JPH0721024A

JPH0721024A - 推論装置

Info

Publication number: JPH0721024A
Application number: JP5165654A
Authority: JP
Inventors: Hiroyoshi Yamaguchi; 博義山口
Original assignee: Komatsu Ltd
Current assignee: Komatsu Ltd
Priority date: 1993-07-05
Filing date: 1993-07-05
Publication date: 1995-01-24

Abstract

(57)【要約】【目的】駆動機械の故障等の原因の推論を精度よく行
う。【構成】予測発生度合いデータに基づいて各種現象の予
測発生度合いが、各種原因の各確信度ごとに演算され
る。そして、この演算された各種原因の各確信度ごとの
予測発生度合いと発生度合いデータとが比較され、各種
原因の各確信度ごとに誤差が演算される。そしてこの演
算された誤差が各種原因ごとに比較され、各種原因にお
いてそれぞれ最も小さい誤差が得られる確信度が各種原
因における確信度であると推論される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、いわゆる逆診断の診断
結果に基づいて駆動機械の故障等の原因を推論するよう
にした推論装置に関する。

【０００２】

【従来の技術】従来より建設機械等の駆動機械の故障原
因を推論するために図２に示すような逆診断知識マトリ
ックスを用いた故障診断装置がある。

【０００３】逆診断は、各種原因と各種現象間との因果
関係、つまり原因から予測した各種現象の標準発生パタ
ーンを示す逆診断知識と実際に生じた各種現象の発生パ
ターンとを比較することで故障原因を推定するものであ
る。この逆診断は、標準の発生パターンと実際の発生パ
ターンとの比較の結果、類似しているパターンとなる原
因ほど確信度が高く推定される傾向がある。

【０００４】

【発明が解決しようとする課題】しかし、通常、逆診断
に用いられる標準発生パターンは、原因の確信度が１０
０％であると仮定して得られたものであり、原因の確信
度が０〜１００％で変化するような問題を推論するため
には、そのまま適用することができない。

【０００５】また、原因の確信度が変化する場合を考慮
した逆診断としては、法政大学寺野教授が提案したファ
ジイ逆診断があるが（システムと制御ｖｏｌ．２４、Ｎ
ｏ．１１「あいまい論理を用いた異常診断」）、この逆
診断は、複雑なマトリックス演算を実施する必要があ
り、多大な計算時間（２時間を要する場合もある）を要
し、迅速な診断が要求される故障診断には利用すること
ができないこととなっている。

【０００６】本発明はこうした実状に鑑みてなされたも
のであり、原因の確信度が０〜１００％で変化するよう
な問題を処理する場合に、より誤差の少ない推論結果が
得られるようにするとともに、複雑な演算処理を要する
ことなく短時間に推論を行うことができる推論装置を提
供することを目的としている。

【０００７】

【課題を解決するための手段】そこで、この発明では、
各種現象の現在の発生度合いを示す発生度合いデータと
原因から予測した各種現象の発生度合いを示す予測発生
度合いデータとを用意し、前記予測発生度合いデータと
前記発生度合いデータとを各種原因ごとに比較し誤差の
小さい原因ほど確信度が大きくなるよう各種原因ごとの
確信度を推論する推論装置において、前記予測発生度合
いデータに基づいて各種現象の予測発生度合いを、各種
原因の各確信度ごとに演算する第１の演算手段と、前記
第１の演算手段で演算された各種原因の各確信度ごとの
予測発生度合いと前記発生度合いデータとを比較し、各
種原因の各確信度ごとに誤差を演算する第２の演算手段
と、前記第２の演算手段で演算された誤差について各種
原因ごとに比較を行い、各種原因においてそれぞれ最も
小さい誤差が得られる確信度を各種原因におけるそれぞ
れの確信度であると推論する手段とを具えている。

【０００８】

【作用】かかる構成によれば、予測発生度合いデータに
基づいて各種現象の予測発生度合いが、各種原因の各確
信度ごとに演算される。そして、この演算された各種原
因の各確信度ごとの予測発生度合いと前記発生度合いデ
ータとが比較され、各種原因の各確信度ごとに誤差が演
算される。そしてこの演算された誤差が各種原因ごとに
比較され、各種原因においてそれぞれ最も小さい誤差が
得られる確信度が各種原因における確信度であると推論
される。

【０００９】

【実施例】以下、図面を参照して本発明に係る推論装置
の実施例について説明する。

【００１０】実施例では、建設機械の故障診断装置を想
定している。具体的にはパーソナルコンピュータ（以下
パソコンという）が図１に示す手順にしたがい建設機械
の故障診断を行うものである。図２は、逆診断処理を行
うための逆診断知識の構造をそれぞれマトリックス状で
示している。このマトリックスに示される現象の種類は
現象１、現象２、現象３と３種類であり、たとえば図４
に示すように現象１は「排気色が黒い」を、現象２は
「力がない」を、現象３は「徐々に悪化した」をそれぞ
れその内容とする。またマトリックスに示される原因の
種類も原因１、原因２、原因３と３種類であり、たとえ
ば原因１は「エアクリーナのつまり」を、原因２は「噴
射ノズルの不良」を、原因３は「バッテリーの不良」を
それぞれその内容とする。まず、最初にオペレータは、
上記パソコンのキーボードを操作する等して、上記各種
現象１、２、３の現在の発生度合い、つまり異常度Ｉｉ
（ｉは上記各種現象１、２、３に対応する数字である）
を示すデータを入力する。

【００１１】ただし、異常度Ｉｉは、０≦Ｉｉ≦１の範
囲内の値であり、オペレータの感覚的な数値として与え
る。この場合、異常度Ｉｉ＝０は「異常が全く発生しな
い」という感覚に対応し、異常度Ｉｉ＝１は「異常が大
きく発生している」という感覚に対応している。また、
異常が不明（あるいは未チェック）の場合は、上記数値
外を示す’−’をデータとして入力する。ただし、異常
度Ｉｉ＝’−’の場合には、以下の演算は行われない。

【００１２】図５中に異常度Ｉｉを示すデータの具体例
を示しており、説明の便宜のためａ、ｂ、ｃで上記異常
度の数値範囲０〜１を区分している（ａ＞ｂ＞ｃ）。た
とえば、Ｎｏ１の例は、現象１「排気色が黒い」の異常
度が大きく（Ｉ1＝ａ）、現象２「力がない」の異常度
が中くらいで（Ｉ2＝ｂ）、現象３「徐々に悪化した」
の異常度が小さい（Ｉ3＝ｃ）という場合である（ステ
ップ１０１）。

【００１３】つぎに上記入力された異常度Ｉｉに基づい
て逆診断処理が実行される。

【００１４】逆診断処理を行うには、各種現象と各種原
因との間の因果関係を示す逆診断知識が必要である。こ
こに因果関係とは、所定の原因ｊを真の原因と仮定した
ときの所定の現象ｉの発生確率あるいは発生程度であ
る。この逆診断知識は予め所定のメモリに記憶されてい
るものとする。

【００１５】逆診断知識は現象ｉと原因ｊの関連度Ｗｉ
ｊとして、０≦Ｗｉｊ≦１の範囲内のあいまいな数値と
して与えられる。この場合、関連度Ｗｉｊ＝０は「原因
ｊを真の原因と仮定したとき現象ｉは全く発生しない」
に対応し、関連度Ｗｉｊ＝１は「原因ｊを真の原因と仮
定したとき現象ｉは顕著に発生する」に対応している。
また、現象ｉと原因ｊの因果関係が不明の場合は、’
−’により上記数値範囲０〜１外であることを表すよう
にする。ただし、関連度Ｗｉｊ＝’−’の場合には、以
下の演算は行われない。

【００１６】図４は関連度Ｗｉｊを示すデータの具体例
を示しており、説明の便宜のためａ、ｂ、ｃで上記関連
度Ｗｉｊの数値範囲０〜１を区分している（ａ＞ｂ＞
ｃ）。たとえば、原因１「エアクリーナのつまり」と現
象１「排気色が黒い」の関連度は中程度であり（Ｗ11＝
ｂ）、原因１「エアクリーナのつまり」と現象２「力が
ない」の関連度は小さく（Ｗ21＝ｃ）、原因２「噴射ノ
ズルの不良」と現象１「排気色が黒い」の関連度は大き
い（Ｗ12＝ａ）といったごとくである。つぎに、上記関
連度Ｗｉｊに基づいて予測異常度Ｐｉｊ（ｋ）が演算さ
れる。

【００１７】ここに、予測異常度Ｐｉｊ（ｋ）とは、原
因ｊの確信度がｋ（０≦ｋ≦１）であると仮定したとき
に予測される各種現象ｉの発生度合いのことである。確
信度ｋは０〜１の範囲で連続的な値をとりうるが、演算
処理の便宜上、数値範囲０〜１を１０分割あるいは１０
０分割して演算される。分割数は、要求される演算精
度、演算時間を勘案して決定される。

【００１８】予測異常度Ｐｉｊ（ｋ）はたとえば下記
（１）式より求めることができる。この（１）式の演算
は図３（ａ）のように図示することができる。

【００１９】Ｐｉｊ（ｋ）＝｛ｍｉｎ（Ｗｉｊ、ｋ）｝ …（１）（ステップ１０２）ついで、実際の異常度Ｉｉと上記予測異常度Ｐｉｊ
（ｋ）との誤差Ｅｉｊ（ｋ）、つまり原因ｊの確信度が
ｋである場合の異常度の誤差Ｅｉｊ（ｋ）が下記（２）
式により演算される。

【００２０】Ｅｉｊ（ｋ）＝Ｉｉ−Ｐｉｊ（ｋ） …（２）ただし、異常度Ｉｉ＝’−’または予測異常度Ｐｉｊ
（ｋ）＝’−’（Ｗｉｊ＝’−’）の場合は、誤差Ｅｉ
ｊ（ｋ）＝０として扱われる。図３（ｂ）は確信度ｋと
誤差Ｅｉｊ（ｋ）との関係を例示したグラフである（ス
テップ１０３）。つぎに誤差Ｅｉｊ（ｋ）の大きさを各
種原因ｊごとに示すべく、ＥＲＲＯＲｊが下記（３）式
のごとく演算される。

【００２１】ＥＲＲＯＲｊ（ｋ）＝Σ（Ｅｉｊ（ｋ））*2／Ｎｊ …（３）ここで、Ｎｊは、Ｉｉが’−’でなく、かつＷｉｊが’
−’ではないという条件を満たす原因ｊに対応する現象
ｉの数である。なお、（Ｘ）*2はＸの２乗を表すものと
定義する（ステップ１０４）。

【００２２】つぎにＥＲＲＯＲｊ（ｋ）を最小にする確
信度ｋが原因ｊごとに求められ、この最小の確信度ｋが
原因ｊの最終的な確信度ＣＦｊとされる。

【００２３】この実施例では、図３（ｃ）に示すように
ＥＲＲＯＲｊ（ｋ）の分布から最小のＥＲＲＯＲｊ
（ｋ）、つまりｍｉｎＥＲＲＯＲｊ（ｋ）が得られる確
信度ｋの範囲を求め、この範囲の中で最小の確信度を下
限値とし、また最大の確信度を上限値とし、これら下限
値と上限値の中心値を最小の確信度ｋとしている。

【００２４】これは、中心値近傍の確信度で原因ｊが発
生していると仮定するのが、最も誤差を小さくし、判断
が妥当と考えられるからである。

【００２５】ただし、中心値は、上限値と下限値の差幅
分だけあいまいさを含んでいるため、下記（４）式のよ
うな補正演算を行い、最終確信度ＣＦｊを求めるように
する。

【００２６】ＣＦｊ＝中心値−ｃ1・ｍｉｎＥＲＲＯＲｊ−ｃ2・（上限値−下限値） …（４）ただし、ｃ1、ｃ2は定数であり、ＣＦｊは、常に０≦Ｃ
Ｆｊ≦１の範囲内に入るように（４）式の演算後、補正
される（ステップ１０５）。そして、確信度ＣＦｊがパ
ソコンの表示画面に表示される（ステップ１０６）。

【００２７】図５中に逆診断処理による各種原因ｊの確
信度ＣＦｊを百分率で示している。たとえば、Ｎｏ１の
場合、原因１「エアクリーナのつまり」の確信度ＣＦ1
は６６％となり、原因２「噴射ノズルの不良」の確信度
ＣＦ2は９０％となり、原因３「バッテリーの不良」の
確信度は３０％になることを示している。

【００２８】以上説明したようにこの実施例によれば、
実際の異常度Ｉｉと予測異常度Ｐｉｊ（ｋ）との誤差Ｅ
ｉｊ（ｋ）が最も小さくなるｋが確信度ＣＦｊとして求
められる。このため、原因の確信度が０〜１００％で変
化するような問題を推論する場合に、推論を精度よく行
うことができるようになる。しかも、上記（１）〜
（４）式に示されるように複雑な演算処理を要すること
がないので、短時間に推論を行うことができる。

【００２９】

【発明の効果】以上説明したように本発明によれば、原
因の確信度が０〜１００％で変化するような問題を推論
する場合に、推論を精度よく行うことができるようにな
る。しかも複雑な演算処理を要することがないので、短
時間に推論を行うことができるようになる。

【図面の簡単な説明】

【図１】図１は本発明に係る推論装置の実施例における
処理手順を示すフローチャートである。

【図２】図２は逆診断知識の構造を概念的に示す図であ
る。

【図３】図３は実施例の演算処理を説明するために用い
たグラフである。

【図４】図４は逆診断知識の具体例を示す図である。

【図５】図５は実施例における診断結果を示す図であ
る。

Claims

【特許請求の範囲】

【請求項１】各種現象の現在の発生度合いを示す
発生度合いデータと原因から予測した各種現象の発生度
合いを示す予測発生度合いデータとを用意し、前記予測
発生度合いデータと前記発生度合いデータとを各種原因
ごとに比較し誤差の小さい原因ほど確信度が大きくなる
よう各種原因ごとの確信度を推論する推論装置におい
て、前記予測発生度合いデータに基づいて各種現象の予測発
生度合いを、各種原因の各確信度ごとに演算する第１の
演算手段と、前記第１の演算手段で演算された各種原因の各確信度ご
との予測発生度合いと前記発生度合いデータとを比較
し、各種原因の各確信度ごとに誤差を演算する第２の演
算手段と、前記第２の演算手段で演算された誤差について各種原因
ごとに比較を行い、各種原因においてそれぞれ最も小さ
い誤差が得られる確信度を各種原因におけるそれぞれの
確信度であると推論する手段とを具えた推論装置。