JPH0458330A - 近似推論装置と人間とのインターフェイス装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 発明の要約 結論ごとに閾値を設定しておく。近似推論装置から得ら
れる結論の可能性の値とそれに対応する閾値とを比較し
、閾値以上の可能性の値をもつ結論を出力（表示）する
。可能性の値が対応する閾値以上であるが実際には成り
立っていない、または可能性の値が対応する閾値未満で
あるが実際には成り立っている結論についてエラーであ
る旨の情報を入力すると、エラーの生じている結論につ
いての閾値が動的に修正される。

発明の背景 技術分野 この発明は、近似推論装置と人間とのインターフェイス
装置に関する。

従来技術 推論結果を、その推論結果を導くために使用した事象の
情報量によって修正または変更する方式の近似推論が知
られている（たとえば、　ＺｈａｎｇＨｏｎｇｍ　ｌ　
ｎ　　ＡＮ　ＥＸＰＥｉ？Ｔ　ＳＹＳＴＥＭ　ＷＩＴＨ
Ｔ）ＩＩＮＫＩＮＧ　ＩＮＩＭＡＧＩＪ’、　Ｐｒｅｐ
ｒｉｎｔｓ　ｏｆ　５ｅｃｏｎｄ　ＩＰＳＡ　Ｃｏｎｇ
ｒｅｓｓ。

Ｔｏｋｙｏ、　Ｊｕｌｙ　２０−２５．１９８７．　Ｐ
、７［ｉ５　）。

この近似推論方式は、事象に対して結論ごとに与えられ
たメンバーシップ関数を用いて、事象ごとの情報量（す
なわち事象の情報識別能力）を算出し、推論結果（すな
わち結論が成り立つ可能性）を、その結論を導くために
使用した事象の情報量によって修正または変更する（可
能性と情報量の積をとる）ことによって、推論結果の識
別能力を高めようとするものである。

このような近似推論装置においては、結論ごとに算出し
た可能性をすべて表示して人間に知らせるか、または可
能性の高い結論を１個または複数個表示することにより
、結論の可能性に関する情報を出力していた。そして　
結論が成り立っているかどうかは、すべての結論につい
て一律に（たとえば可能性の値が最大値のものを選択す
る）判断していた。

このため従来の近似推論装置では、可能性の高い結論が
必ず成り立っているとは限らないので正確とはいえない
、実際に成り立っている可能性の値の大きさが結論ごと
に異なっていた場合にそのことを検知できない１時間の
経過とともに結論の成り立つ可能性が動的に変化するよ
うな場合に対応できないという問題点がある。

発明の概要 発明の目的 この発明は推論の結果得られた結論の可能性の値とその
結論が実際に成り立っているかどうかを結論ごとに整合
させることができるようにするものである。

発明の構成１作用および効果 この発明による近似推論装置と人間とのインターフェイ
ス装置は、複数の事象とその結論との関係を表わす知識
を用い、与えられた入力データに応じて結論の可能性を
演算する近似推論装置に対して設けられるものである。

このインターフェイス装置は、各結論に対する閾値を設
定する手段、および結論の可能性の値とそれに対応する
閾値とを比較し、閾値以上の可能性の値をもつ結論を出
力する手段を備えていることを特徴とする。

好ましくは、可能性の値が対応する閾値以上であるが実
際には成り立っていない結論および可能性の値が対応す
る閾値未満であるが実際には成り立っている結論に関す
る情報を入力するエラー情報入力手段、ならびに入力さ
れたエラー情報にしたがって結論に対するエラーが無く
なる方向に対応する閾値を変更する手段をさらに設ける
。

さらに、可能性の値が対応する閾値以上である結論につ
いて警報を出力する手段を設けると一層よい。

この発明によると、結論ごとに閾値があらかじめ設定さ
れている。近似推論装置から得られる結論の可能性の値
とそれに対応する閾値とが比較され、閾値以上の可能性
の値をもつ結論が出力（表示）される。したがって、結
論ごとに、異なった判断基準（閾値の大きさ）で、その
結論が成り立っているかの判定を行なうことができる。

また、この発明によると、可能性の値が対応する閾値以
上であるが実際には成り立っていない。

または可能性の値が対応する閾値未満であるが実際には
成り立っている結論についてエラーである旨の情報を入
力すると、エラーの生じている結論についての閾値が動
的に修正される。各結論が成り立つ可能性の閾値が動的
に変更されるので、学習を行なうことと同等の効果があ
る。また知識ベース自体を変更することなく、推論の精
度を向上させることが可能となる。たとえば１機械の故
障診断の場合、その機械の特性やその日の特性にあった
近似推論が可能となる。

さらに可能性の値が閾値を超えたときに警報等を出力す
るようにすることにより、常時監視が可能となる。

実施例の説明 （１）近似推論装置およびインターフェイス装置の全体
構成 第１図に近似推論装置およびインターフェイス装置の全
体構成の一例が示されている。近似推論装置は、知識記
憶装置１１．知識合成装置１２１合成後知識記憶装置１
３．事象値入力装置１４．適合度演算装置１５．動的情
報量演算装置１６．可能性演算装置１７．静的情報量演
算装Ｗ１９．明瞭性演算装置２０　　明瞭性記憶装置２
１．明瞭性加算装置２２および明瞭性表示装置２３から
構成されている。

インターフェイス装置は可能性表示装置１８．閾値入力
装置３１．閾値記憶装置３２．警報出力装置３３、エラ
ー情報入力装置３４および閾値変更装置３５から構成さ
れている。

以下に、これらの装置について故障診断を例にとって詳
述する。

（２）知識記憶装置 知識記憶装置１１は、専門家等が入力した知識を、事象
（故障により生じた状況、測定結果等）と結論（故障の
種類等）との関係を示す形式で記憶する装置である。こ
の装置は複数の専門家の知識を記憶することかできる。

知識記憶装置１１に記憶されている２名の専門家ｅｘｌ
　、　ｅｘ２の知識の例を規則の形式で以下に示す。

専門家ｅｘｔ　　： ｉｆ　　２０≦ｆＩ≦６０．０≦ｆ２≦４０．　ｔｈｅ
ｎ　　ｃｌ−（１）ｉｆ　　４０≦ｆｌ≦８０．８０≦
ｆ２≦１００．ｔｈｅｎ　　ｅ２＝１２）専門家ｅｘ２
　： ｉｆ　　３０≦ｆ１≦５０．１０≦ｆ２≦３０．　ｔｈ
ｅｎ　　ｃｌ＝１３）ｉｆ　　５０≦ｆ１≦７０．７０
≦１２≦９０．　ｔｈｅｎ　　ｃ２−（４）ｆｌ、　ｆ
２は事象であり、これらをそれぞれ事象１、事象２と呼
ぶことがある。ｃｌ、　ｃ２は結論であり、これらをそ
れぞれ結論１，２と呼ぶことがある。

また、ａ≦ｆ１≦ｂのように表わされたａ、ｂをそれぞ
れ最小値、最大値と呼ぶ。

上述の規則を、専門家ごとに表（テーブル）の形式で表
現すると次のようになる。

第１表 第２表 論に関与している各事象の最大値と最小値について、複
数の専門家の平均値と標準偏差を計算する。

上述した２名の専門家の事象ｆ１から結論ｃ１を導く知
識を例にとって知識合成処理について以下に説明する。

上述の規則（第（１）式、第（３）式）から、事象１　
＜ｍから結論１　（ｃｌ）を求める規則を抽出すると次
のように表わされる。

専門家ｅｘｌ　：　ｉｆ　　２０≦ｆ１≦８０　　ｔｈ
ｅｎ　　ｃｌ・（５）専門家ｅｘ２　：１ｆ３０≦ｆ１
≦５０　　ｔｈｅｎ　　ｃｌ−＝（６）最小値の平均値
ｍ　、および最大値の平均値１１ｎ （３）知識合成装置 知識合成装置１２は、知識記憶装置１１に記憶された複
数の専門家の知識を合成して、１つの知識にまとめる装
置である。

知識の合成方法は種々あるが２　ここでは、各結８０＋
　５０ ”　ｓａｘ　　　　　２　　　″″５５最小値の標準偏
差σ　　および。

ｉｎ ・・・（８） 最大値の標準 このような専門家の知識の合成演算を、上述した規則（
第（１〉式〜第（４）式）について、各結論に関与して
いる各事象の最小値と最大値のすべてについて行なうと
１次のような表（テーブル）か得られる。

第３表 一般に、近似推論においては、事象に対してメンバーシ
ップ関数が与えられる。ここでは、−例として、上述の
ようにして合成された専門家の知識を用いてガウス分布
によりメンパーンツブ関数を求める方法について説明す
る。

最小値の平均値ｍ　、、最大値の平均値ｍ　　。

ｆｆ１ｌｎ　　　　　　　　　　　　　　　　　　　　
　　　　　ｌ１ａＸ最小値の標準偏差σ　　、最大値の
標準偏差ｌｎ σ　　を用いて、メンパーンツブ関数は次式によａＸ り表わされる。

・・−（１１） たたし。

Ｘ　　：事象への入力データの値 Φ（Ｘ）：入力データＸが事象に適合する程度（適合度
） Ｇａｕｓｓ（ｘ）　：入力Ｘにおけるガウス分布の値で
ある。

第２図にガウス分布の一例を示す。このガウス分布にお
いてメンバーシップ関数の作成のために左半分のみが使
用される。Φ（ｘ）−０，５におけるＸの位置はｍ　、
　またはｍ　　によって決定さ１１１１ｎ　　　　　　
　　　　　　　ＩＩａＸれ、傾きはσ　、　またはσ　
　によって決定されｒＡｉｎ　　　　　　　　　　　　
　１ｌａＸる。

一例として、事象ｆｌから結論Ｃ１を求めるためのメン
バーシップ関数は、第（７）式から第（１０）式により
算出した値を用いて第３ａ図から第３Ｃ図のようにして
作成される。この場合、第（ｌ］）式は次のようになる
。

第３ａ図は第（１１）式または第（１２）式の右辺第１
項を、第３ｂ図は第（１１）式または第（１２）式の右
辺第２項を、第３Ｃ図は上記第１項から第２項を減算し
た結果、すなわち第（１１）式または第（１２）式で表
わされるメンバーシップ関数を表わしている。

第３表に示す合成された知識に基づいて作成された各事
象ｆｌ、　ｆ２について、結論ｃｌ、　ｃ２を求めるた
めのメンバーシップ関数の例を、第４ａ図および第４ｂ
図に示す。

（４）合成後知識記憶装置 合成後知識記憶装置１３には、知識合成装置１２によっ
て算出された平均値と標準偏差が、第３表のような形式
で記憶される。知識の合成は推論の都度行なう必要はな
いため、このようにあらかじめ計算した結果を記憶して
おく。そして推論の都度この記憶装置１３内の値を読み
出して使用することによって推論処理の高速化を図るこ
とができる。

＜５）事象値入力装置 事象値入力装置１４は故障診断対象機器、キーボード、
通信インターフェイス装置、メモリ。

ファイルなどから、事象ごとに入力される入力データを
読み込む装置である。入力されたデータは適合度演算装
置１５に与えられるとともに、各事象のデータが入力さ
れたかどうかの情報が明瞭性加算装置２２に与えられる
。

（６）適合度演算装置 適合度演算装置１５は、事象値入力装置１４から入力さ
れたデータの各メンバーシップ関数（または結論）に対
する適合度を算出するものである。具体的には適合度は
、第（１１）式の右辺の変数Ｘとして入力データを代入
することによりΦ（Ｘ）として求められる。もちろんこ
のような演算式を必ずしも用いなくてもよい。

（７）動的情報量演算装置と静的情報量演算装置事象ｆ
ｌの事象値（入力データ）をＸＩ、事象ｆ２の事象値を
ｘ２とする。これらのデータは事象値入力装置１４から
入力される。

第５ａ図および第５ｂ図に示すように各適合度”Ｈ’　
　ｍ１２’　ｍ２１’　”２２を次のように定める。

ｍ１１：入力データＸ１の結論ＣＩに対する適合度ｍ１
２：入力データｘ１の結論ｃ２に対する適合度ｍ２、：
入力データｘ２の結論ｃ１に対する適合度ｍ２２：入力
データｘ２の結論ｃ２に対する適合度これらの適合度は
入力データｘｉ、　ｘ２が与えられたときに適合度演算
装置１５によって算出される。

ここでファジィ・エントロピという概念を考える。

入力ｘｉが与えられたときのファジィ・エントロ二のフ
ァジィ・エントロピは、情報１別能力の指標の一種で、
入力データｘ１を与えたときに、結論か明確に識別でき
るほど小さい値となり、結論かあいまいにしか識別でき
ないほど大きい値となる。つまり、入力データｘ１の結
論ｃｌに対する適合度ｍＩ□と入力データｘ１の結論ｃ
２に対する適合度ｍ１２との差が大きいほど小さい値と
なり、差か小さいほど大きい値となる。

同じようにして、入力ｘ２が与えられたときのファジィ
・エントロピＥｆ２は次式によって与えらファジィ・エ
ントロピＥｆの取り得る値の範囲は以下に示すものとな
る。

０≦Ｅｆ≦ｌｏｇ（ｎ　） ｎ：事象上の結論数 この例では、事象１　（ｆｌ）上の結論数は２　（ｃｌ
。

ｃ２）であるので、ファジィ・エントロピＥ［の最大値
は、ｌｏｇ（２）となる。

次に、このファジィ・エントロピＥｆｔを使用して、入
力データｘ１が与えられたときの動的情報量Ｉｆｌ　（
ｘｉ）を求める。ここで、動的情報量１ｆｌｏ（ｘｉ）
とは、推論を行なうときにおける結論を確定するための
事象の識別能力で、入力データｘ１の結論ｃ１に対する
適合度ｍ１□と入力データｘ１の結論ｃ２に対する適合
度”１２の差が大きいほど大きい値をとり、差が小さい
ほど小さい値となるものとする。

そこで、事象ｆ１についての動的情報量ＩｆｌＤ（ｘｉ
）を、最大ファジィ・エントロピから、入カデ〜りｘｌ
が与えられたときのファジィ・エントロピＥｒ１動的情
報量演算装置Ｉ６は、適合度演算装置１５て得られた適
合度を用いて、第（１５）式および第（１６）式にした
がって事象ごとに動的情報量を算出する。

動的情報量は上述のように入力データｘｉ、　ｘ２に依
存する。これに対して、静的情報量は入力データに依存
しないものであって、最大ファジィ・エントロピから、
事象のレンジ幅の中のファジィ・エントロピの平均を引
いたものを、事象全体の静的情報量とする。たとえば、
事象１についての静的情報量は次式で与えられる。

同じように、事象ｒ２について入力データｘ２が与えら
れたときの動的情報量を次のように定義する。

同じように事象２についての静的情報量は次式で与えら
れる。

１ｒ２ｓ−ｌｏｇ（２） ・・・（１８） ここで。

ｍ１１（ｘ） ｍ　ｉ　２　（ｘ　） ｍ２１（ｘ） ｍ　２２　（ｘ　） ［Σ　・・　］ ：事象ｆ１についての入力データＸの結論Ｃ１に対する
適合度 ：事象ｆ１についての入力データＸの結論ｃ２に対する
適合度 ：事象ｆ２についての入力データＸの結論Ｃ１に対する
適合度 ：事象ｆ２についての入力データＸの結論Ｃ２に対する
適合度 ／１００　：事象のレンジ幅０〜ｉｏｏの間において、
Ｘをδ間隔で変化 させ、それぞれのＸについて のファジィ・エントロピを計 算して、それらの平均を求め る演算くたたし０くδ≦１００） 第（１７）式および第（１８）式から分るように、事象
のメンバーシップ関数間の重なりか大きいほど事象の静
的情報量は小さく、事象のメンバーシップ関数間の重な
りか小さいほど、事象の静的情報量は大きい。つまり、
静的情報量は、事象のメンバーシップ関数が結論を識別
する能力を示している。

静的情報量演算装置１９は１合成された知識により得ら
れるメンバーシップ関数から、上述した第（１７）式お
よび第（１８）式にしたかって、事象ごとに、静的情報
量を演算して記憶する。静的情報量は入力データには依
存しないので、１回のみ算出されればよい。

（８）可能性演算装置 各結論ごとに、その結論に関与する事象の情報量の総和
か１になり、かつそれらの事象の情報量の相対強度は変
化しないような事象の情報量を算出する。この算出した
情報量を重みという。

たとえば上述した動的情報量を用いると各重みは次のよ
うになる。

結論１に対する事象１の重み’、　　Ｗｆｌｔ　−Ｉｆ
ｌ　（ｘｉ）／　［Ｉｆｌｏ（ｘｉ）　＋　Ｉｆ２Ｄ（
ｘ２）］　　・・・（１９）結論１に対する事象２の重
み：Ｗｆ１２Ｉｆ２　（ｘ２）／　［１ｆｌＤ（ｘｉ）
　＋　１ｆ２ｏ（ｘ２）］　　・・・（２０）結論２に
対する事象１の重み：ｗｆ２、＝Ｉｆｆ　　（ｘｉ）／
　［１ｆｌＤ（ｘｉ）　＋Ｉｆ２ｏ（ｘ２）］　　　＋
・＋　（２１）結論２に対する事象２の重み：ｗｆ２２
−１ｆ２　（ｘ２）／　［ＩｆｌＤ（ｘｉ）＋　Ｉｆ２
Ｄ（ｘ２）］　　−（２２）次に、これらの重みと適合
度との積を計算しそれを結論ごとに合計したものを、結
論の可能性として算出する。

たとえば上記の例では 結論１の可能性−ｗｆ　　Ｘｍ　　＋ｗｆ　　Ｘｍ　　
　　　−（２３）結論２の可能性−ｗｆ　　Ｘｍ　　＋
ｗｆ　　Ｘｍ　　　　　−１２４）となる。

可能性演算装置１７は上述した演算を行ない結論ごとの
可能性を算出する。

（９）閾値入力装置 閾値入力装置３１は１人間が直接に各結論の可能性を示
す値に対する閾値を入力するためのものである。この装
置３１の表示装置上にガイダンス等を表示して１人間か
閾値を入力しやすいようにすると好ましい。このときに
は閾値の入力は次のようにして行なわれよう。まず表示
装置の画面上に表示された結論の一覧から、閾値を変更
すべき結論をマウス等によって指定する。次に指定した
結論についての閾値をボリューム・スイッチやマウス等
によって入力する。このように、随時１人間が直接結論
の閾値を入力するので、推論の最終結果の精度の向上が
期待てきる。

入力された閾値は１通信インターフェイス装置、メモリ
、ファイル等を通して、または直接に閾値記憶装置３２
に与えられて記憶される。

（１０）閾値記憶装置 閾値記憶装置３２は、第４表に示すような表の形式で、
メモリやファイル等に各結論に関して入力された閾値を
結論ごとに記憶するものである。

第４表 故障診断において結論の可能性とは、その結論か表わす
故障の生じている可能性を示す。たとえば、結論ｃｌ、
　ｅ２．　ｃ３はモータの不良、刃先の破損、軸の回転
の停止を表わす。以下の説明では第４表のように可能性
の閾値が記憶されているものとする。

（１１）可能性表示装置 可能性表示装置１８は、閾値記憶装置３２から各結論に
ついて記憶されている可能性についての閾値を入力し、
可能性演算装置１７て算出された各結論についての可能
性の値を入力する。そして、結論ごとに可能性の値と対
応する閾値とを比較し、閾値以上の可能性の値を持つ結
論を表示して人間に知らせる。必要ならば１通信による
可能性の伝送、メモリやファイル等への可能性の記憶を
行なってもよい。

これにより　全結論について同一の判断基準で結論か成
り立っているかを判断するのではなく。

各結論ごとに設定された閾値を用いて各結論の特性にあ
った基準で結論に対する判断を行なうことができるよう
になる。

たとえば　第４表に示した例では、第５表のように可能
性の値が算出されたとすると、結論Ｃ１の可能性のみが
対応する閾値よりも大きいから、結論Ｃ１のみが表示さ
れる。

第５表 これにより、故障診断において、常に人間が故障検知を
行なうのではなく１機械からデータを入力し、近似推論
装置によって故障診断推論を行ない　結論（故障）の可
能性が閾値を超えれば９人間や機械等に警告を発生させ
るような自動的な常時監視が可能となる。

（１２）警報出力装置 警報出力装置３３は、可能性表示装置１８からの情報入
力により、閾値以上の可能性の値を持つ結論が存在した
場合にブザーやランプなどによって人間に対して警報を
出力する装置である。必要ならばメモリやファイル、通
信等により機械へ故障検知信号を送り１機械の運転を停
止させるようにすることもできる。このように警報を出
力することによって、故障診断（故障予知）などにおい
て。

自動的な常時監視が可能となり、故障予知時に機械を停
止させることによって危険を事前に回避できるようにな
る。

（１３）エラー情報入力装置 エラー情報入力装置３４は、可能性表示装置１８に表示
された結論（または表示されない結論）に誤りがあると
人間が判断したときに、その誤った結論を人間が入力す
るものである。すなわち、このエラー情報入力装置には
、実際には成り立っているのに（故障があるのに）、そ
の可能性が閾値未満であるために表示装置１８に表示さ
れない結論。

および可能性か閾値以上であるので成り立っているとし
て表示装置１８に表示されているか、実際には成り立っ
ていない（故障がない）結論が入力される。これらは、
閾値の設定が誤っているためである。このような誤った
結論について閾値を変更するために、入力された結論と
その可能性の値はエラー情報として閾値変更装置３５に
通信による伝送や、メモリ、ファイル等に出力すること
などにより与えられる。

たとえば、第５表に示した例において 結論ｃ１：閾値０．５：可能性０，６：実際には結論が
成り立っていない（故障が生していない）結論ｃ２：閾
値０．７：可能性０．５＝実際には結論が成り立ってい
る（故障が生じている）結論ｃ３：閾値０．８：可能性
０，５：実際には結論が成り立っていない（故障か生じ
ていない）場合には、閾値変更装置３５へは次のエラー
情報か与えられる。

結論ｃ１：可能性０，６ 結論ｃ２：可能性０．５ （１４）閾値変更装置 閾値変更装置３５は、エラー情報入力装置から与えられ
たエラー情報に基づいてエラー情報に含まれる結論につ
いての閾値を変更するものである。

閾値が変更されるのは次の２つの場合である。

１）可能性の値か対応する閾値以上であるが、実際には
その結論が成り立っていない場合この場合には、閾値か
低いので閾値を上げる必要がある。

２）可能性の値かその閾値未満であるか、実際にはその
結論が成り立っている場合 この場合には、閾値が高いので閾値を下げる必要かある
。

このようにして変更された閾値とそれについての結論は
１通信やメモリ１　ファイル等を通じて閾値記憶装置３
２に与えられて記憶される。すなわち、閾値記憶装置３
２に記憶されている閾値か修正される。閾値の変更は、
エラー情報が生じなくなるまで続けられることか好まし
い。

閾値の変更のためのアルゴリズムの一例を説明する。

エラー情報としである結論とその可能性の値か入力した
場合、装置３５はある関数ｆ　　（ｔ、ｖ）を用いて閾
値を変更する。

ｔ−−ｆ　（ｔ　、　　ｖ）　　　　　　　　　　　−
（２５）ここで ｔ、結論の閾値 ｔ：結論の変更後の閾値 Ｖ：結論の可能性の値 この関数ｆ　（ｔ、ｖ）としては、以下のようなものか
考えられる。

上記の１）項の場合 ｔ−一旧Ｎ（ｔ　　＋　Δ　ｔ　　、　　１．０）　　
　　　　　　　　　　　　　　・・　（２６）ここで　
Δｔ　−０，３（０，５≦ｖ−ｔ≦１．０）０．１（０
，３≦ｖ　−ｔ　＜０．５）０．０５（０，１≦ｖ　−
ｔ　＜　０．３）０．０１（０＜　ｖ　−ｔ　＜　０．
１）ＭＩＮは小さい方を選択する演算 上記の２）項の場合 ｔ−−ＭＡＸ（ｔ−Δｔ、０）　　　　　　　　・・・
（２７）Δｔは上記と同じ ＭＡＸは大きい方を選択する演算 第（２６）式および第（２７）式の演算を上記結論Ｃ１
およびｃ２にそれぞれ適用すると次のようになる。

結論ＣＩ ｔ−−０，５＋　０．０５−０．５５　　　　　　　　
　・・・（２８）結論Ｃ２ ｔ−−０，７−０，０５−０，８５・・（２９）閾値変
更のアルゴリズムは上記の例に限定されないのはいうま
でもない。

故障診断の場合には、可能性の値が充分に大きくなくて
もその結論（故障）が生じているような場合がある。こ
の発明によって各結論（故障）の発生状況に応じた閾値
の設定および変更が可能なので１機械の特性に合った故
障診断が可能となる。

（１５）明瞭性演算装置 明瞭性演算装置２０は、各結論ごとに、各事象の明瞭性
を演算する装置である。ここて、各結論ごとの各事象の
明瞭性とは、ある結論を確定する時の各事象の相対的な
識別能力を示すものである。

したがって、この明瞭性により、ある結論を確定するた
めの　複数の事象の識別能力を比較することができ、ど
の事象が高い識別能力を持っているか（多くの情報量を
持っているか）か分る。明瞭性の算出法について以下に
述べる。

まず、結論および事象と静的情報量の関係を第６表に示
す。

第６表 第６表から分るように静的情報量によっても各結論を確
定するための複数の事象の識別能力を比較することはで
きる。しかし、このままでは相対的な識別能力が直観的
に分りにくいので、下表に示すように各結論ごとに静的
情報量を正規化して、その正規化した値を各結論ごとの
各事象の明瞭性ＣΩとする。

第７表 ただし。

ＣΩ　−ＣＤ１２＝　Ｉｆ１８／　（ｌｆｆ５＋　１ｆ
２ｓ）Ｃ，Ｏ−ＣΩ　　−１ｆ２ｓ／（Ｉｆ１８＋１ｆ
２８）である。

このようにして、明瞭性演算装置２０において。

各結論ごとに各事象の明瞭性が算出される。

（１６）明瞭性記憶装置 明瞭性記憶装置２１は、明瞭性演算装置２０て算出され
た各結論ごとの各事象の明瞭性を記憶する装置である。

明瞭性の演算は、推論のたびに行なう必要はない。そこ
で、知識を合成したときに算出した明瞭性を明瞭性記憶
装置２１に記憶しておき。

推論を行なうたびに明瞭性記憶装置２１に記憶している
値を読み出すようにする。これにより、推論処理の高速
化が図れる。

（１７）明瞭性加算装置 明瞭性加算装置２２は、データが実際に入力された事象
の明瞭性を演算する装置である。ここでは、実際に行な
われる推論のために、データが入力された事象の明瞭性
の総和をとる。この明瞭性の総和は、推論結果の明瞭性
を示す。この明瞭性が高いほど、推論結果を導くための
情報量が多いといえる。したがって明瞭性は推論結果自
体の信頼性を判断する指標に使用することかできる。

推論結果に対する明瞭性は次のようにして算出される。

ａ）事象１　（ｆｌ）のみについてデータか入力された
場合 ・結論１　（ｃｌ）の推論結果に対する明瞭性ＣΩ１−
”１１ ・結論２　（ｃ２）の推論結果に対する明瞭性ＣＵ２−
ＣＩ！１２ ｂ）事象２　（ｆ２）のみについてデータが入力された
場合 ・結論１　（ｃｌ）の推論結果に対する明瞭性ＣＵ１−
”２１ ・推論２　（ｃ２）の推論結果に対する明瞭性ｃｇ２−
ｇ２２ Ｃ）事象１（ｆｌ）および事象２　（ｆ’２）の両方に
ついてデータ入力された場合 ・結論１　（ｃｌ）の推論結果に対する明瞭性ＣＵ１−
Ｃｊ）　　＋Ｃｌ１２、−１．０ ・結論２　（ｃ２）の推論結果に対する明瞭性ＣＮ２−
Ｃｊｌｌ　　＋　Ｃ１１２２−１，０ 推論結果の明瞭性Ｃｇのとり得る範囲は。

０．０　≦　（Ｊ）　　≦１．０ である。つまり、推論を行なう前に与えられた知識の中
で、ある結論を導くために使用することができる事象の
すべてについてデータを入力して推論を行なった場合、
その結論の明瞭性は１．０になる。また、ある結論を導
くために使用することができる事象の中で、一部の事象
のみについてデータを入力した場合、明瞭性は０．０か
ら１．０の間の値となる。このとき、使用することがで
きる事象の中で、明瞭性の高い事象を多く使用すれば、
結論の明瞭性も高くなり、信頼性が高い推論結果が得ら
れると言える。

（１８）明瞭性表示装置 明瞭性表示装置２３は、明瞭性加算装置２２で算出した
推論結果（−例として上述した可能性）に対する明瞭性
を表示する装置である。明瞭性は推論結果と共に表示し
てもよいし、また明瞭性を他の装置に伝送したり、メモ
リやファイルへ記憶するようにしてもよい。

この明瞭性の表示は、推論結果の全ての結論について表
示する。したがって結論が複数存在する場合には、それ
ぞれの結論に対応する明瞭性が表示される。

このようにして、データが入力されるたびに。

入力されたデータが属する事象の情報量を演算し　推論
結果に対する明瞭性を表示することにより　推論結果に
対する信頼性をユーザが判断できるようになる。

上述した各装置１１〜２３．３１〜３５はメモリおよび
表示装置を含むコンピュータによって実現できるのはい
うまでもない。たとえば知識合成装置１２゜各種演算装
置１５．１Ｂ、　１７．１９．２０．２２．３５はプロ
グラムにしたがって動作するＣＰＵによって好適に実現
される。

【図面の簡単な説明】

第１図は近似推論装置およびインターフェイス装置の全
体構成の一例を示すブロック図である。 第２図はガウス分布を示すグラフである。 第３ａ図から第３Ｃ図はメンバーシップ関数が形成され
る様子を示すグラフである。 第４ａ図および第４ｂ図は、各事象ごとに得られたメン
バーシップ関数を示すグラフである。 第５ａ図および第５ｂ図は適合度を求める様子を示すグ
ラフである。 １１・・・知識記憶装置。 １２・・・知識合成装置。 １３・・・合成後知識記憶装置。 １４・・・事象値入力装置。 １５・・・適合度演算装置。 １６・・・動的情報量演算装置 １７・・・可能性演算装置。 １８・・・可能性表示装置。 ３１・・・閾値入力装置。 ３２・・・閾値記憶装置。 ３３・・・警報出力装置。 ３４・・・エラー情報入力装置。 ３５・・・閾値変更装置。 以　　上 第２図 ｍｍ１ｎ ｍＨ 第４ａ図 事象ｆ 第４ｂ図 事象ｆ２

Claims (3)

【特許請求の範囲】
1. （１）複数の事象とその結論との関係を表わす知識を用
   い，与えられた入力データに応じて結論の可能性を演算
   する近似推論装置に対して設けられ，各結論に対する閾
   値を設定する手段，および結論の可能性の値とそれに対
   応する閾値とを比較し，閾値以上の可能性の値をもつ結
   論を出力する手段， を備えた近似推論装置と人間とのインターフェイス装置
   。
2. （２）可能性の値が対応する閾値以上であるが実際には
   成り立っていない結論および可能性の値が対応する閾値
   未満であるが実際には成り立っている結論に関する情報
   を入力するエラー情報入力手段，ならびに 入力されたエラー情報にしたがって結論に対するエラー
   が無くなる方向に対応する閾値を変更する手段， を備えた請求項（１）に記載の近似推論装置と人間との
   インターフェイス装置。
3. （３）可能性の値が対応する閾値以上である結論につい
   て警報を出力する手段を備えた請求項（１）または（２
   ）に記載の近似推論装置と人間とのインターフェイス装
   置。