Zusammenfassung
Der klassische Weg der Expertensystem-Erstellung ist sehr unwirtschaftlich, wenn die zu diagnostizierenden technischen Systeme in hoher Variantenvielfalt vorliegen. Eine erfolgversprechende Alternative wird vorgestellt und diskutiert: Beim Wissenserwerb werden Wissens-Module erstellt, nämlich ein Wissens-Modul für jeden Typ von realem Modul, das in mindestens einer Variante des technischen Systems auftritt. Das zur Diagnose einer Variante benötigte Wissen wird dann automatisch erzeugt, indem Wissens-Module anhand der aktuellen Konfiguration der Variante zusammengefügt werden. Das Grundkonzept und die Diagnosestrategie von FACTEDIS (Fault tree based Acquisition and Compilation Tool for Embedded Diagnostic Systems) werden beschrieben. Die Anforderungen an die Wissensrepräsentation werden skizziert. Ausgehend von der Anforderung eines effizienten Wissenserwerbs auch bei hoher Variantenvielfalt unter den technischen Modulen wird die Struktur der Wissens-Module dargelegt und skizziert, wie die Wissens-Module automatisch zusammengefügt werden. Die Vorteile des hier beschrieben Ansatzes werden diskutiert. Das Konzept soll bis Ende 1993 prototypisch implementiert sein und dann zunächst im Daimler-Benz-Konzern erprobt werden.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
T. Bylander: “Complexity of Model-Based Diagnosis”. Ohio State University, TR 89-TB- COMP-MOD (1989).
Carnegie Group: “Technical Paper: The TestBench Diagnostic Shell”. Carnegie Group Inc. Pittsburgh.
R. Davis: “Diagnostic Reasoning Based on Structure and Behavior”. Artificial Intelligence 24, pp. 347 - 411 (1984).
GMD: “Gina User Manual — Gina Version 2.0 for Common Lisp”. Gesellschaft für Mathematik und Datenverarbietung (1992).
B. Höfig & W. Krautter & B. Skuppin: “ROSE — Untersuchungen zur Modellierung technischer Systeme”. FAW-TR-92002 (Technischer Bericht des Forschungsinstitutes für anwen- dungsorientierte Wissensverarbeitung, Ulm) (1992).
S. Iwanowski: “Model-based Diagnosis for Different Time Points”. Proceed. 11th Europ. Conf. on Artif. Intell., pp. 28–36 (1992).
Jüngst, E.-W. & Meyer-Gramann, K. D.: “Factedis — a Tool for Generating Real-time Expert systems”. Proceed. 5th US Postal Service Adv. Technol. Conf., Washington, Nov. 1992.
J. de Kleer & B. C. Williams: “Diagnosing Multiple Faults”. Artificial Intelligence Vol. 32, pp. 97–130(1987).
K. D. Meyer Gramann: “Ein Expertensystem mit Wissenserwerbs-Komponente für technische Diagnose”. Proceed. 3. Workshop “Diagnostik-Expertensysteme” der Fachgruppe “Diagnostik und Klassifikation” der Gl, Kaiserslautern (1990).
O. J. Murphy & R. C. Mccraw: “Designing Storage-Efficient Decision Trees”. IEEE Transact. Computers, Vol. 40, No. 3, pp. 315–320 (1991).
R. Reiter: “A Theory of Diagnosis from First Principles”. Artificial Intelligence Vol. 32, pp. 57–95 (1987).
S. R. Safavian & D. Landgrebe: “A Survey of Decision Tree Classifier Methodology”. IEEE Transact. Systems, Man & Cybern., Vol. 21, No. 3, pp. 660–674 (1991).
Steele, G. L. jr.: “Common LISP — The Language”. Digital Press, 2nd Edition (1990).
P. Strub & O. Drebsler: “Physical Negation” — Integrating Fault Models into the GDE” Proceed. Int. Conf. on Artific. Intelligence, pp. 1318–1323 (1989).
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1993 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Meyer-Gramann, K.D., Jüngst, EW. (1993). Diagnose von modularen technischen Systemen hoher Variantenvielfalt mit FACTEDIS. In: Puppe, F., Günter, A. (eds) Expertensysteme 93. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-78073-8_4
Download citation
DOI: https://doi.org/10.1007/978-3-642-78073-8_4
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-56464-5
Online ISBN: 978-3-642-78073-8
eBook Packages: Springer Book Archive