建立过程决策支持系统的方法技术方案

一种建立过程决策支持系统的方法。这类决策支持系统用于制造过程中，尤其是工业制造过程，考虑到为优化过程生产和质量的控制过程而监测过程的性能。该方法包括收集过程的过程数据，收集过程的操作数据，以及融合过程数据和操作数据，以便创建可采取过程决策(例如，控制决策)的过程的融合数据集(例如，合并规则集)。可根据基于规则的知识融合、数学知识融合或基于案例的推理知识融合的方法来融合过程数据和操作数据。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及。这类决策支持系统用于制造过程中， 尤其是工业制造过程，考虑到为优化过程生产和质量的控制过程而监测过程的性能。特别适用于智能过程或资产监测。
技术介绍
包括其他来源在内，制造过程的主要知识来源是工厂数据(或过程数据)和操作数据(操作数据包括操作原理、操作规则和专家用户输入)。专家系统采用操作数据以再现和模拟人类专家的输入，从而分析工厂的性能，以便控制工厂过程并由此优化生产和质量。为此，专家系统通常包括将操作数据的形式化表示(例如，专家用户输入)提供给规则库和推理机的知识库。规则库和推理机合作模拟专家用户在分析制造过程的结果中实行的推理方法，从而通过人工控制过程或依靠控制系统做出关于过程的最终控制的决策。虽然专家系统能够为可做出控制决策的重复决策和过程提供一致的解决方案，但专家系统不会考虑工厂数据和过程数据中的趋势和模式，也不会考虑可从工厂数据和过程数据中的模式得出的任何规则。数据挖掘搜索和研究工厂(或过程)数据以寻找可视作关于工厂数据的知识的模式。数据挖掘可实现知识发现或预测的过程，或同时实现两者的过程。知识发现是指建模工厂数据和表示关于工厂数据的知识的工厂(或过程)数据规则的提取，例如，通过使用关联规则挖掘的规则归纳。预测是指未来工厂或过程事件的预测建模，并可通过基于规则的技术或可具有学习能力的神经网络来实现。通过数据挖掘发现的知识不会考虑也不会包括操作数据，例如，经由专家用户输入获得的试探(heuristics)。操作数据提供过程的高级行动如何与过程的低级原因相关的抽象概念。这种等级的抽象概念不容易通过工厂数据的数据挖掘获得。相反，工厂数据的数据挖掘发现专家用户不易于识别的工厂过程中固有的明确规则。本专利技术旨在提供建立过程决策支持的方法，藉此分析和结合过程知识和工厂知识以产生合并的知识集，进而采取行动以改进过程控制。
技术实现思路
根据本专利技术的广义方面，提供一种，该方法包括收集过程的过程数据、收集过程的操作数据、以及融合过程数据和操作数据，以便创建可采取过程决策(例如，控制决策)的过程的融合数据集(例如，合并规则集)。可根据基于规则的知识融合、数学知识融合或基于案例的推理知识融合的方法来融合过程数据和操作数据。更具体来说并且根据本专利技术的一个方面，提供了一种，该方法包括收集过程的过程数据；收集过程的操作数据；根据过程数据和操作数据定义针对特定过程性能的过程条件；从过程数据生成一个或多个数据驱动的规则；捕捉一个或多个操作规则，即，来自操作数据(即，专家数据)的专家规则；以及融合一个或多个数据驱动的规则与一个或多个操作规则，以创建合并规则集。操作数据可包括操作规则、专家数据、专家用户输入(例如，专家规则)、操作行动 (例如，专家行动)、及过程操作原理中的任何一个或多个。根据本专利技术的另一个方面，提供了一种，该方法包括收集过程的过程数据；收集过程的操作数据；根据过程数据和操作数据定义针对特定过程性能的过程条件；从过程数据生成一个或多个数据驱动的规则；捕捉一个或多个操作规则，即，来自操作数据(即，专家数据)的专家规则；融合一个或多个数据驱动的规则与一个或多个操作规则，以创建合并规则集；捕捉一个或多个操作行动，即，来自操作数据的专家行动；以及融合合并规则集与一个或多个捕捉的操作行动，以创建合并的基于规则和基于行动的知识集。针对特定性能(例如，好的过程性能和差的过程性能)的过程条件的定义可包括 针对过程的一个或多个关键性能指标(KPI)定义一个或多个结果类。可针对具有离散值或连续值或二者的KPI定义一个或多个结果类。针对特定性能的过程条件的定义可包括针对过程的一个或多个KPI定义一个或多个结果范围。针对特定性能的过程条件的定义可包括收集表示过程的一个或多个KPI的过程数据；收集专家规则形式的专家用户输入；以及将收集的专家规则应用于表示一个或多个KPI的过程数据，以定义一个或多个结果类。将收集的专家规则应用在过程数据上可包括将规则直观应用于过程数据，以定义一个或多个结果类。将收集的专家规则应用在过程数据上可包括基于规则定义一个或多个结果类，以指定针对特定性能(例如，好的过程性能或差的过程性能)的过程条件。从过程数据生成一个或多个数据驱动的规则可包括过程数据的数据挖掘。过程数据的数据挖掘可包括定义对应用于针对过程的特定性能在过程条件中定义的一个或多个KPI的一个或多个结果类的一个或多个结果类。在本专利技术的一个实施例中，生成一个或多个数据驱动的规则可包括为对应用于一个或多个KPI的一个或多个结果类的一个或多个结果类归纳简明规则。在另一个实施例中，生成一个或多个数据驱动的规则可包括为对应用于KPI的一个或多个结果类的一个或多个结果类归纳模糊规则。生成一个或多个数据驱动的规则可包括构建决策树以实现一个或多个规则的生成。从操作数据捕捉一个或多个操作规则可包括使用以下任何一个或多个决策表、决策树、在分层格式中通过多个“AND”条件捕捉规则。融合一个或多个数据驱动的规则与一个或多个操作规则以创建合并规则集可包括定义一个或多个规则类别；按照一个或多个类别将一个或多个操作规则和一个或多个数据驱动的规则分组成规则子集；以及融合规则子集以创建合并规则集。一个或多个类别可包括以下任何一个或多个独特专家规则、独特数据驱动的规则、完全重叠的规则、部分重叠的规则、以及对比规则。融合一个或多个数据驱动的规则与一个或多个操作规则可通过(例如，在软件中)实现的融合引擎来达到。融合规则子集可缺省包括在合并规则集中纳入分类为独特专家规则的一个或多个规则。融合规则子集可缺省包括在合并规则集中纳入分类为独特数据驱动的规则的一个或多个规则。融合规则子集可缺省包括在合并规则集中纳入分类为完全重叠的规则的一个或多个规则。融合规则子集可包括将分类为部分重叠的规则的一个或多个规则缩减到独特规则或完全重叠的规则。一个或多个部分重叠的规则的缩减可包括决策表或决策子树或二者的生成，以便分类部分重叠的规则。一个或多个部分重叠的规则的缩减可以是自动化的并可通过融合引擎达到。在一个实施例中，缩减可为用户缩减的人工干预做准备，以便将未解决的规则缩减为一个或多个规则子集。因此，在使用中，一个或多个部分重叠的规则可在决策表或决策树格式中查看，其中，部分重叠的规则被例如突出显示。部分重叠的规则传递到融合引擎，融合引擎将规则解析为合并规则集的完全重叠的规则子集。在融合引擎无法解析规则的情况下，规则被人工解析为合并规则集的完全重叠的规则子集。融合规则子集可包括融合分类为对比规则的一个或多个规则。融合一个或多个对比规则可通过应用以下任何一个或多个来达到硬约束；软约束(例如，试探)；以及阈值 (例如，准确性或普遍性百分比)来实现，以便将一个或多个对比规则融合到合并规则集中并确保规则符合单调性约束。单调性约束要求对比规则输入的增加不得导致规则融合到合并规则集后对应规则输出的减少。可为一个或多个对比规则定义规则条件(例如，温度、流量、功率)和规则结果类 (例如，好的或差的)。当存在对比规则条件和相似规则结果时，硬约束应用于规则。当存在相似规则条件和不同规则结果时，超覆(overriding)专家规则或超覆数据规则融合到合并规则集中。与缩减一个或多个部分重叠的规则一样，融合一个或多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：J·卢迪克，D·W·穆尔曼，
申请(专利权)人：通用电气基础设施南非股份有限公司，
类型：发明
国别省市：