける情報提供方法
US6668251B1 (en) 2000-11-01 2003-12-23 Tacit Knowledge Systems, Inc. Rendering discriminator members from an initial set of result data
US20040111386A1 (en) * 2001-01-08 2004-06-10 Goldberg Jonathan M. Knowledge neighborhoods
JP2003157376A (ja) * 2001-11-21 2003-05-30 Ricoh Co Ltd ネットワークシステム、識別情報管理方法、サーバ装置、プログラム、および記録媒体
US9805373B1 (en) 2002-11-19 2017-10-31 Oracle International Corporation Expertise services platform
US7778841B1 (en) 2003-07-16 2010-08-17 Carfax, Inc. System and method for generating information relating to histories for a plurality of vehicles
JP2005199373A (ja) * 2004-01-14 2005-07-28 Toshiba Corp コミュニケーション装置及びコミュニケーション方法
US7363203B2 (en) * 2004-06-28 2008-04-22 Graniteedge Networks Determining event causality including employment of partitioned event space
US20060047351A1 (en) * 2004-08-27 2006-03-02 Alan Hugo Process controller output and alarm setting evaluation
JP4170315B2 (ja) * 2005-05-30 2008-10-22 インターナショナル・ビジネス・マシーンズ・コーポレーション 異常判断装置、制御方法、自動車およびプログラム
WO2007019524A2 (en) * 2005-08-05 2007-02-15 Graniteedge Networks Determining event causality in a wavefront environment
US8667332B2 (en) * 2007-04-24 2014-03-04 Honeywell International Inc. Methods for optimizing diagnostics reasoner models
US9646308B1 (en) 2008-06-06 2017-05-09 Carfax, Inc. Tool for selling and purchasing vehicle history reports
US20100070442A1 (en) * 2008-09-15 2010-03-18 Siemens Aktiengesellschaft Organizing knowledge data and experience data
US8719208B2 (en) * 2008-10-29 2014-05-06 Microsoft Corporation Certainty factor decay
US8464279B2 (en) * 2009-12-18 2013-06-11 Hewlett-Packard Development Company, L.P. Domain event correlation
US8694836B2 (en) * 2010-01-27 2014-04-08 Telcordia Technologies, Inc. Fault diagnosis employing probabilistic models and statistical learning
US8868987B2 (en) * 2010-02-05 2014-10-21 Tripwire, Inc. Systems and methods for visual correlation of log events, configuration changes and conditions producing alerts in a virtual infrastructure
US8566823B2 (en) 2010-02-05 2013-10-22 Tripwire, Inc. Systems and methods for triggering scripts based upon an alert within a virtual infrastructure
US8875129B2 (en) * 2010-02-05 2014-10-28 Tripwire, Inc. Systems and methods for monitoring and alerting events that virtual machine software produces in a virtual infrastructure
US8812659B2 (en) * 2011-05-26 2014-08-19 Microsoft Corporation Feedback-based symptom and condition correlation
EP2546786A1 (en) * 2011-07-15 2013-01-16 Universitat de Barcelona Hospital Clinic A method for automated decision making
ES2408112B1 (es) * 2011-09-07 2014-02-28 Telefónica, S.A. Método y sistema para la optimización y agilización de la resolución de incidencias
CN104517020B (zh) * 2013-09-30 2017-10-20 日电（中国）有限公司 用于因果效应分析的特征提取方法和装置
US9372898B2 (en) * 2014-07-17 2016-06-21 Google Inc. Enabling event prediction as an on-device service for mobile interaction
JP6311051B2 (ja) * 2017-06-08 2018-04-11 ヤフー株式会社 推定装置、推定方法及び推定プログラム
JP7413275B2 (ja) 2018-01-09 2024-01-15 アーカイブ オート インク 車両データの取得およびアクセスシステム、および方法
US11354320B2 (en) * 2018-10-11 2022-06-07 International Business Machines Corporation Determining causes of events in data
WO2021251972A1 (en) * 2020-06-11 2021-12-16 Hitachi, Ltd. Method to improve probability calculation of knowledge base construction

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4617628A (en) * 1982-12-28 1986-10-14 United Technologies Corporation Expandable electrostatic engine diagnostics classifier
JPS608902A (ja) * 1983-06-29 1985-01-17 Hitachi Ltd 学習制御方式
JPS6024647A (ja) * 1983-07-20 1985-02-07 Hitachi Ltd システムの自律化資源管理方式
US4649515A (en) * 1984-04-30 1987-03-10 Westinghouse Electric Corp. Methods and apparatus for system fault diagnosis and control
US4642782A (en) * 1984-07-31 1987-02-10 Westinghouse Electric Corp. Rule based diagnostic system with dynamic alteration capability
JPS61218323A (ja) * 1985-03-20 1986-09-27 株式会社東芝 事故判定方法
JPH0682396B2 (ja) * 1985-10-22 1994-10-19 オムロン株式会社 メンバーシップ関数合成装置およびファジィ・システム
US4754410A (en) * 1986-02-06 1988-06-28 Westinghouse Electric Corp. Automated rule based process control method with feedback and apparatus therefor
JPS62270712A (ja) * 1986-05-20 1987-11-25 Nippon Kokan Kk <Nkk> 高炉状況検出方法
DE3720195A1 (de) * 1987-06-16 1989-01-05 Siemens Ag Als expertensystem dienender rechner
US4860213A (en) * 1987-10-01 1989-08-22 General Electric Company Reasoning system for reasoning with uncertainty
GB2217068B (en) * 1988-03-11 1992-10-21 Ricoh Kk Vlsi hardware implemented rule-based expert system apparatus and method
KR920003701B1 (ko) * 1988-03-17 1992-05-09 가부시끼가이샤 도시바 리얼타임 엑스파트 계산기 시스템
JPH0827650B2 (ja) * 1988-04-18 1996-03-21 株式会社日立製作所 異常予知支援装置
JPH01309101A (ja) * 1988-06-08 1989-12-13 Hitachi Ltd 適応知識推定方法

Also Published As

Publication number Publication date
JPH03263227A (ja) 1991-11-22
US5493729A (en) 1996-02-20
DE4108310C2 (de) 1998-10-22
DE4108310A1 (de) 1991-09-26

Similar Documents

Publication Publication Date Title
JP3268529B2 (ja) 知識データベース処理システムおよびエキスパートシステム
CN109947088B (zh) 基于模型全生命周期管理的设备故障预警系统
Lin et al. Development and assessment of a nearly autonomous management and control system for advanced reactors
JPH1074188A (ja) データ学習装置およびプラント制御装置
Sahu et al. Predicting software bugs of newly and large datasets through a unified neuro-fuzzy approach: Reliability perspective
US11093314B2 (en) Time-sequential data diagnosis device, additional learning method, and recording medium
JPH05151484A (ja) プラント運転支援装置
JPH1185719A (ja) パラメータ推定装置
US20080168018A1 (en) Fault Diagnostics
CN115562158A (zh) 一种数字孪生驱动的数控机床智能诊断方法、系统及终端机
CN101339563A (zh) 面向奇异发现推荐的兴趣模型更新方法
CN113031983B (zh) 一种基于深度强化学习的软件智能升级方法及装置
US20200311326A1 (en) Self-service artificial intelligence platform leveraging data-based and physics-based models for providing real-time controls and recommendations
JP3206907B2 (ja) 運用管制装置
KR20220124301A (ko) 인공지능 기반으로 반려동물의 이상증상에 따른 질환을 예측하는 장치, 방법 및 프로그램
US7246265B2 (en) Method and system for automatically verifying fault hypotheses predetermined by a user
JP4921917B2 (ja) ソフトウェア安全性診断装置およびプログラム
JP3317807B2 (ja) エキスパートシステム
WO2020095993A1 (ja) 推論装置、情報処理装置、推論方法、プログラム及び記録媒体
CN112668223A (zh) 基于数字孪生轻量化模型的机电装备仿真方法及系统
JP4230890B2 (ja) モデル同定装置，モデル同定プログラム及びモデル同定装置の動作方法
JP3315361B2 (ja) 調整ルール生成方法および調整ルール生成装置および調整制御方法および調整制御装置
KR102389317B1 (ko) 순환 신경망(rnn)을 이용한 스마트팜 센서의 고장여부 판단방법
KR102392359B1 (ko) 인공지능 기반의 하이퍼오토메이션 솔루션 시스템
Vychuzhanin Intelligent decision support system for assessing the risk of failures of complex technical systems

Legal Events

Date Code Title Description
FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080118

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080118

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090118

Year of fee payment: 7

LAPS Cancellation because of no payment of annual fees