JPH01102601A - ルール生成方式 - Google Patents
ルール生成方式Info
- Publication number
- JPH01102601A JPH01102601A JP62260408A JP26040887A JPH01102601A JP H01102601 A JPH01102601 A JP H01102601A JP 62260408 A JP62260408 A JP 62260408A JP 26040887 A JP26040887 A JP 26040887A JP H01102601 A JPH01102601 A JP H01102601A
- Authority
- JP
- Japan
- Prior art keywords
- rule
- data
- category
- operating
- result data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
この発明はプラントシステムにおけるルール生成方式、
特番こ生産最適化ための制御用エキスパートシステムと
してのルールを生成する方法に関する。
特番こ生産最適化ための制御用エキスパートシステムと
してのルールを生成する方法に関する。
生産ラインにおける生産性向上や安全性向上について、
専門家の経験に基づいて最適なルール作りが行なわれる
ようになっている。ここで従来の制御用エキスパートの
ルール作成の方法に関して。
専門家の経験に基づいて最適なルール作りが行なわれる
ようになっている。ここで従来の制御用エキスパートの
ルール作成の方法に関して。
第１図に沿って説明する。ステップ１３１は経験に富む
エキスパートのオペレータに対するＫＥ（ナレッジエン
ジニア）のインタビュー、ステップ１３２はインタビュ
ーからのルール作成、ステップ１３３はこ６ルールのオ
ペレータによるチエツク、ステップ１３４はこのルール
の生産ライン（プラントシステム等）上でのチエツクで
ある。
エキスパートのオペレータに対するＫＥ（ナレッジエン
ジニア）のインタビュー、ステップ１３２はインタビュ
ーからのルール作成、ステップ１３３はこ６ルールのオ
ペレータによるチエツク、ステップ１３４はこのルール
の生産ライン（プラントシステム等）上でのチエツクで
ある。
次に手順について説明−する。ＫＥはオペレータへのイ
ンタビューステップ１３１により得た（知識）ノウハウ
に基づいてステップ１３２のルール作成を行なう。その
ルールについて、該オペレータによるそのルールのチエ
ツク、ステップ１３３を行ない、不可ならばステップ１
３２に戻りルール作成をやりなおす。良ければステップ
＋３４の生産ライン上でのチエツクを行ない、この場合
も不可ならばステップ１３２に戻りルール作成をやりな
おす。良ければ作業は終了となる。
ンタビューステップ１３１により得た（知識）ノウハウ
に基づいてステップ１３２のルール作成を行なう。その
ルールについて、該オペレータによるそのルールのチエ
ツク、ステップ１３３を行ない、不可ならばステップ１
３２に戻りルール作成をやりなおす。良ければステップ
＋３４の生産ライン上でのチエツクを行ない、この場合
も不可ならばステップ１３２に戻りルール作成をやりな
おす。良ければ作業は終了となる。
従来のルール抽出作業は１以上のように行なわれている
ので、長い期間専門家であるエキスパートのオペレータ
へのインタビューを行ない、エキスパートがもつ経験的
知識のあいまいな（客観化されていない）ノウハウを具
体化する必要があるので、ルール生成には聞き取りを行
うＫＥの個人的能力に大きく左右される。このため、ル
ールの客観性が得られ難いという問題点があった。
ので、長い期間専門家であるエキスパートのオペレータ
へのインタビューを行ない、エキスパートがもつ経験的
知識のあいまいな（客観化されていない）ノウハウを具
体化する必要があるので、ルール生成には聞き取りを行
うＫＥの個人的能力に大きく左右される。このため、ル
ールの客観性が得られ難いという問題点があった。
この発明は、上記のような問題を解消するためになされ
たもので、ＫＥに頼らず生産ライン等の制御用エキスパ
ートシステムのルールを半自動的に容体化して短時間に
作成する方法を得ることを目的としている。
たもので、ＫＥに頼らず生産ライン等の制御用エキスパ
ートシステムのルールを半自動的に容体化して短時間に
作成する方法を得ることを目的としている。
この発明においては、複数の操作手順を逐次実行して稼
働されるプラントシステムにおいて０個々の操作手順の
実行に対応して得られる単位結果データを収集しくステ
ップ１１）、これら単位結果データを各種カテゴリーに
分割しくステップ１２）、かつ人的要因を含まない操業
条件を係数化する数量化理論Ｉ類により分割した単位結
果データを解析しくステップ１３）、この解析結果を理
論上及びプラントライン上で検討して（ステップ１４．
１６）、該プラントシステムにおける最適操業手順のル
ールを決定する（ステップ１５）。
働されるプラントシステムにおいて０個々の操作手順の
実行に対応して得られる単位結果データを収集しくステ
ップ１１）、これら単位結果データを各種カテゴリーに
分割しくステップ１２）、かつ人的要因を含まない操業
条件を係数化する数量化理論Ｉ類により分割した単位結
果データを解析しくステップ１３）、この解析結果を理
論上及びプラントライン上で検討して（ステップ１４．
１６）、該プラントシステムにおける最適操業手順のル
ールを決定する（ステップ１５）。
プラントシステムを熟練オペレータによる規範となる操
作手順によって操業し、その場合に各操業手順毎に単位
結果データを採取して、この単位結果データを解析し、
その結果を総合判断し、該プラントシステムについて客
観性のある制御ルールを抽出する。そしてこの制御ルー
ルを実際のプラントライン上で実行して最適なルールを
生成する。
作手順によって操業し、その場合に各操業手順毎に単位
結果データを採取して、この単位結果データを解析し、
その結果を総合判断し、該プラントシステムについて客
観性のある制御ルールを抽出する。そしてこの制御ルー
ルを実際のプラントライン上で実行して最適なルールを
生成する。
以下、この発明の一実施例を第１図〜第６図に従って説
明する。
明する。
第１図において、ステップ１１は操業データ中よりサン
プルを収集する操作、ステップ１２は各アイテムに対す
るい（つかのカテゴリーの作成。
プルを収集する操作、ステップ１２は各アイテムに対す
るい（つかのカテゴリーの作成。
ステップ１３は人的要因を含まない操業条件を係数化す
る数量化理論！類による解析、ステップ１４は解析結果
のチエツク、ステップ１５は解析結果からのルール作成
、ステップ１６は実際のライン上でのルールのチエツク
である。
る数量化理論！類による解析、ステップ１４は解析結果
のチエツク、ステップ１５は解析結果からのルール作成
、ステップ１６は実際のライン上でのルールのチエツク
である。
第２図はステップ１３の数量化理論Ｉ類による解析の詳
細を示し、２１はもとの操業データ、ステップ２２はデ
ータ加工、２３は加工されたデータ、ステップ２４は加
工されたデータ２３に対する客観的に変化する操業条件
による解析、２５゜２６は夫々解析結果である。
細を示し、２１はもとの操業データ、ステップ２２はデ
ータ加工、２３は加工されたデータ、ステップ２４は加
工されたデータ２３に対する客観的に変化する操業条件
による解析、２５゜２６は夫々解析結果である。
次に手順について説明する。まず操業ラインを各操作手
順毎に動作させてサンプル収集が可能な状態とする。ス
テップ１１で、操業データ中より単位結果サンプルを収
集する。ステップ１２のカテゴリー分割で、各アイテム
に対し境界値を設定しい（つかのカテゴリー１〜ｎを作
成する。次にステップ１３の数量化理論Ｉ類による解析
を行う。
順毎に動作させてサンプル収集が可能な状態とする。ス
テップ１１で、操業データ中より単位結果サンプルを収
集する。ステップ１２のカテゴリー分割で、各アイテム
に対し境界値を設定しい（つかのカテゴリー１〜ｎを作
成する。次にステップ１３の数量化理論Ｉ類による解析
を行う。
この詳細を第２図に基づいて説明する。
もとのデータであるサンプルデータ２１に対しデータ加
工、ステップ２２を行なう。これはサンプルデータ２１
の各アイテム１〜ｎのｆ直がカテゴリーＸに含まれる時
、アイテム１のＸ番めの項を１とし、他を０とし、加工
されたデータ２３を作る。ここで外的基準は加工しない
。加工されたデータ２３をステップ２４で数量化理論１
類で解析し、解析結果２５．２６を得る。一方の解析結
果２５は外的基準とその推定値、そしてその差を示すも
のである。また他方の解析結果２６は、Ｙ切と各アイテ
ム１〜ｎの各カテゴリー１〜ｎのカテゴリースコアの算
出値である。その後、第１図のフローチャートに戻り、
ステップ１４の解析結果の検討を行なう。解析結果２５
のそれぞれのサンプルについての外的基準と推定値との
差が目標とする誤差よりも大きい時はステップ１２に戻
りカテゴリー分割をやり直す。小さければステップ１５
に進みルール作成を行なう。ここでルール作成は以下に
示すＩＦ・・・ＴＨＥＮ型ルールで行う。
工、ステップ２２を行なう。これはサンプルデータ２１
の各アイテム１〜ｎのｆ直がカテゴリーＸに含まれる時
、アイテム１のＸ番めの項を１とし、他を０とし、加工
されたデータ２３を作る。ここで外的基準は加工しない
。加工されたデータ２３をステップ２４で数量化理論１
類で解析し、解析結果２５．２６を得る。一方の解析結
果２５は外的基準とその推定値、そしてその差を示すも
のである。また他方の解析結果２６は、Ｙ切と各アイテ
ム１〜ｎの各カテゴリー１〜ｎのカテゴリースコアの算
出値である。その後、第１図のフローチャートに戻り、
ステップ１４の解析結果の検討を行なう。解析結果２５
のそれぞれのサンプルについての外的基準と推定値との
差が目標とする誤差よりも大きい時はステップ１２に戻
りカテゴリー分割をやり直す。小さければステップ１５
に進みルール作成を行なう。ここでルール作成は以下に
示すＩＦ・・・ＴＨＥＮ型ルールで行う。
即ち。
「もし。
アイテム１がカテゴリーＸ１であり。
アイテム２がカテゴリーＸ２であり。
アイテムＮがカテゴリーＸＮである
ならば
（出力）＝（Ｙ切片）
＋（アイテム１のカテゴリーＸ１の
カテゴリースコア）
＋（アイテム２のカテゴリーＸ２の
カテゴリースコア）
＋（アイテムＮのカテゴリーＸＮの
カテゴリースコア）
とせよ。」となる。
その後ステップ１６に進み、生産ライン上でのチエツク
を行ない、ルールのテストをする。結果が悪ければ再び
ステップ１２に戻りカテゴリー分割をやり直す。良けれ
ば作業は終了となる。
を行ない、ルールのテストをする。結果が悪ければ再び
ステップ１２に戻りカテゴリー分割をやり直す。良けれ
ば作業は終了となる。
実際のテストデータ（操業データ）を使ったルール生成
例を第３図〜第６図に示す。第３図はテストデータ、第
４図はカテゴリー分割をしたもの。
例を第３図〜第６図に示す。第３図はテストデータ、第
４図はカテゴリー分割をしたもの。
第５図はカテゴリースコア、第６図は実測値と推定値で
ある。また第３〜６図の実行例から導かれるルールは以
下のものである。即ち。
ある。また第３〜６図の実行例から導かれるルールは以
下のものである。即ち。
ｊ ＩＦ：ＩＴ′ＥＭａがＣａｔｅｇｏｒｙ −１かつ
ｌＴＥＭｂがＣａｔｅｇｏｒｙ−１かッＩＴＥＭｃがＣ
ａｔｅｇｏｒｙ−１→出力を＋０．１３にせよ。
ｌＴＥＭｂがＣａｔｅｇｏｒｙ−１かッＩＴＥＭｃがＣ
ａｔｅｇｏｒｙ−１→出力を＋０．１３にせよ。
ＩＦ：ＩＴＥＭａがＣａｔｅｇｏｒｙ−１かつＩＴＥＭ
ｂがＣａｔｅｇｏｒｙ−１かっＩＴＥＭｃがＣａｔｅｇ
ｏｒｙ −２→出力を十〇、 １１（０，１３−０，０
２）にせよ。
ｂがＣａｔｅｇｏｒｙ−１かっＩＴＥＭｃがＣａｔｅｇ
ｏｒｙ −２→出力を十〇、 １１（０，１３−０，０
２）にせよ。
ＩＦ：ＩＴＥＭａがＣａｔｅｇｏｒｙ −３かつＩＴＥ
ＭｂがＣａｔｅｇｏｒｙ −３かッＩＴＥＭｃがＣａｔ
ｅｇｏｒｙ −３→出力を−０，５１にせよ、」となる
。
ＭｂがＣａｔｅｇｏｒｙ −３かッＩＴＥＭｃがＣａｔ
ｅｇｏｒｙ −３→出力を−０，５１にせよ、」となる
。
このようにして操業データから一般性のあるルールを抽
出することができる。
出することができる。
以上説明してきたように、この発明によれば。
複数の操作手順を逐次実行して稼働されるプラントシス
テムにおいて９個々の操作手順の実行に対応して得られ
る単位結果データを収集し、これら単位結果データを各
種カテゴリーに分割し、かつ人的要因を含まない操業条
件を係数化する数量化理論■類により分割した単位結果
データを解析し。
テムにおいて９個々の操作手順の実行に対応して得られ
る単位結果データを収集し、これら単位結果データを各
種カテゴリーに分割し、かつ人的要因を含まない操業条
件を係数化する数量化理論■類により分割した単位結果
データを解析し。
この解析結果を理論上及びプラントライン上で検討して
該プラントシステムにおける最適操業手順のルールを決
定するようにして、操業データ（事実）から操業ルール
（規則）を抽出するので。
該プラントシステムにおける最適操業手順のルールを決
定するようにして、操業データ（事実）から操業ルール
（規則）を抽出するので。
ＫＥ （ナレッジエンジニア）への依存性を大幅に軽
減し、半自動的に短時間で客観性のあるルールが作成さ
れる。
減し、半自動的に短時間で客観性のあるルールが作成さ
れる。
第１図は本発明のルール生成方式を示すフローチャート
、第２図は第１図の数量化理論■類の動作を詳示するフ
ローチャート、第３図は操業データ、第４図はカテゴリ
ーを分割した値、第５図はカテゴリースコア、第６図は
第３図操業データを解析した結果、第７図は従来のルー
ル生成方法のフローチャートである。 ２１・・・操業データ、２３・・・加工されたデータ。 ２５．２６・・・解析結果。
、第２図は第１図の数量化理論■類の動作を詳示するフ
ローチャート、第３図は操業データ、第４図はカテゴリ
ーを分割した値、第５図はカテゴリースコア、第６図は
第３図操業データを解析した結果、第７図は従来のルー
ル生成方法のフローチャートである。 ２１・・・操業データ、２３・・・加工されたデータ。 ２５．２６・・・解析結果。
Claims (1)
- 複数の操作手順を逐次実行して稼働されるプラントシス
テムにおいて、個々の操作手順の実行に対応して得られ
る単位結果データを収集し、これら単位結果データを各
種カテゴリーに分割し、かつ人的要因を含まない操業条
件を係数化する数量化理論 I 類により前記分割した単
位結果データを解析し、この解析結果を理論上及びプラ
ントライン上で検討して該プラントシステムにおける最
適操業手順のルールを決定するようにしたルール生成方
式。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62260408A JPH01102601A (ja) | 1987-10-15 | 1987-10-15 | ルール生成方式 |
| US07/190,060 US4931951A (en) | 1987-05-08 | 1988-05-04 | Method for generating rules for an expert system for use in controlling a plant |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62260408A JPH01102601A (ja) | 1987-10-15 | 1987-10-15 | ルール生成方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH01102601A true JPH01102601A (ja) | 1989-04-20 |
Family
ID=17347507
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62260408A Pending JPH01102601A (ja) | 1987-05-08 | 1987-10-15 | ルール生成方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH01102601A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05173607A (ja) * | 1991-12-24 | 1993-07-13 | Yamatake Honeywell Co Ltd | 非線形制御装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6054006A (ja) * | 1983-09-02 | 1985-03-28 | Hitachi Ltd | プラント制御装置 |
-
1987
- 1987-10-15 JP JP62260408A patent/JPH01102601A/ja active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6054006A (ja) * | 1983-09-02 | 1985-03-28 | Hitachi Ltd | プラント制御装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05173607A (ja) * | 1991-12-24 | 1993-07-13 | Yamatake Honeywell Co Ltd | 非線形制御装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN119005818B (zh) | 基于生产大数据的汽车装饰件质量优化方法及系统 | |
| JP2003216425A (ja) | 類似度計測システム | |
| JPH01102601A (ja) | ルール生成方式 | |
| JP7251955B2 (ja) | 検出装置及び機械学習方法 | |
| Dudas et al. | A synergy of multi-objective optimization and data mining for the analysis of a flexible flow shop | |
| CN119443343A (zh) | 基于绿色供应链管理的碳排放优化方法及系统 | |
| JP2002259463A (ja) | 解析装置、方法及びプログラム | |
| JP2002324206A (ja) | データ解析方法及び装置 | |
| JPS63276602A (ja) | ル−ル生成方式 | |
| JPH08339360A (ja) | ニューラルネットを応用した学習システム | |
| Mengmeng et al. | Research on the health state evaluation of point machine based on FCM and HSMM | |
| KR20220169240A (ko) | 스마트공장 제조 데이터 분석을 위한 알고리즘 선정 및 입력 항목 선정 장치 | |
| JPH07129677A (ja) | 生産シミュレーション装置 | |
| Lin et al. | Study of synthesis identification in the cutting process with a fuzzy neural network | |
| US12175242B2 (en) | Decision tree node instruction unification for parallel processing | |
| JP2001255932A (ja) | プロセス定数同定装置 | |
| Bardak et al. | Data mining and pixel distribution approach for wood density prediction | |
| JP2005063353A (ja) | 説明変数有効度検証のためのデータ分析装置、該データ分析をコンピュータに実行させるためのプログラム及び該プログラムの記録媒体 | |
| JPH05290101A (ja) | 連続音声認識処理方法およびその装置 | |
| CN119940818A (zh) | 一种基于图像识别的机器人流程自动化方法 | |
| Hayakawa et al. | A Development of AI Predictive Maintenance System using IoT Sensing | |
| JP7059827B2 (ja) | ソースコード生成装置 | |
| JP2001147912A (ja) | ニューラル・ネットワーク・モデルの作成方法 | |
| JPH0728503A (ja) | システム設計支援ツール及びシステム設計支援方法 | |
| Isokangas et al. | Systematic Approach to Model-Based Data Survey |