專利名稱：建立過程決策支持系統的方法
技術領域：
本發明涉及建立過程決策支持系統的方法。這類決策支持系統用于制造過程中， 尤其是工業制造過程，考慮到為優化過程生產和質量的控制過程而監測過程的性能。建立過程決策支持系統的方法特別適用于智能過程或資產監測。
背景技術：
包括其他來源在內，制造過程的主要知識來源是工廠數據(或過程數據)和操作數據(操作數據包括操作原理、操作規則和專家用戶輸入)。專家系統采用操作數據以再現和模擬人類專家的輸入，從而分析工廠的性能，以便控制工廠過程并由此優化生產和質量。為此，專家系統通常包括將操作數據的形式化表示(例如，專家用戶輸入)提供給規則庫和推理機的知識庫。規則庫和推理機合作模擬專家用戶在分析制造過程的結果中實行的推理方法，從而通過人工控制過程或依靠控制系統做出關于過程的最終控制的決策。雖然專家系統能夠為可做出控制決策的重復決策和過程提供一致的解決方案，但專家系統不會考慮工廠數據和過程數據中的趨勢和模式，也不會考慮可從工廠數據和過程數據中的模式得出的任何規則。數據挖掘搜索和研究工廠(或過程)數據以尋找可視作關于工廠數據的知識的模式。數據挖掘可實現知識發現或預測的過程，或同時實現兩者的過程。知識發現是指建模工廠數據和表示關于工廠數據的知識的工廠(或過程)數據規則的提取，例如，通過使用關聯規則挖掘的規則歸納。預測是指未來工廠或過程事件的預測建模，并可通過基于規則的技術或可具有學習能力的神經網絡來實現。通過數據挖掘發現的知識不會考慮也不會包括操作數據，例如，經由專家用戶輸入獲得的試探(heuristics)。操作數據提供過程的高級行動如何與過程的低級原因相關的抽象概念。這種等級的抽象概念不容易通過工廠數據的數據挖掘獲得。相反，工廠數據的數據挖掘發現專家用戶不易于識別的工廠過程中固有的明確規則。本發明旨在提供建立過程決策支持的方法，藉此分析和結合過程知識和工廠知識以產生合并的知識集，進而采取行動以改進過程控制。
發明內容
根據本發明的廣義方面，提供一種建立過程決策支持系統的方法，該方法包括收集過程的過程數據、收集過程的操作數據、以及融合過程數據和操作數據，以便創建可采取過程決策(例如，控制決策)的過程的融合數據集(例如，合并規則集)。可根據基于規則的知識融合、數學知識融合或基于案例的推理知識融合的方法來融合過程數據和操作數據。更具體來說并且根據本發明的一個方面，提供了一種建立過程決策支持系統的方法，該方法包括
收集過程的過程數據；收集過程的操作數據；根據過程數據和操作數據定義針對特定過程性能的過程條件；從過程數據生成一個或多個數據驅動的規則；捕捉一個或多個操作規則，即，來自操作數據(即，專家數據)的專家規則；以及融合一個或多個數據驅動的規則與一個或多個操作規則，以創建合并規則集。操作數據可包括操作規則、專家數據、專家用戶輸入(例如，專家規則)、操作行動 (例如，專家行動)、及過程操作原理中的任何一個或多個。根據本發明的另一個方面，提供了一種建立過程決策支持系統的方法，該方法包括收集過程的過程數據；收集過程的操作數據；根據過程數據和操作數據定義針對特定過程性能的過程條件；從過程數據生成一個或多個數據驅動的規則；捕捉一個或多個操作規則，即，來自操作數據(即，專家數據)的專家規則；融合一個或多個數據驅動的規則與一個或多個操作規則，以創建合并規則集；捕捉一個或多個操作行動，即，來自操作數據的專家行動；以及融合合并規則集與一個或多個捕捉的操作行動，以創建合并的基于規則和基于行動的知識集。針對特定性能(例如，好的過程性能和差的過程性能)的過程條件的定義可包括 針對過程的一個或多個關鍵性能指標(KPI)定義一個或多個結果類。可針對具有離散值或連續值或二者的KPI定義一個或多個結果類。針對特定性能的過程條件的定義可包括針對過程的一個或多個KPI定義一個或多個結果范圍。針對特定性能的過程條件的定義可包括收集表示過程的一個或多個KPI的過程數據；收集專家規則形式的專家用戶輸入；以及將收集的專家規則應用于表示一個或多個KPI的過程數據，以定義一個或多個結果類。將收集的專家規則應用在過程數據上可包括將規則直觀應用于過程數據，以定義一個或多個結果類。將收集的專家規則應用在過程數據上可包括基于規則定義一個或多個結果類，以指定針對特定性能(例如，好的過程性能或差的過程性能)的過程條件。從過程數據生成一個或多個數據驅動的規則可包括過程數據的數據挖掘。過程數據的數據挖掘可包括定義對應用于針對過程的特定性能在過程條件中定義的一個或多個KPI的一個或多個結果類的一個或多個結果類。在本發明的一個實施例中，生成一個或多個數據驅動的規則可包括為對應用于一個或多個KPI的一個或多個結果類的一個或多個結果類歸納簡明規則。在另一個實施例中，生成一個或多個數據驅動的規則可包括為對應用于KPI的一個或多個結果類的一個或多個結果類歸納模糊規則。
生成一個或多個數據驅動的規則可包括構建決策樹以實現一個或多個規則的生成。從操作數據捕捉一個或多個操作規則可包括使用以下任何一個或多個決策表、決策樹、在分層格式中通過多個“AND”條件捕捉規則。融合一個或多個數據驅動的規則與一個或多個操作規則以創建合并規則集可包括定義一個或多個規則類別；按照一個或多個類別將一個或多個操作規則和一個或多個數據驅動的規則分組成規則子集；以及融合規則子集以創建合并規則集。一個或多個類別可包括以下任何一個或多個獨特專家規則、獨特數據驅動的規則、完全重疊的規則、部分重疊的規則、以及對比規則。融合一個或多個數據驅動的規則與一個或多個操作規則可通過(例如，在軟件中)實現的融合引擎來達到。融合規則子集可缺省包括在合并規則集中納入分類為獨特專家規則的一個或多個規則。融合規則子集可缺省包括在合并規則集中納入分類為獨特數據驅動的規則的一個或多個規則。融合規則子集可缺省包括在合并規則集中納入分類為完全重疊的規則的一個或多個規則。融合規則子集可包括將分類為部分重疊的規則的一個或多個規則縮減到獨特規則或完全重疊的規則。一個或多個部分重疊的規則的縮減可包括決策表或決策子樹或二者的生成，以便分類部分重疊的規則。一個或多個部分重疊的規則的縮減可以是自動化的并可通過融合引擎達到。在一個實施例中，縮減可為用戶縮減的人工干預做準備，以便將未解決的規則縮減為一個或多個規則子集。因此，在使用中，一個或多個部分重疊的規則可在決策表或決策樹格式中查看，其中，部分重疊的規則被例如突出顯示。部分重疊的規則傳遞到融合引擎，融合引擎將規則解析為合并規則集的完全重疊的規則子集。在融合引擎無法解析規則的情況下，規則被人工解析為合并規則集的完全重疊的規則子集。融合規則子集可包括融合分類為對比規則的一個或多個規則。融合一個或多個對比規則可通過應用以下任何一個或多個來達到硬約束；軟約束(例如，試探)；以及閾值 (例如，準確性或普遍性百分比)來實現，以便將一個或多個對比規則融合到合并規則集中并確保規則符合單調性約束。單調性約束要求對比規則輸入的增加不得導致規則融合到合并規則集后對應規則輸出的減少。可為一個或多個對比規則定義規則條件(例如，溫度、流量、功率)和規則結果類 (例如，好的或差的)。當存在對比規則條件和相似規則結果時，硬約束應用于規則。當存在相似規則條件和不同規則結果時，超覆(overriding)專家規則或超覆數據規則融合到合并規則集中。與縮減一個或多個部分重疊的規則一樣，融合一個或多個對比規則可通過融合引擎自動化，并允許人工干預以解析未自動解析的規則。
融合一個或多個數據驅動的規則與一個或多個操作規則以創建合并規則集可包括，在將規則分組到規則子集之前，定義一個或多個試探以便將數據驅動的規則和操作規則分類到一個或多個規則類別中。融合一個或多個數據驅動的規則與一個或多個操作規則可包括優化合并規則集。捕捉一個或多個操作行動(即專家行動)可包括捕捉對應于從專家數據捕捉的一個或多個專家規則的一個或多個專家行動。融合合并規則集與一個或多個捕捉的專家行動以創建合并的基于規則和基于行動的知識集可包括將一個或多個專家行動中的至少一個指配到合并規則集的一個或多個規則。指配一個或多個專家行動中的至少一個可包括將行動指配到合并規則集的規則的一個或多個子集。指配一個或多個專家行動中的至少一個可包括人工將行動指配到合并規則集的規則。有利地，就集合的每個規則應具有對應的行動而言，合并的基于規則和基于行動的知識集應該是完整的。當缺少行動時，可替代以缺省行動。為了報告應用程序或實時應用程序，每個規則應有利地具有反映導致過程的一個或多個KPI的一個或多個結果類的差性能的原因的名稱。應該意識到，上述方法類似地應用于資產監測決策支持系統的建立。為此，以上提到的過程和過程相關的術語(例如，過程數據)可視作同等適當地應用于資產和資產相關的術語(例如，資產數據)。現在將參照以下附圖通過非限制性示例來描述本發明。
在附圖中圖1示出根據本發明的一個方面的建立過程決策支持系統的方法的示意流程圖。圖2示出根據圖1的本發明的方面融合數據驅動的規則與操作規則以創建合并規則集的示意流程圖。圖3示出該方法的一個方面的示意流程圖，其中，數據驅動的規則與操作規則融合以創建圖1和圖2的合并規則集。圖4示出該方法的另一個方面的示意流程圖，其中，數據驅動的規則與操作規則融合以創建圖1和圖2的合并規則集。圖5、6、7、8和9示出根據該方法并且特別是根據如何創建合并規則集的如何處理規則的示例。除非另有說明，相同參考標號表示本發明的相同部分。
具體實施例方式在圖1中，參考標號10 —般表示根據本發明的一個方面的建立過程決策支持系統的方法并且根據本發明的一個方面應用于制造過程。方法10從兩個數據源即過程數據12和操作數據14取得其輸入。操作數據14包括通常由專家系統使用的數據以模擬人類專家的輸入，從而分析工廠或資產的性能以便為了優化過程生產和質量而控制工廠過程。操作數據包括專家工廠操作員輸入，即關于制造過程和關聯專家行動的專家規則，這些規則建議采取的行動以提高與專家規則有關的過程性能。過程數據12代表工廠過程本身的數據，例如，實時過程分析數據，通過它可充分利用工廠過程中固有的明確規則。方法10包括以下步驟在步驟100，收集過稈數據12并將其存儲在數據庫中。過程數據將用作生成數據驅動的規則的來源并用于定義針對過程的特定性能的過程條件20，這些將在下文中變得更加明顯。在步驟200，收集操作數據14并將其存儲在數據庫中。操作數據，即專家規則和專家行動，將用作過程的專家規則來源、與專家規則關聯的專家行動來源，并用于定義針對過程的特定性能的過程條件20，這些將在以下步驟中變得更加明顯。針對過程的特定性能的過程條件在20通過選擇過程的一個或多個關鍵性能指標 (KPI)來定義。表示所選KPI的特定過程數據從過程數據12中收集，并且表示所選KPI的專家規則從操作數據14中收集。收集的專家規則應用于表示所選KPI的過程數據，通過將收集的專家規則直觀地應用于過程數據以創建指定針對特定性能的過程條件20的基于規則的定義，即什么構成好的或差的過程性能，尤其是什么構成差的過程性能的基于規則的定義，由此定義過程的結果類。結果類理想地定義為過程結果的范圍。構成差的過程性能的基于規則的定義稍后在方法10中用于測量差的性能并對提高過程性能起作用。有利地，過程條件的定義定義了融合數據驅動的規則與專家規則以創建合并規則集的范圍，這將在500中變得更加明顯。該定義用作為哪些結果類方法10必須歸納規則的清晰說明，并專注于400中專家規則的捕捉。數據驅動的規則在步驟300生成并通過對在100收集的過程數據12的數據挖掘完成。數據挖掘經由沈取得在20中定義的結果類作為輸入，并包括對應于在20中針對特定性能在過程條件中定義的KPI的結果類的離散輸入類的定義。在方法10的這個實施例中，通過歸納離散輸入類的簡明規則建立數據驅動的規則，這些規則可操作以與連續或離散變量或二者配合工作。雖然在這個實施例中，數據驅動的規則經由規則指示建立，但在其它實施例中規則可通過模糊規則歸納來建立。數據驅動的規則通過構建決策樹來生成，并且基于例如以下算法的優化版本定制規則對于每個類C初始化到所有示例E的集合當E包含類C中的示例時創建預測類C的具有空左手側的規則R直至R 100%準確(或沒有更多屬性可以使用)，執行對于不在R中的每個屬性A，以及每個值ν
考慮添加條件(屬性值對)Α) ν到R的左手側選擇A和ν以最大化屬性值對的準確性和覆蓋將Α) ν添加到R從E移除由R覆蓋的示例數據驅動的規則在300中生成，而專家規則在步驟400中捕捉。專家規則的捕捉包括在30中取得來自針對過程性能的條件定義的數據和在200中取得專家規則14作為來源。通過使用決策表和通過建立一個或多個決策樹在軟件中促進專家規則的捕捉，并且在分層格式中通過多個AND條件為專家規則的捕捉做準備。應該注意，在本發明的另一個實施例中，其中，方法10應用于資產監測決策支持系統的建立，為捕捉與專家規則關聯的多個或偶數個(even)條件行動做準備。步驟500表示融合300中生成的數據驅動的規則與400中捕捉的專家規則以創建合并規則集。這個步驟可視作建立過程決策支持系統的方法的第一融合步驟。數據驅動的規則在四中取得，而專家規則在31中取得。創建合并規則集，如參照以下圖2、3和4詳細描述，其中描述了規則子集的創建。另外，在將合并規則集傳遞到步驟600之前對其進行優化。在步驟600中，從操作數據14捕捉與專家規則關聯的專家行動。在步驟700中，通過融合在步驟500中創建的規則集與步驟600的捕捉的專家行動來創建合并的基于規則和基于行動的知識集。這個步驟可視作建立過程決策支持系統的方法的第二融合步驟，第二融合步驟從36和37取得其輸入。融合通過為合并規則集的每個規則指配相應的專家行動來完成，并且可包括將專家行動指配到合并規則集的規則子集。指配可通過使用軟件來被自動化，或在自動化指配不可行的情況下人工完成。所得合并的基于規則和基于行動的知識集34包括規則的集合，其中在步驟500中創建的規則子集的每個規則具有與之關聯的相應專家行動。在找不到(無論是自動地還是人工地)給定規則的相應行動時，則用缺省行動替代。參照步驟500和700，我們注意到，建立過程決策支持系統的方法包括兩個融合步驟，即在500中融合數據驅動的規則與專家規則以創建合并規則集的第一步驟，以及融合 500中創建的合并規則集與步驟600中捕捉的專家行動的第二步驟。現在參照圖2，參考標號500更詳細地示出融合300的數據驅動的規則與400中捕捉的專家規則以創建合并規則集的步驟。從圖1繼續，標號12再次示出過程數據并且標號14示出操作數據，即用于在步驟300中生成數據驅動的規則和在步驟200中捕捉專家規則的專家數據。融合數據驅動的規則與專家規則以定義以下規則類別開始獨特專家規則 40、獨特數據驅動的規則42、部分重疊的規則、完全重疊的規則45及對比規則46，并且融合過程由融合引擎執行，該引擎在融合數據驅動的規則和專家規則時參照計算機化方法和編程方法。在結合或融合數據驅動的規則與專家規則時，融合引擎必須(包括其它在內)處理單調性約束。此處給出的簡要約束邏輯僅為突出強調所述方法旨在克服的挑戰。單調性約束要求某輸入(在此情況下為規則)的增加不得導致融合規則的輸出的減小。例如，給出數據集D = {xi，yi}ni = 1，其中 xi = (xil，xi2，…，xim) □ X = Xl XX2X ...Xm，以及在此輸入空間X上定義的部分排序<。在類值yi的空間Y，定義線性排序 <。如果以下等式成立，則分類器
f:xi — f(xi) □ Y 是單調的:xi ( xj f (xi) ( f(xj),D i，j(或 f(xi)彡 f(xj),D i， j)例如，在無關的示例中并且僅為說明性目的，增加收入同時保持其它變量相等，應造成減少的貸款違約概率。因此，如果客戶A具有與客戶B相同的特性，但更低的收入，則不可能客戶A被分類為好顧客而客戶B分類為差顧客。相似的理由適用于所述方法的結果類。融合數據驅動的規則與專家規則包括通過根據規則類別分類規則子集來識別要融合的不同規則子集。定義試探以區別不同類型的數據驅動的規則和專家規則并且規則被映射和分組到類別中。通過考慮融合每個規則類別來融合規則子集。-對于分類為獨特數據驅動的規則的規則子集，驗證規則并定義準則以便將規則納入合并規則集。缺省情況下，獨特數據驅動的規則納入合并規則集中。-同樣，對于分類為獨特專家規則的規則子集，定義準則以便將規則納入合并規則集。缺省情況下，獨特專家規則納入合并規則集中。-對于分類為完全重疊的數據驅動的規則和專家規則的規則子集，規則缺省被納入合并規則集。-在圖3中，參考標號50表示如何處理分類為部分重疊的規則子集的流程圖。生成決策表和決策子樹以可視化和分類規則為獨特或將規則縮減為完全重疊的規則。如圖所示，融合引擎自動縮減規則，并且在融合引擎無法解析規則時使用規則的人工縮減。-在圖4中，參考標號52表示如何縮減分類為對比規則的規則子集以便納入合并規則集的流程圖。與部分重疊的規則情況相似，使用決策表和決策子樹將規則縮減到合并規則集，并且融合引擎采用硬約束和軟約束解析規則。為此，定義和考慮規則條件(例如， 溫度、流量和功率)以及規則結果類(例如，好的或差的)。融合引擎評估不同類型的對比規則，例如通過考慮相似條件或不同規則結果，這導致規則被當作超覆專家規則或超覆數據規則來處理。當存在對比條件和相似規則結果時，應用硬約束以將規則縮減到合并規則集。在圖5到9中，為了說明性目的，標號54、56、58、60和62給出如何處理對比規則
的示例。
權利要求
1.一種建立過程決策支持系統的方法，所述方法包括收集過程的過程數據；收集所述過程的操作數據；根據所述過程數據和所述操作數據定義針對諸如好的過程性能和差的過程性能的特定過程性能的過程條件；從所述過程數據生成至少一個數據驅動的規則；從所述操作數據捕捉至少一個操作規則；以及融合所述至少一個數據驅動的規則與所述至少一個操作規則，以創建合并規則集。
2.如權利要求1所述的方法，其中，所述操作數據包括操作規則、專家數據、專家規則、 專家行動、及過程操作原理中的任何一個或多個。
3.如權利要求2所述的方法，其包括從所述操作數據捕捉至少一個專家行動。
4.如權利要求3所述的方法，其包括融合所述合并規則集與所捕捉的至少一個專家行動，以創建合并規則和基于行動的知識集。
5.如權利要求2所述的方法，其中，定義針對特定性能的所述過程條件包括定義所述過程的至少一個關鍵性能指標(KPI)的至少一個結果類。
6.如權利要求5所述的方法，其中，針對具有至少離散值或連續值或二者范圍的KPI定義所述至少一個結果類。
7.如權利要求6所述的方法，其中，定義針對特定性能的所述過程條件包括收集表示所述至少一個KPI的過程數據，從所述操作數據收集專家規則以及將所收集的專家規則應用于表示所述至少一個KPI的所述過程數據，以定義所述至少一個結果類。
8.如權利要求7所述的方法，其中，將所述收集的專家規則應用在所述過程數據上包括將所述規則直觀地應用于所述過程數據，以定義所述至少一個結果類。
9.如權利要求7所述的方法，其中，將所述收集的專家規則應用在所述過程數據上包括基于規則定義所述至少一個結果類，以針對特定性能指定所述過程條件。
10.如權利要求7至9中的任一項所述的方法，其中，生成所述至少一個數據驅動的規則包括所述過程數據的數據挖掘。
11.如權利要求10所述的方法，其中，所述過程數據的所述數據挖掘包括定義對應于所述至少一個KPI的所述至少一個結果類的至少一個結果類。
12.如權利要求11所述的方法，其中，生成所述至少一個數據驅動的規則包括歸納至少一個簡明規則。
13.如權利要求11所述的方法，其中，生成所述至少一個數據驅動的規則包括歸納至少一個模糊規則。
14.如權利要求10至13中的任一項所述的方法，其包括構建決策樹以實現所述至少一個規則的生成。
15.如權利要求1、2、5、6、7、8或9中的任一項所述的方法，其中，從所述操作數據捕捉所述至少一個操作規則包括使用決策表、決策樹、以及在分層格式中通過多個“and”條件的捕捉規則中的任何一個或多個。
16.如權利要求1、2、5、6、7、8或9中的任一項所述的方法，其中，融合所述至少一個數據驅動的規則與所述至少一個操作規則以創建所述合并規則集包括定義至少一個規則類別，根據所述至少一個類別將所述至少一個操作規則和所述至少一個數據驅動的規則分組到子集中，以及融合所述至少一個子集以創建所述合并規則集。
17.如權利要求16所述的方法，其中，所述至少一個類別可包括獨特專家規則、獨特數據驅動的規則、完全重疊的規則、部分重疊的規則及對比規則中的任何一個或多個。
18.如權利要求17所述的方法，其中，所述融合由軟件實現的融合引擎來達到。
19.如權利要求18所述的方法，其中，融合規則子集缺省包括在所述合并規則集中納入分類為獨特專家規則的至少一個規則。
20.如權利要求18所述的方法，其中，融合規則子集缺省包括在所述合并規則集中納入分類為獨特數據驅動的規則的至少一個規則。
21.如權利要求18所述的方法，其中，融合規則子集缺省包括在所述合并規則集中納入分類為完全重疊的規則的至少一個規則。
22.如權利要求18所述的方法，其中，融合規則子集可包括將分類為部分重疊的規則的至少一個規則縮減到獨特規則或完全重疊的規則。
23.如權利要求22所述的方法，其中，所述至少一個部分重疊的規則的縮減包括決策表或決策子樹或二者的生成，以便分類所述至少一個部分重疊的規則。
24.如權利要求22或23所述的方法，其中，所述至少一個部分重疊的規則的所述縮減是自動化的并且由所述融合引擎達到。
25.如權利要求M所述的方法，其中，所述縮減為用戶進行的人工干預做準備，以便將未解決的規則縮減為所述至少一個規則子集。
26.如權利要求18所述的方法，其中，融合規則子集包括融合分類為對比規則的至少兩個規則。
27.如權利要求沈所述的方法，其中，融合所述至少兩個對比規則通過應用硬約束、軟約束及閾值中的任何一個或多個來達到，以將所述至少兩個對比規則融合到所述合并規則集中，從而確保所述規則符合單調性約束。
28.如權利要求16、17和18中的任一項所述的方法，其中，在將所述規則分組到規則子集之前，定義至少一個試探以便將所述至少一個數據驅動的規則和至少一個操作規則分類到所述至少一個規則類別中。
29.如權利要求4所述的方法，其中，創建所述合并規則和基于行動的知識集包括將所述至少一個專家行動中的至少一個指配到所述合并規則集的至少一個規則。
30.如權利要求四所述的方法，其中，指配所述至少一個專家行動中的所述至少一個包括將至少一個行動人工指配到所述合并規則集的所述至少一個規則。
31.一種過程決策支持系統，其包括可操作以執行如權利要求1所述的方法的計算機可執行指令集合的軟件實現。
32.—種如權利要求1所述的新方法，基本如上文中所述。
33.一種建立過程決策支持系統的方法，基本如本文中描述和示出的那樣。
全文摘要
一種建立過程決策支持系統的方法。這類決策支持系統用于制造過程中，尤其是工業制造過程，考慮到為優化過程生產和質量的控制過程而監測過程的性能。該方法包括收集過程的過程數據，收集過程的操作數據，以及融合過程數據和操作數據，以便創建可采取過程決策(例如，控制決策)的過程的融合數據集(例如，合并規則集)。可根據基于規則的知識融合、數學知識融合或基于案例的推理知識融合的方法來融合過程數據和操作數據。
文檔編號G06F17/00GK102439584SQ201080019453
公開日2012年5月2日 申請日期2010年4月30日 優先權日2009年4月30日
發明者D·W·穆爾曼, J·盧迪克 申請人:通用電氣基礎設施南非(股份)有限公司