JPH087684B2 - ネットワーク形式の知識表現を用いたリアルタイムエキスパートシステム - Google Patents

Description

【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は、石油、化学、鉄鋼などのプラントに置ける
プロセス制御を始め、CIM、通信、物流、金融取引など
の幅広い分野で状態監視、異常・故障診断、運転支援、
自動制御、ディーリング支援、トレーダー支援、意志決
定支援などに用いられるリアルタイムエキスパートシス
テムに関する。

（従来の技術） エキスパートシステムの応用としては製造業を中心と
して生産設備の知能化が提唱され、早くから実用化が試
みられている。中でも特に注目されているのがリアルタ
イムエキスパートシステムである。リアルタイムエキス
パートシステムとは、状態が刻々変化するダイナミック
な世界で常時その変化を監視し、変動する多数のデータ
をリアルタイムに取り込みながら推論を行い、状況に応
じて必要な処理の実行やアドバイスを出力するものであ
る。

従来、リアルタイムAIツールとしては、Intelligent
Control社の「PICON（Process Intelligent CONtrol sy
stem）」とGensysm社の「G2」が知られている。「PICO
N」はプロセス制御の分野に特化した専用ツールでオン
ラインリアルタイムエキスパートシステムの草分け的存
在である。「G2」は［PICON］と同じ流れをくむが、推
論対象のモデリング機能、シミュレーション機能、マン
マシン・インターフェース機能などが強化されている。
これらの従来のAIツールは、知識表現方法としてはフレ
ームとプロダクションルールを採用している。対象に対
する静的な情報はフレームで、また人間の持つ経験的な
知識や対象のモデル表現はif−then形式のプロダクショ
ン・ルールで記述している。

従来の方法をプラント運転支援エキスパート・システ
ムの例について説明する。プラント運転支援エキスパー
ト・シスムは、現場の運転員に対して種々のガイダンス
や支援を行うことを目的としている。実際のプラントに
接続して現場の業務に密着したシステム開発が基本であ
る。その開発手順は、 知識の収集 知識の整理 知識ベースの構築 システム設置および知識ベースの保守 といった段階を経る。の段階では、開発担当者が対象
プラントの運転ノウハウの収集やプロセスの分析を行
い、プラントの異常状況に至るまでの各種事象とそれに
ともなう対応策の解明を行う。まず、プラント・エンジ
ニアによるブレーン・ストーミングを実施し、対象プラ
ントの主要異常項目をリスト・アップし、各異常状況に
至るまでの各種の事象間の因果関係を分析する。ここで
解明された異常状況が実際の現場ではどの様に認識さ
れ、対応策がどのように実施されているかを、プラント
運転員からのヒアリングによって確認する。の段階で
はの段階で収集・解析した事象の間の複雑な因果関係
を整理する。第２図はこのようにして作成された分析例
である。整理された知識は、if thenルールに書き換え
られ、知識ベースが構成される。構築された知識ベース
はシミュレータにより動作をチェックされる。完成した
エキスパート・システムは・プラント制御システと接触
してシステム・テストを行い、その後、実用運転を続け
ながら知識ベースを保守していくことになる。

（発明が解決しようとする問題点） 上記の従来のエキスパートシステムに用いられている
if−then形式のプロダクション・ルールによる知識表現
方法は、ルール単体の追加や修正が容易であり、ルール
表現そのものは柔軟性に富んでいる。しかし、実際には
現場の専門家による因果関係の分析方法とプロダクショ
ン・ルールによる表現方法の間に大きな隔たりがあるた
め、そのままの形で現場の専門家に内容を理解してもら
うことはほとんど不可能であった。さらに、プロダクシ
ョン・ルールで表現された知識はルール相互間の関連が
理解しにくい為、知識ベースの規模が数千ルールにも及
ぶような場合には、知識ベース全体の検証や保守が非常
に困難になるという問題点があった。

本発明は、現場の専門家自身が知識ベースを構築する
ことができ、大規模な知識ベースに対しても保守性を損
なわず、アプリケーションを運用・管理する人自身が知
識ベースを容易に修正・変更できる知識表現方法を用い
て、大規模なリアルタイムエキスパートシステム開発、
運用、保守することを目的とする。

［発明の構成］ （問題点を解決するための手段） 本発明は、知識を様々な事象間の因果関係としてとら
え、それぞれの事象をノードとして因果関係で結んだネ
ットワーク形式で表現したものを、コンピュータ内部に
おいてif−thenルールと同等の機能を果たすノードオブ
ジェクト間のポインター相互の因果関係を表わす内部コ
ードに変換することにより知識ベースを構築し、これら
の知識ベースの中で、特定のルールの実行周期を指定す
ることにより、リアルタイムに双方向の自動推論を行
い、割り込み処理ルーチンによって緊急イベントに関連
したルール群を優先的に推論実行する機能を備えたリア
ルタイムで推論機構が作動するシステムである。

知識をネットワーク形式に整理するようにしため、現
場の専門家による問題分析方法との隔たりが少なく、理
解が得られ易く、またその後の保守作業も、すべてネッ
トワーク形式に整理した知識上で行い、そのつど知識ベ
ースに反映させることができる。

さらに、リアルタイム推論途中でも随時割り込んで、
知識ベースの変更または追加を行うことができること
で、大規模で複雑なリアルタイムエキスパートシステム
の知識ベースでさえも容易に作成、保守することができ
る。

（作用） 本発明のネットワーク形式による知識表現方法をもち
いたリアルタイムエキスパートシステムについて説明す
る。

本発明のシステムにおける知識表現は、知識を様々な
事象間の因果関係としてとらえ、それぞれの事象をノー
ドとして因果関係で結んだネットワーク形式で画面上に
表現する。ほとんどの操作をガイダンス付きのポップア
ップ・メニュー操作することによって実行することがで
きる。ユーザーはLispなどのAI用言語の知識なしでも、
基本的なマウス操作を覚えるだけて知識ベースを構築で
きる。

本発明のリアルタイムエキスパートシステムは、ネッ
トワーク形式を知識ベースとリアルタイム推論機能で、
前向き／後ろ向きのダイナミックな推論が高速に実行さ
れる。緊急な対応が要求されるようなイベントが発生し
た場合には、割り込み処理ルーチンによってそのイベン
トに関連したルール群を優先手に推論実行するなど、リ
アルタイム性を重視した機能になっている。

知識ベースの保守作業を容易に、かつ効率よく行うた
め、リアルタイム推論を実行しながらでも知識ベースを
修正、変更できるように設計してある。特定のルールを
結論としている関連ノードをバックラックして関連部分
だけ表示するリアルタイム・ルール・トレース機能、入
力されるオンライン・データの時系列表示機能、事象の
成否のの時系列表示機能など、知識ベースの検証・保守
支援機能も備えている。

第３図は本発明の方法を用いたネットワークの稼働環
境の一例を示す説明図である。推論に必要なデータは、
ネットワーク通信モジュールによりLAN経由でリアルタ
イムに取り込まれ、リアルタイム推論エンジンに提供さ
れる。これにより推論時に、生産管理用ホスト・コンピ
ュータのデータベースやプロセス・コンピュータなどの
各種データを利用することができる。

ナレッジネットワークのモジュール構成を第４図に示
す。知識ベース構築モジュールによって構成された知識
ベースは、リアルタイム推論モジュールによってスケジ
ューリングされ、推論が実行される。ネットワーク通信
モジュールは、LAN上に接続された他の機器とデータ通
信を行い、推論に必要なリアルタイム・データの収集
や、推論結果を他の機器に表示するためのメッセージ送
信などを行う。データ・シミュレータは、知識ベースの
動作チェック時に、実際のリアルタイム・データではな
くシミュレータによって発生させたい値を使いながら模
擬推論する場合に使用する。

このシステムで用いられる知識ベースの構築手順は、
対象の階層化、対象のイメージ化、ルール・ネットワー
クの構築、という三つのステップに大別できる。ユーザ
ーは知識ベース構築モジュールの中の対応するサブモジ
ュールを利用しながら作業を進めていく。

対象の階層化には第５図に画面の一例を示す「クラス
・エディタ」を利用する。これから構築しようとする知
識ベースの対象に関する情報をフレームとして表現、そ
の対象を含む全体の階層構造の中に位置づけてその属性
を定義する。この対象の型をクラスと呼ぶ。全体の階層
構造を木構造として表現する。クラスの属性は、ユーザ
ーが自由に定義し値をもたせることができ、そのクラス
と親子関係を持つすべての子クラスに継承される。

次に、第６図に示すような「イメージ・エディタ」を
用いて知識ベースの対象とするシステムの範囲を物理的
に限定すると同時に、推論のベースとなるリアルタイム
・データのデータ源を定義する。構築しようとする知識
ベースの対象をアイコンを使用しながらスキマティック
図として表現して、対象の物理モデルを定義する。スキ
マティック図は、各種のアイコンを配置してそれらを相
互に接続することで作成することができる。第６図に示
す例では知識ベースの対象となる「NO.1−原油常圧蒸留
装置」の全体像を表しており、データ源のセンサはセン
サ・アイコンで定義されている。

個々のアイコンに関連する情報はフレーム表現による
様々な属性として定義される。それぞれの属性値はユー
ザーが自由に設定することができる。推論エンジンで
は、センサーのようなリアルタイム・データ源となるア
イコンのオブジェクトの属性値を参照しながら推論を実
行していく。なお、標準以外のアイコンは、アプリケー
ション分野ごとにアイコン・ライブラリとして提供され
ているが、ユーザーが独自に作成することもできる。

最後に、第１図に画面例を示すようなナレッジ・エデ
ィタを用いて、対象システムの様々な状態の因果関係の
連鎖をネットワーク上に表現する。ナレッジ・エディタ
では、まずルールの条件部や結論部に当たる個々の事象
をノード（長方形の箱）として定義する。ここでは対象
システムの挙動を表現するために以下に示すような６種
類のノードを用意した。

定義文ノード 対象システムの状態や中間事象などを変数として定義
する。

理論式ノード 定義文ノードで定義された変数や中間事象名などを用
い、一つのノードとしてルールの条件部を形成する。

論理記号ノード ルールの論理条件を形成するための論理記号を表す。

メッセージ文ノード 推論結果のメッセージを表示する。

アクション文ノード 外部へのデータ送信やユーザー定義関数の呼出しなど
を行う。

コメント文ノード ネットワーウ内にコメントをつける。

これらのノード文の作成時にはポップアップ・メニュ
ーに記述すべき語句が表示され、メニュー内に表示され
る候補リストの中から次の語句を選択したり、事象名や
変数名などをキーボードから入力する。ノード間を矢線
で接続することによってルールを生成する。矢線の根元
のノードがルールの条件部、矢線の先端のノードが結論
部を表す。あるルールの結論部のノードを別のルールの
条件部として使用するなど、ルールを連鎖的に接続する
ことも可能である。このネットワーク表現は、第７図に
ネットワーク表現とそれに対応するif−thenルールのリ
ストを示す。本発明においては、このようなif−thenル
ールのリストないしはテーブルをファイルや帳票に出力
することなく、システム内部でif−thenルールと同等の
働きをするノードオブジェクト間のポインター相互の因
果関係を表わす内部コードに変換する。

以下に、ノードオブジェクト間のポインター相互の因
果関係を表す内部コードの様子の一例を示す。以下のオ
ブジェクト、 オブジェクト ポインタ ＃＜FI1−HIGH＞ ＃＜FEED−LINE−IS−ABNORMAL＞ ＃＜SEND“〜”＞ ＃＜NOT＞ ＃＜NORMAL−OPERATION＞ に対して内部コード ＃＜内部コード： if ＃＜＞ then ＃＜＞ else ＃＜＞ ＞ で表現する。ここで「＃＜＞」はオブジェクトを示す。

また、ルール数が多くなった場合に推論のリアルタイ
ム性を維持するために、ルールの種類を階層的に分類し
た。常に対象の状態を監視するルールと、原因探索など
のより深い分析を行うルール群に分けた。前者を一次ル
ール、後者を階層の深さに応じて二次ルールまたは三次
ルールと呼ぶ。常に評価すべきルールを限定することで
推論処理の負荷が軽減される。

一次ルールには推論エンジンがどのタイミングで評価
を実行するかを周期時間（スキャン・インターバル）と
して指定しておく。そのルールが属性するルール群や確
信度など、各ルールに関する情報はフレームとして表現
される。このフレームに記述される属性の一覧を表１に
示す。これらの属性値はユーザーが自由に設定できる。

リアルタイム処理のための推論機構について説明す
る。推論エンジンは、対象システムの状態を反映したリ
アルタイムデータを使って対象システムの状態変化を認
識したり、その状態変化の原因を推論する。推論エンジ
ンの主な仕事は次の通りである。

△ある時刻において評価すべきルールを決定する。

△ルールの条件部を評価し、その結果により結論部を実
行する。

△外部へのメッセージ出力や操作出力を行う。

△イベント割り込み発生時に指定のルール群を評価の対
象とする。

△ルールが参照しているセンサー変数の値が無効である
場合は、ネットワークサーバのデータベースから新しい
有効なデータを取り込む。シミュレーション時はシミュ
レーション評価式により値を決定する。

△各々の事象の確信度の計算とルール間の伝播を行う。

推論方式はあらかじめ指定されたルールの周期的スキ
ャンに伴う双方向的推論である。結論部の中に他の事象
の値を決定する記述がある場合には、その事象を条件部
において参照している従属的なルール群の全てが評価の
対象となる。ルールの条件部の評価において、事象の値
が未知の場合は、その事象を仮説として、自動的に後向
き推論を行い、仮説の検証を行う。後向き推論中に外部
データの参照が必要な場合には、その時点においてネッ
トワーク・サーバのデータベース上の最新の値が参照さ
れる。

知識ネットワークの例を第８図に示す。この図では、 （ルール１）“If A and B then C" （ルール２）“If C or D then E" （ルール３）“If E then G" （ルール４）“If H and G then send“東京支社の…"to OT−1" send“東海支社の…"to OT−1" の４ルールが生成されている。推論エンジンは一次ルー
ルに指定されているルール３を定期的に評価の対象とす
る。その際、まずルール３の条件部である“E"の成否を
判別するためルール２を、ルール２の条件部である“C"
を判別するためルール１と、後向きに推論を繰り返す。
ルール１で“C"の成否が判別すると、今度はルール2,ル
ール3,ルール４と前向きに推論を繰り返す。

このように、前向き／後向きを特に指定する必要はな
く、周期的な推論の対象とすべきルールとその周期を指
定するだけで、推論エンジンが自動的に双方向推論を行
い、実行結果を出力する。つまりユーザーは知識ベース
を構築する際に、ルールの評価順序や推論方式などにつ
いて頭を悩ませる必要はない。

またこのツールのリアルタイム推論の大きな特徴の一
つとして、外部割り込みによる推論の起動がある。一次
ルールによる周期的な推論では、対象となる一次ルール
が多くなったり評価・実行において関連するルールやル
ール群の数が多くなったりすると、１回の推論サイクル
に要する時間が長くなり、目的とするルールを定期的な
周期で実行することを補償できなくなる危険性がある。
このような場合にもリアルタイム性を維持するために、
外部割り込みを使った指定したルール群の起動を可能と
している。

外部割り込みによる推論起動の概要を第９図に示す。
イメージ・エディタでリアルタイム・データ源の割り込
み条件式を記述し、割り込み時に優先的に処理するルー
ル群を記述することで外部割り込みを指定する。ネット
ワーク・サーバがリアルタイム・データを取り込むとき
に割り込み条件式を評価し、条件が成り立つと推論エン
ジンに割り込み要求を行う。要求を受けた推論エンジン
はそれまでの周期的な推論を一時中断し、指定されたル
ール群の推論を開始する。そのルール群の推論を終える
と、もとの周期的な推論に戻る。

本例のリアルタイムエキスパートシステムはLAN接続
されている機器とデータ通信しながら推論を進めていく
ことができる。推論時に参照するリアルタイム・データ
は、第３図に示すように、ネットワーク・サーバによっ
てローカル・データ・ステーション（LDS）経由で外部
のコンピュータから収集することが出来る。

ネットワーク・サーバは本例のシステムの一つのプロ
セスとして存在し、LDSやメッセージ端末などのLAN上の
通信機器との間でリアルタイム・データやメッセージの
やり取り、推論エンジンに対する割り込みを行う。

LDSはLAN接続された通信機器の一つで、外部のコンピ
ュータから定期的にデータを収集し、通信ネットワーク
を経由してネットワーク・サーバへデータを送信する。
逆に推論結果に基づいてネットワーク・サーバから送ら
れてきたデータを、外部のコンピュータに送ることが出
来る。LDSの通信インタフェースを適切に設定すれば、
ホスト・コンピュータやプロセス・コンピュータ、プラ
ント制御システムなど様々な外部のコンピュータと接続
してデータを収集できる。推論結果をデータ通信ネット
ワーク経由で本来コンソール以外の場所に表示させるこ
とも可能である。

本発明のリアルタイムエキスパートシステムにおける
知識ベース保守のための機能について説明する。エキス
パートシステムを構築する場合、いったん構築した知識
ベースを検証・修正・変更といった作業を繰り返しなが
ら保守していくことが、運用上での重要なポイントであ
る。本例ではこの保守作業を効率よく行うために、リア
ルタイム推論途中に割り込んで知識ベースを変更できる
ように設計されている。ネットワーク・エディタによる
修正が完了すると、即時にシステム内部でのルール表現
に変換され、それ以降の推論を続行することができる。

知識ベースの検証・保守支援のために、データ・シミ
ュレーション機能、リアルタイム・ルール・トレース機
能、時系列データ表示機能も備えている。

データ・シミュレーション機能では、イメージ・エデ
ィタで定義されたデータ源ごとに、その値をシミュレー
トする。そのためのモデル式は、ユーザーが自由に定義
する。この機能により、特定のデータ源やルールに注目
した静的なデータ環境での知識ベース全体のテストが出
来る。

リアルタイム・ルール・トレース機能では、第10図に
示すように、コンソール上に表示された推論中のルール
のトレース表示やメッセージからユーザーが特定のルー
ルやメッセージを指定すると、それを結論付けている全
ての関連ノードをネットワーク全体の中から関連部分だ
けを抜き出して表示する。事象ごとに履歴情報を保持し
ており、これを使用して関連するルールの成立／不成立
もあわせて表示する。この機能を使用することによっ
て、ルール相互間の因果関係のチェックが可能である。

時系列データ表示機能では、推論実行中にデータ源の
アイコンやルールの中心ノードをマウスで選択すること
によって、そのデータ源のデータ値の時系列的な変化を
トレンド・グラフで表示する。その事象の成否の時系列
的な変化をトレンド・グラフで表示することもできる。
この機能を使用することで知識ベース全体の整合性をダ
イナミックにチェックすることが出来る。

（応用分野） 本発明の知識表現方法は、石油、化学、鉄鋼などのプ
ラントに置けるプロセス制御を始め、CIM、通信、物
流、金融取引などの幅広い分野で、状態監視、異常・故
障診断、運転支援、自動制御、ディーリング支援、トレ
ーダー支援、意志決定支援などに用いられる。

［発明の効果］ 本発明のネットワーク形式による知識表現はプロダク
ション・ルールと比べて、複雑で大規模な知識ベースで
あっても全体構造やルール相互間の因果関係を視覚的に
理解し易く、人間の直感に近い表現でもあるので、知識
を整理、獲得しながら同時に知識ベースの構築ができ
る。全体を理解し易くなることで、知識ベースの構築だ
けでなく、検証、変更・追加・削除などの保守作業も容
易になる、などのメリットもある。このため、エキスパ
ート・システムの専門家でないプラント運転員にも知識
ベースの内容を十分理解してもらうことができ、スムー
ズに現場の専門家の意見と知識ベースに反映させなが
ら、ルール数が数千にも及ぶ大規模な知識ベースをもっ
たシステムを開発、運用、保守することができるなどの
効果を有する。

【図面の簡単な説明】

第１図は本発明の知識表現方法により対象システムの状
態や事象の因果関係をネットワーク形式で表現している
画面の例を示した説明図、第２図は事象間の因果関係の
分析例の説明図、第３図は本発明の方法を用いたネット
ワークの稼働環境の一例を示す説明図、第４図はナレッ
ジネットワークのモジュール構成を示す説明図、第５図
はクラス・エディタの画面例を示す図、第６図はイメー
ジエディタの画面例を示す図、第７図はネットワーク表
現とif−thne形式のリストの関係についての説明図、第
８図は知識ネットワークの例を示す図、第９図は外部割
り込みによる推論起動の概要図、第10図はリアルタイム
・ルール・トレース機能操作時の画面の例を示す図であ
る。

フロントページの続き (72)発明者 西脇 孝 神奈川県横浜市保土ケ谷区東川島町63―２ (56)参考文献 特開 昭63−127331（ＪＰ，Ａ) 特開 昭63−20529（ＪＰ，Ａ) 第11回知識知能システムシンポジウム講 演論文集（1990−３−13）Ｐ．１−６ 「計装」Ｖｏｌ．32，Ｎｏ．５（1989− ５）Ｐ．21−26 「明電時報」Ｎｏ．211（1990−４）Ｐ. 42−46

Claims (1)

【特許請求の範囲】
1. 【請求項１】エキスパートシステムの知識を事象をノー
   ドとして因果関係で結んだネットワーク形式で表現する
   手段、前記ネットワーク形式で表現された因果関係をノ
   ードオブジェクト間のポインター相互の因果関係を表わ
   す内部コードに変換する手段、前記内部コードを用いて
   リアルタイムに自動双方向推論を行う手段、割り込み処
   理ルーチンによって緊急イベントに関連したルール群を
   優先的に推論実行する手段、および推論途中に割り込ん
   で前記ネットワーク形式の知識を変更または追加する手
   段を備えたことを特徴とするリアルタイムエキスパート
   システム。