Wieloaspektowe modele diagnostyczne

• Autorzy: Cholewa W.

Warianty tytułu

EN

Multi-aspect diagnostic models

• Języki publikacji: PL

Abstrakty

PL

Wiedza dotycząca eksploatacji obiektów pochodzi z różnych dziedzin. Celem pracy jest wskazanie możliwości gromadzenia tej różnorodnej wiedzy we wspólnej, sformalizowanej postaci. Opracowanie dotyczy systemów wspomagających wnioskowanie o stanie obiektu oraz o ryzyku związanym z jego eksploatacją. Omówiono istotę systemów doradczych oraz możliwość ich budowania ze stwierdzeń zestawianych w postaci sieci przekonań. Szczególną uwagę zwrócono na systemy bazujące na modelu obiektu. Pokazano możliwość znacznego rozszerzenia stosowanych aktualnie klas modeli. Omówiono ogólną koncepcję systemów stosujących modele wieloaspektowe. Stwierdzono, że systemy te będące aktualnie przedmiotem intensywnych badań, staną się dogodnym narzędziem do reprezentowania i stosowania wiedzy eksploatacyjnej i diagnostycznej, pochodzącej z różnych źródeł.

EN

The task of building diagnostic systems for complex objects, consisting of numerous cooperating units, which are maintained in varying conditions, is difficult. A particularly complicated part of this task is to adopt a proper, general form of knowledge representation. Knowledge concerning the maintenance of technical objects derives from several domains. The goal of the paper is to point out possibilities of gathering the diverse knowledge in the shared formalized form. The paper discusses the essence of the systems designated for recognition of a state of the object and for evaluation of the risk related to its maintenance. It presents shortly the conception of expert systems. A particular feature of such systems is the possibility of explanation of formulated conclusions. To generalize different approaches to expert systems, one can notice that their operation mostly consist in the transformation of values of statements. The paper explains the possibility to design a knowledge base for expert systems by means of statements collected in the form of Bayesian networks. Particular attention was paid to the systems basing on models of considered objects. Possibilities of significant extending of presently applied classes of input-output models, with an application of UML schemata, were shown. A general guiding idea of hybrid multi-aspect systems, which exemplify a tool for representing, aggregating and applying diverse knowledge derived from different sources, was introduced. In order to build a diagnostic system basing on UML models one should determine a way how to estimate a degree of their compatibility with considered object and its operation. Results of such comparison may be recorded in the form of statements which are gathered up into belief network. The network determines conclusions and makes their explanation available to the user.

Słowa kluczowe

PL

diagnostyka techniczna; model diagnostyczny; model wieloaspektowy

EN

technical diagnostic; diagnostic model; multi-aspect model

• Wydawca: Wydawnictwo Naukowe Instytutu Technologii Eksploatacji - Państwowego Instytutu Badawczego
• Czasopismo: Problemy Eksploatacji
• Rocznik: 2005
• Tom: nr 3
• Strony: 35--43
• Opis fizyczny: Bibliogr. 21 poz.

Twórcy

autor

Cholewa W.

• Politechnika Śląska, Gliwice

Bibliografia

• 1. Booch G., Rumbaugh J., Jacobson I.: UML przewodnik użytkownika. WNT, Warszawa 2002.
• 2. Bubnicki Z.: Wstęp do systemów ekspertowych. PWN, Warszawa 1990.
• 3. Cempel Cz.: Diagnostyka wibroakustyczna maszyn. PWN, Warszawa 1989.
• 4. Cholewa W.: Systemy doradcze w diagnostyce technicznej. W: [11], rozdz. 15.
• 5. Cholewa W.: Diagnostyczne modele obiektów. W: [17], rozdz. 2.
• 6. Cholewa W.: Belief Networks and Diagnostic Modelling. International Journal of COMADEM 8(2): 30-35, 2005.
• 7. Cholewa W., Czogała E.: Podstawy systemów ekspertowych. Prace Instytutu Biocybernetyki i Inżynierii Biomedycznej PAN nr 28. Warszawa 1989.
• 8. Cholewa W., Pedrycz W.: Systemy doradcze. Wydawnictwo Politechniki Śląskiej, Gliwice 1987.
• 9. Cholewa W., White M. F.: Inverse Modeling in Rotordynamics for Identification of Unbalance Distribution. Machine Vibration, 2:157-167, 1993.
• 10. Cowell R. G., Dawid A. P., Lauritzen S. L., Spiegelhalter D.J.: Probabilistic Networks and Expert Systems. Springer, New York 1999.
• 11. Diagnostyka procesów. Modele, metody sztucznej inteligencji, zastosowania. Korbicz J., Kościelny J. M., Kowalczuk Z., Cholewa W. (red.). WNT, Warszawa 2002.
• 12. Diagnostyka techniczna. Metody odwracania nieliniowych modeli obiektów. Cholewa W., Kiciński J. (red.). Zeszyt KPKM nr 120, Pol. Śląska, Gliwice 2001.
• 13. Diagnostyka techniczna. Odwrotne modele diagnostyczne. Cholewa W., Kiciński J. (red.). Wyd. Pol. Śląskiej, Gliwice 1997.
• 14. Jensen V. J.: Bayesian Networks and Decision Graphs. Springer, New York 2002.
• 15. Moczulski W.: Methodology of Knowledge Acquisition for Machinery Diagnostics. Computer Assisted Mechanics and Engineering Sciences. 6(2):164-175, 1999.
• 16. Moczulski W.: Diagnostyka techniczna. Metody pozyskiwania wiedzy. Monografie. Wyd. Pol. Śląskiej, 2002.
• 17. Modelowanie i diagnostyka oddziaływań mechanicznych, aerodynamicznych i magnetycznych w turbozespołach energetycznych. Kiciński J. (red.). Wyd. Instytutu Maszyn Przepływowych PAN, Gdańsk 2005.
• 18. Mulawka J.J.: Systemy ekspertowe. WNT, Warszawa 1996.
• 19. Natke H.G., Cempel C.: Model-Aided Diagnosis of Mechanical Systems. Springer Verlag, Berlin 1997.
• 20. Pearl J.: Fusion, propagation and structuring in belief networks. Artificial Intelligence, 1986, Vol. 29, No. 2, ss. 241-288.
• 21. Unified Modeling Language Resource Page. http://www.uml.org/