專利名稱：一種復雜工業(yè)生產智能系統(tǒng)及其構造方法
技術領域：
本發(fā)明屬于一種工業(yè)生產人工智能系統(tǒng)及一種工業(yè)生產人工智能系統(tǒng)的構造方法。
背景技術：
人工智能是計算機科學、信息論、控制論、仿生學、心理學、數理邏輯、語言學和哲學 等多門學科相互滲透而發(fā)展起來的一門綜合性學科，其本質是研究、開發(fā)用于模擬、延伸和 擴展人的智能的理論、方法、技術及應用系統(tǒng)。因此，實用智能系統(tǒng)的研究從人工智能學科 興起的初期，就一直是該領域內最核心、最活躍的分支之一。
所謂智能系統(tǒng)是具有專家解決問題能力的計算機程序系統(tǒng)，能運用大量領域專家水平的 知識與經驗，模擬領域專家解決問題的思維過程進行推理判斷，有效地處理復雜問題。智能 基于知識，信息有序化成為知識，智能系統(tǒng)要研究知識的表示、獲取、發(fā)現、保存、傳播、 使用的方法和有效手段；智能存在于系統(tǒng)中，系統(tǒng)是由部件組成的有序整體，智能系統(tǒng)要研 究系統(tǒng)結構、組織原理、協同策略、進化機制、性能評價等。
商業(yè)智能系統(tǒng)是近年來逐漸興起的新型智能系統(tǒng)，主要由三部分組成數據倉庫、多維
分析、數據挖掘，已廣泛應用于銀行、超市等領域，并產生了可觀的經濟效益。但據目前資 料顯示，真正把數據倉庫、多維分析和數據挖掘應用于工業(yè)生產領域，并產生重大效益的案 例實屬罕見，這也往往是商業(yè)智能在工業(yè)生產領域的應用研究受質疑的原因所在。
六西格是一種專注于過程的戰(zhàn)略和方法論，是應用于生產經營的持續(xù)改進方法。通用電 氣、雷尼韋爾、摩托羅拉、杜邦、美國運通、相特以及很多其他大大小小的公司， 一直在使 用這種方法以改善經營業(yè)績，并因此節(jié)約了至少數百萬美元的經營成本。六西格瑪的關鍵思
想是通過過程改進以提高顧客滿態(tài)度從而增加收益。六西格瑪在1987年由摩托羅拉公司創(chuàng)立 ，并在20世紀90年代得到迅速普及，并廣泛應用至今。六西格瑪最初的含義是建立在統(tǒng)計學 中最常見的正態(tài)分布基礎上的，它考慮了1.5倍的漂移，這樣落在六西格瑪外的概率只有百 萬分之三點四?？梢远x六西格瑪為過程或產品業(yè)績的一個統(tǒng)計量，是業(yè)績改進趨于完美的 一個目標。

發(fā)明內容
為拓展商業(yè)智能的應用范圍，提高工業(yè)生產的智能化水平，本發(fā)明的目的是借鑒商業(yè)智 能的核心理念，并結合工業(yè)生產領域自身的特點，提供面向復雜工業(yè)生產的智能系統(tǒng)構造方法。
本發(fā)明是這樣實現的 一種復雜工業(yè)生產智能系統(tǒng)，其特征在于它包括由計算機網絡聯 系的以下部分
在線采集各數據源工業(yè)生產數據的一組基層計算機；
通過計算機網絡接收各基層計算機的工業(yè)生產數據、應用儲存器中的判異模塊對接收的 工業(yè)生產數據進行數據抽取、轉換、加載的中層服務器；
通過計算機網絡接收中層服務器的受控數據、應用儲存器中的六西格瑪子系統(tǒng)進行數據 挖掘、多維分析、經過模糊專家子系統(tǒng)推理的高層子系統(tǒng)計算機，高層子系統(tǒng)計算機的存儲 器中存儲有真實數據庫、多維分析子系統(tǒng)、數據挖掘子系統(tǒng)、模糊專家子系統(tǒng)及貫穿于這三 個子系統(tǒng)的六西格瑪子系統(tǒng)，高層子系統(tǒng)計算機的中央處理器對存儲器進行控制；
用于輸出動態(tài)報表和統(tǒng)計分析圖表的打印機。
所述計算機網絡是局域網或互聯網。
一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特征在于方法步驟如下 步驟l、利用基層計算機在線采集工業(yè)生產數據；
步驟2、利用中層服務器和儲存器中的判異模塊，對原始生產數據進行清洗、抽取、轉 換、加載，把數據分為受控數據和異常數據兩部分；
步驟3、利用高層子系統(tǒng)計算機和儲存器中的六西格瑪子系統(tǒng)，將受控數據輸入多維分 析子系統(tǒng)，多維分析子系統(tǒng)對新采集的數據做統(tǒng)計過程控制，若多維分析結果所形成的數據 基礎定義與模糊專家子系統(tǒng)原有的基礎定義差別較大，則根據多維分析結果修改模糊專家子 系統(tǒng)的數據的基礎定義；
模糊專家子系統(tǒng)利用基礎知識庫進行模糊推理，利用受控數據對推理得到的規(guī)則進行驗 證，根據規(guī)則形成指導生產的當日決策和兩日決策，將當日決策和兩日決策在多維分析子系 統(tǒng)中展示；
模糊專家子系統(tǒng)的基礎知識庫作為領域知識參加到數據挖掘子系統(tǒng)中，數據挖掘子系統(tǒng) 根據多維分析子系統(tǒng)的結果形成新的猜想，作為數據挖掘子系統(tǒng)進行挖掘的目標，數據挖掘 子系統(tǒng)根據歷史數據和多維分析子系統(tǒng)提供的最新數據，選擇挖掘算法，發(fā)現新的知識，數 據挖掘子系統(tǒng)從被六西格瑪子系統(tǒng)判定為異常的數據中挖掘孤立點，從而在今后的生產中最 大限度地避免類似錯誤的發(fā)生；
數據挖掘子系統(tǒng)將新挖掘得到的知識納入到模糊專家子系統(tǒng)的基礎知識庫輔助推理； 數據挖掘子系統(tǒng)將新挖掘得到的知識用多維分析子系統(tǒng)進行展示。
7所述多維分析子系統(tǒng)包括單因素單對象分析模塊、單因素多對象分析模塊、多因素單 對象分析模塊、多因素多對象分析模塊和生成各種單因素單對象分析、單因素多對象分析、 多因素單對象分析、多因素多對象分析的動態(tài)報表和統(tǒng)計分析圖表；
多維分析子系統(tǒng)從不同的維度展現數據，從而直觀地輔助決策者制定決策；輔助構建模 糊子專家系統(tǒng)基礎定義；輔助數據挖掘子系統(tǒng)發(fā)現猜想，確立目標，提高數據挖掘的效率。
所述一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特征在于統(tǒng)計過程控制的閉序列模式挖 掘算法CSCI的實施步驟如下
輸入序列S，投影數據庫Ds，最小支持度閾值min—sup
輸出全體閉序列模式CS
步驟l、若在已發(fā)現的閉合序列集合CS中存在S'，使得S是S'的真子集，且S的投影數據 庫Ds的大小與S'的投影數據庫Ds，的大小相同，則執(zhí)行步驟2;
步驟2、返回；
步驟3、若在已發(fā)現的閉合序列集合CS中存在S'，使得S'是S的真子集，且S的投影數據 庫Ds的大小與S'的投影數據庫Ds，的大小相同，則執(zhí)行步驟4; 步驟4、將S加入CS，并在CS中刪去S'; 步驟5、對Ds中的每個頻繁項目a循環(huán)執(zhí)行步驟6至步驟13;
步驟6、若S與a的項集擴展結果(^ia)的支持度不小于最小支持度閾值min—sup，則執(zhí)行
步驟7至步驟9;
步 R7、計算a^a的包含索引，其結果記為ouEuteww(4; 一
步鵬、執(zhí)行J 與fflusu6su^(^的項集連接SW((a!Ufflifou^(勸，并將這一絡條作為新的S 的值,即5^S^((ausMtsMme(aJ);-
步鵬、以新的&￡1& 1>1_，為參數，遞歸調用算法CSCI; v
步驟W、若3與《的序列擴展結果^ ^的支持度不小于條小支持度閉€ 1>1_ 9，則執(zhí)行 步驟11至歩驟13; w
步驟ll、計算Wo^包舍索引，其絡條記為a^u6,-(a): 一
步驟12、執(zhí)行S與a^Jsuteuffw(o)的序列連接S^,(wjsK6sMme(勸，并將這一銪條作為新的 加值,即5^JS^(ousii&sum-((^); 一
步驟13、以新的&0& 1^_啤為參數，遞歸訴用棘法CSd; 一 步驟14、算法ffi束，"其中包含索引的計算步驟如下
步驟l、計算所有包含項目item的事務的交，并將這一結果記為candidate;
步驟2、將candidate中結果為l的位所對應的1-項集(item除外)作為項目item的包含索
引；
步驟3、返回項目item的包含索引subsume(item); 步驟4、結束。
所述模糊專家子系統(tǒng)包括輸入預處理模塊、優(yōu)化規(guī)則庫模塊、常規(guī)規(guī)則庫模塊、模糊 推理機模塊、配置數據庫模塊、以及數據輸出預處理模塊；模糊專家子系統(tǒng)利用模糊理論實 現專家系統(tǒng)中的推理機，使之能夠更好地處理現實世界中的不確定性，將每日的推理結果也 通過多維分析子系統(tǒng)供用戶瀏覽、分析和比較，規(guī)則庫可以作為工業(yè)生產的領域知識，指導 生產的各個階段，及輔助數據挖掘子系統(tǒng)聚焦。
所述模糊專家子系統(tǒng)的方法步驟如下
步驟l、分別定義數據取值向導和數據存值向導，配置數據庫； 步驟2、數據輸入預處理從局域網數據庫取數并計算；
步驟3、模糊推理機按照數據取值向導的定義從數據庫中拿到所需的數據，分別進行計 算，供模糊專家子系統(tǒng)進行推理，模糊推理機根據規(guī)則庫、優(yōu)化規(guī)則庫和常規(guī)規(guī)則庫進行模 糊推理；
步驟4、模糊推理機在推理結束后，按照數據存值向導的定義將輸出數據進行預處理， 并將預處理后的數據發(fā)至局域網數據庫中。
所述數據挖掘子系統(tǒng)包括關聯規(guī)則挖掘模塊、閉序列模式挖掘模塊、決策樹挖掘模塊 、K平均聚類模塊、孤立點分析模塊。數據挖掘子系統(tǒng)使用多種數據挖掘方法發(fā)現數據中隱 藏的知識，將挖掘結果在多維分析系統(tǒng)中以圖、表等可視化方式進行驗證，同時通過模板、 規(guī)則等形式，將數據挖掘的新規(guī)律以簡單的方式保存起來，供用戶今后使用，提高多維分析 系統(tǒng)的智能性，挖掘的結果來可以作為新知識融合到模糊專家子系統(tǒng)知識庫中，提升專家系 統(tǒng)水平。
所述六西格瑪子系統(tǒng)包括統(tǒng)計過程控制SPC模塊、判異模塊；六西格瑪子系統(tǒng)作為品 質管理的工具，用于擴展多維分析子系統(tǒng)的功能，將多維分析中的多個維統(tǒng)一到提高產品質 量這一核心目標上來；對模糊專家子系統(tǒng)中由推理產生的規(guī)則進行驗證，提高規(guī)則的可信任 程度；改善生產數據質量，從而提高數據挖掘子系統(tǒng)的挖掘效果。
本發(fā)明借鑒商業(yè)智能的核心理念，并結合工業(yè)生產領域自身的特點，提供面向復雜工業(yè)生產的智能系統(tǒng)構造方法，可拓展商業(yè)智能的應用范圍，提高工業(yè)生產的智能化水平。


圖l為一種復雜工業(yè)生產智能系統(tǒng)的總體結構圖2為多維分析子系統(tǒng)的結構圖3為數據挖掘子系統(tǒng)的結構圖4為閉序列模式挖掘算法CSCI的流程圖5為模糊專家子系統(tǒng)的結構圖6是本發(fā)明一種復雜工業(yè)生產智能系統(tǒng)的組成構造圖。
1-基層計算機、2-中層服務器、31-多維分析子系統(tǒng)計算機、32-數據挖掘子系統(tǒng)計算 機、33-模糊專家子系統(tǒng)計算機、4-打印機。
具體實施例方式
實施例參見圖l、圖6， 一種復雜工業(yè)生產智能系統(tǒng)，其特征在于它包括由計算機網絡聯 系的以下部分
在線采集各數據源工業(yè)生產數據的一組基層計算機l;
通過計算機網絡接收各基層計算機的工業(yè)生產數據、應用儲存器中的判異模塊對接收的 工業(yè)生產數據進行數據抽取、轉換、加載的中層服務器2;
通過計算機網絡接收中層服務器的受控數據、應用儲存器中的六西格瑪子系統(tǒng)進行多維 分析、數據挖掘、經過模糊專家子系統(tǒng)推理的高層子系統(tǒng)計算機，高層子系統(tǒng)計算機包括多 維分析子系統(tǒng)計算機31、數據挖掘子系統(tǒng)計算機32、模糊專家子系統(tǒng)計算機33，高層子系統(tǒng) 計算機的存儲器中分別存儲有真實數據庫、多維分析子系統(tǒng)、數據挖掘子系統(tǒng)、模糊專家子 系統(tǒng)及貫穿于這三個子系統(tǒng)的六西格瑪子系統(tǒng)，高層子系統(tǒng)計算機的中央處理器對存儲器進 行控制；
三個子系統(tǒng)均配有用于輸出動態(tài)報表和統(tǒng)計分析圖表的打印機4。 所述計算機網絡是局域網或互聯網。
一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其總體結構如圖l所示，包括以下子系統(tǒng)
1) 多維分析子系統(tǒng)可以(1)從不同的維度展現數據，從而直觀地輔助決策者指定決 策；(2)輔助構建模糊專家子系統(tǒng)基礎定義；(3)輔助數據挖掘子系統(tǒng)發(fā)現猜想，確立目 標，提高數據挖掘的效率。
2) 數據挖掘子系統(tǒng)可以(1)使用多種數據挖掘方法發(fā)現數據中隱藏的知識；(2) 將挖掘結果在多維分析子系統(tǒng)中以圖、表等可視化方式進行驗證，同時可以通過模板、規(guī)則等形式，將數據挖掘的新規(guī)律以簡單的方式保存起來，供用戶今后使用，提高多維分析子系 統(tǒng)的智能性；(3)挖掘的結果來可以作為新知識融合到模糊專家子系統(tǒng)知識庫中，提升推 理能力。
3) 模糊專家子系統(tǒng)可以(1)利用模糊理論實現推理機，使之能夠更好地處理現實世 界中的不確定性；(2)將每日的推理結果通過多維分析子系統(tǒng)供用戶瀏覽、分析和比較；
(3)規(guī)則庫可以作為工業(yè)生產的領域知識，指導生產的各個階段，及輔助數據挖掘子系統(tǒng) 進行聚焦。
4) 作為品質管理的工具，六西格瑪子系統(tǒng)貫穿于以上三個子系統(tǒng)，用于改善生產數據 質量，從而提高數據挖掘子系統(tǒng)的挖掘效果；對模糊專家子系統(tǒng)中由推理產生的規(guī)則進行驗 證，提高規(guī)則的可信任程度；擴展多維分析子系統(tǒng)的功能，將多維分析中的多個維統(tǒng)一到利 用統(tǒng)計過程控制(SPC)來提高產品質量這一核心目標上來。
所述多維分析子系統(tǒng)的結構如圖2所示，由如下模塊組成
1) 單因素單對象分析模塊是指，對單個生產分析對象(如鋁電解槽)的單個因素(如 工作電壓)進行連續(xù)分析，包括最大值、最小值、眾數、中位數、直方圖、帕雷托圖、移 動平均、變化趨勢、 一階濾波、指數平滑、加權平均；
2) 單因素多對象分析模塊是指，對多個生產分析對象(如多臺鋁電解槽)的單個因素 (如工作電壓)進行比較分析，包括最大值、最小值、眾數、中位數、箱圖、直方圖、帕
雷托圖、移動平均、變化趨勢、 一階濾波、指數平滑、加權平均；
3) 多因素單對象分析模塊是指，對單個生產分析對象(如鋁電解槽)的多個因素(如 工作電壓、電流強度等)進行綜合分析，包括雙因素帕雷托圖、相關系數分析、當日決 策、兩日決策、綜合考核、移動平均、變化趨勢、 一階濾波、指數平滑、加權平均；
4) 多因素多對象分析模塊是指，對多個生產分析對象(如鋁電解槽)的多個因素(如 工作電壓、電流強度等)進行比較分析，包括當日決策、兩日決策、綜合考核、移動平
均、變化趨勢、 一階濾波、指數平滑、加權平均。
所述數據挖掘子系統(tǒng)的結構如圖3所示，由如下模塊組成數據挖掘子系統(tǒng)包括關 聯規(guī)則挖掘模塊、閉序列模式挖掘模塊、決策樹挖掘模塊、K平均聚類模塊、孤立點分析模 塊。
其中所述閉序列模式挖掘算法CSCI如下，其流程如圖4所示
算法l.挖掘閉序列模式csci
輸入序列S，投影數據庫Ds，最小支持度閾值min—sup輸出全體閉序列模式CS
步驟l、 if3 eC^使得^=^八|1^|=|1^|' then"步驟2、 retum;+J
步驟3、 if3VeCX使得S'匚S八IA HDH, then ^步驟4、 將勸O入CX并在C^中刪去S';一步驟5、 forD《中的每個頻繁項目"doP
步驟7、 f S,(o^JSii6s匿e(ff)); 一
步驟8、 CSCI(S, A ,腦"—"
步驟9、 P
步驟IO、 if ，(S°^)^n>!_， then {一
步驟ll、 》了①《o^u6s匿咖))；"
步驟12、 CSCI(S, mm—s^p);—
步驟13、 p步驟14、)一
說明算法CSCI首先檢査已發(fā)現的閉序列模式CS，接下來判斷是否將序列S加入CS，并調整CS中的閉序列。然后對Ds中的每個頻繁項集a，只將當前枚舉序列S與閉項集a菩ubsume (a)進行項集擴展和序列擴展。
其中與所述閉序列相關的定義如下設HSH" '2f"為—組由"個不同的項(item)組成的集含，集含J^HT稱作項集(itemsrt).
^1.一個序列S即是,的有序列表，記為C其中《*=1，2，.,^1)是一 個項集，稱為序列S的元素，序列S的長度"5)-:Eu^^d,記為向，一
定義2.—個序列 , .,.， 《一祓另一個序列& ，,.,, W所包含，當且僅當存在 lSii<ii<...<i'aa&w,使傅ai^&fl, aisfefl, ...， *efct .我們將&稱作Si的子序列(Biib.seq(uenM), A稱作&的iS^列(siVWMquciK^，記為Ss為，如兩序列長度不等，則成真包含關系，記 為&=&* "
jex3.獪定序列數據庫幼&w, s,...， w，定義序列s的絕對支持度為啤(iHsi'其
中&5<1。眾)，即序列數據庫中包含S的記錄的數目*相對支持度為Sl 中包含s的元組在
整體數據庫元組中所占的百分比，即啤csyisiwi, 一
定義4.如桀M9K5)多MWJ—siy,其中《i —sip為繪定的條小支持度閾值，則稱序列S是頻 繁序外一
定Xs.對頻繁序列^若不存在頻繁序列&，使蔣VLSiA邵(5y^W，則稱&為頻繁 閉序列*
定義《.給定一個序列SXii，S3, -，S，》和一個項目《,序列灘a的連接稱為序列iS的擴展，
記為Sbo"如果對VtG ，Jt<a,有Sfaoo^^，sj, -，&11{")>，則^fcStta項集擴展，記為S^ja。 如果有^￡^<!1, S3, -tf>，則稱沐a序列擴展，記為ffw,a。如果o^是一個項目，而是 —個序列'如aF化，fc， '"，fe>，則Sw,apt^， sj' '-，5MU(tifc>, S。,o"々i,s^ ".'s^ti'ft, 同時，稱幼Swa的前綴序列，tf^SwaM后綴序列，-定義7.序列S的投彩數據庫為DHp|ye*RK, ^=產^「,，使稱i^，cr》，w 其中，算法中的SMfei做"為是指項目aW包含索引，與此相關的定義和計算方法如下一 定義8.項集的包含衆(zhòng)引為sufcsuwie(rt棚M/e忍IWft抓^0't糊)^(;)h ^
算法2.計算項集的包含索引 輸入項集item
輸出項集item的包含索引subsume (item) function gen-subsume(item)
步驟2、 w必訓,w(,'te,")^irfWrt/e中結果為1的位所對應的1 -項集("e,"除外)；
步驟3、 return subsume (item); 步驟4、 end function
所述模糊專家子系統(tǒng)由輸入預處理模塊、優(yōu)化規(guī)則庫模塊、常規(guī)規(guī)則庫模塊、模糊推理
機模塊、配置數據庫模塊以及數據輸出預處理模塊構成，其總體結構如圖5所示。所述模糊專家子系統(tǒng)的方法步驟如下
步驟l、分別定義數據取值向導和數據存值向導，配置數據庫；步驟2、數據輸入預處理從局域網數據庫取數并計算；
步驟3、模糊推理機按照數據取值向導的定義從數據庫中拿到所需的數據，分別進行計算，供模糊專家子系統(tǒng)進行推理，模糊推理機根據規(guī)則庫、優(yōu)化規(guī)則庫和常規(guī)規(guī)則庫進行模糊推理；
步驟4、模糊推理機在推理結束后，按照數據存值向導的定義將輸出數據進行預處理，并將預處理后的數據發(fā)至局域網數據庫中。
其中輸入預處理模塊主要包括數據取值智能向導和數據存值智能向導兩部分。
1) 數據取值向導
首先定義數據庫的連接方式，如數據庫種類、連接源、服務器名、用戶名、口令、數據庫名、取值字段等，然后定義計算的公式，如計算差值/平均值/差值平均值，計算差值的方式，取多少天數據，是否加權，權值大小，取值前是否執(zhí)行存儲過程等。這樣，用戶可以對每一個要取的數據進行一系列的推理前的計算，甚至同一個數據可以以不同的數值做為不同的考慮因素進入模糊專家子系統(tǒng)。
2) 數據存值向導
首先定義數據庫的連接方式，如數據庫種類、連接源、服務器名、用戶名、口令、數據庫名、取值字段等，然后定義計算的公式，如不計算/與前一天的相加/與標準值相加等，同時指出若系統(tǒng)沒有此因素的計算輸出時，是否對其進行數據的輸出，輸出昨日值還是標準值等，并可定義存值后是否執(zhí)行存儲過程等。這樣，用戶可以對每一個模糊專家子系統(tǒng)推理的結果進行變換，從而直接指導生產。
當定義好數據取值向導和數據存值向導后，模糊專家子系統(tǒng)在推理時首先由輸入預處理軟件按照數據取值向導的定義從網上拿到所需的數據，分別進行計算，如計算差值、差值平均值、加權平均值等，形成推理數據，供模糊專家子系統(tǒng)進行推理；模糊專家子系統(tǒng)在推理結束后，輸出預處理軟件按照數據存值向導的定義將輸出數據進行各種計算，如加標準值、加昨日值等，并將計算后的數據發(fā)至數據庫中。
其中模糊推理機的采用了如下方法。
為了使同一套模糊專家子系統(tǒng)規(guī)則對不同對象或同一對象的不同時期適用，在構建模糊專家子系統(tǒng)時，由用戶定義每個輸入、輸出因素的標準值、模糊論域的左值(最小值)、右值(最大值)，然后定義每個對象的每個輸入、輸出因素的標準值、最小值和最大值。當模糊專家子系統(tǒng)進行推理時，首先將每個對象的每個因素，按照以下的映射關系對數 據進行變換S = (m - a)/(b - a)*(d - c) + c其中m為實際采集的數據經過數據輸入預處理后的值，a和b分別為此對象此因素的最小 值和最大值，而c和d分別為模糊專家子系統(tǒng)此因素的最小值和最大值，s為此對象此因素進 入模糊專家子系統(tǒng)推理用的數據。模糊專家子系統(tǒng)在推理時使用的綜合評判方法可以是最大隸屬度法、加權平均法和面積 重心法。推理結束后，進行數據的反映射，其基本原理同推理前的映射，不再論述。 通過在推理機中加入推理前映射和推理后映射，使得不同的對象，即使輸入同樣的數 據，但由于每個因素的標準值不同(差值也不同)，最大值、最小值不同，導致進入模糊專 家子系統(tǒng)中的數據就不同，會觸發(fā)不同的規(guī)則，從而得到不同的輸出結果，再進行推理后的 反映射，發(fā)送到網上數據庫的數據就會大相徑庭，從而增加了模糊專家子系統(tǒng)的智能性和適 應性。其中模糊專家子系統(tǒng)的規(guī)則庫分為兩部分，一部分為優(yōu)化規(guī)則庫， 一部分為常規(guī)規(guī)則庫1) 優(yōu)化規(guī)則庫優(yōu)化規(guī)則庫是一類特殊的規(guī)則庫，其輸出結果分為三類某因素的標準值的增量、最小值的增量、最大值的增量。模糊專家子系統(tǒng)在推理時，首先使用優(yōu)化規(guī)則庫，并將優(yōu)化推理 后的結果對此對象的各個因素的標準值、最大值、最小值等進行修改，以此達到模糊專家子 系統(tǒng)規(guī)則庫自適應各對象的變化，從而達到同一套規(guī)則可以適應同一對象的不同時期。2) 常規(guī)規(guī)則庫系統(tǒng)正常運行時的規(guī)則庫，規(guī)則的條件可以是以下的幾種輸入符號、輸入數據、中間 件、輸出符號、輸出數據；規(guī)則的結果可以為中間件、輸出符號、輸出數據。其中中間件是用規(guī)則推出的中間結果，既不是輸入，也不是輸出，引入中間件的目的是 為了減少規(guī)則的數目，同時將規(guī)則庫利用中間件形成規(guī)則的樹型目錄。模糊專家子系統(tǒng)具備如下特點1) 基于Internet/Intranet技術。模糊專家子系統(tǒng)的推理全部在瀏覽器方式下進行，方 便用戶使用。2) 引入了修飾符算子NOT。 NOT算子的引入， 一方面符合人的語言習慣，另一方面可減少規(guī)則數量。
3) 采用智能向導技術。使用數據取值向導和數據存值向導定義每個件的數據輸入預處理方式和數據輸出預處理方式，方便工藝人員進行系統(tǒng)的定義。
4) 采用各種輔助生成工具。為了方便系統(tǒng)的定義和規(guī)則的管理，采用了各種輔助工具，如模糊子集的自動生成工具，規(guī)則的樹型結構維護等。
5) 定義中間件減少規(guī)則數目。通過定義一些中間件(既不是輸入，也不是輸出)，有效地減少了規(guī)則的數量，增加了規(guī)則的可讀性，也有利于優(yōu)化規(guī)則。
6) 操作方便、直觀。由于在規(guī)則中存在大量模糊件，如溫差、均差、趨勢等，為此在任何使用件名的地方，對于符號，顯示此符號的詳細說明；對于模糊集，要說明其取值的范圍(左、右值)、單位和詳細說明(如具體算法等)，方便用戶的使用。
所述六西格瑪子系統(tǒng)主要由各種統(tǒng)計過程控制功能組成。
1權利要求
1.一種復雜工業(yè)生產智能系統(tǒng)，其特征在于它包括由計算機網絡聯系的以下部分在線采集各數據源工業(yè)生產數據的一組基層計算機；通過計算機網絡接收各基層計算機的工業(yè)生產數據、應用儲存器中的判異模塊對接收的工業(yè)生產數據進行數據抽取、轉換、加載的中層服務器；通過計算機網絡接收中層服務器的受控數據、應用儲存器中的六西格瑪子系統(tǒng)進行數據挖掘、多維分析、經過模糊專家子系統(tǒng)推理的高層子系統(tǒng)計算機，高層子系統(tǒng)計算機的存儲器中存儲有真實數據庫、多維分析子系統(tǒng)、數據挖掘子系統(tǒng)、模糊專家子系統(tǒng)及貫穿于這三個子系統(tǒng)的六西格瑪子系統(tǒng)，高層子系統(tǒng)計算機的中央處理器對存儲器進行控制；用于輸出動態(tài)報表和統(tǒng)計分析圖表的打印機。
2 根據權利要求l所述一種復雜工業(yè)生產智能系統(tǒng)，其特征在于所 述計算機網絡是局域網或互聯網。
3 一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特征在于方法步驟如下步驟l、利用基層計算機在線采集工業(yè)生產數據；步驟2、利用中層服務器和儲存器中的判異模塊，對原始生產數據進行清洗、抽取、轉 換、加載，把數據分為受控數據和異常數據兩部分；步驟3、利用高層子系統(tǒng)計算機和儲存器中的六西格瑪子系統(tǒng)，將受控數據輸入多維分 析子系統(tǒng)，多維分析子系統(tǒng)對新采集的數據做統(tǒng)計過程控制，若多維分析結果所形成的數據 基礎定義與模糊專家子系統(tǒng)原有的基礎定義差別較大，則根據多維分析結果修改模糊專家子 系統(tǒng)的數據的基礎定義；模糊專家子系統(tǒng)利用基礎知識庫進行模糊推理，利用受控數據對推理得到的規(guī)則進行 驗證，根據規(guī)則形成指導生產的當日決策和兩日決策，將當日決策和兩日決策在多維分析子 系統(tǒng)中展示；模糊專家子系統(tǒng)的基礎知識庫作為領域知識參加到數據挖掘子系統(tǒng)中，數據挖掘子系 統(tǒng)根據多維分析子系統(tǒng)的結果形成新的猜想，作為數據挖掘子系統(tǒng)進行挖掘的目標，數據挖 掘子系統(tǒng)根據歷史數據和多維分析子系統(tǒng)提供的最新數據，選擇挖掘算法，發(fā)現新的知識， 數據挖掘子系統(tǒng)從被六西格瑪子系統(tǒng)判定為異常的數據中挖掘孤立點，從而在今后的生產中 最大限度地避免類似錯誤的發(fā)生；數據挖掘子系統(tǒng)將新挖掘得到的知識納入到模糊專家子系統(tǒng)的基礎知識庫輔助推理；數據挖掘子系統(tǒng)將新挖掘得到的知識用多維分析子系統(tǒng)進行展示。
4.根據權利要求3所述一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特 征在于所述多維分析子系統(tǒng)包括單因素單對象分析模塊、單因素多對象分析模塊、多因 素單對象分析模塊、多因素多對象分析模塊和生成各種單因素單對象分析、單因素多對象分 析、多因素單對象分析、多因素多對象分析的動態(tài)報表和統(tǒng)計分析圖表；多維分析子系統(tǒng)從不同的維度展現數據，從而直觀地輔助決策者制定決策，輔助構建 模糊子專家系統(tǒng)基礎定義，輔助數據挖掘子系統(tǒng)發(fā)現猜想，確立目標，提高數據挖掘的效沖< 。
5.根據權利要求3所述一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特 征在于所述一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特征在于統(tǒng)計過程控制的閉序列模 式挖掘算法CSCI的實施步驟如下輸入序列S，投影數據庫DS，最小支持度閾值min—sup輸出全體閉序列模式CS步驟l、若在已發(fā)現的閉合序列集合CS中存在S'，使得S是S'的真子集，且S的投影數據 庫DS的大小與S'的投影數據庫DS'的大小相同，則執(zhí)行步驟2;步驟2、返回；步驟3、若在已發(fā)現的閉合序列集合CS中存在S'，使得S'是S的真子集，且S的投影數據 庫DS的大小與S'的投影數據庫DS'的大小相同，則執(zhí)行步驟4; 步驟4、將S加入CS，并在CS中刪去S'; 步驟5、對DS中的每個頻繁項目a循環(huán)執(zhí)行步驟6至步驟13;步驟6、若S與a的項集擴展結果(S^ia)的支持度不小于最小支持度閾值min—sup，則執(zhí) 行步驟7至步驟9;步驟7、計算a^ofi!l包含禁引，其結果ia^amrafinBne(《； <步驟8、執(zhí)行S與aumferamB(a)的項集連接S^(ounifcnraB(a))，并將這一結果作為新的S的值'艮PlS^S頃((ftUJMfoMMe(力)；-步驟9、以新的S,i^,ffi/fL邵為參數，通歸調用算法CSd:"步驟IO、若S與a的序列擴展結果p。,a)的支持度不小于最小支持度瞎值minjnp,則*^ 步驟11至歩驟13; 一步驟ll、計ft^oW包含索引，其結果ia^auMifowne(a)i -步驟12、執(zhí)行S與aum(6jKme(a;)的序列連接Sco,(aujiiAfume(fl;))，并將這一結果作為新的步驟13、以新的&￡1&) &1_鄰為參數，遞歸調用算法CSdi -步驟14、算法結束。"其中包含索引的計算步驟如下步驟l、計算所有包含項目item的事務的交，并將這一結果記為candidate步驟2、將 candidate中結果為1的位所對應的1-項集(item除外)作為項目item的包含索引； 步驟3、返回項目item的包含索弓lsubsume (item); 步驟4、結束。
6 根據權利要求3所述一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特 征在于所述模糊專家子系統(tǒng)包括輸入預處理模塊、優(yōu)化規(guī)則庫模塊、常規(guī)規(guī)則庫模塊、 模糊推理機模塊、配置數據庫模塊、以及數據輸出預處理模塊；模糊專家子系統(tǒng)利用模糊理 論實現專家系統(tǒng)中的推理機，使之能夠更好地處理現實世界中的不確定性，將每日的推理結 果也通過多維分析子系統(tǒng)供用戶瀏覽、分析和比較，規(guī)則庫可以作為工業(yè)生產的領域知識， 指導生產的各個階段，及輔助數據挖掘子系統(tǒng)聚焦。
7 根據權利要求3所述一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特 征在于所述模糊專家子系統(tǒng)的方法步驟如下步驟l、分別定義數據取值向導和數據存值向導，配置數據庫；步驟2、數據輸入預處理從局域網數據庫取數并計算；步驟3、模糊推理機按照數據取值向導的定義從數據庫中拿到所需的數據，分別進行計 算，供模糊專家子系統(tǒng)進行推理，模糊推理機根據規(guī)則庫、優(yōu)化規(guī)則庫和常規(guī)規(guī)則庫進行模 糊推理；步驟4、模糊推理機在推理結束后，按照數據存值向導的定義將輸出數據進行預處理，并將預處理后的數據發(fā)至局域網數據庫中。
8.根據權利要求3所述一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特征在于所述數據挖掘子系統(tǒng)包括關聯規(guī)則挖掘模塊、閉序列模式挖掘模塊、決策樹挖掘模塊、K平均聚類模塊、孤立點分析模塊。數據挖掘子系統(tǒng)使用多種數據挖掘方法發(fā)現數據中隱藏的知識，將挖掘結果在多維分析系統(tǒng)中以圖、表等可視化方式進行驗證，同時通過模板、規(guī)則等形式，將數據挖掘的新規(guī)律以簡單的方式保存起來，供用戶今后使用，提高多維分析系統(tǒng)的智能性，挖掘的結果來可以作為新知識融合到模糊專家子系統(tǒng)知識庫中，提升專家系統(tǒng)水平。
9.根據權利要求3所述一種復雜工業(yè)生產智能系統(tǒng)的構造方法，其特征在于所述六西格瑪子系統(tǒng)包括統(tǒng)計過程控制SPC模塊、判異模塊；六西格瑪子系統(tǒng)作為品質管理的工具，用于擴展多維分析子系統(tǒng)的功能，將多維分析中的多個維統(tǒng)一到提高產品質量這一核心目標上來；對模糊專家子系統(tǒng)中由推理產生的規(guī)則進行驗證，提高規(guī)則的可信任程度；改善生產數據質量，從而提高數據挖掘子系統(tǒng)的挖掘效果。
全文摘要
一種復雜工業(yè)生產智能系統(tǒng)及其構造方法，通過計算機網絡接收工業(yè)生產數據、應用判異模塊對接收的工業(yè)生產數據進行數據抽取、轉換、加載，應用六西格瑪子系統(tǒng)進行數據挖掘、多維分析、經過模糊專家子系統(tǒng)推理，包括多維分析子系統(tǒng)、數據挖掘子系統(tǒng)、模糊專家子系統(tǒng)及貫穿于這三個子系統(tǒng)的六西格瑪子系統(tǒng)。本發(fā)明借鑒商業(yè)智能的核心理念，并結合工業(yè)生產領域自身的特點，提供面向復雜工業(yè)生產的智能系統(tǒng)構造方法?？赏卣股虡I(yè)智能的應用范圍，提高工業(yè)生產的智能化水平。
文檔編號G05B19/418GK101630161SQ200910305209
公開日2010年1月20日 申請日期2009年8月5日 優(yōu)先權日2009年8月5日
發(fā)明者丹 孟, 威 宋, 曹丹陽, 李晉宏, 林滿山, 蘇志同 申請人:北方工業(yè)大學