专利名称：建立过程决策支持系统的方法
技术领域：
本发明涉及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。建立过程决策支持系统的方法特别适用于智能过程或资产监测。
背景技术：
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。本发明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。
发明内容
根据本发明的广义方面，提供一种建立过程决策支持系统的方法，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发明的一个方面，提供了一种建立过程决策支持系统的方法，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。根据本发明的另一个方面，提供了一种建立过程决策支持系统的方法，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。在本发明的一个实施例中，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，融合一个或多个对比规则可通过融合引擎自动化，并允许人工干预以解析未自动解析的规则。
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，在将规则分组到规则子集之前，定义一个或多个试探以便将数据驱动的规则和操作规则分类到一个或多个规则类别中。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包括优化合并规则集。捕捉一个或多个操作行动(即专家行动)可包括捕捉对应于从专家数据捕捉的一个或多个专家规则的一个或多个专家行动。融合合并规则集与一个或多个捕捉的专家行动以创建合并的基于规则和基于行动的知识集可包括将一个或多个专家行动中的至少一个指配到合并规则集的一个或多个规则。指配一个或多个专家行动中的至少一个可包括将行动指配到合并规则集的规则的一个或多个子集。指配一个或多个专家行动中的至少一个可包括人工将行动指配到合并规则集的规则。有利地，就集合的每个规则应具有对应的行动而言，合并的基于规则和基于行动的知识集应该是完整的。当缺少行动时，可替代以缺省行动。为了报告应用程序或实时应用程序，每个规则应有利地具有反映导致过程的一个或多个KPI的一个或多个结果类的差性能的原因的名称。应该意识到，上述方法类似地应用于资产监测决策支持系统的建立。为此，以上提到的过程和过程相关的术语(例如，过程数据)可视作同等适当地应用于资产和资产相关的术语(例如，资产数据)。现在将参照以下附图通过非限制性示例来描述本发明。
在附图中图1示出根据本发明的一个方面的建立过程决策支持系统的方法的示意流程图。图2示出根据图1的本发明的方面融合数据驱动的规则与操作规则以创建合并规则集的示意流程图。图3示出该方法的一个方面的示意流程图，其中，数据驱动的规则与操作规则融合以创建图1和图2的合并规则集。图4示出该方法的另一个方面的示意流程图，其中，数据驱动的规则与操作规则融合以创建图1和图2的合并规则集。图5、6、7、8和9示出根据该方法并且特别是根据如何创建合并规则集的如何处理规则的示例。除非另有说明，相同参考标号表示本发明的相同部分。
具体实施例方式在图1中，参考标号10 —般表示根据本发明的一个方面的建立过程决策支持系统的方法并且根据本发明的一个方面应用于制造过程。方法10从两个数据源即过程数据12和操作数据14取得其输入。操作数据14包括通常由专家系统使用的数据以模拟人类专家的输入，从而分析工厂或资产的性能以便为了优化过程生产和质量而控制工厂过程。操作数据包括专家工厂操作员输入，即关于制造过程和关联专家行动的专家规则，这些规则建议采取的行动以提高与专家规则有关的过程性能。过程数据12代表工厂过程本身的数据，例如，实时过程分析数据，通过它可充分利用工厂过程中固有的明确规则。方法10包括以下步骤在步骤100，收集过稈数据12并将其存储在数据库中。过程数据将用作生成数据驱动的规则的来源并用于定义针对过程的特定性能的过程条件20，这些将在下文中变得更加明显。在步骤200，收集操作数据14并将其存储在数据库中。操作数据，即专家规则和专家行动，将用作过程的专家规则来源、与专家规则关联的专家行动来源，并用于定义针对过程的特定性能的过程条件20，这些将在以下步骤中变得更加明显。针对过程的特定性能的过程条件在20通过选择过程的一个或多个关键性能指标 (KPI)来定义。表示所选KPI的特定过程数据从过程数据12中收集，并且表示所选KPI的专家规则从操作数据14中收集。收集的专家规则应用于表示所选KPI的过程数据，通过将收集的专家规则直观地应用于过程数据以创建指定针对特定性能的过程条件20的基于规则的定义，即什么构成好的或差的过程性能，尤其是什么构成差的过程性能的基于规则的定义，由此定义过程的结果类。结果类理想地定义为过程结果的范围。构成差的过程性能的基于规则的定义稍后在方法10中用于测量差的性能并对提高过程性能起作用。有利地，过程条件的定义定义了融合数据驱动的规则与专家规则以创建合并规则集的范围，这将在500中变得更加明显。该定义用作为哪些结果类方法10必须归纳规则的清晰说明，并专注于400中专家规则的捕捉。数据驱动的规则在步骤300生成并通过对在100收集的过程数据12的数据挖掘完成。数据挖掘经由沈取得在20中定义的结果类作为输入，并包括对应于在20中针对特定性能在过程条件中定义的KPI的结果类的离散输入类的定义。在方法10的这个实施例中，通过归纳离散输入类的简明规则建立数据驱动的规则，这些规则可操作以与连续或离散变量或二者配合工作。虽然在这个实施例中，数据驱动的规则经由规则指示建立，但在其它实施例中规则可通过模糊规则归纳来建立。数据驱动的规则通过构建决策树来生成，并且基于例如以下算法的优化版本定制规则对于每个类C初始化到所有示例E的集合当E包含类C中的示例时创建预测类C的具有空左手侧的规则R直至R 100%准确(或没有更多属性可以使用)，执行对于不在R中的每个属性A，以及每个值ν
考虑添加条件(属性值对)Α) ν到R的左手侧选择A和ν以最大化属性值对的准确性和覆盖将Α) ν添加到R从E移除由R覆盖的示例数据驱动的规则在300中生成，而专家规则在步骤400中捕捉。专家规则的捕捉包括在30中取得来自针对过程性能的条件定义的数据和在200中取得专家规则14作为来源。通过使用决策表和通过建立一个或多个决策树在软件中促进专家规则的捕捉，并且在分层格式中通过多个AND条件为专家规则的捕捉做准备。应该注意，在本发明的另一个实施例中，其中，方法10应用于资产监测决策支持系统的建立，为捕捉与专家规则关联的多个或偶数个(even)条件行动做准备。步骤500表示融合300中生成的数据驱动的规则与400中捕捉的专家规则以创建合并规则集。这个步骤可视作建立过程决策支持系统的方法的第一融合步骤。数据驱动的规则在四中取得，而专家规则在31中取得。创建合并规则集，如参照以下图2、3和4详细描述，其中描述了规则子集的创建。另外，在将合并规则集传递到步骤600之前对其进行优化。在步骤600中，从操作数据14捕捉与专家规则关联的专家行动。在步骤700中，通过融合在步骤500中创建的规则集与步骤600的捕捉的专家行动来创建合并的基于规则和基于行动的知识集。这个步骤可视作建立过程决策支持系统的方法的第二融合步骤，第二融合步骤从36和37取得其输入。融合通过为合并规则集的每个规则指配相应的专家行动来完成，并且可包括将专家行动指配到合并规则集的规则子集。指配可通过使用软件来被自动化，或在自动化指配不可行的情况下人工完成。所得合并的基于规则和基于行动的知识集34包括规则的集合，其中在步骤500中创建的规则子集的每个规则具有与之关联的相应专家行动。在找不到(无论是自动地还是人工地)给定规则的相应行动时，则用缺省行动替代。参照步骤500和700，我们注意到，建立过程决策支持系统的方法包括两个融合步骤，即在500中融合数据驱动的规则与专家规则以创建合并规则集的第一步骤，以及融合 500中创建的合并规则集与步骤600中捕捉的专家行动的第二步骤。现在参照图2，参考标号500更详细地示出融合300的数据驱动的规则与400中捕捉的专家规则以创建合并规则集的步骤。从图1继续，标号12再次示出过程数据并且标号14示出操作数据，即用于在步骤300中生成数据驱动的规则和在步骤200中捕捉专家规则的专家数据。融合数据驱动的规则与专家规则以定义以下规则类别开始独特专家规则 40、独特数据驱动的规则42、部分重叠的规则、完全重叠的规则45及对比规则46，并且融合过程由融合引擎执行，该引擎在融合数据驱动的规则和专家规则时参照计算机化方法和编程方法。在结合或融合数据驱动的规则与专家规则时，融合引擎必须(包括其它在内)处理单调性约束。此处给出的简要约束逻辑仅为突出强调所述方法旨在克服的挑战。单调性约束要求某输入(在此情况下为规则)的增加不得导致融合规则的输出的减小。例如，给出数据集D = {xi，yi}ni = 1，其中 xi = (xil，xi2，…，xim) □ X = Xl XX2X ...Xm，以及在此输入空间X上定义的部分排序<。在类值yi的空间Y，定义线性排序 <。如果以下等式成立，则分类器
f:xi — f(xi) □ Y 是单调的:xi ( xj f (xi) ( f(xj),D i，j(或 f(xi)彡 f(xj),D i， j)例如，在无关的示例中并且仅为说明性目的，增加收入同时保持其它变量相等，应造成减少的贷款违约概率。因此，如果客户A具有与客户B相同的特性，但更低的收入，则不可能客户A被分类为好顾客而客户B分类为差顾客。相似的理由适用于所述方法的结果类。融合数据驱动的规则与专家规则包括通过根据规则类别分类规则子集来识别要融合的不同规则子集。定义试探以区别不同类型的数据驱动的规则和专家规则并且规则被映射和分组到类别中。通过考虑融合每个规则类别来融合规则子集。-对于分类为独特数据驱动的规则的规则子集，验证规则并定义准则以便将规则纳入合并规则集。缺省情况下，独特数据驱动的规则纳入合并规则集中。-同样，对于分类为独特专家规则的规则子集，定义准则以便将规则纳入合并规则集。缺省情况下，独特专家规则纳入合并规则集中。-对于分类为完全重叠的数据驱动的规则和专家规则的规则子集，规则缺省被纳入合并规则集。-在图3中，参考标号50表示如何处理分类为部分重叠的规则子集的流程图。生成决策表和决策子树以可视化和分类规则为独特或将规则缩减为完全重叠的规则。如图所示，融合引擎自动缩减规则，并且在融合引擎无法解析规则时使用规则的人工缩减。-在图4中，参考标号52表示如何缩减分类为对比规则的规则子集以便纳入合并规则集的流程图。与部分重叠的规则情况相似，使用决策表和决策子树将规则缩减到合并规则集，并且融合引擎采用硬约束和软约束解析规则。为此，定义和考虑规则条件(例如， 温度、流量和功率)以及规则结果类(例如，好的或差的)。融合引擎评估不同类型的对比规则，例如通过考虑相似条件或不同规则结果，这导致规则被当作超覆专家规则或超覆数据规则来处理。当存在对比条件和相似规则结果时，应用硬约束以将规则缩减到合并规则集。在图5到9中，为了说明性目的，标号54、56、58、60和62给出如何处理对比规则
的示例。
权利要求
1.一种建立过程决策支持系统的方法，所述方法包括收集过程的过程数据；收集所述过程的操作数据；根据所述过程数据和所述操作数据定义针对诸如好的过程性能和差的过程性能的特定过程性能的过程条件；从所述过程数据生成至少一个数据驱动的规则；从所述操作数据捕捉至少一个操作规则；以及融合所述至少一个数据驱动的规则与所述至少一个操作规则，以创建合并规则集。
2.如权利要求1所述的方法，其中，所述操作数据包括操作规则、专家数据、专家规则、 专家行动、及过程操作原理中的任何一个或多个。
3.如权利要求2所述的方法，其包括从所述操作数据捕捉至少一个专家行动。
4.如权利要求3所述的方法，其包括融合所述合并规则集与所捕捉的至少一个专家行动，以创建合并规则和基于行动的知识集。
5.如权利要求2所述的方法，其中，定义针对特定性能的所述过程条件包括定义所述过程的至少一个关键性能指标(KPI)的至少一个结果类。
6.如权利要求5所述的方法，其中，针对具有至少离散值或连续值或二者范围的KPI定义所述至少一个结果类。
7.如权利要求6所述的方法，其中，定义针对特定性能的所述过程条件包括收集表示所述至少一个KPI的过程数据，从所述操作数据收集专家规则以及将所收集的专家规则应用于表示所述至少一个KPI的所述过程数据，以定义所述至少一个结果类。
8.如权利要求7所述的方法，其中，将所述收集的专家规则应用在所述过程数据上包括将所述规则直观地应用于所述过程数据，以定义所述至少一个结果类。
9.如权利要求7所述的方法，其中，将所述收集的专家规则应用在所述过程数据上包括基于规则定义所述至少一个结果类，以针对特定性能指定所述过程条件。
10.如权利要求7至9中的任一项所述的方法，其中，生成所述至少一个数据驱动的规则包括所述过程数据的数据挖掘。
11.如权利要求10所述的方法，其中，所述过程数据的所述数据挖掘包括定义对应于所述至少一个KPI的所述至少一个结果类的至少一个结果类。
12.如权利要求11所述的方法，其中，生成所述至少一个数据驱动的规则包括归纳至少一个简明规则。
13.如权利要求11所述的方法，其中，生成所述至少一个数据驱动的规则包括归纳至少一个模糊规则。
14.如权利要求10至13中的任一项所述的方法，其包括构建决策树以实现所述至少一个规则的生成。
15.如权利要求1、2、5、6、7、8或9中的任一项所述的方法，其中，从所述操作数据捕捉所述至少一个操作规则包括使用决策表、决策树、以及在分层格式中通过多个“and”条件的捕捉规则中的任何一个或多个。
16.如权利要求1、2、5、6、7、8或9中的任一项所述的方法，其中，融合所述至少一个数据驱动的规则与所述至少一个操作规则以创建所述合并规则集包括定义至少一个规则类别，根据所述至少一个类别将所述至少一个操作规则和所述至少一个数据驱动的规则分组到子集中，以及融合所述至少一个子集以创建所述合并规则集。
17.如权利要求16所述的方法，其中，所述至少一个类别可包括独特专家规则、独特数据驱动的规则、完全重叠的规则、部分重叠的规则及对比规则中的任何一个或多个。
18.如权利要求17所述的方法，其中，所述融合由软件实现的融合引擎来达到。
19.如权利要求18所述的方法，其中，融合规则子集缺省包括在所述合并规则集中纳入分类为独特专家规则的至少一个规则。
20.如权利要求18所述的方法，其中，融合规则子集缺省包括在所述合并规则集中纳入分类为独特数据驱动的规则的至少一个规则。
21.如权利要求18所述的方法，其中，融合规则子集缺省包括在所述合并规则集中纳入分类为完全重叠的规则的至少一个规则。
22.如权利要求18所述的方法，其中，融合规则子集可包括将分类为部分重叠的规则的至少一个规则缩减到独特规则或完全重叠的规则。
23.如权利要求22所述的方法，其中，所述至少一个部分重叠的规则的缩减包括决策表或决策子树或二者的生成，以便分类所述至少一个部分重叠的规则。
24.如权利要求22或23所述的方法，其中，所述至少一个部分重叠的规则的所述缩减是自动化的并且由所述融合引擎达到。
25.如权利要求M所述的方法，其中，所述缩减为用户进行的人工干预做准备，以便将未解决的规则缩减为所述至少一个规则子集。
26.如权利要求18所述的方法，其中，融合规则子集包括融合分类为对比规则的至少两个规则。
27.如权利要求沈所述的方法，其中，融合所述至少两个对比规则通过应用硬约束、软约束及阈值中的任何一个或多个来达到，以将所述至少两个对比规则融合到所述合并规则集中，从而确保所述规则符合单调性约束。
28.如权利要求16、17和18中的任一项所述的方法，其中，在将所述规则分组到规则子集之前，定义至少一个试探以便将所述至少一个数据驱动的规则和至少一个操作规则分类到所述至少一个规则类别中。
29.如权利要求4所述的方法，其中，创建所述合并规则和基于行动的知识集包括将所述至少一个专家行动中的至少一个指配到所述合并规则集的至少一个规则。
30.如权利要求四所述的方法，其中，指配所述至少一个专家行动中的所述至少一个包括将至少一个行动人工指配到所述合并规则集的所述至少一个规则。
31.一种过程决策支持系统，其包括可操作以执行如权利要求1所述的方法的计算机可执行指令集合的软件实现。
32.—种如权利要求1所述的新方法，基本如上文中所述。
33.一种建立过程决策支持系统的方法，基本如本文中描述和示出的那样。
全文摘要
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。
文档编号G06F17/00GK102439584SQ201080019453
公开日2012年5月2日 申请日期2010年4月30日 优先权日2009年4月30日
发明者D·W·穆尔曼, J·卢迪克 申请人:通用电气基础设施南非(股份)有限公司