Rozwój metodologii pozyskiwania wiedzy w projektowaniu i eksploatacji maszyn

• Autorzy: Cholewa, W. , Moczulski, W. , Ciupke, K.

Warianty tytułu

EN

Development of methodology of knowledge acquisition in machinery design and exploitation domains

• Języki publikacji: PL

Abstrakty

PL

Pozyskiwanie wiedzy stało się obecnie bardzo ważnym zagadnieniem, zarówno w dziedzinie projektowania jak i eksploatacji maszyn. Od wielu lat w Katedrze Podstaw Konstrukcji Maszyn Politechniki Śląskiej prowadzone są badania w tym zakresie, które zaowocowały opracowaniem metodologii pozyskiwania wiedzy w projektowaniu i eksploatacji maszyn. Wiedza pozyskiwana może być zarówno od specjalistów, ale także z baz danych. W przypadku pozyskiwania wiedzy z baz danych prowadzone są prace w zakresie uczenia maszynowego jak również automatycznego odkrywania zależności w bazach danych - tzw. odkrywania wiedzy. Aby proces pozyskiwania był bardziej efektywny, a pozyskana wiedza była uogólniona, dane zgromadzone w bazach danych przetwarza się wstępnie, redukując ilość informacji, którą niosą dane, a także dokonując selekcji tej informacji. Pozyskana wiedza może zostać zastosowana w bazach wiedzy systemów doradczych, nad rozwojem których również prowadzone są prace. Jednym z osiągnięć jest także opracowanie metodologii diagnozowania złożonych obiektów technicznych z zastosowaniem tzw. odwrotnych modeli diagnostycznych. W referacie przedstawiono najważniejsze osiągnięcia Katedry Podstaw Konstrukcji Maszyn w ramach omawianych zagadnień.

EN

Knowledge acquisition becomes an important problem in both machinery design and exploitation domains. In the Department of Fundamentals of Machinery Design, Silesian University of Technology, from many years there has been conducted research concerning the problem. As a result of the research a methodology of knowledge acquisition in the design and exploitation of machinery was developed. Knowledge could be acquired from two sources: experts and databases. In the case of knowledge acquisition from databases, there are conducted researches concerning machine learning methods and also the so-called knowledge discovery - discovery of dependencies in databases. To make the knowledge acquisition process more effective, and to make the knowledge more general, the collected data are preprocessed. The preprocessing consist of two main stages: a reduction of information and its selection. The acquired knowledge could then be used in a knowledge base of an expert system. One of the achievements is also the development of a methodology of diagnosis of complex technical object using inverse diagnostic models. In the paper there are presented the most important achievements of the Department of Fundamentals of Machinery Design within a framework of above mentioned problems.

Słowa kluczowe

PL

pozyskiwanie wiedzy; uczenie maszynowe; odkrywanie wiedzy; systemy doradcze

EN

knowledge acquisition; knowledge discovery; advisory systems

• Czasopismo: Inżynieria Maszyn
• Rocznik: 2005
• Tom: R. 10, z. 1/2
• Strony: 97-106
• Opis fizyczny: Bibliogr. 68 poz.

Twórcy

autor

Cholewa, W.

• Katedra Podstaw Konstrukcji Maszyn, Wydział Mechaniczny Technologiczny, Politechnika Śląska, 44-100, Konarskiego 18A, Polska

autor

Moczulski, W.

• Katedra Podstaw Konstrukcji Maszyn, Wydział Mechaniczny Technologiczny, Politechnika Śląska, 44-100, Konarskiego 18A, Polska

autor

Ciupke, K.

• Katedra Podstaw Konstrukcji Maszyn, Wydział Mechaniczny Technologiczny, Politechnika Śląska, 44-100, Konarskiego 18A, Polska

Bibliografia

• [1] BEDNARSKI M., Example of learning Bayesian networks from simulation data. Computer Assisted Mechanics and Engineering Sciences. Special Issue No. 2/2005.
• [2] BEDNARSKI M., Example of diagnostic model identification with the use of learning Bayesian networks. Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2004, Gliwice, 2004.
• [3] BEDNARSKI M., CHOLEWA W., FRID W.: The sensitivity analysis of Bayesian Networks. Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2003, Gliwice, 2003.
• [4] BEDNARSKI M., CHOLEWA W., FRID W.: Identification of sensitivities in Bayesian networks. Engineering Applications of Artificial Intelligence 17 (2004) ss. 327-335.
• [5] CHOLEWA A., Reprezentacja sekwencji zdarzeń dla potrzeb wnioskowania w diagnostyce technicznej. Praca doktorska. Katedra Podstaw Konstrukcji Maszyn, Politechnika Śląska, Gliwice 2004.
• [6] CHOLEWA W., Real time diagnostic expert system. CAMES vol. 9, No 1/2002, p. 21-40.
• [7] CHOLEWA W., Metody odwracania modeli numerycznych. Seminarium Sekcji Metod Komputerowych Mechaniki, Instytut Informatyki Uniwersytetu Jagiellońskiego, 13.06.2002.
• [8] CHOLEWA W., Systemy doradcze w diagnostyce technicznej, w: "Diagnostyka procesów. Modele, Metody sztucznej inteligencji. Zastosowania", Część II Metody sztucznej inteligencji, WNT Warszawa 2002, Rozdz. 15, s. 543-580, ISBN 83-204-2734-7.
• [9] CHOLEWA W., Wnioskowanie przybliżone w dynamicznych systemach doradczych. W: "Zbiory rozmyte i ich zastosowanie" red. J.Chojcan, J. Łęski. Wydaw. Politechniki Śląskiej, Gliwice, 2001.
• [10] CHOLEWA W., Bazy danych dla diagnostyki technicznej. Międzynarodowy Kongres Diagnostyki Technicznej, Warszawa 19-22.09.2000.
• [11] CHOLEWA W., Inverse modelling for technical diagnostics. TU Braunschweig, Workshop SFB477, 20.07.1999.
• [12] CHOLEWA W., Data Warehouse for Technical Diagnostics. W: 9th IMEKO TC-10 Conference on: Integration in Technical Diagnostics. Wrocław 22-24.09.1999.
• [13] CHOLEWA W., Real-Time Expert Systems for Technical Diagnostics. W: 3rd International Conference, Acoustical and Vibratory Surveillance Methods and Diagnostic Techniques, Senlis, 13-15.10.1998 s. 739-748.
• [14] CHOLEWA W., Proces wnioskowania w systemie diagnostycznym DT200. W: III Krajowa Konferencja nauk. - tech. "Diagnostyka procesów przemysłowych". Jurata 1998, s. 157 - 162.
• [15] CHOLEWA W., Tablice ogłoszeń w diagnostycznych systemach doradczych. W: "Pomiary, akustyka, kontrola". 1998, nr 4, s, 123- 128.
• [16] CHOLEWA W., Diagnostyka symulacyjna. "Problemy eksploatacji" 1997, nr 4, s. 13 - 23.
• [17] CHOLEWA W., Real-Time Expert Systems for Technical Diagnostics. W: 15th IMACS World Congress on Scientific Computation, Modelling and Applied Mathematics. Proceedings. Berlin 1997.
• [18] CHOLEWA W., System DT200 diagnostyki turbozespołów energetycznych. W: Krajowa Konferencja "Problemy badawcze energetyki cieplnej". Warszawa 1997.
• [19] CHOLEWA W., KICIŃSKI J.: (red). Diagnostyka techniczna: odwrotne modele diagnostyczne. Gliwice: Wyd. Pol. Śl. 1997.
• [20] CHOLEWA W., Elementy systemów doradczych wspomagających badania diagnostyczne maszyn. W: Sztuczna inteligencja w diagnostyce i nadzorowaniu (red.: J. Jędrzejewski, B. Rajfur). Wrocław: Oficyna Wydawnicza Politechniki Wrocławskiej 1995, str. 13 - 80.
• [21] CHOLEWA W., Selected Problems of Expert Systems for Technical Diagnostics. W: 3 Forum Akustische Qualitatssicherung. Vortage. Heidelberg 1995, p. 5.1 - 5.19.
• [22] CHOLEWA W., Uncertain Decision Tables as a Tool for the Acquisition of Knowledge. W: Second International Workshop on Learning in Intelligent Manufacturing Systems. Budapest 1995, p. 628 - 654.
• [23] CHOLEWA W., Unilateral Diagnostic Models. W: Acoustical and Vibratory Surveillance Methods and Diagnostic Techniques. Vol. 2/2. Paris 1995, p. 805 - 815.
• [24] CHOLEWA W., Implementation of Simulation Procedures in Diagnostics Expert Systems. W: Proceedings of the XIII IMEKO World Congress, Torino, Italy. Vol. 3. Torino: IMEKO, 1994, p. 2444 - 2449.
• [25] CHOLEWA W., Decision Tables and Frames in Diagnostic Expert Systems. W: 8th International IMEKO Symposium on Technical Diagnostics. Dresden 1992, p. 218 - 227.
• [26] CHOLEWA W., KAŻMIERCZAK J.: Data Processing & Reasoning in Technical Diagnostics. Warszawa: WNT, 1995.
• [27] CHOLEWA W., KAŹMIERCZAK J.: Diagnostyka techniczna maszyn. Przetwarzanie cech sygnałów. Wyd. 2. Gliwice: Wyd. Politechniki Śląskiej, 1995.
• [28] CHOLEWA W., MOCZULSKI W.: Structure of Diagnosed Objects as a Context for Rules in Expert System*. W: Technical Diagnostics. Part 2. Prague 1989, s. 407 - 411.
• [29] CHOLEWA W., PEDRYCZ W.: Systemy doradcze. Gliwice: Politechnika Śląska, 1987. Skrypt uczelniany nr 1447.
• [30] CHOLEWA W., KICIŃSKI J. Diagnostyka techniczna. Metody odwracania nieliniowych modeli obiektów. Katedra Podstaw Konstrukcji Maszyn Pol. Śląskiej, Zeszyt 120, Gliwice 2001.
• [31] CHOLEWA W., KOŚCIELNY J. M.: WPROWADZENIE, w: "Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania", Część I Metodologia, WNT Warszawa 2002, Rozdz. 1, s. 3-27, ISBN 83-204-2734-7.
• [32] CHOLEWA W., MOCZULSKI W.: Technical diagnostics with hidden models. Proceedings of the 8th IEEE International Conference on Methods and Models in Automation and Robotics, University of Technology at Szczecin, 2-5.09.2002.Vol. I, pp. 231-236.
• [33] CHOLEWA W., SKARKA W.: Designing Technical Manuals for Machinery. Zeszyt Wydziału Mechanicznego Technologicznego Politechniki Śląskiej, Gliwice 2000.
• [34] CHRZANOWSKI P., Metody jakościowej oceny cech sygnałów diagnostycznych. Katedra Podstaw Konstrukcji Maszyn, Zeszyt 117, Gliwice 2001.
• [35] CIUPKE K., Metody selekcji i redukcji informacji w diagnostyce maszyn. Katedra Podstaw Konstrukcji Maszyn, Zeszyt 118, Gliwice 2001.
• [36] KLIMEK A., Generation and improvement of inverse diagnostic models. W: 9th IMEKO TC-10 Conference on: Integration in Technical Diagnostics. Wroclaw 22-24.09.1999.
• [37] KLIMEK A., Metody doskonalenia odwrotnych modeli diagnostycznych. Monografia, Zeszyty Naukowe Politechniki Śląskiej nr 134.
• [38] KOSTKA P., Metody klasyfikacji postaci kinetostatycznych linii wałów maszyn wirnikowych. Praca doktorska, Katedra Podstaw Konstrukcji Maszyn, Politechnika Śląska, Gliwice 2001.
• [39] MANIAK P., Badanie przydatności metod identyfikacyjnych do pozyskiwania wiedzy projektowej. Politechnika Śląska, Katedra Podstaw Konstrukcji Maszyn, Zeszyt 116, Gliwice 2000.
• [40] MOCZULSKI W., Methodology of heuristic modeling of objects and processes for their diagnostics and control (in Polish), Diagnostyka Procesów Przemysłowych, Władysławowo 2003, s. 195-200.
• [41] MOCZULSKI W., Problems of declarative and procedural knowledge acquisition for machinery diagnostics. CAMES vol. 9, No 1/2002, p. 71-86.
• [42] MOCZULSKI W., Diagnostyka Techniczna. Metody pozyskiwania wiedzy. Wydawnictwo Politechniki Śląskiej, Gliwice 2002.
• [43] MOCZULSKI W., Methodology of declarative and procedural knowledge acquisition for machinery diagnostics. 16th AeroSense Meeting on Aerospace/Defense Sensing, Simulation and Control, Orlando, 01-05.04.2002.
• [44] MOCZULSKI W., Metody pozyskiwania wiedzy diagnostycznej, w: "Diagnostyka procesów. Modele. Metody sztucznej inteligencji. Zastosowania", Część II Metody sztucznej inteligencji, WNT Warszawa 2002, Rozdz. 17, s. 623-664, ISBN 83-204-2734-7.
• [45] MOCZULSKI W., Acquisition of knowledge for aiding diagnostic examinations of machinery. 4th International Conference "Acoustical and Vibratory Surveillance Methods and Diagnostic Techniques" University of Technology, Compiegne 16-18.10.2001, Proceedings p. 393-404.
• [46] MOCZULSKI W., Kostka P.: Discovery of Knowledge from Diagnostic Databases. 16th AeroSense Meeting on Aerospace/Defense Sensing, Simulation and Control, Orlando, 01-05.04.2002.
• [47] MOCZULSKI W., Automated Search for Diagnostic Knowledge on Rotating Machinery, [w:] J. Żytkow, W. Klosgen (eds.) Handbook of Data Mining and Knowledge Discovery, Oxford University Press 2000.
• [48] MOCZULSKI W., Methodology of Knowledge Acquisition for Machinery Diagnostics. Computer Assicted Mechanics and Engineering Sciences 2, vol. 6, pp. 163-175, 1999.
• [49] MOCZULSKI W., Methodology of Knowledge Acquisition for Machinery Diagnostics Needs. Zeszyt Wydziału Mechanicznego Technologicznego Politechniki Śląskiej, Gliwice 2000.
• [50] MOCZULSKI W., Acquisition of Diagnostic Knowledge from Examples Corresponding to Complex Technical States. SAFEPROCESS'2000, 4th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes, Budapest, 14-16, 06.2000.
• [51] MOCZULSKI W., Inductive Acquisition of Diagnostic Knowledge for States Tree of Complex Structure. W: Mechanical Systems and Signal Processing 2000.
• [52] MOCZULSKI W., Acquisition of diagnostic knowledge from databases of examples. W: 9th IMEKO TC-10 Conference on: Integration in Technical Diagnostics. Wrocław 22-24.09.1999.
• [53] MOCZULSKI W., Inductive Learning in Design: A Method and Case Study Concerning Design of Antifriction Bearing Systems. Machine Learning and Data Mining, Methods and Applications. Chichester: John Wiley & Sons LTD, 1998, s. 203-219.
• [54] MOCZULSKI W., Methods of Diagnostic Knowledge Acquisition Concerning Industrial Turbine Sets. W: 3rd International Conference, Acoustical and Vibratory Surveillance Methods and Diagnostic Techniques, Senlts, 13-15.10.1998 s. 145-154.
• [55] MOCZULSKI W., SZULIM R.: On Case-based Control of Dynamic Industrial Processes with the use of fuzzy representation. Engineering Applications of Artificial Intelligence, Special Issue on Methods of Knowledge Representation, EAAI 17(2004), s.371-381.
• [56] MOCZULSKI W., WYCZÓŁKOWSKI R.: Neural models in diagnostics of some specific industrial processes. Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2003, Short papers, pp. 91-92.
• [57] MOCZULSKI W., ŻYTKOW J. M.: Discovery of diagnostic knowledge from multi-sensor data. 15th SPIE AeroSense Meeting on Aerospace/Defense Sensing, Simulation and Control, Orlando, 16-17.04.2001.
• [58] PRZYSTALKA P., Zastosowanie modeli neuronowych w diagnostyce procesów dynamicznych. Praca dyplomowa magisterska. Katedra Podstaw Konstrukcji Maszyn, Politechnika Śląska, Gliwice 2004.
• [59] PRZYSTALKA P., MOCZULSKI W.: Application of Neural Networks for Diagnostics of Dynamic Processes. Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2004, Short Papers, Gliwice 2004, ss. 111-112.
• [60] PSIUK K., Obiektowe modele procesu propagacji stanów w układach maszyn. Katedra Podstaw Konstrukcji Maszyn Pol. Śląskiej, Zeszyt 119, Gliwice 2001.
• [61] SKARKA W., Collecting and sharing designer's knowledge in collaborative environment. Proceeding of 10th ISPE International Conference on Concurrent Engineering: Research and Applications. Advanced Design, Production and Management Systems. Ss. 265-273. A.A. Balkema Publishers Lisse, Madeira, 2003.
• [62] SKARKA W., Integration of product lifecycle knowledge in CAD. e-Work and e-Business in Architecture, Engineering and Construction. European Conference of Product and Process Modeling 2002 ECPPM. Portoż, 2002.
• [63] SKARKA W., Capturing knowledge through web services based on scenarios during product development. Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2004, Gliwice, 2004.
• [64] SKARKA W., Wspomaganie procesu tworzenia dokumentacji techniczno-ruchowej dla wybranej grupy maszyn. Zeszyty Naukowe Politechniki Śląskiej, seria Mechanika, nr 129, Gliwice, 1997.
• [65] SZULIM R., MOCZULSKI W., Al-based control of dynamic processes using knowledge discovered in industrial databases. Symposium on Methods of Artificial Intelligence, Gliwice 13 - 15.11.2002, pp. 417-420.
• [66] WACHLA D., The general concept of a method for discovering the quantitative dynamics. Proceedings of the Symposium on Methods of Artificial Intelligence AI-METH 2004, Short Papers, s. 157-158.
• [67] WYLEŻOŁ M., Pozyskiwanie sekwencji charakterystycznych od specjalistów w dziedzinie eksploatacji maszyn. VIII Konferencja "Pozyskiwanie wiedzy z baz danych", Karpacz 2002, s. 225 - 232.
• [68] WYLEŻOL M„ Metody pozyskiwania procedur i relacji diagnostycznych od specjalistów w dziedzinie eksploatacji maszyn. Katedra Podstaw Konstrukcji Maszyn Pol. Śląskiej, Zeszyt 115, Gliwice 2000.