Claims (30)
기계의 다수 구성요소가 고장난 것을 제각기 가정하는 복수개의 기계 모델을 테스트하는 것에 의해 기계의 고장을 판별하는 방법으로서, 상기 테스트하는 것을 상기 모델들의 식들을 통해 기계 파라메타들의 실재값들을 전파하여 기계 파라메터들의 값들에 대한 예측세트가 생성되게 하는 단계, 상기 모델들 중에서 모순이 있는 예측세트를 생성하는 모델들을 무시하는 단계 및 상기 모델들 중에서 모순이 없는 예측세트를 생성하는 모델들을 저장하는 단계를 포함하는 상기 방법에 있어서, 상기 기계의 구성요소들의 정성물리학설명을 이용하여 상기 모델을 발생하는 단계를 포함하는 방법.A method of determining a failure of a machine by testing a plurality of machine models, each of which assumes that a number of components of the machine have failed, wherein the testing involves propagating actual values of machine parameters through the equations of the models to determine the machine parameters. Causing a prediction set for the values to be generated, ignoring models that produce a contradictory prediction set among the models, and storing models for generating a contradictory prediction set among the models; A method comprising: generating the model using qualitative physics descriptions of the components of the machine.
제1항에 있어서, 기계 파라메터의 부가적인 실제값을 획득하는 단계와, 상기 부가적인 실제값과 일치하지 않는 변수에 대한 값을 예측하는 각각의 모델을 무시하는 단계를 더 포함하는 방법.2. The method of claim 1, further comprising obtaining additional actual values of machine parameters and ignoring each model that predicts values for variables that do not match the additional actual values.
제2항에 있어서, 기계 파라메터의 부가적인 실제값을 획득하는 단계와, 컴퓨터 디스플레이 상에 질문을 배치하는 것에 의해 특정 입력을 사용자에게 요청하는 단계와, 사용자 키이보드 입력을 처리하는 것에 의해 사용자의 응답을 판단하는 단계를 더 포함하는 방법.3. The method of claim 2, further comprising obtaining additional actual values of the machine parameters, requesting a user for specific input by placing a question on a computer display, and processing the user keyboard input. Determining the response.
제3항에 있어서, 상기 발생하는 단계는 : 제1모델세트는 어떤 구성요소도 고장나지 않았음을 가정하고, 제2모델 세트는 하나의 구성요소가 고장났음을 가정하고, 제3모델 세트는 두개의 구성요소가 동시에 고장났음을 가정하고, 모든 후속 모델세트들은 제각기 그의 선행하는 세트 보다 하나 더 많은 구성요소들이 동시에 고장났음을 가정하는 식으로 상기 모델들의 발생을 순서적으로 배열하는 단계를 포함하는 방법.The method of claim 3, wherein the generating step comprises: assuming that the first model set has not failed any component, a second model set assuming that one component has failed, and Assume that two components failed at the same time, and all subsequent model sets comprise arranging the generation of the models sequentially, each assuming that one more component has failed at the same time than its preceding set. How to.
제4항에 있어서, 상기 후속 모델세트들의 발생을 배열하는 단계는 상기 후속 모델세트들을 발생해도 좋은지를 묻는 질의에 대한 사용자의 긍정적 대답에 응답하여서만 발생하는 방법.5. The method of claim 4, wherein arranging the generation of subsequent model sets occurs only in response to a user's positive answer to a query asking whether the subsequent model sets may be generated.
제5항에 있어서, 상기 정성물리학 설명들은 어떤 구성요소가 부구성요소들로 이루어지는 식으로 계층적으로 배열되는 방법.6. The method of claim 5, wherein the qualitative physics descriptions are arranged hierarchically such that a component consists of subcomponents.
제6항에 있어서, 사용자에게 입력을 요청하는 통고에 의해서 무시될 수 없는 상기 저장된 모델들 중의 하나 이상의 존재에 대한 응답으로, 상기 저장된 모델들에 연관된 고장난 구성요소들의 부구성요소들의 고장을 가정하는 새로운 모델들이 발생되는 방법.7. The method of claim 6, which assumes a failure of subcomponents of the failed components associated with the stored models in response to the presence of one or more of the stored models that cannot be ignored by a notification requesting input from a user. How new models are generated.
제2항에 있어서, 타입 I 기계 파라메터 세트를 형성하는 형성 단계로서, 상기 타입 I 세트의 각각의 기계 파라메터에 대하여 상기 파라메터의 모든 가능한 값들은 상기 모델들 중의 적어도 하나에 연관된 예측들을 모순이 있게 하는 상기 형성단계와, 상기 타입 I 기계 파라메터 세트로 부터 관찰을 위한 파라메터를 선택하는 단계를 더 포함하는 방법.3. The method of claim 2, wherein forming a type I machine parameter set, wherein for each machine parameter of the type I set all possible values of the parameter contradict predictions associated with at least one of the models. And forming the parameter for selecting from the type I machine parameter set for observation.
제8항에 있어서, 상기 방법은 상기 타입 I 세트의 각각의 파라메터에 대한 것으로서 상기 파라메타들의 각각에 대한 관찰의 요망도를 나타내는 테스트 스코어를 계산하는 단계를 더 포함하며, 상기 선택 단계는 최고로 높은 테스트 스코어를 가진 상기 타입 I 세트로 부터 관찰을 위한 상기 파라메터들 중의 특정 파라메터들 중의 특정 파라메터를 선택하는 것을 포함하는 방법.The method of claim 8, wherein the method further comprises calculating a test score for each parameter of the type I set, wherein the test score is indicative of a desired degree of observation for each of the parameters. Selecting a particular one of the specific ones of the parameters for observation from the type I set having a score.
제9항에 있어서, 상기 방법이 : 타입 Ⅱ 파라메터 세트를 형성하는 타입 Ⅱ 세트 형성 단계로서, 상기 타입 Ⅱ 세트의 각각의 파라메터에 대하여, 상기 타입 Ⅱ 파라메터들의 모두는 아니나 몇개의 가능한 값들은 상기 모델들 중의 적어도 하나에 관련된 예측들은 모순이 있게 하는, 상기 타입 Ⅱ 세트 형성 단계와, 상기 타임 Ⅱ 세트의 각각의 파라메터에 대한 것으로서, 상기 타입 Ⅱ 게트로 부터의 상기 파라메터들의 각각에 대한 관찰의 요망도를 나타내는 테스트 스코어를 계산하는 단계를 더 포함하고, 상기 선택단계는 상기 타입 I 세트의 모든 파라메터에 대한 테스트 스코어가 사전설정된 임계값 보다 낮은 경우에 최고로 높은 테스트 스코어를 가진 상기 타입 Ⅱ 세트로 부터 관찰을 위한 상기 파라메터들 중의 특정 파라메터를 선택하는 것을 포함하는 방법.10. The method of claim 9, wherein the method comprises: a type II set forming step of forming a type II parameter set, for each parameter of the type II set, not all of the type II parameters but some possible values of the model; Predictions relating to at least one of the above, the type II set forming step and the respective parameters of the time II set, for which there is a contradiction, the desire of observation for each of the parameters from the type II get Calculating a test score, wherein the selecting step observes from the type II set having the highest test score when the test scores for all parameters of the type I set are lower than a predetermined threshold. Selecting a particular one of said parameters for How to.
제10항에 있어서, 상기 타입 I 및 타입 Ⅱ 세트들의 테스트 스코어들은 다음과 같은 단계들, 즉, 각각의 파라메터의 각각의 가능한 값에 대한 몫을 계산하되, 상기 파라메터가 상기 값과 동일하게 관찰되는 경우에 무시될 모델들의 수를 모델의 총수로 나누어 계산하는 단계와, 각각의 모델에 대한 고장났다고 가정된 구성요소들에 경험적인 구성요소 고장률 정보를 상관시켜 각각의 모델에 대한 유효성의 확률을 계산하는 단계와, 파라메터에 대한 특정값을 예측하는 각각의 모델에 대한 추정 유효도들을 합산하여 각각의 파라메터에 대한 각각의 가능한 값의 측정 확률을 계산하는 단계와, 매 파라메터 단위로, 각각의 파라메타의 각각의 값에 대한 몫과 각각의 파라메터에 대한 각각의 값의 측정 확률과의 적들을 합산하여, 상기 파라메터들의 각각의 관찰 효율을 계산하는 단계와, 각각의 파라메터를 관찰하는데 필요한 저장되고 경험적으로 도출한 시간으로 각각의 파라메터의 테스트 효율을 나눔으로써 각각의 파라메터에 대한 테스트 스코어를 계산하는 단계들에 의해서 계산되는 방법.12. The test scores of claim 10, wherein the test scores of the Type I and Type II sets calculate the quotient of each possible value of each parameter, wherein the parameter is observed to be equal to the value. Calculating the probability of validity for each model by correlating the empirical component failure rate information to the components that are assumed to be broken for each model by dividing the number of models to be ignored by the total number of models Calculating the probability of measurement of each possible value for each parameter by summing estimated estimates for each model that predicts a particular value for the parameter, and for each parameter, Each tube of parameters is summed by summing the products of the quotient for each value and the probability of measurement of each value for each parameter. Calculating the test score for each parameter by calculating the friction efficiency and dividing the test efficiency of each parameter by the stored and empirically derived time needed to observe each parameter.
제11항에 있어서, 상기 사전설정된 임계값은 0. 5인 방법.12. The method of claim 11, wherein the preset threshold is 0.5.
정성물리학 모델의 모순을 판단하는 방법으로서, 모델에 관련된 파라메터 테이블로 부터 특정 파라메터를 선택하는 제1선택단계로서, 알려진 경우에 다른 파라메터들이 도출될 수 있게 하거나 상기 모델이 모순이 있는 것으로 간주될 수 있게 하는 파라메터들을 포함하는 모델에 대한 식에 상기 특정 파라메터가 나타나는, 상기 제1선택단계와, 상기 제1선택단계에 후속하여 상기 파라메터에 상수값을 일시적으로 할당하는 제2단계로서, 상기 상수값은 상기 파라메터에 대한 가능한 값들의 목록에 포함된 값인 상기 제2단계와, 상기 제2단계에 후속하여 상기 상수간을 상기 모델의 식들을 통해 전파하여 모순이 판정되게 하는 제3단계와, 상기 상수값들 중의 특정한 상수값이 모순이 없는 예측세트를 초래할 때 까지 또는 상기 파라메터에 대한 모든 가능한 갑들이 상기 파라메터에 일시적으로 할당되어 있을 때 까지 상기 제2 및 3단계를 반복적으로 수행하는 제4단계와, 상기 제3단계가 상기 파라메터에 대한 상기 상수값들 중의 특정한 상수값의 할당에 의해 모순이 없는 예측세트를 초래하는 경우에, 상기 상수값을 모델의 식들을 통해 전파하여 다른 알려지지 않은 파라메터들에 대한 일시적인 상수값들이 판단되게 하는 제5단계와, 상기 제4 및 5단계들에 후속하여, 모든 알려지지 않은 파라메터에 대해 상기 제1,2,3,4 및 5단계를 반복적으로 수행하기 위하여 순환을 이용하는 순환이용 단계로서. 상기 순환은 상기 제4단계가 모순이 없는 예측세트를 초래하지 않고서 파라메터에 할당되는 모든 가능한 값들을 초래하는 때마다 새로운 값들을 이전에 할당된 파라메터들에 할당하기 위해 되돌아 가며, 모델의 모순이 없는 예측세트를 생성하는 모델의 알려지지 않은 파라메터들에 일시적으로 할당될 수 있는 값들의 조합이 없는 경우에 모델이 모순이 있는 것으로 간주되는 상기 순환 이용 단계를 포함하는 방법.A method of determining a contradiction of a qualitative physics model, the first selection step of selecting a particular parameter from a parameter table associated with a model, whereby other parameters may be derived if known or the model may be considered to be inconsistent. And a second step of temporarily assigning a constant value to the parameter following the first selection step, in which the specific parameter appears in an equation for a model including parameters. Is a value included in the list of possible values for the parameter; and a third step of propagating the constants through the equations of the model following the second step, thereby determining a contradiction; All possible values for the parameter or until a certain constant value of the values results in an inconsistent prediction set A fourth step of repeatedly performing the second and third steps until the values are temporarily assigned to the parameter, and the third step contradicts the assignment of a specific constant value among the constant values for the parameter. Following the fourth and fifth steps, propagating the constant value through the equations of the model to determine the temporary constant values for other unknown parameters in the event of a resultless prediction set. As a cycle utilization step, using circulation to repeatedly perform the first, second, third, fourth and fifth steps for all unknown parameters. The cycle reverts to assigning new values to previously assigned parameters whenever the fourth step results in all possible values assigned to the parameters without causing a noncontradictory prediction set, without model contradictions. And said circular utilization step in which the model is considered to be inconsistent in the absence of a combination of values that may be temporarily assigned to unknown parameters of the model generating the prediction set.
정성물리학 모델에 관련된 알려지지 않은 파라메터에 대한 값을 예측하는 방법으로서, 상기 파라메터에 대한 가능한 값들의 목록에 포함된 상수값을 상기 파라메터에 일시적으로 할당하는 제1단계와, 상기 제1단계에 후속하여, 상기 상수값을 모델의 식들을 통해 전파하여 모순이 검출되게 하는 제2단계와, 상기 파라메터에 대한 모든 가능한 값들에 대해 상기 제1 및 2단계들은 반복적으로 수행하는 제3단계와, 상기 제3단계에 후속하여, 상기 파라메터에 대한 하나의 특정 상수값만이 모델의 모순이 없는 예측세트를 초래하는 경우에 상기 상수값을 상기 파라메터에 영구적으로 할당하는 단계를 포항하는 방법.A method of predicting a value for an unknown parameter associated with a qualitative physics model, the method comprising: a first step of temporarily assigning a constant value included in a list of possible values for the parameter to the parameter, and subsequent to the first step A third step of propagating the constant value through equations of a model such that a contradiction is detected; and a third step of repeatedly performing the first and second steps for all possible values for the parameter; Subsequently, permanently assigning the constant value to the parameter if only one particular constant value for the parameter results in a model-free predictive set.
정성물리학 모델의 모순을 판단되는 방법으로서, 모델의 파라메터에 대한 모든 가능한 값들의 목록에 포함된 상수값을 상기 파라메터에 일시적으로 할당하는 제1단계와, 상기 제1단계에 후속하여, 상기 상수값을 모델의 식들을 통해 전파하여 모순이 검출되게 하는 제2단계와, 상기 파라메터에 대한 모든 가능한 값들에 대해 상기 제1 및 2단계들을 반복적으로 수행하는 제3단계와, 상기 파라메터에 대한 어떠한 상수값도 모델의 모순이 없는 예측세트를 초래하지 않는 경우에, 상기 모델이 모순이 있는 것으로 간주하는 단계를 포함하는 방법.A method of determining a contradiction of a qualitative physics model, comprising: a first step of temporarily assigning a constant value included in a list of all possible values for a parameter of a model to the parameter, and subsequent to the first step, the constant value The second step of propagating through the equations of the model so that the contradiction is detected, the third step of repeatedly performing the first and second steps for all possible values for the parameter, and any constant value for the parameter And if the model does not result in a noncontradictory prediction set, the model is considered to be inconsistent.
정성물리학 모델의 모순을 판단하여 상기 정성물리학 모델에 관련된 알려지지 않은 파라메터에 대한 값을 예측하는 방법으로서, 상기 파라메터에 대한 가능한 값들의 목록에 포함된 상수값을 상기 파라메터에 일시적으로 할당하는 제1단계와, 상기 제1단계에 후속하여, 상기 상수값을 모델의 식들을 통해 전파되여 모순이 검출되게 하는 제2단계와, 상기 파라메터에 대한 모든 가능한 간들에 대해 상기 제1 및 제2단계들을 반복적으로 수행하는 제3단계와, 상기 제3단계에 후속하여, 상기 파라메터에 대한 하나의 특정 상수값만이 모델에 대한 모순이 업는 예측세트를 초래하는 경우에, 상기 상수간을 상기 파라메터에 영구적으로 할당되는 단계와, 상기 제3단계에 후속하여, 상기 파라메터에 대한 어떠한 상수값도 모델에 대한 모순이 없는 예측세트를 초래하지 않는 경우에 상기 모델을 모순이 있는 것으로 간주하는 단계를 포함하는 방법.A method of predicting a value for an unknown parameter related to the qualitative physics model by determining a contradiction of a qualitative physics model, the first step of temporarily assigning a constant value included in the list of possible values for the parameter to the parameter. And subsequent to the first step, a second step of propagating the constant value through the equations of the model such that a contradiction is detected, and repeating the first and second steps for all possible livers of the parameter. Permanently assigning the constants to the parameters in a third step of performing and following the third step, if only one specific constant value for the parameter results in an inconsistent prediction set for the model. And subsequent to the third step, any constant values for the parameters start from the prediction set without contradiction to the model. It comprises considered the model that there is a contradiction if it does not.
기계의 정성물리학 모델은 구축하는 방법에 있어서, 모델에 관련된 파라메터들의 수 및 식들의 수에 대한 감소는 : 모델의 구성요소의 터미날에 관련하지 않는 제1파라메터가 제2파라메터 또는 음의 제2파라메터와 같음을 규정하는 식은 설정하는 식설정 단계로서, 상기 제2파라메터의 가능한 값들은 상기 제2파라메터의 가능한 값들은 상기 제1파라메터의 가능한 값들의 슈퍼세트인 상기 식설정 단계와, 상기 식을 제거하는 단계와, 나머지 식들에서 발생되는 모든 상기 제1파라메터를 상기 제2파라메터 또는 상기 음의 제2파라메터로 대체하는 단계에 의해 수행되는 방법.In the method of constructing a qualitative physics model of a machine, the reduction in the number of parameters and equations associated with the model is: The first parameter not related to the terminal of the component of the model is the second parameter or the second negative parameter. Is an equation setting step of setting the equation, wherein the possible values of the second parameter are the superset of possible values of the first parameter, and the equation is removed. And replacing all the first parameters generated by the remaining equations with the second parameter or the negative second parameter.
정성물리학 모델의 구성요소를 시험하는 방법으로서, 상기 구성요소의 하나 이상의 정성적 상태를 발생되는 발생 단계와, 상기 상태들을 나타내는 정보를 사용자에게 제공하는 제공단계를 포함하는 방법.A method of testing a component of a qualitative physics model, comprising: generating one or more qualitative states of the component and providing the user with information indicative of the states.
제18항에 있어서, 상기 상태들을 상기 구성요소에 대해 할당된 값들의 사전 설정된 세트와 비교하는 비교단계를 더 포함하는 방법.19. The method of claim 18, further comprising comparing the states with a preset set of values assigned for the component.
제19항에 있어서, 상기 발생, 제공, 비교단계들은 컴퓨터 워크스테이션에 의해 수행되는 방법.20. The method of claim 19, wherein said generating, providing, comparing steps are performed by a computer workstation.
기계의 다수 구성요소가 고장난 것을 제각기 가정하는 복수개의 기계 모델을 테스트하는 수단을 갖고 기계의 고장을 판별하는 장치로서, 상기 테스트하는 수단은 상기 모델들의 식들을 통해 기계 파라메타들의 실제값들을 전파하여 기계 파라메터들의 값들에 대한 예측세트가 생성되게 하는 수단, 상기 모델들 중에서 모순이 있는 예측세트를 생성하는 모델들을 무시하는 수단 및 상기 모델들 중에서 모순이 없는 예측세트를 생성하는 모델들을 저장하는 수단을 포함하는 상기 장치에 있어서, 상기 기계의 구성요소들의 정성물리학 설명을 이용하여 상기 모델을 발생하는 수단을 포함하는 장치.An apparatus for determining a failure of a machine having means for testing a plurality of machine models, each of which assumes that a number of components of the machine have failed, wherein the means for testing propagates actual values of machine parameters through equations of the models Means for causing a prediction set to be generated for the values of the parameters, means for ignoring models that produce a contradictory prediction set among the models, and means for storing models for generating a contradictory prediction set among the models. Said apparatus comprising means for generating said model using a qualitative physics description of the components of said machine.
제21항에 있어서, 기계 파라메터의 부가적인 실제값을 획득하는 수단과, 상기 부가적인 실제값과 일치하지 않는 변수에 대한 갓을 예측하는 각각의 모델을 무시하는 수단을 더 포함하는 장치.22. The apparatus of claim 21, further comprising means for obtaining additional actual values of machine parameters, and means for ignoring each model predicting a shade for a variable that does not match the additional actual values.
제22항에 있어서, 기계 파라메터의 부가적인 실제값을 획득하는 수단은 : 특정 입력을 사용자에게 요청하기 위한 컴퓨터 디스플레이와, 사용자의 응답을 수신하기 위한 사용자 키이보드를 포함하는 장치.23. The apparatus of claim 22, wherein the means for obtaining additional actual values of the machine parameters comprises: a computer display for requesting a user for a particular input and a user keyboard for receiving a response from the user.
제22항에 있어서, 타입 I 기계 파라메터 세트를 형성하는 형성 수단으로서, 상기 타입 I 세트의 각각의 기계 파라메터에 대하여 상기 파라메터의 모든 가능한 값들은 상기 모델들 중의 적어도 하나에 연관된 예측들을 모순이 있게하는 상기 형성수단과. 상기 타입 I 기계 파라메터 세트로 부터 관찰을 위한 파라메터를 선택하는 선택 수단을 더 포함하는 장치.23. The apparatus of claim 22, wherein the forming means for forming a type I machine parameter set, for each machine parameter of the type I set causes all possible values of the parameter to contradict predictions associated with at least one of the models. The forming means. And means for selecting a parameter for observation from said type I machine parameter set.
정성물리학 모델의 모순을 판단하는 장치로서, 모델에 관련된 파라메터 테이블로 부터 특정 파라메터를 선택하는 선택수단으로서, 알려진 경우에 다른 파라메터들이 도출될 수 있게 하거나 상기 모델이 모순이 있는 것으로 간주될 수 있게 하는 파라메터들을 포함하는 모델에 대한 식에 상기 특정 파라메터가 나타나는, 상기 선택수단과, 상기 선택수단에 응답하여 상기 파라메터에 상수값을 일시적으로 할당하는 제1할당수단으로서, 상기 상수값은 상기 파라메터에 대한 가능한 값들의 목록에 포함된 값인 상기 제1할당수단과, 상기 제1할당수단에 응답하여, 상기 상수값을 상기 모델의 식들을 통해 전파하여 모순이 판정되게 하는 전파수단과, 상기 상수값들 중의 특정한 상수값이 모순이 없는 예측세트를 초래할 때까지 또는 상기 파라메터에 대한 모든 가능한 값들이 상기 파라메터에 일시적으로 할당되어 있을 때까지 상기 제1할당수단과 상기 전파수단을 반복적으로 작동시키는 반복수단과, 상기 반복수단에 응답하여, 상기 파라메터에 대한 상기 상수값들 중의 특정한 상수값의 할당시에 상기 반복수단이 모순이 없는 예측세트를 초래하는 경우, 상기 상수값들 중의 특정한 상수값을 상기 파라메터에 할당하는 제2할당수단과, 모든 알려지지 않은 파라메터에 대해 상기 선택수단, 상기 제1할당수단, 상기 반복수단 및 상기 제2할당수단을 반복적으로 작동시키며, 상기 반복수단이 모순이 없는 예측세트를 초래하지 않고서 파라메터에 할당되는 모든 가능한 갓들을 초래하는 때마다 새로운 값들을 이전에 할당된 파라메터들에 할당하기 위해 되돌아가는 순환수단으로서, 모델의 모순이 없는 예측세트를 생성하는 모델의 알려지지 않은 파라메터들에 일실적으로 할당될 수 있는 값들의 조합이 없는 경우에 모델이 모순이 있는 것으로 간주되는 상기 순환 수단을 포함하는 장치.Apparatus for determining the contradiction of a qualitative physics model, as a means of selecting a particular parameter from a parameter table associated with the model, allowing other parameters to be derived if known or allowing the model to be considered contradictory. Said selection means, in which said specific parameter appears in an equation for a model comprising parameters, and a first assignment means for temporarily assigning a constant value to said parameter in response to said selection means, wherein said constant value is associated with said parameter. The first assigning means, which is a value included in the list of possible values, propagating means for propagating the constant value through equations of the model in response to the first assigning means; Until a particular constant value results in an inconsistent prediction set or Repeating means for repeatedly operating said first assigning means and said propagating means until possible values are temporarily assigned to said parameter, and in response to said repeating means, a specific constant value of said constant values for said parameter; Second assigning means for allocating a specific constant value of the constant values to the parameter if the repeating means results in an inconsistent prediction set upon allocation of One assigning means, the repeating means and the second assigning means are repeatedly operated, and new values are previously assigned each time the repeating means results in all possible shades assigned to the parameter without causing an inconsistent prediction set. A set of predictions that does not contradict the model as a means of returning to assign to the assigned parameters. And said recursive means in which the model is considered to be inconsistent if there is no combination of values that can be assigned to unknown parameters of the model that yields.
정성물리학 모델에 관련된 알려지지 않은 파라메터에 대한 값을 예측하는 장치로서, 상기 파라메터에 대한 가능한 값들의 목록에 포함된 상수값을 상기 파라메터에 일시적으로 할당하는 일시적 할당 수단과, 상기 일시적 할당수단에 응답하여, 상기 상수간을 모델의 식들을 통해 전파하여 모순이 검출되게 하는 전파수단과, 상기 파라메터에 대한 모든 가능한 값들에 대해 상기 일시적 할당수단과 상기 전파수단을 반복적으로 작동시키는 반복수단과, 상기 반복수단에 응답하여, 상기 파라메터에 대한 하나의 특정 상수값만이 모델의 모순이 없는 예측세트를 초래하는 경우에 상기 상수값을 상기 파라메터에 영구적으로 할당하는 수단을 포함하는 장치.An apparatus for predicting a value for an unknown parameter associated with a qualitative physics model, comprising: temporary assignment means for temporarily allocating a constant value included in a list of possible values for the parameter to the parameter, and in response to the temporary assignment means; Propagation means for propagating the constants through equations of a model so that a contradiction can be detected; repeating means for repeatedly operating the temporary assignment means and the propagation means for all possible values for the parameter; In response, means for permanently assigning the constant value to the parameter if only one particular constant value for the parameter results in a model-free predictive set.
정성물리학 모델의 모순을 판단하는 장치로서, 모델의 파라메터에 대한 모든 가능한 값들의 목록에 포함된 상수값을 상기 파라메터에 일시적으로 할당하는 일시적 할당수단과, 상기 일시적 할당수단에 응답하여, 상기 상수값을 모델의 식들을 통해 전과하여 모순이 검출되게 하는 전파수단과, 상기 파라메터에 대한 모든 가능한 값들에 대해 상기 일시적 할당수단과 상기 전파수단을 반복적으로 작동시키는 반복수단과, 상기 반복수단에 응답하여, 상기 파라메터에 대한 어떠한 상수값도 모델의 모순이 없는 예측세트를 초래하지 않는 경우에, 상기 모델이 모순이 있는 것으로 간주하는 모델 무시수단을 포함하는 장치.An apparatus for determining a contradiction of a qualitative physics model, comprising: temporary assignment means for temporarily allocating a constant value included in a list of all possible values for a parameter of a model to the parameter, and in response to the temporary assignment means, the constant value Propagation means for translating through the equations of the model such that a contradiction is detected, repeating means for repeatedly operating the temporary assignment means and the propagation means for all possible values for the parameter, and in response to the repeating means, And if any constant value for the parameter does not result in a model-free predictive set, the model includes means for ignoring the model to be considered to be inconsistent.
정성물리학 모델의 구성요소를 시험하는 장치로서, 상기 구성요소의 하나 이상의 정성적 상태를 발생하는 수단과, 상기 상태들을 나타내는 정보를 사용자에게 제공하는 제공 수단을 포함하는 장치.12. An apparatus for testing a component of a qualitative physics model, comprising: means for generating one or more qualitative states of the component and providing means for providing a user with information indicative of the states.
제28항에 있어서, 상기 상태들을 상기 구성요소에 대해 할당된 값들의 사전 설정된 세트와 비교하는 수단을 더 포함하는 장치.29. The apparatus of claim 28, further comprising means for comparing the states with a preset set of values assigned for the component.
제29항에 있어서, 상기 발생수단, 제공수단 및 비교수단들은 컴퓨터 워크스테이션에 의해 수행되는 장치.30. The apparatus of claim 29 wherein said generating means, providing means and comparing means are performed by a computer workstation.
※ 참고사항 : 최초출원 내용에 의하여 공개하는 것임.※ Note: The disclosure is based on the initial application.