JPS63156271A - Trouble diagnosis system - Google Patents
Trouble diagnosis systemInfo
- Publication number
- JPS63156271A JPS63156271A JP61302798A JP30279886A JPS63156271A JP S63156271 A JPS63156271 A JP S63156271A JP 61302798 A JP61302798 A JP 61302798A JP 30279886 A JP30279886 A JP 30279886A JP S63156271 A JPS63156271 A JP S63156271A
- Authority
- JP
- Japan
- Prior art keywords
- failure
- observation
- trouble
- component
- parts
- 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.)
- Pending
Links
- 238000003745 diagnosis Methods 0.000 title claims description 10
- 238000000034 method Methods 0.000 claims description 23
- 239000000284 extract Substances 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 230000002950 deficient Effects 0.000 description 13
- 208000024891 symptom Diseases 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
【発明の詳細な説明】
〔概 要〕
故障診断システムにおいては、予め観測されている故障
等の典型的な故障しか診断できない。本発明はシステム
の動作に関する知識に基づいて故障仮説生成と弁別観測
生成を行って故障箇所を推論するものであり、予想外の
故障が発生しても、故障診断が可能となる。[Detailed Description of the Invention] [Summary] In a fault diagnosis system, only typical faults such as faults that have been observed in advance can be diagnosed. The present invention infers the location of a fault by generating a fault hypothesis and generating discriminative observations based on knowledge regarding the operation of the system, making it possible to diagnose the fault even if an unexpected fault occurs.
本発明は故障時における故障部品を検出する故障診断方
式に関する。The present invention relates to a fault diagnosis method for detecting a faulty component at the time of a fault.
故障診断は、一般的には故障した装置の専門家によって
なされることが多い。しかしながら、このような方式で
は常に専門家を配置しなくてはならず、また配置してい
ない場合にはその装置の専門家がくるまで待たなくては
ならないという問題を有していた。現在、コンピュータ
の発展により、コンピュータによる故障診断が可能とな
った。このようなコンピュータによる故障診断は、予め
コンピュータに専門家の知識ベースを蓄えておき、シス
テムに故障が生じた際に、この知識ベースを用いて観測
される症状から故障の原因を推論するものである。Fault diagnosis is generally performed by a specialist in the faulty device. However, such a system has the problem that an expert must always be assigned, and if one is not assigned, one must wait until an expert for the device comes. Nowadays, with the development of computers, it has become possible to diagnose failures using computers. In this type of computer-based fault diagnosis, a knowledge base of experts is stored in the computer in advance, and when a system failure occurs, this knowledge base is used to infer the cause of the failure from the observed symptoms. be.
このコンピュータによる故障診断には、以下のことが望
まれている。The following things are desired for this computer-based fault diagnosis.
■専門家が頭に持っている形と同じ形で知識を記述でき
ること。■ Being able to describe knowledge in the same form that experts have in their heads.
■いままでになかったような非典型的な故障の症状にも
適用できること。■Applicable to atypical failure symptoms that have never existed before.
■推論時のユーザとの対話が自然であること。■Dialogue with the user during inference should be natural.
一方、従来においては、第4図に示すように、知識ベー
ス10を有し、観測される症状から故障部品を導く規則
を経験規則11として記憶している。そして、故障が発
生した時には、推論エンジン14によってユーザに観測
12を出力即ち質問し、入力された観測結果を基に経験
規則11より故障部品13を検出し、例えば表示してい
た。On the other hand, in the past, as shown in FIG. 4, a knowledge base 10 is provided, and rules for guiding faulty parts from observed symptoms are stored as empirical rules 11. When a failure occurs, the inference engine 14 outputs or asks the user the observation 12, and based on the input observation results, the failure part 13 is detected from the empirical rule 11 and displayed, for example.
〔発明が解決しようとした問題点〕
前述したように■〜■の要求があるにもかかわらず、経
験規則11を用いて故障部品を検出しているため、
A、専門家はシステムの動作原理を知っているが、この
ような知識をそのまま記述することができない。[Problems that the invention sought to solve] Despite the above-mentioned requirements from ■ to ■, failure parts are detected using empirical rule 11. I know this, but I am unable to describe this knowledge exactly as it is.
B、いままでになかった故障の症状の際には適用できな
い(例えば専門家が知っていても、すべての規則を経験
規則の形で記述することは不可能)。B. It cannot be applied to cases of failure symptoms that have never existed before (for example, even if experts know it, it is impossible to describe all the rules in the form of empirical rules).
C,システムは必要に応じてユーザに質問するので、ユ
ーザが観測した症状を自由に入力することができず、ま
た質問の順序は規則を書いた順に依存するので必ずしも
自然な順序でない、等の問題を有していた。C. Since the system asks the user questions as necessary, the user cannot freely input the symptoms he/she observed, and the order of questions depends on the order in which the rules are written, so it is not necessarily in a natural order. I had a problem.
本発明は上記従来の欠点に鑑み、今までになかった故障
の症状に対しても故障部品を検出し、さらにユーザが観
測した症状を自由に入力することができる故障診断方式
を提供することを目的とした。In view of the above-mentioned conventional drawbacks, the present invention aims to provide a fault diagnosis method that detects faulty parts even in the case of failure symptoms that have never existed before, and further allows the user to freely input the observed symptoms. purpose.
第1図は本発明の機能ブロック図である。 FIG. 1 is a functional block diagram of the present invention.
知識ベース部21は部品に依存する観測を動作規則24
として記憶(知識)する即ち部品に対応した予想される
故障観測結果を記憶する。故障仮説生成部22は入力し
た観測結果即ち故障状態が加わり、前記観測結果から前
記知識ベース部21で記憶する動作規則から故障可能部
品を検出する。The knowledge base unit 21 performs observations depending on parts using operation rules 24.
In other words, the expected failure observation results corresponding to the parts are stored as (knowledge). The failure hypothesis generation unit 22 adds the input observation results, that is, failure states, and detects failure-possible parts from the operation rules stored in the knowledge base unit 21 based on the observation results.
弁別観測生成部23は前記故障仮説生成部22より加わ
る故障可能部品に依存する観測を前記知識ベースから求
め、ユーザ等に出力する。The discriminative observation generation unit 23 obtains observations that depend on the faulty parts added from the failure hypothesis generation unit 22 from the knowledge base, and outputs them to the user or the like.
故障が発生した時には、例えばユーザは故障状態を故障
仮説生成部22に加える。この時故障状態の入力と同時
にどの部分が正常であるかを入力する。これが観測結果
であり、故障仮説生成部22はこの観測結果から知識ベ
ース部21の動作規則を用いて、前記故障に関係する部
品を求める。When a failure occurs, for example, the user adds the failure state to the failure hypothesis generation unit 22. At this time, input which part is normal at the same time as inputting the failure state. This is the observation result, and the failure hypothesis generation unit 22 uses the observation result to find the parts related to the failure using the operating rules of the knowledge base unit 21.
そして求めた故障に関係する部品に係る観測を弁別観測
生成部23は知識ベース部21の動作規則24から求め
、表示する。この表示によって例えばユーザは要求され
る観測を行い、故障仮説生成部22に加える。この繰り
返しにより故障した部品を検出できる。Then, the discriminative observation generation section 23 obtains observations related to the parts related to the obtained failure from the operation rules 24 of the knowledge base section 21 and displays them. Based on this display, the user, for example, makes a required observation and adds it to the failure hypothesis generation section 22. By repeating this process, failed parts can be detected.
以下、図面を用いて本発明の詳細な説明する。 Hereinafter, the present invention will be explained in detail using the drawings.
第2図は本発明の実施例の構成図である。入力部31は
制御システム等を使用するユーザ30が故障状態を入力
する入力装置である。制御システムが故障となった時に
は、ユーザは入力部31から故障状態即ち観測結果を人
力する。例えば、観測X、Zが結果として得られ、観測
Xが不良(X=不良)、観測Zが動作(Z=良)してい
るならば、これを入力部31に入力する。FIG. 2 is a block diagram of an embodiment of the present invention. The input unit 31 is an input device through which a user 30 using the control system or the like inputs a failure state. When a failure occurs in the control system, the user manually inputs the failure state, that is, the observation result, from the input unit 31. For example, if observations X and Z are obtained as a result, and observation X is defective (X=defective) and observation Z is operating (Z=good), this is input to the input section 31.
入力部31より入力した観測結果は故障仮説生成部32
に加わる。故障仮説生成部32は入力した観測結果から
故障していることが予想される部品を知識ヘース部35
の動作原理36から求める回路である。尚、図中の動作
原理36のA、B−Pは観測Pは部品A、Bの動作に依
存することを表し、p、c−xは観測Pが部品Cに依存
、さらにA−YSB→Zは観測Y、Zが部品A、Bにそ
れぞれ依存することを表している。The observation results input from the input unit 31 are sent to the failure hypothesis generation unit 32.
join. The failure hypothesis generation unit 32 generates a knowledge base 35 of parts that are expected to be faulty based on the input observation results.
This circuit is obtained from the operating principle 36 of . In addition, A and B-P of the operating principle 36 in the figure represent that observation P depends on the operation of parts A and B, p and c-x represent that observation P depends on part C, and A-YSB→ Z indicates that observations Y and Z depend on parts A and B, respectively.
前述したX=不良、Z=良である時には、Z=良である
からB−Zなる動作原理より部品Bが正常であることが
検出される。また、X=不良であるから、観測Pあるい
は部品Cが不良であることが推測される。一方、観測P
は部品A、Bに依存するが、部品BはB−Z、Z=良よ
り正常であると検出されているので、部品Aが不良であ
る時に観測Xが不良であることの推論がなされる。When X=defective and Z=good, as described above, since Z=good, it is detected that part B is normal based on the operating principle of BZ. Furthermore, since X=defective, it is inferred that observation P or component C is defective. On the other hand, observation P
depends on parts A and B, but part B is detected to be normal than B-Z, Z = good, so when part A is defective, it is inferred that observation X is defective. .
以上の論理によって、入力したX=不良、2=良から部
品Aあるいは部品Cが不良であることが検出される。こ
の結果を故障仮説生成部32は弁別観測生成部33に出
力する。弁別観測生成部33は故障仮説生成部32より
加わる不良が予想される部品から順次良即ち動作してい
る部品を検出すべき観測を知識ベース部35から求め、
表示部34に出力する。Based on the above logic, it is detected that component A or component C is defective based on the input X=defective and 2=good. The failure hypothesis generation unit 32 outputs this result to the discriminative observation generation unit 33. The discriminative observation generation unit 33 obtains observations from the knowledge base unit 35 to detect good, ie, working, parts in order from the parts for which defects are predicted to occur from the failure hypothesis generation unit 32.
It is output to the display section 34.
前述した部品A、、Cの場合にはA−Yより観測Yが部
品Aに依存するので、この観測Yの結果が得られれば、
部品Aかあるいは部品Cが不良であることが判別される
。弁別観測生成部33はこの観測Yを求める回路であり
、得られた結果を表示部34に出力し、表示する。In the case of parts A, , C mentioned above, observation Y depends on part A more than A - Y, so if the result of observation Y is obtained,
It is determined that either part A or part C is defective. The discriminative observation generation unit 33 is a circuit that obtains this observation Y, and outputs the obtained result to the display unit 34 for display.
これにより表示部に観測Yを行えという表示がでるので
、その表示に対応する観測を行い、再度入力部31に加
える。この結果、例えば観測Yが良であった時には部品
Cが不良であることが判定される。As a result, a message to perform observation Y appears on the display section, so the observation corresponding to the display is performed and added to the input section 31 again. As a result, for example, when observation Y is good, it is determined that component C is defective.
以上の動作によって不良部品を検出することができる。Through the above operations, defective parts can be detected.
従来のように予め予想できる不良に対する観測を順次行
うのに比べ、本発明は動作原理を記憶し、その動作原理
を用いて必要とした観測を要求するので、その観測は不
良部品に直接関係するものが多く、不必要な観測は必要
とされない。Compared to the conventional method, which sequentially performs observations for defects that can be predicted in advance, the present invention stores an operating principle and uses that operating principle to request the necessary observation, so that the observation is directly related to the defective part. There are many things, and unnecessary observations are not required.
また、各観測と部品の関係は例えば開発した設計者から
得ておけばよい。Further, the relationship between each observation and the component may be obtained from, for example, the designer who developed it.
更に、第3図の本発明の実施例の動作フローチャートを
用いて、詳細にその動作を説明する。Further, the operation will be explained in detail using the operation flowchart of the embodiment of the present invention shown in FIG.
まず故障が観測された時には、ユーザからの故障観測と
同時にその時に得られた正常観測を任意個入力してもら
う(Sl)。次に故障可能仮説集合Sの初期値をすべて
の部品の集合とした(S2)。First, when a failure is observed, the user is asked to input any number of normal observations obtained at that time at the same time as the failure observation (Sl). Next, the initial value of the possible failure hypothesis set S is set as a set of all parts (S2).
即ち、全ての観測が依存する全ての部品を故障可能仮説
集合Sとした。そして、全ての故障観測Xに対して、動
作規則即ち動作原理から逆向きに(第2図矢印の逆方向
)をとることによって故障観測Xに関連する部品の集合
を導き、故障可能仮説集合Sとの積集合を求め、新しい
故障可能仮説集合Sとした(S3)。この処理S3は故
障観測Xに関係する部品全てを求める処理であり、次に
は正常観測Yから得られる正常部品を前述の処理S3に
よって得られた故障可能仮説集合Sから除く処理を行う
。即ち、全ての正常観測Yに対して動作規則を正常観測
から逆向きにたどることによって正常観測に関連する正
常部品の集合Tを導き、故障可能仮説集合Sから正常部
品集合Tの要素を除く処理を行う(S4)。前述の処理
82〜S4が故障仮説生成部によってなされる。尚、処
理S2〜S4は当然知識ベース部の動作原理36が用い
られる。That is, all the parts on which all observations depend were set as a failure hypothesis set S. Then, for all failure observations The product set is obtained as a new failure hypothesis set S (S3). This process S3 is a process to obtain all the parts related to the failure observation X, and then a process is performed to remove the normal parts obtained from the normal observation Y from the set of possible failure hypotheses S obtained in the above process S3. That is, for all normal observations Y, a set T of normal parts related to the normal observations is derived by tracing the operation rule backwards from the normal observations, and the elements of the normal parts set T are removed from the failure hypothesis set S. (S4). The aforementioned processes 82 to S4 are performed by the failure hypothesis generation section. Incidentally, the operating principle 36 of the knowledge base section is naturally used in the processes S2 to S4.
前述したように処理S4によって故障可能仮説集合Sが
求められる。簡単な故障やその故障観測によって1個の
部品が抽出できる場合は、故障部品が設定してしまう。As described above, the set of possible failure hypotheses S is determined by the process S4. If one component can be extracted by simple failure or observation of the failure, the failed component will be set.
よって処理$4の次には故障可能仮説集合Sの要素即ち
部品が1つに決まったかの判別S5を行う。1個の時に
は(YES)、本処理を終了する。1個でない時(No
)には弁別観測生成部33が動作し以下の処理を行う。Therefore, after the process $4, a determination S5 is performed to determine whether the number of elements, ie, parts, of the failure possibility hypothesis set S has been determined to be one. If there is one (YES), this process ends. When there is not one (No
), the discriminative observation generation unit 33 operates and performs the following processing.
まず、故障可能仮説集合から任意に要素(部品A、部品
Bとした。)を選ぶ処理S6を行う。そして動作原理を
部品Aから前向き(第2図矢印方向)にたどることによ
って部品へに関連する観測の集合SAを求める処理S7
を行う。また同様に部品Bに対しても行う(S8)。こ
の2個の処理S7、S8によってそれぞれに対応して観
測が得られるが、次には集合SAには含まれているが、
集合SBには含まれていない観測Pを求め、ユーザに質
問する処理(S9)を行う。集合SAには含まれ集合S
Bには含まれてないので、前述の質問に対する応答が故
障であるならば部品Bは故障に依存しないこととなりま
たその時(正常)にはBは故障に依存する。よって次に
は、故障可能仮説集合Sから部品Bを取り除き、正常で
あるならば部品Aを取り除く処理(SIO)を行う。前
述の処理86〜S10の1口実行で1個の部品が正常と
判別したので、次には故障可能仮説集合の要素(部品)
が1個となったかを判別する処理S5を再度行う。前述
した動作を繰り返すことによって1個の故障部品が判別
できる。First, processing S6 is performed to arbitrarily select elements (part A and part B) from the set of possible failure hypotheses. Then, by tracing the operating principle from the part A forward (in the direction of the arrow in Fig. 2), a process S7 for obtaining a set SA of observations related to the part.
I do. The same process is also performed for part B (S8). Through these two processes S7 and S8, observations are obtained correspondingly, but next, although they are included in the set SA,
Obtain observations P that are not included in the set SB, and perform a process of asking the user a question (S9). The set SA contains the set S
Since part B is not included, if the answer to the above question is failure, part B is not dependent on the failure, and in that case (normal), part B is dependent on the failure. Therefore, next, a process (SIO) is performed in which part B is removed from the set of possible failure hypotheses S, and if it is normal, part A is removed. Since one component is determined to be normal in one execution of the above-mentioned processes 86 to S10, the next step is to determine the elements (components) of the set of possible failure hypotheses.
The process S5 of determining whether the number has become one is performed again. By repeating the above-described operations, one failed component can be identified.
以上の動作によって故障観測に対応した故障部品を求め
ることができる。Through the above operations, it is possible to find a failed component corresponding to the failure observation.
以上、本発明の動作を実施例を用いて説明した。The operation of the present invention has been described above using examples.
本発明は1個以上の故障観測に対して1個の部品を求め
るものであるが、これに限らず例えば複数個の故障部品
に対しても同様に行うことによって、それらを求めるこ
とができる。In the present invention, one component is determined for one or more failure observations, but the present invention is not limited to this, and for example, multiple failed components can be determined in the same manner.
以上述べたように本発明は知識ベースの動作原理を用い
て、故障仮説生成を行い、それより得られる結果から必
要とした観測を求めてユーザに対して表示し、再度その
結果から故障部品の数を減らすことによって最終的に故
障部品を求めるものであり、本発明によれば、いままで
になかった故障の症状に対しても故障部品を検出し、さ
らにユーザが観測した症状を自由に入力することができ
る故障診断方式を得ることができる。As described above, the present invention uses a knowledge-based operating principle to generate failure hypotheses, obtains necessary observations from the results obtained and displays them to the user, and then uses the results again to identify failed parts. By reducing the number of failed parts, the faulty parts are finally determined.According to the present invention, faulty parts can be detected even for failure symptoms that have never existed before, and the user can also freely input the observed symptoms. It is possible to obtain a fault diagnosis method that can perform the following steps.
第1図は本発明の機能ブロック図、
第2図は本発明の実施例の構成図、
第3図は本発明の実施例の動作フローチャート、第4図
は従来方式のシステム構成図である。
21・・・知識ベース部、
22・・・故障仮説生成部、
23・・・弁別観測生成部、
24・・・動作規則。
本奏」月の機能フ゛口・ソ′7図
第1図
本発明の実施例の構A図
第2図FIG. 1 is a functional block diagram of the present invention, FIG. 2 is a configuration diagram of an embodiment of the invention, FIG. 3 is an operation flowchart of an embodiment of the invention, and FIG. 4 is a system configuration diagram of a conventional system. 21... Knowledge base section, 22... Failure hypothesis generation section, 23... Discrimination observation generation section, 24... Operation rule. Figure 1: Structure of the embodiment of the present invention Figure 2: Functions of the main performance
Claims (1)
する知識ベース部(21)と、 入力した観測結果から前記知識ベース部(21)で記憶
する動作規則(24)から故障可能部品を検出する故障
仮説生成部(22)と、 該故障仮説生成部(22)より加わる故障可能部品に依
存する観測を前記知識ベース部(21)より求める弁別
観測生成部(23)とを有することを特徴とした故障診
断方式。 2)前記弁別観測生成部(23)は前記故障可能部品の
うちの少なくとも2個の部品を抽出し、一方の部品に依
存し、他方の部品に依存しない観測を求めることを特徴
とした特許請求の範囲第1項記載の故障診断方式。[Claims] 1) A knowledge base unit (21) that stores observations that depend on parts as operation rules (24); and an operation rule (24) that is stored in the knowledge base unit (21) from input observation results. a failure hypothesis generation unit (22) that detects failure-prone parts from the failure hypothesis generation unit (22); and a discriminative observation generation unit (23) that obtains observations depending on the failure-probability parts added by the failure hypothesis generation unit (22) from the knowledge base unit (21). A fault diagnosis method characterized by having the following. 2) A patent claim characterized in that the discriminative observation generation unit (23) extracts at least two of the failure-prone components and obtains an observation that depends on one component and does not depend on the other component. The failure diagnosis method described in item 1.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP61302798A JPS63156271A (en) | 1986-12-20 | 1986-12-20 | Trouble diagnosis system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP61302798A JPS63156271A (en) | 1986-12-20 | 1986-12-20 | Trouble diagnosis system |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS63156271A true JPS63156271A (en) | 1988-06-29 |
Family
ID=17913240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP61302798A Pending JPS63156271A (en) | 1986-12-20 | 1986-12-20 | Trouble diagnosis system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS63156271A (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6014303A (en) * | 1983-07-04 | 1985-01-24 | Hitachi Ltd | Knowledge-based diagnosis system |
JPS6155777A (en) * | 1984-08-27 | 1986-03-20 | Toshiba Corp | Equipment diagnosis support system |
-
1986
- 1986-12-20 JP JP61302798A patent/JPS63156271A/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6014303A (en) * | 1983-07-04 | 1985-01-24 | Hitachi Ltd | Knowledge-based diagnosis system |
JPS6155777A (en) * | 1984-08-27 | 1986-03-20 | Toshiba Corp | Equipment diagnosis support system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5214577A (en) | Automatic test generation for model-based real-time fault diagnostic systems | |
JP2547069B2 (en) | Failure diagnosis method | |
US5307446A (en) | Knowledge acquisition system | |
US5150367A (en) | Composite range constraint propagation control | |
JPS59223858A (en) | Diagnosis phase display device | |
JPS63156271A (en) | Trouble diagnosis system | |
JPS60179806A (en) | Guiding device for plant operation | |
JP2853215B2 (en) | Network reliability analysis system | |
JP2001175327A (en) | Fault diagnostic device | |
JPH0972596A (en) | Method for diagnosing air conditioning system | |
JP2544927B2 (en) | Plant operation support system | |
JPS6249408A (en) | Diagnostic device for fault of equipment | |
JPH0634403A (en) | Plant equipment monitoring and supporting system | |
JPH04242830A (en) | Failure diagnosing device | |
JPH06161760A (en) | System diagnostic device | |
JPH01242979A (en) | Trouble diagnosis assisting device | |
JPH02247732A (en) | Fault diagnostic system | |
JPH04302030A (en) | Abnormality diagnostic device | |
JPH04291428A (en) | Fault information display device | |
JP2006099298A (en) | Fault diagnosis method for device | |
JPS6277612A (en) | Abnormality diagnosing method for plant | |
JPH01187644A (en) | Maintenance system for information processor | |
JPH04251333A (en) | Fault diagnosing device | |
JPS63257054A (en) | Fault diagnosing system | |
JPH03156152A (en) | Malfunction diagnosis device of engine |