KR102155384B1

KR102155384B1 - 복합 시스템을 모니터링하기 위한 정보 처리 시스템 및 방법

Info

Publication number: KR102155384B1
Application number: KR1020147031958A
Authority: KR
Inventors: 세르게 르 고니덱; 디미트리 말리코프; 이온 베르쳇; 스테판 베르쳇
Original assignee: 사프란 에어크래프트 엔진
Priority date: 2012-05-28
Filing date: 2013-05-27
Publication date: 2020-09-11
Also published as: EP2856271A1; WO2013178922A1; FR2991072A1; RU2014145305A; US20150154505A1; RU2643071C2; KR20150052807A; US9779358B2; JP6246189B2; JP2015528143A; FR2991072B1; EP2856271B1

Abstract

본 발명은 복합 시스템을 모니터링하기 위한 데이터 처리 시스템(MOD_FD)에 관한 것이고, 상기 처리 시스템은 상태 정보의 복수의 단편들(MSG_PB, MSG_CAP)을 수신하고 상태 정보의 상기 단편들 중의 적어도 하나를 고장 정보의 단편(MSG_PC)으로 병합하고, 상태 정보의 상기 단편들 중의 적어도 하나는 신뢰 플랙(NC2)과 연관이 지어지고, 고장 정보의 단편도 신뢰 플랙(NC3)과 연관이 지어지고, 상태 정보의 단편들의 각각의 신뢰 플랙(NC2)을 고려하면서 고장 정보의 단편을 생성하도록 그리고 고장 정보와 연관된 신뢰 플랙(NC3)을 생성하도록 퍼지 논리 기술을 구현함으로써 병합이 수행되는 것을 특징으로 하는 데이터 처리 시스템.

Description

복합 시스템을 모니터링하기 위한 정보 처리 시스템 및 방법{INFORMATION PROCESSING SYSTEM AND METHOD FOR MONITORING A COMPLEX SYSTEM}

본 발명은 예를 들어 로켓 엔진과 같은 복합 시스템(complex system)에서 고장 신호(failure signal)들을 검출하고 분석하기 위한 시스템 및 방법의 기술분야에 관한 것이다.

이 기술분야에서, 복합 시스템의 주어진 위치에 위치해 있고 하나 이상의 물리적 크기를 측정하는 센서 또는 센서들의 세트가, 가능하게는 측정된 데이터를 처리한 후에, 참조값으로부터의 이탈(departure)을 검출할 때마다, "플랙(flag)"으로 알려져 있는 결함 인디케이터(fault indicator)들이 활성화된다(activated).

이러한 결함 플랙들은 컴포넌트(component), 서브시스템(subsystem), 전체 시스템(complete system), 또는 때때로 센서와 관련하여 미심쩍은 결함(또는 고장)을 나타낼 수 있다. 결함 플랙들 또는 결함 플랙들의 세트들을 고장들과 어떻게 연관을 지을지에(associate) 대해서는 알려져 있으며, 이것은 (인간에 의해 또는 자동으로) 조치를 취할 것을 결정하기 위한 진단이다.

그래서, 로켓 엔진의 예에 의해서, 제1 결함 플랙은 터빈(turbine)에서의 높은 진동 레벨과 관련이 있을 수 있고, 제2 결함 플랙은 터빈의 낮은 효율과 관련이 있을 수 있다. 이러한 상황 하에서, 이 플랙들 양쪽 모두의 조합은 터빈 블레이드(blade)의 손실과 연관이 지어질(associated) 수 있다. 결함 플랙들과 고장들 간의 링크(link)들은 시스템에 대한 트리 구조를 따라 배열된 매트릭스들의 도움으로 수립되는데, 이 매트릭스들은 서브시스템 대 서브시스템(subsystem by subsystem)으로 개발될 수 있다.

문서 WO 2011/104466는, 메시지들이 컴포넌트 고장들, 서브시스템 고장들, 전체 시스템 고장들, 또는 센서 고장들과 연관이 지어지는지 여부와는 무관하게, 신뢰도(confidence level)를 각각의 결함 플랙과 연관을 짓는 것, 및 수신된 원본(raw) 고장 메시지들에서부터 시작해서 원본(raw) 결함 메시지들로부터 정보를 병합함(merging)으로써, 신뢰도를 각각 포함하는 하나 이상의 통합된(consolidated) 메시지들을 생성하는 것을 추가로 공개한다.

결함 플랙들의 이러한 병합은 고수준 의사 결정(high-level decision-taking)을 가능하게 한다. 병합을 위한 플랙은 여분의(redundant), 상보적인(complementary), 일관되거나 모순되는(consistent or contradictory), 상징적인(symbolic), 또는 디지털(digital)인 정보를 이룰 수 있고, 이들은 이들의 불완전함(부정확함, 불확실함, 불충분함)을 나타내는 각각의 신뢰도를 가질 수 있다.

병합은 중앙집중화되거나 분산된 아키텍처에서 수행되거나, 사실상, 계층적인 아키텍처에서 수행될 수 있다. 중앙집중화된(centralized) 기능들은 분산된(distributed) 기능들과 공존할 수 있다.

본 발명은 복합 시스템을 모니터링하기 위한 데이터 처리 시스템 및 복합 시스템을 모니터링하기 위한 데이터 처리 방법을 제공하는 것을 목적으로 한다.

본 발명은 인공지능으로부터 파생된 심볼릭 메소드(symbolic method)들을 이용해서 병합을 수행하는 것을 추구한다. 구체적으로, 본 발명은 복합 시스템을 모니터링하기 위한 데이터 처리 시스템을 제공하며, 데이터 처리 시스템은 상태 정보의 복수의 단편(piece)들을 수신하고 상태 정보의 상기 단편들 중의 적어도 하나를 고장 정보의 단편으로 병합하도록 구성되고, 상태 정보의 상기 단편들 중의 적어도 하나는 신뢰 플랙과 연관이 지어지고, 고장 정보의 단편도 신뢰 플랙과 연관이 지어지고, 상기 시스템은 상태 정보의 단편들의 각각의 신뢰 플랙들을 고려하면서 고장 정보의 단편을 생성하도록 그리고 고장 정보와 연관된 신뢰 플랙을 생성하도록 퍼지 논리(fuzzy logic) 기술을 구현함으로서 병합이 수행되는 것을 특징으로 한다.

다양한 실시예들에서, 상태 정보의 단편들을 결합하기(combining) 위해 이그젝트 규칙(exact rule)들이 이용되거나, 상태 정보의 단편들을 결합하기 위해 퍼지 규칙들이 이용되고, 상태 정보는 이그젝트 소속 함수, 퍼지 소속 함수, 하나의 클래스(class)가 다른 것들에 비해 강화되어(strengthened) 있는 소속 함수, 또는 매그니튜드(magnitude)가 신뢰도와 함께 교차표로 만들어져(cross-tabulated) 있는 소속 함수를 가지고 퍼지화(fuzzyfication)를 거친다. 추론(inference)이 맘다니(Mamdani) 추론법 또는 라센(Larsen) 추론법을 이용해서 수행되는 것 또한 가능하고, 규칙들은 최대값 연산자(maximum operator) 또는 최소값 연산자(minimum operator)를 가지고 종합되며(aggregated), 비퍼지화(defuzzyfication)가 최대값들의 평균을 내는 방식 또는 무게중심법(center of gravity method)을 이용해서 수행된다. 상태 정보의 단편들은 서브시스템 또는 컴포넌트의 아이덴터티(identity) 및 가능하게는 타임스탬프(time stamp)를 포함하는 상태 메시지(state message)로 수신될 수 있다.

본 발명은 또한 복합 시스템을 모니터링하기 위한 데이터 처리 방법을 제공하며, 상기 방법은 상태 정보의 단편들을 수신하는 단계 및 상태 정보의 상기 단편들 중의 적어도 하나를 고장 정보의 단편으로 병합하는 단계를 포함하고, 상태 정보의 상기 단편들 중의 적어도 하나는 신뢰 플랙과 연관이 지어지고, 고장 정보의 단편도 신뢰 플랙(NC3)과 연관이 지어지고, 상기 방법은 상태 정보의 단편들의 각각의 신뢰 플랙들을 고려하면서 고장 정보의 단편을 생성하도록 그리고 고장 정보의 단편과 연관된 신뢰 플랙(NC3)을 생성하도록 퍼지 논리 기술을 구현함으로써 병합이 수행되는 것을 특징으로 한다.

본 발명은 이하의 도면들을 참조하여 설명된다.
도 1은 본 발명이 어떻게 수행되는지에 대한 일반적인 다이어그램이다,
도 2 내지 4는 도 1의 다이어그램의 세부사항들을 도시한다,
도 5는 본 발명의 적용의 특정한 예를 도시한다,
도 6은 본 발명의 특정 실시예들에서 이용되는 제2 수단을 도시한다,
도 7은 본 발명의 특정 실시예들에서 이용되는 제3 수단을 도시한다,
도 8은 본 발명의 실시예의 제1 특정 관점, 즉 퍼지화 단계를 도시한다,
도 9 내지 11 각각은 다른 실시예에 상응하는 관점을 도시한다,
도 12는 본 발명의 실시예의 제2 특정 관점, 즉 병합 규칙들의 적용을 도시한다,
도 13 내지 15 각각은 다른 실시예에 상응하는 관점을 도시한다,
도 16은 본 발명의 두 개의 실시예들에서의 제3 특정 관점, 즉 비퍼지화를 도시한다.

본 발명의 특정 관점들의 상세한 설명이 이하에서 제시된다.

도 1은 데이터 병합 모듈(data merge module) MOD_FD를 도시한다. 이것은 하나 이상의 상태 메시지들(이 메시지들은 WO 2011/104466에서 기술된 원본 고장 메시지들에 상응함)을 입력으로서 수신하고, 이 예에서 이러한 메시지들은 두 개가 존재하고 MSG_PB1 및 MSG_PB2로 참조표시된다. 이 메시지들 각각은 상태 정보 INF_PB의 단편 및 신뢰도 NC2를 포함한다(여기서, 숫자 2는 이것이 이미 부분적으로 통합된 신뢰도라는 것을 나타내고, 원시 신뢰도(primitive confidence level)로부터 임의의 방식으로 유도됨). 도 1에서, 레퍼런스(reference)들 INF_PB 및 NC2에는 이들이 부착되는 상태 메시지의 번호와 관련이 있는 각각의 인덱스들이 이어진다.

데이터 병합 모듈들 MOD_FD는 또한 센서들의 상태들과 관련이 있는 메시지들 MSG_CAP를 수신하고, 이 예에서는 MSG_CAP1 및 MSG_CAP2로 참조표시되는 이러한 메시지들을 갖고, 이들 각각은 신뢰도 NC1과 연관이 지어진다.

특정한 단순한 상황에서, 센서 고장 메시지들의 수와 상태 메시지들의 수는 동일하고, 각각의 센서 고장 메시지는 센서 고장 메시지에 의해 고장 상태가 시그널링되는(signaled) 센서를 포함하는 프로세스에 의해서 트리거된(triggered) 상태 메시지와 연관이 지어진다.

모듈 MOD_FD는 통합된 고장 정보 INF_PC 및 통합된 신뢰도 NC3를 포함하는 통합된 고장 메시지를 출력하고, 여기서 인덱스 3은 신뢰도 NC2에 관한 추가적인 통합 단계(consolidation step)를 나타낸다.

특정한 단순한 상황에서, 모듈 MOD_FD는 단일한 메시지 MSG_PC를 생성하지만, 이런 메시지들을 여러 개 생성할 수도 있고, 바람직하게는 이러한 메시지들의 수는 입력으로서 수신하는 상태 메시지들 MSG_PB의 수보다 더 작다.

메시지 MSG_PB의 구조가 도 2에서 도시된다. 이러한 메시지는 예컨대 순차적인 방식(sequential manner)으로: 타임스탬프 DATE; 서브시스템 식별자 ID_SS; 컴포넌트 식별자 ID_COMP; 레퍼런스 서브시스템 또는 레퍼런스 컴포넌트와 관련이 있는 것으로서 메시지에 의해 특정된 고장; 상술한 바와 같은 신뢰도 NC2; 및 결함 플랙 식별자 ID_FLAG를 포함한다. 식별자들 ID_SS, ID_COMP, 및 ID_FLAG은 미리 정해진 약속(predetermined convention)을 적용해서 선택된다. 정보의 단편들 DATE, ID_SS, ID_COMP, 및 ID_FLAG는 정보 INF_PB를 구성한다.

메시지 MSG_CAP의 구조가 도 3에서 도시된다. 이러한 메시지는 예컨대 순차적인 방식으로: 타임스탬프; 서브시스템 식별자 ID_SS; 센서 식별자 ID_CAP; 신뢰도 NC1(숫자 1은 여기서 그것이 원시값(primitive value)이라는 것을 나타내지만, 임의의 방식으로 부분적으로 통합된 값일 수 있음); 및 결함 플랙 식별자 ID_FLAG를 포함한다. 식별자 ID_CAP는 미리 정해진 약속을 적용해서 선택된다.

메시지 MSG_PC의 구조가 도 4에서 도시된다. 이러한 메시지는 예컨대 순차적인 방식으로: 타임스탬프 DATE; 서브시스템 식별자 ID_SS; 컴포넌트 식별자 ID_COMP; 상술한 신뢰도; 및 고장 식별자 ID_FAILURE를 포함한다. 식별자들 ID_SS, ID_COMP, 및 ID_FAILURE은 미리 정해진 약속을 적용해서 선택된다. 정보의 단편들 DATE, ID_SS, ID_COMP, 및 ID_FAILURE는 정보 INF_PC를 구성한다.

도 5는 고장들을 검출하고 진단하기 위하여 다양한 센서들에 의해 모니터링된 복합 시스템의 구체적인 예를 도시한다. 이것은 액체 산소 및 수소로 동작해서 뜨거운 기체를 배출하는 로켓 엔진이다. 센서들은 수소 터빈 TH, 수소 펌프 PH, 산소 터빈 TO, 및 산소 펌프 PO를 모니터링한다. 계산 및 정보 처리 기능들은 상태 메시지들 및 센서 고장 메시지들을 생성한다. 수소 터빈 및 수소 펌프로부터 오는 상태 메시지들은 모듈 MOD_FD에서 병합되어 수소 터빈 및 펌프 어셈블리 TPH와 관련된 통합된 메시지를 형성한다. 동시에, 산소 터빈 및 산소 펌프로부터 오는 상태 메시지들은 모듈 MOD_FD에서 병합되어 산소 터빈 및 펌프 어셈블리 TPO와 관련된 통합된 메시지를 형성한다. 그 이후에, 어셈블리 TPH 및 어셈블리 TPO로부터 오는 통합된 메시지들은 모듈 MOD_FD에서 다시 병합되어 전체 엔진과 관련된 통합된 메시지를 형성한다.

결함 플랙들은 이하의 두 개의 표에서 기술된 바와 같이, 이그젝트(exact) 방식 또는 퍼지(fuzzy) 방식으로 다양한 매그니튜드 레벨들을 가지고 활성화될 수 있고, 두 개의 표는 이그젝트 방식으로 활성화된 플랙과 퍼지 방식으로 활성화된 플랙을 잇달아 보인다.

도 6은 모듈 MOD_FD에서도 사용된 대응표 G_CRP를 도시한다. 표 G_CRP는 하나 이상의 고장들과 하나 이상의 상태 플랙들에 의해 구성된 쌍들을 연관시킨다(associate). 고장 정보를 획득하기 위하여, 고장과 관련하여 표에서 언급된 상태 플랙들은 표에서 주어진 계수들에 의해 가중치가 부여된(weighted) 후에 병합된다. 특정한 실시예에서, 플랙들은 쌍으로 병합되는데, 논의되고 있는 고장에 대한 영이 아닌 가중치 계수(non-zero weighting coefficient)를 갖는 플랙들 모두가 사용될 때까지, 1 및 2로 번호가 매겨진 플랙들을 가지고 시작해서, 다음에 이 병합의 결과를 플랙 3과 병합시키고, 다음에 이 추가적인 병합의 결과를 플랙 4와 병합시키는 식이다. 다른 실시예들도 가능하다. 최종 결과는, 특정 매그니튜드 및 특정 신뢰도와 함께, 아무런 고장이 존재하지 않는지 또는 해당 고장이 존재하는지를 나타낼 수 있는 고장 플랙이다.

도 7은 모듈 MOD_FD에서 이용된 퍼지 논리 시스템(fuzzy logic system)을 도시한다. 이것은 퍼지가 아닌 입력(nonfuzzy input)으로부터 퍼지 입력(fuzzy input)을 생성하는 퍼지화 모듈(fuzzyfication module)(810), 퍼지화 모듈(810)에 의해 생성된 퍼지 입력으로부터 퍼지 출력(fuzzy output)을 생성하는 추론 엔진(inference engine)(820), 마지막으로 추론 엔진(820)에 의해 생성된 퍼지 출력으로부터 퍼지가 아닌 출력(nonfuzzy output)을 생성하는 비퍼지화(defuzzyfication)(830)를 포함한다. 추론 엔진(820)은 규칙 기반(rule base), 전제들의 결합(combinations of premises), 함축(implications), 및 퍼지 규칙들의 종합(aggregates of fuzzy rules)을 이용한다.

모듈들(810, 820, 및 830)에 의해 구성된 퍼지 논리 시스템은 모니터링된 복합 시스템의 주어진 파라미터에 대해서 작동해서, 퍼지가 아닌 형태(nonfuzzy form)로 획득되는 일정한 수의 입력 결함 플랙들(E)을 처리한다. 이 퍼지가 아닌 형태는 이전의 상태들과는 독립적인 순간적인 실제 형태이거나, 임의의 방식으로 플랙의 이전의 상태들을 포함하는 시각적 또는 동적 형태일 수 있다. 그래서, 주어진 순간에 대하여, 제1 상황에서는 플랙이 단일한 일회성(one-off) 메시지를 필수적으로 포함할 수 있고, 또는 제2 상황에서는 이것이 연속성(continuity)의 형태를 가지는 시변(time-varying) 신호에 의해 구성될 수 있다. 물론, 두 상황들의 조합도 가능하다. 변형례에 있어서, 퍼지가 아닌 형태는 상이한 메시지들 MSG_PB 및 MSG_CAP을 기초로 하여 도 6의 대응표 G_CRP에서 획득된다.

결함 플랙의 퍼지가 아닌 값은 매그니튜드와 신뢰도 쌍을 포함하는 쌍이고, 매그니튜드(오동작 레벨)는 예컨대 "-1", "0", "1", "2", 및 "3" 값들(예컨대, "아무런 정보 없음(no information)", "모두 정상(all's well)", "경미한 오동작(minor malfunction)", "심각한 오동작(severe malfunction)", 및 "고장(failure)"에 각각 대응함)로부터 선택되고, 신뢰도는 연속적인 범위 [0, 1] 내에 존재할 수 있고, 0은 최소 신뢰이고 1은 최대 신뢰이다.

도 8은 결함 플랙들의 퍼지값(fuzzy value)들에 대한 이그젝트 소속 함수(exact belonging function) μ를 도시한다. 퍼지화 모듈(810)에 의해 생성된 바와 같은 결함 플랙의 퍼지값이 도면에서 그래픽적으로 표현된다. 변수들의 클래스들 C-1, C0, C1 내지 C3 또한 도시된다. 이들은 겹치지(overlap) 않는다. 클래스들의 값들은 이하의 표에 따라 (클래스 -1을 제외하고는) 왼쪽에 대해 열려 있고(open) 오른쪽에 대해 닫혀 있는(closed) 세그먼트(segment)들로 구성된다(CL은 신뢰도를 나타냄).

도 9는 결함 플랙들의 퍼지값들에 대한 퍼지 소속 함수(fuzzy belonging function) μ를 도시한다. 변수 클래스들 C-1, C0, C1 내지 C3 또한 도시된다. 클래스들의 값들은 왼쪽에 대해 열려 있고 오른쪽에 대해 닫혀 있는 세그먼트들로 구성된다. 클래스들 C0 내지 C3은 이하의 표에 따라 쌍으로(in paris) 겹친다.

도 10은 상술한 함수를 기초로 하는 퍼지 소속 함수 μ로서 이하의 표에 따라 클래스 C0를 강화한(strengthening) 퍼지 소속 함수 μ를 도시한다.

도 11은 도 9의 함수를 기초로 하는 퍼지 소속 함수 μ로서 이하의 표들에 따라 신뢰도를 가지고 매그니튜드(오동작 레벨)를 교차표로 만듦(cross-tabulating)(ND와 NC 간에 교차표로 만들어지는 퍼지화)으로써 획득된 퍼지 소속 함수 μ를 도시한다.

엔진(820)에 의해 수행된 추론에 대해, 맘다니 추론법 및 라센 추론법을 이용하는 것이 가능하다. 경험으로부터의 피드백(feedback) 정보와 함께 고장 모드 및 효과 분석(failure modes and effects analysis: FMEA)으로부터 유도된 규칙 기반(rule base)의 이용이 이루어진다. 이러한 방식으로 이용되는 규칙들의 예들은 다음과 같다: 만일 하나의 결함 플랙만이 활성화된다면, 병합 플랙은 입력 플랙과 동일하다; 복수의 활성화된 결함 플랙들이 병합될 수 있다; 결합 규칙(combining rule)들은 "AND", "OR", 또는 양쪽 모두를 포함할 수 있다. 이그젝트 규칙들의 예는 다음의 표에서 주어진다.

만일 동시에 활성화된 규칙들이 OR 연산자에 의해 연관이 지어진다면, 규칙들은 최대값 연산자에 의해서 종합될(aggregated) 수 있다:

μ_B(y)= MAX [μ_Bi(y)] i∈{활성화된 규칙들의 인덱스들}

그리고, 만일 동시에 활성화된 규칙들이 AND 연산자에 의해 연관이 지어진다면, 종합화(aggregating)는 최소값 연산자에 의해서 수행될 수 있다.

μ_B(y)= MIN [μ_Bi(y)] i∈{활성화된 규칙들의 인덱스들}

도 12 및 도 13은 이그젝트 소속 함수(도 8)에 대한 추론 엔진(820)에 의해 수행되는 결함 플랙 병합 및 상술한 표에서 도시된 바와 같은 이그젝트 결합 규칙(exact combination rule)들의 실시예를 도시한다. 도 12는 논의되고 있는 순간에 제1 플랙이 신뢰도 0.8과 함께 매그니튜드 3을 가지고, 제2 플랙이 신뢰도 1과 함께 매그니튜드 3을 가진다. 상술한 표에서 주어진 이그젝트 규칙들은 신뢰도 1과 함께 매그니튜드 3의 고장 플랙을 구성하는 병합 결과(merging result)를 제공한다.

도 13에서는 신뢰도 0.9와 매그니튜드 1, 즉 퍼지값 1.0의 플랙과 신뢰도 0.7을 가진 매그니튜드 3와 퍼지값 3.7의 제2 플랙을 가진 다른 예가 제공된다. 생성된 퍼지값은 2.85이고, 이것은 1.9와 3.7을 평균함으로서 획득된다. 사용된 방법은 전제(premise)들을 결합하고 규칙 함축(rule implication)을 위한 Min 연산자와 맘다니 추론법이다.

도 14는 상술한 표의 이그젝트 규칙들과 함께 (도 9에 도시된 바와 같은) 퍼지 소속 함수가 존재하는 경우에 추론 엔진(820)에 의해 수행되는 결함 플랙들을 병합하는 예를 도시한다. 병합 프로세스는 매그니튜드 1을 갖는 규칙들을 제외한 모든 규칙들에 대해서 이용된다. 본 명세서에서 설명된 예는 신뢰도 0.4를 가진 매그니튜드 3의 플랙과 신뢰도 0.6을 가진 매그니튜드 2의 제2 플랙을 가진다. 두 개의 플랙들의 퍼지값들은 16개의 구성요소들을 가지고, 병합시 16개의 구성요소들을 갖는 퍼지 플랙이 획득된다. 이 예에서, 이것은 최대값 연산자에 의해서 종합된다.

도 15는 (도 9에서 도시된 바와 같은) 퍼지 소속 함수와 함께 이하의 표에서 제시되는 바와 같은 퍼지 규칙들을 가지고 추론 엔진(820)에 의해 수행되는 결함 플랙 병합의 예를 도시한다.

논의되고 있는 순간에 신뢰도 1과 함께 매그니튜드 2, 동시에 신뢰도 0.8과 함께 매그니튜드 3의 제1 플랙을 도시하는 제1 플랙을 도시하는 예(도 15)가 설명된다. 제2 플랙은 신뢰도 1과 함께 매그니튜드 3으로 이루어지고, 다른 매그니튜드들은 비활성이다(inactive). 상술한 표에서 주어진 퍼지 규칙들은 신뢰도 0.9와 함께 매그니튜드 3의 플랙과 신뢰도 0.1과 함께 매그니튜드 2의 플랙을 이루는 병합 결과를 제공한다.

비퍼지화 모듈(830)은 이전에 생성된 퍼지값을 기초로 하여 퍼지가 아닌 값(nonfuzzy value)을 생성한다. 도 13에서 도시된 시나리오에서, 최대값들의 평균(mean)(MM)은 퍼지가 아닌 병합된 플랙(nonfuzzy merged flag)을 획득하는 데 이용된다. 도시된 예에서, 매그니튜드는 값(value) 2로 이루어지고, 신뢰도는 0.85이다. 도 14에 도시된 시나리오에서, 두 개의 대안적인 가능성(possibility)이 이용되는데, 이들은 도 16에서 도시된다. 제1 가능성은 무게중심법(CG)인데, 이것은 신뢰도 0.8과 함께 매그니튜드 2를 낳으며, 제2 가능성은 최대값들의 평균을 취하는 방식인데, 이것은 신뢰도 1과 함께 매그니튜드 2를 낳는다.

본 발명은 이상에서 기술된 것과는 다른 분야들에서 애플리케이션들을 찾을 수 있고, 여기서 논의되고 있는 복합 시스템은 로켓 엔진이다.

제1 예는 홍수(flooding)와 같은 자연 현상에 관한 경고(warning)를 생성하도록 의사결정을 하기 위한 프로세스를 구성한다. 복합 시스템은 지역(region), 그것의 환경(atmosphere), 그것의 수원(water source)들, 및 그것의 지하수면(water table)들로 구성된다.

상태 정보의 제1 단편은 신뢰 플랙과 연관이 지어진 기상 관측(meteorological observation)들 및 신뢰 플랙과 연관하여 기상 관측들로부터 연역된(deduced) 예상 강수량(expected rainfall)과 관련이 있을 수 있다.

상태 정보의 제2 단편은 그것의 신뢰 플랙과 연관이 지어진, 지하수면의 레벨과 관련이 있을 수 있다.

상태 정보의 제3 단편은 신뢰 플랙과 또 한 번 연관이 지어진, 풍향과 관련이 있을 수 있다.

본 명세서에서 설명된 고장은 홍수이고, 고장 정보는 본 발명의 원리들을 이용해서 생성되는 신뢰도와 연관이 지어진다.

제2 예는 예컨대 독감(flu)에 관한 유행병 경고(epidemiological warning)를 제공하기 위한 프로세스에 관한 것이다. 복합 시스템은 인간 개체군(human population)이다.

상태 정보의 제1 단편은 독감 전파의 (높은(high), 중간의(medium), 또는 낮은(low)) 레벨이고, 이것은 신뢰도와 연관이 지어진다.

상태 정보의 제2 단편은 위험에 처한 사람들(예컨대, 연세드신 분들)의 (높은, 중간, 또는 낮은) 취약성(vulnerability)이고, 이것은 신뢰도와 연관이 지어진다. 이러한 취약성은 예컨대 날씨와 같은 다른 파라미터들의 함수로서 변한다는 점이 기억되어야 한다.

상태 정보의 제3 단편은 이용가능한 조치(treatment)들의 (매우 양호한(very good), 만족스러운(satisfactory), 또는 양호하지 않은(poor)) 유효성(effectiveness)에 관한 것이고, 이것은 신뢰도와 또 한 번 연관이 지어진다.

이 예에서, 고장 정보는 개체군을 보호하기 위한 통상적인 조치들(usual measures)이 충분하지 않다는 것을 의미하고, 이것은 신뢰도와 연관이 지어진다. 이러한 정보를 기초로 하여, 정부당국(authorities)은 아마 개체군을 보호하기 위한 특별한 조치들(special measures)을 취하도록 초래될 수 있다.

다른 예는 원자력(nuclear) 산업 애플리케이션과 관련이 있고, 더욱 구체적으로는 원자력 발전소 타입의 설치에 있어서 유지보수(maintenance)에 관한 더욱 정확한 의사결정을 하는 것과 관련이 있다.

상태 정보의 제1 단편은 열적 쇼크(thermal shock) 레벨 또는 누적 열적 쇼크(cumulative thermal shock) 레벨을 나타내는 시간에 대해 통합된 레벨에 관한 것이며, 여기서 열적 쇼크들은 과도현상(transient)들의 결과이다. 정보의 이러한 제1 단편은 신뢰 플랙과 연관이 지어진다.

정보의 제2 단편은 금속의 연성(ductility)의 저하의 레벨을 나타내고, 이 레벨은 관측들을 이용하는 모델들 상에서 수행되는 계산들의 결과이고, 이것은 신뢰 플랙과 연관이 지어진다.

고장 정보는 모니터링된 시스템의 고장과 관련이 있고, 신뢰도와 연관이 지어지며, 유지보수 액션(maintenance action)들을 명령하도록 기능한다.

본 발명은 본 발명을 제한하는 것이 아닌 실시예들을 참조하여 설명되고, 이것은 청구항들의 범위의 한계들 내에서 임의의 변형물들로 확장된다.

Claims

복합 시스템(complex system)을 모니터링하기 위한 데이터 처리 시스템(MOD_FD)으로서,
상기 데이터 처리 시스템은 상태 정보의 복수의 단편(piece)들(ID_FLAG, MSG_PB, MSG_CAP)을 수신하고 상태 정보의 적어도 상기 단편들을 고장 정보의 단편(MSG_PC)으로 병합하도록(merge) 구성되고,
상태 정보의 상기 단편들 중의 적어도 하나는 신뢰 플랙(confidence flag)(NC2)과 연관이 지어지고(associated),
고장 정보의 단편도 신뢰 플랙(NC3)과 연관이 지어지고,
상태 정보의 단편들의 각각의 신뢰 플랙(NC2)들을 고려하면서 고장 정보의 단편을 생성하도록 그리고 고장 정보와 연관된 신뢰 플랙(NC3)을 생성하도록 퍼지 논리(fuzzy logic) 기술을 구현함으로써 상기 병합이 수행되는 것을 특징으로 하는 데이터 처리 시스템.
청구항 1에 있어서,
상태 정보의 단편들을 결합하기(combining) 위해 이그젝트 규칙(exact rule)들이 이용되거나(도 12 내지 14), 상태 정보의 단편들을 결합하기 위해 퍼지 규칙(fuzzy rule)들이 이용되는(도 15) 것을 특징으로 하는 데이터 처리 시스템.
청구항 1 또는 청구항 2에 있어서,
상태 정보는, 이그젝트 소속 함수(exact belonging function)(도 8), 퍼지 소속 함수(fuzzy belonging function)(도 9), 하나의 클래스(class)가 다른 것들에 비해 강화되어 있는 소속 함수(도 10), 또는 상태 정보의 매그니튜드(magnitude)가 신뢰도(confidence level)와 함께 교차표로 만들어져(cross-tabulated) 있는 소속 함수(도 11)를 가지고 퍼지화(fuzzyfication)를 거치는 것을 특징으로 하는 데이터 처리 시스템.
청구항 1 또는 청구항 2에 있어서,
추론(inference)이 맘다니(Mamdani) 추론법(도 12 내지 15) 또는 라센(Larsen) 추론법을 이용해서 수행되는 것을 특징으로 하는 데이터 처리 시스템.
청구항 1 또는 청구항 2에 있어서,
규칙들이 최대값 연산자(maximum operator: MAX) 또는 최소값 연산자(minimum operator: MIN)를 가지고 종합되는(aggregated) 것을 특징으로 하는 데이터 처리 시스템.
청구항 1 또는 청구항 2에 있어서,
비퍼지화(defuzzyfication)가 최대값들의 평균을 내는 방식(MM) 또는 무게중심법(center of gravity method)(CG)을 이용해서 수행되는 것을 특징으로 하는 데이터 처리 시스템.
청구항 1 또는 청구항 2에 있어서,
상태 정보의 단편들은 서브시스템(subsystem)(ID_SS) 또는 컴포넌트(component)(ID_COMP)의 아이덴터티(identity)를 포함하는 상태 메시지(state message)로 수신되는 것을 특징으로 하는 데이터 처리 시스템.
청구항 1 또는 청구항 2에 있어서,
상태 정보의 단편들은 타임스탬프(time stamp)(DATE)를 포함하는 상태 메시지로 수신되는 것을 특징으로 하는 데이터 처리 시스템.
청구항 1 또는 청구항 2에 있어서,
상태 정보의 각각의 단편은 매그니튜드와 연관이 지어지는 것을 특징으로 하는 데이터 처리 시스템.
복합 시스템을 모니터링하기 위한 데이터 처리 방법(MOD_FD)으로서,
상기 방법은 복합 시스템을 모니터링하기 위한 데이터 처리 시스템(MOD_FD)이 상태 정보의 단편들(MSG_PB, MSG_CAP)을 수신하는 단계 및 상기 데이터 처리 시스템(MOD_FD)이 상태 정보의 상기 단편들 중의 적어도 하나를 고장 정보의 단편(MSG_PC)으로 병합하는 단계를 포함하고,
상태 정보의 상기 단편들 중의 적어도 하나는 신뢰 플랙(NC2)과 연관이 지어지고,
고장 정보의 단편도 신뢰 플랙(NC3)과 연관이 지어지고,
상태 정보의 단편들의 각각의 신뢰 플랙(NC2)들을 고려하면서 고장 정보의 단편을 생성하도록 그리고 고장 정보의 단편과 연관된 신뢰 플랙(NC3)을 생성하도록 퍼지 논리 기술을 구현함으로써 병합이 수행되는 것을 특징으로 하는 데이터 처리 방법.