Case - based reasoning approach to control of industrial processes

• Autorzy: Rojek G. , Kusiak J.

Warianty tytułu

PL

Wnioskowanie oparte na epizodach jako podejście do sterowania przemysłowego

• Języki publikacji: EN

Abstrakty

EN

The main topic of this article is an attempt to the application of the case-based reasoning (CBR) methodology in the domain of control of industrial processes. Fundamental issues concerning CBR are presented as the background for the analysis of the application possibilities. The industrial control system based on the CBR approach process the knowledge concerning past production cases in order to find a case, that is relevant for a control of present production. The found relevant case is being reused in the present problem as a pattern for control of industrial process. The CBR methodology enables also to learn from the solved current problem. Presented in the article analysis of design of the industrial control system with the CBR approach is a basis for implementation of an experimental application.

PL

Głównym tematem niniejszego artykułu jest próba aplikacji wnioskowania opartego na epizodach (ang. Case-based reasoning, CBR) w zakresie produkcji przemysłowej. Prezentowane podstawowe zagadnienia dotyczące CBR stanowią tło dla rozważań dotyczących analizy możliwości aplikacji metodologii. System przemysłowego sterowania bazujący na podejściu CBR powinien przetwarzać wiedzę dotyczącą uprzednio wykonanej produkcji wraz z jej rezultatami w celu wyszukania epizodu we wcześniejszej produkcji, który jest odpowiedni dla sterowania bieżącą produkcją. Wyszukany epizod powinien być powtórnie użyty w bieżącym problemie sterowania, jako szablon sterowania procesem przemysłowym. Metodologia CBR pozwala również na naukę na podstawie bieżących problemów, które są rozwiązywane przez system implementujący tą metodologię. Prezentowane w artykule analizy projektu oraz implementacji systemu sterowania z podejściem CBR stanowią podstawę do implementacji eksperymentalnej aplikacji.

Słowa kluczowe

EN

case-based reasoning; industrial process; process control; artificial neural network

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2012
• Tom: Vol. 12, No. 4
• Strony: 250--258
• Opis fizyczny: Bibliogr. 19 poz., rys.

Twórcy

autor

Rojek G.

• AGH University of Science and Technology, Faculty of Metals Engineering and Industrial Computer Science, Department of Applied Computer Science and Modelling al. A. Mickiewicza 30, 30-059 Kraków

autor

Kusiak J.

• AGH University of Science and Technology, Faculty of Metals Engineering and Industrial Computer Science, Department of Applied Computer Science and Modelling al. A. Mickiewicza 30, 30-059 Kraków

Bibliografia

• Aamodt, A., Plaza, E., 1994, Case-Based Reasoning: Foundational Issues, Methodological Variations and System Approaches, AI Communications, 7, 1, 39-59.
• Althoff, K.-D., Kockskamper, S., Traphôner, R., Wernicke, W., Faupel B., 1989, Knowledge acquisition in the domain of CNC machine centers; the MOLTKE approach, EKAW-89; Third European Workshop on Knowledge-Based Systems, Paris, 180-195.
• Anderson, J.R., 1983, The architecture of cognition. Cambridge: Harvard University Press.
• Bareiss, R., 1988, PROTOS; a unified approach to concept representation, classification and learning, University of Texas at Austin.
• Bergmann, R., 2002, Experience Management - Foundations, Development Methodology, and Internet-Based Applications, Springer-Verlag Berlin, Heidelberg.
• Bergmann, R., Althoff, K. D., Minor, M., Reichle, M., Bach, K., 2009, Case-Based Reasoning, Introduction and Recent Developments, Kunstliche Intelligenz: Special Issue on Case-Based Reasoning, 23, 1,5-11.
• Carbonell, J., 1986, Derivational analogy; A theory of reconstructive problem solving and expertise acquisition. Machine Learning: An Artificial Intelligence Approach, 2, chapter 14, Morgan Kaufman Publishers, 371-392.
• Gentner, D., 1983, Structure mapping - a theoretical framework for analogy, Cognitive Science, 7, 2, 155-170.
• Kolodner, J., 1983, Maintaining organization in a dynamic long-term memory, Cognitive Science, 7, 4, 243-280.
• Koton, P., 1988, Using experience in learning and problem solving. Massachusetts Institute of Technology.
• Plaza, E., López de Mantaras, R., 1990, A case-based apprentice that learns from fuzzy examples, Methodologies for Intelligent System, 5,420-427.
• Rojek, G., Kusiak, J., 2012a, Industrial control system based on data processing, Proceedings of the 11th international conference on Artificial Intelligence and Soft Computing - Volume Part II, Lecture Notes in Computer Science, Lecture Notes in Artificial Intelligence, 7268, Springer-Verlag, 502-510.
• Rojek, G., Kusiak, J., 2012b, System optymalizacji procesu produkcyjnego z zastosowaniem agentowego systemu przetwarzania informacji, Hutnik-Wiadomości Hutnicze, 79, 1,71-74.
• Rojek, G., Sztangret, Ł., Kusiak, J., 2011, Agent-based information processing in a domain of the industrial process optimization, Computer Methods in Materials Science, 11,297-302.
• Ross, B.H., 1989, Some psychological results on case-based reasoning, Proceedings of the DARPA Case-Based Reasoning Workshop, 2, Morgan Kaufmann, San Mateo, Calif, 144-147.
• Simpson, R.L., 1985, A computer model of case-based reasoning in problem solving: An investigation in the domain of dispute mediation (analogy, machine learning, conceptual memory), Georgia Institute of Technology.
• Sycara, K., 1988, Using case-based reasoning for plan adaptation and repair, Proceedings of the 1988 Case-Based Reasoning Workshop, Morgan Kaufmann, 425-434.
• Sztangret, Ł., Rauch, Ł., Kusiak, J., Jarosz, P., Małecki, S., 2011, Modelling of the oxidizing roasting process of sulphide zinc concentrates using the artificial neural networks, Computer Methods in Materials Science, 11, 122-127.
• Wittgenstein, L. 1953, Philosophical investigations, Basil Blackwell, 31-34.