Temporally Distributed Symptoms in Technical Diagnosis

ماشین های پیچیده می توانند به روش های پیچیده ای از کار بیفتند. اغلب ماهیت خطا را می توان تنها از طریق تفسیر رفتار ماشین در طول زمان تعیین کرد. این کتاب رویکرد جدیدی را برای بازنمایی و تشخیص علائم توزیع زمانی ارائه می‌کند. سیستم های خبره تشخیصی موجود معمولاً تحت مجموعه ای از فرضیات ساده کننده عمل می کنند که کاربرد آنها را محدود می کند. یک فرض رایج این است که دستگاهی که باید تشخیص داده شود، رفتار ایستا دارد و رابطه بین ورودی ها و خروجی ها در طول زمان ثابت است. در بیشتر حوزه های کاربردی واقع گرایانه، این فرض نقض می شود و هم عملکرد عادی و مورد نظر دستگاه و هم عملکرد نادرست احتمالی، رفتارهای پیچیده ای در طول زمان هستند. این کتاب به مشکل درمان سیستماتیک اطلاعات در مورد علائم خطا که در طول دوره های زمانی پخش می شوند، می پردازد. این علائم با ترتیب خاصی از رویدادها مشخص می شوند و در حالت کلی یک عکس فوری از وضعیت دستگاه برای تشخیص علائم کافی نیست. در عوض باید یک دنباله اندازه گیری را برنامه ریزی کرد که شامل چندین مشاهده در بیش از یک نقطه زمانی باشد. نویسنده با طبقه‌بندی انواع مختلف رفتار معیوب پویا، سیستم‌های توزیع شده زمانی (TDSs) را شناسایی می‌کند و یک زبان نمایشی طراحی می‌کند که به TDS‌ها اجازه می‌دهد به شیوه‌ای اعلامی مشخص شوند. تعریف تطابق موفقیت آمیز یک توالی اندازه گیری در برابر مشخصات TDS به عنوان یک الگوریتم عملیاتی شده است که چنین دنباله مشاهده ای را بر اساس مشخصات TDS برنامه ریزی می کند. نویسنده نشان می‌دهد که راه‌حل جدید او یک بلوک ساختمانی عمومی و مستقل از پارادایم برای سیستم‌های خبره تشخیصی با تعبیه آن در چارچوب‌های یک سیستم تشخیصی انجمنی و مبتنی بر مدل است. این کتاب هم برای محققانی که روی کاربردهای استدلال زمانی کار می کنند و هم برای کاربران آینده نگر سیستم های خبره فنی ارزشمند خواهد بود.

Complex machines can fail in complex ways. Often the nature of the fault can be determined only through the interpretation of machine behavior over time. This book presents a novel approach to the representation and recognition of temporally distributed symptoms. Existing diagnostic expert systems usually operate under a set of simplifying assumptions that limit their applicability. A common assumption is that the device to be diagnosed has a static behavior, with the relation between inputs and outputs constant over time. In most realistic application domains this assumption is violated and both the normal, intended function of the device and the potential malfunctions are complex behaviors over time. This book addresses the problem of systematically treating information about fault symptoms that are spread out over periods of time. These symptoms are characterized by a specific order of events, and in the general case a single snapshot of the device state does not suffice to recognize the symptoms. Instead one has to plan a measurement sequence that consists of several observations at more than one time point. Starting with a classification of various types of dynamic faulty behavior, the author identifies temporally distributed systems (TDSs) and designs a representation language that allows TDSs to be specified in a declarative manner. The definition of a successful match of a measurement sequence against a TDS specification is operationalized as an algorithm which plans such an observation sequence based on the TDS specification. The author demonstrates that his novel solution is a generic, paradigm-independent building block for diagnostic expert systems by embedding it into the frameworks of both an associative and a model-based diagnostic system. The book will be valuable both for researchers working on applications of temporal reasoning and prospective users of technical expert systems.