Role of knowledge management in diagnosing and prognosing system's failures

• Autorzy: Obeid N. , Salah I. , Rao R.B.K.N.

Warianty tytułu

PL

Rola zarządzania wiedzą w diagnozowaniu i prognozowaniu uszkodzeń systemu

• Języki publikacji: EN

Abstrakty

EN

In this paper we emphasize the importance of condition monitoring fault diagnosis and prognosis in modern dynamic systems, if they are to remain healthy, competitive and profitable, and to meet the challenges of the future. We argue that there is an urgent need for deep knowledge based reasoning and analytical capability to effectively deal with various ongoing issues related to systems operations, performances enhancement and failures. We put forward that Knowledge Management plays an important role in an integrative approach to enhance the quality, reliability and safety aspects of such systems in today's global environment.

PL

W pracy przedstawiono rolę zarządzania wiedzą na proces diagnozowania i prognozowania uszkodzeń systemu. Autorzy przeanalizowali interakcje pomiędzy wiedzą, działaniem i uszkodzeniem oraz przedstawili koncepcję zarządzania wiedzą ukierunkowaną na jakość, niezawodność i bezpieczeństwo systemu.

Słowa kluczowe

EN

knowledge management; intelligence; knowledge representation; condition monitoring; fault diagnosis; fault prognosis

PL

zarządzanie wiedzą; reprezentacja wiedzy; monitorowanie stanu; diagnozowanie; prognozowanie; uszkodzenie

• Wydawca: Polskie Towarzystwo Diagnostyki Technicznej
• Czasopismo: Diagnostyka
• Rocznik: 2006
• Tom: nr 1(37)
• Strony: 9--16
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Obeid N.

autor

Salah I.

autor

Rao R.B.K.N.

• Department of Computer Information Systems, King Abdullah School for Information Technology, The University of Jordan, JORDAN

Bibliografia

• 1. Brooking, A. (1999). Corporate Memory: Strategies for Knowledge Management. International Thomson Business Press, London.
• 2. Console, L., Dupré, D. and Torasso, P. (1989). A Theory of Diagnosis for Incomplete Causal Models, Proc. Eleventh International Joint Conf. on Artificial Intelligence, Detroit, 1311–1317.
• 3. Console, L., Portinale, L., Dupré, D.T. and Torasso, P. (1992). Combining Heuristic Reasoning with Causal Reasoning in Diagnostic Problem Solving. Second Generation Expert Systems, Springer-Verlag, Berlin, 46-68.
• 4. Davenport, T.H. and Prusak, L., (1998), Working knowledge: how organizations manage what they know, Harvard Business School Press, Boston, Mass.
• 5. Davidson M., (1996), The Transformation of Management, Butterworth-Heinemann.
• 6. Davis R., Shrobe H. and Szolovits P., (1993). What is a Knowledge Representation? AI Magazine, Vol. 14, No. 1, 17-33.
• 7. Davis, R., Buchanan, B. and Shortliffe, E., (1977). Production Rules as a Representation for a Knowledge-Based Consultation Program, Artificial Intelligence 8, 15–45.
• 8. Harrington J., (1979), Computer Integrated Manufacturing, Malabar, Florida.
• 9. Obeid, N. and Rao, B.K.N., (2005), Temporal Aspects in Condition Monitoring & Root Cause Failure Diagnosis of Modern Complex Systems. International Journal of COMADEM. Volume 8, Issue 4, 10 – 23.
• 10. O’Leary, D.E. (1998). Enterprise Knowledge Management. Computer, Vol. 31, 54– 61.