故障診斷知識建模及系統(tǒng)

王衛(wèi)民　賀冬春

1(江蘇科技大學(xué)計算機科學(xué)與工程學(xué)院　江蘇 鎮(zhèn)江 212003)

2(江蘇科技大學(xué)圖書館　江蘇 鎮(zhèn)江 212003)

?

故障診斷知識建模及系統(tǒng)

王衛(wèi)民1賀冬春2

1(江蘇科技大學(xué)計算機科學(xué)與工程學(xué)院江蘇 鎮(zhèn)江 212003)

2(江蘇科技大學(xué)圖書館江蘇 鎮(zhèn)江 212003)

摘要有效進行故障診斷可以提高客戶滿意度，故障診斷知識建模是其中的關(guān)鍵。針對故障診斷知識建模問題,提出基于本體元數(shù)據(jù)的故障診斷知識建模方法KSM(Knowledge Solution Model)：KSM主要由描述診斷方案的應(yīng)用環(huán)境的元數(shù)據(jù)組和詳細診斷方案(簡稱詳細方案)構(gòu)成。主要元數(shù)據(jù)包括：語種、方案名稱、主題詞、問題編號、產(chǎn)品線信息(如產(chǎn)品線、機型信息、部件信息等)、關(guān)聯(lián)文檔、訪問角色、方案特征等。詳細方案是一棵由多個步驟組成的樹。步驟由一個或多個葉子步驟組成。葉子步驟不可再分。葉子步驟由一系列的引導(dǎo)狀態(tài)、引導(dǎo)動作、用戶應(yīng)答和跳轉(zhuǎn)指令等部分組成。該方法和模型成功應(yīng)用于國內(nèi)某大型IT企業(yè)。并于2010年正式上線。實驗結(jié)果令人滿意,結(jié)論是KSM可以有效解決故障診斷知識的建模問題，為后續(xù)的故障診斷建立知識基礎(chǔ)。

關(guān)鍵詞故障診斷知識管理自助診斷本體

0引言

客戶在使用企業(yè)所提供的產(chǎn)品或服務(wù)的過程中，不可避免地會出現(xiàn)某些故障。經(jīng)過對電信行業(yè)、IT行業(yè)和金融行業(yè)的客服現(xiàn)狀的實地調(diào)研，我們將企業(yè)客服所遇到的客戶提問主要劃分為四類：

? 咨詢類問題：對企業(yè)提供的產(chǎn)品、服務(wù)等進行的咨詢性提問。

? 故障診斷類問題：在使用企業(yè)提供的產(chǎn)品、服務(wù)等的過程中，碰到故障而進行的，想要客服代表幫助解決故障的提問。

? 動作類問題：對企業(yè)提供的產(chǎn)品、服務(wù)等執(zhí)行某些業(yè)務(wù)動作要求的提問。

? 投訴類問題：對企業(yè)提供的產(chǎn)品、服務(wù)或服務(wù)過程中的態(tài)度等有意見而進行的投訴。

故障診斷類問題已經(jīng)成為企業(yè)客戶最主要的提問之一。有效地進行面向客戶故障診斷成為提高企業(yè)客戶滿意度的關(guān)鍵。

為了對故障診斷類問題進行更清晰的描述，我們先給一個具體的故障問題和診斷解決方案示例：

故障問題：使用攝像頭時，看不見或看不清其中的圖像，或有其他不正常的現(xiàn)象(如圖像花、有亮線彩線等)。

故障診斷解決方案：

? 第1步：設(shè)備用戶：：請您嘗試清除攝像頭鏡頭上的灰塵或貼膜，看故障是否排除？“是”故障排除 ，“否”轉(zhuǎn)第2步。

? 第2步：設(shè)備用戶：：請您嘗試調(diào)整被攝像者與攝像頭間的距離，以及外部環(huán)境的光線，看故障是否排除？“是”故障排除 ，“否”轉(zhuǎn)第3步。

? 第3步：設(shè)備用戶：：請您點擊上面“驅(qū)動下載”，在驅(qū)動列表中下載并重新安裝攝像頭、快捷鍵、電源管理驅(qū)動，以及攝像頭管理軟件，如果是本機故障,您也可以借助智能驅(qū)動下載進行在線更新，看故障是否排除？“是”故障排除 ，“否”轉(zhuǎn)第4步。

? 第4步：設(shè)備用戶：：轉(zhuǎn)故障報修系統(tǒng)。

在上述示例中的故障診斷解決方案可以看成是一個完整的任務(wù)，由多個子任務(wù)(步驟)組成，這些步驟之間有著某些轉(zhuǎn)接關(guān)系。如何轉(zhuǎn)接則由用戶輸入或系統(tǒng)自動判斷的歷史狀態(tài)和當(dāng)前子任務(wù)完成效果決定。這種過程性的故障診斷解決方案可以歸為一類知識，稱為故障診斷解決方案知識，簡稱診斷方案，在本文中又稱解決方案。

1研究現(xiàn)狀

朱大奇等人將基于知識的故障診斷方法分為5大類：專家系統(tǒng)故障診斷方法、模糊故障診斷方法、故障樹故障診斷方法、神經(jīng)網(wǎng)絡(luò)故障診斷方法和數(shù)據(jù)融合故障診斷方法[1]。吳文可提出一種基于電氣量判據(jù), 保護判據(jù)和斷路器判據(jù), 并能夠計及這3 類判據(jù)時序?qū)傩缘亩嘣葱畔⒀訒r約束加權(quán)模糊Petri 網(wǎng)故障診斷模型[2]。張巖提出一種融合時序約束網(wǎng)絡(luò)的模糊Petri 網(wǎng)故障診斷模型[3]。熊國江提出了基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)模糊元胞故障診斷方法，旨在有效解決神經(jīng)網(wǎng)絡(luò)應(yīng)用于電網(wǎng)故障診斷所面臨的適應(yīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化的可移植性問題[4]。

Isermann R綜合介紹了故障診斷的檢測和處理方法[5]。Chen J等人對故障診斷的基本概念和故障診斷的魯棒性進行了詳細描述[6]。Zaytoon J等人對離散事件系統(tǒng)的故障診斷模型進行了綜述[7]。Aldrich C等人研究了利用機器學(xué)習(xí)方法進行無監(jiān)督的過程監(jiān)控和故障處理[8]。

現(xiàn)有的故障診斷方面的研究，主要集中在故障診斷算法和如何進行診斷的研究上，故障診斷知識建模的研究較少。本文主要研究了面向客戶的故障診斷方案的知識模型和實現(xiàn)，并在實際系統(tǒng)中應(yīng)該了解該方法，驗證了方法的有效性。

2知識模型

診斷方案具有多個方面的復(fù)雜因素：第一，診斷方案是一種特殊的過程性知識，因此對它的建模和管理較為復(fù)雜。第二，為了確保方法和系統(tǒng)具有通用性，我們需要從多個方面考慮診斷方案的模型、管理方法。第三，診斷方案需要服務(wù)多類用戶，不同的用戶(如咨詢工程師、產(chǎn)品設(shè)備用戶)所看到的診斷方案有較大的差異性。為了解決上述問題，我們建立了一種基于有限自動機的“細粒度”、“結(jié)構(gòu)化”、“針對多用戶”的診斷方案知識模型KSM(Knowledge Solution Model)。

2.1理論基礎(chǔ)

有限狀態(tài)自動機定義：M=(S，I，F(xiàn))叫有限狀態(tài)自動機，其中：

有限狀態(tài)集S={s0,s1,s2,…,sn}；

有限輸入集I，每個x∈I；

有一個狀態(tài)轉(zhuǎn)換函數(shù)fx：S→S。F={fx| x∈I}。

狀態(tài)si，輸入x，fx(si)為下一個狀態(tài)。

圖1給出了某IT企業(yè)提供的一個故障“安裝OA系統(tǒng)時報錯”的診斷方案，由1～6共6個步驟組成。其中，步驟1有葉子步驟1.1，1.2，1.3組成。步驟2本身就是個葉子步驟。每個步驟包括葉子步驟都代表一個狀態(tài)。

圖1　“安裝OA系統(tǒng)時報錯”的診斷方案

2.2診斷方案模型

下面給出模型的定義。

診斷方案：主要由描述診斷方案的應(yīng)用環(huán)境的元數(shù)據(jù)組(可擴充)和詳細診斷方案(簡稱詳細方案)構(gòu)成。目前已定義的主要元數(shù)據(jù)包括：語種、方案名稱、主題詞、問題編號、產(chǎn)品線信息(如產(chǎn)品線、機型信息、部件信息等)、關(guān)聯(lián)文檔、訪問角色、方案特征等。詳細方案是一棵由多個步驟組成的樹。步驟可細分成子步驟或就是葉子步驟。葉子步驟不可再分。葉子步驟由一系列的引導(dǎo)狀態(tài)、引導(dǎo)動作、用戶應(yīng)答和跳轉(zhuǎn)指令等部分組成，如圖2所示。其中：

引導(dǎo)狀態(tài)：是應(yīng)用方案進行診斷過程中的一個瞬像，是前驅(qū)診斷過程中所獲取的信息總的體現(xiàn)；

引導(dǎo)動作：是系統(tǒng)根據(jù)當(dāng)前所獲取的信息包括引導(dǎo)狀態(tài)的值作出的進一步診斷引導(dǎo)的決策。

用戶應(yīng)答：是用戶對系統(tǒng)引導(dǎo)步驟所作出的響應(yīng)。其表現(xiàn)形式包括：選擇(單選和復(fù)選)、確認(yes or no)、被診斷系統(tǒng)的提示信息輸入、自檢結(jié)果等。

跳轉(zhuǎn)指令：根據(jù)用戶應(yīng)答結(jié)果，結(jié)束或跳轉(zhuǎn)到其他步驟。

圖2　KSM模型中的診斷方案邏輯結(jié)構(gòu)示例

2.3步驟類型

步驟有多種類型。步驟的分類主要包括：信息呈現(xiàn)、提問、規(guī)則推理、自檢、步驟跳轉(zhuǎn)、求助等。

2.3.1信息呈現(xiàn)

定義：根據(jù)呈現(xiàn)的規(guī)則，以多媒體的形式，將具體信息呈現(xiàn)給用戶。

組成：提示語、呈現(xiàn)的內(nèi)容和呈現(xiàn)規(guī)則。

示例：

? 提示語：請查看如下的圖片

? 呈現(xiàn)的內(nèi)容：{圖片1，圖片2}

? 呈現(xiàn)規(guī)則：

規(guī)則1，若是xp系統(tǒng)，顯示 圖片1：?os = xp→URL(圖片1)

規(guī)則2，若是win7系統(tǒng)，顯示圖片2：?os = win7→URL(圖片2)

2.3.2提問

定義：向用戶提出問題，用戶給出應(yīng)答后，進行相應(yīng)的跳轉(zhuǎn)。

組成：問題的幫助、可帶參數(shù)的問題、參數(shù)值的輸入或選擇、跳轉(zhuǎn)規(guī)則。問題的幫助：給出能幫助用戶理解問題和作出判斷的信息。問題的參數(shù)在編輯問題的時候進行定義，參數(shù)可以任意個。需要判斷用戶是否提供足夠的問題參數(shù)值。參數(shù)由參數(shù)名稱、參數(shù)說明、參數(shù)的格式、參數(shù)值類型(整型、布爾、字符串、日期、list、集合)等組成。參數(shù)間存在“與”或者“或”的邏輯關(guān)系。如布爾型的參數(shù)值，取值為{是，否}。參數(shù)值的交互方式有兩種：用戶輸入或在系統(tǒng)提供的可選項中選擇。

示例：

? 問題的幫助：如何判斷您的操作系統(tǒng)類型(注：這是一個超鏈接，鏈接到一個幫助頁面)

? 問題：請問您的操作系統(tǒng)是什么？

? 參數(shù)值的輸入或選擇：〇 XP 〇 Win 7 〇 Win 2000

? 跳轉(zhuǎn)規(guī)則：

規(guī)則1：?os= XP → goto(1.2)

規(guī)則2：?os= Win 7 → goto(2)

規(guī)則3：?os= Win 2000 → goto(3.6)

2.3.3規(guī)則推理

定義：利用規(guī)則執(zhí)行相應(yīng)的推理機進行推理，并根據(jù)推理結(jié)果執(zhí)行相應(yīng)的跳轉(zhuǎn)。

組成：提示語、推理機、推理結(jié)果、跳轉(zhuǎn)規(guī)則。提示語：提示用戶目前正在進行的推理操作，包括推理開始時的提示、推理中間過程或中間結(jié)果的提示和推理結(jié)束后的提示等。推理結(jié)果：向用戶提供推理的結(jié)果。

示例：

? 提示語：下面將檢測噪音源……

? 推理機：能檢測噪音源的代碼

? 推理結(jié)果：推理結(jié)果如下，您的噪音來源是風(fēng)扇，請點擊下一步

? 跳轉(zhuǎn)規(guī)則：

規(guī)則1：?type= 風(fēng)扇 → goto(1.2)

規(guī)則2：?type= 聲卡 → goto(2)

規(guī)則3：?type= 顯卡 → goto(3.6)

2.3.4自動檢測

定義：利用第三方系統(tǒng)進行系統(tǒng)自檢，并根據(jù)檢測結(jié)果執(zhí)行相應(yīng)的跳轉(zhuǎn)。

組成：提示語、第三方系統(tǒng)、接口協(xié)議、檢測結(jié)果、跳轉(zhuǎn)規(guī)則。提示語：提示用戶目前正在進行的檢測操作。檢測結(jié)果：向用戶提供檢測的結(jié)果。

示例：

? 提示語：下面將調(diào)用第三方系統(tǒng)檢測噪音源，請點擊鏈接url:./tem.exe進行檢查……

? 第三方系統(tǒng)：檢測噪音源的第三方系統(tǒng)

? 接口協(xié)議：本系統(tǒng)和第三方系統(tǒng)接口協(xié)議

? 檢測結(jié)果：檢測結(jié)果如下，您的噪音來源是風(fēng)扇，請點擊下一步

? 跳轉(zhuǎn)規(guī)則：

規(guī)則1：?type= 風(fēng)扇 → goto(1.2)

規(guī)則2：?type= 聲卡 → goto(2)

規(guī)則3：?type= 顯卡 → goto(3.6)

2.3.5步驟跳轉(zhuǎn)

定義：根據(jù)跳轉(zhuǎn)指令，直接執(zhí)行相應(yīng)的跳轉(zhuǎn)。

組成：跳轉(zhuǎn)指令。

示例：跳轉(zhuǎn)指令：goto(1.2)

2.3.6求助

定義：根據(jù)目前方案，不能解決用戶的問題，需要求助他人或系統(tǒng)來解決。圖2.7中的步驟6就是個求助型步驟。

組成：提示語。主要求助方式包括電話求助、QQ/MSN求助、網(wǎng)上求助等。

示例：提示語：您可以撥打電話010-62432134進行人工咨詢。

2.4提問類型

解決方案中的提問類型包括陳述句、疑問句、選擇句、輸入提問句等。

陳述句：用來描述一個提綱或步驟的內(nèi)容。1) 在陳述句中一般不要出現(xiàn)與使用對象相關(guān)的詞，比如說“用戶”、“指導(dǎo)”、“你”、等；也就是說此陳述適合任何用戶使用(除非該方案或步驟只給特定的用戶使用)。2) 采用盡量固定的句式，如：動賓結(jié)構(gòu)。

疑問句：是對用戶的提問、提出條件或與用戶進行交互。疑問句盡量使用動賓結(jié)構(gòu)，如：“故障是否消失？”、“是否有病毒？”等。

選擇句：是用戶在選擇條件的時候的提示語句，如：“請選擇操作系統(tǒng)：”。

輸入提示句：需要用戶輸入某個條件值的時候的提示語句；如：“請輸入藍屏代碼：”。

2.5跳轉(zhuǎn)類型

在解決方案中，跳轉(zhuǎn)類型有多分支、單分支兩種。

多分支：多個參數(shù)間是組合的關(guān)系。

示例：

“請確認機器執(zhí)行過以下操作”：

安裝過軟件？〇 Yes 〇 No

安裝過硬件？〇 Yes 〇 No

上過互聯(lián)網(wǎng)？〇 Yes 〇 No

單分支：步驟(或條件值)間是單選關(guān)系，單入口，如果從一個入口進入，不論診斷成功還是失敗都會跳出整個分支。

示例：“請選擇操作系統(tǒng)”：〇 XP 〇 Vista 〇 Win 7

3模型應(yīng)用

隨著某IT企業(yè)客戶數(shù)量的增長和設(shè)備的復(fù)雜性的提高，企業(yè)所生產(chǎn)的設(shè)備在出現(xiàn)故障時，解決這些故障所需的成本也越來越高。我們將診斷方案知識模型應(yīng)用于該企業(yè)，實現(xiàn)了“某IT企業(yè)解決方案管理系統(tǒng)”。開發(fā)采用的數(shù)據(jù)庫服務(wù)器是Oracle 10g；操作系統(tǒng)是Redhat Advanced Server 4.6；開發(fā)環(huán)境MyEclipse，Web服務(wù)器是Tomcat。系統(tǒng)2010年正式上線，取得了令人滿意的效果。

系統(tǒng)采用模塊化設(shè)計，主要模塊包括：解決方案管理模塊和詳細方案管理模塊。解決方案由描述解決方案的元數(shù)據(jù)信息值和一個詳細方案組成。詳細方案由步驟組成。詳細方案的管理就是方案步驟的管理。

圖3是解決方案管理主頁面。

圖3　解決方案管理主頁面

主要功能如下：

? 查找解決方案，顯示查找結(jié)果；

? 瀏覽解決方案；

? 單擊“新增解決方案”可以進入新增解決方案頁面；

? 單擊操作列的“編輯”按鈕可以對該行的解決方案進入編輯頁面進行編輯、“查看”按鈕可以查看解決方案，“刪除”按鈕可以刪除選定的解決方案(具備刪除的權(quán)限)，“復(fù)制”按鈕可以復(fù)制該解決方案，生成一個新的解決方案,方便方案編輯人員編輯。

圖4是詳細方案管理主頁面。

圖4　詳細方案管理主頁面

主要的功能如下：

? 對方案步驟的查找，顯示查找結(jié)果；

? 瀏覽方案步驟；

? 單擊“新增方案步驟”可以進入新增方案步驟頁面；

? 單擊操作列的“編輯”按鈕可以進入編輯頁面對該行的詳細方案進行編輯、“查看”按鈕可以查看詳細方案步驟，“刪除”按鈕可以刪除選定的詳細方案步驟(具備刪除的權(quán)限)。

4結(jié)語

本文在研究現(xiàn)有故障診斷方案技術(shù)上，提出了一種面向客戶的故障診斷知識建模方法。

基于該知識模型，我們還設(shè)計并實現(xiàn)了話務(wù)員干預(yù)下的故障診斷算法和客戶自助故障診斷算法。該方法和模型已成功應(yīng)用于國內(nèi)某大型IT企業(yè)，并在2010年正式上線，配合我們設(shè)計實現(xiàn)的故障診斷算法，在故障診斷類問題的處理中取得了令人滿意的效果。

參考文獻

[1] 朱大奇,于盛林.基于知識的故障診斷方法綜述[J].安徽工業(yè)大學(xué)學(xué)報:自然科學(xué)版,2002,19(3):197-204.

[2] 吳文可,文福拴,薛禹勝,等.基于多源信息的延時約束加權(quán)模糊Petri網(wǎng)故障診斷模型[J].電力系統(tǒng)自動化,2013,37(24):43-53.

[3] 張巖,張勇,文福拴,等.容納時序約束的改進模糊Petri網(wǎng)故障診斷模型[J].電力系統(tǒng)自動化,2014,38(5):66-72.

[4] 熊國江,石東源,朱林,等.基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)模糊元胞故障診斷[J].電力系統(tǒng)自動化,2014,38(5):59-65.

[5] Isermann R.Fault-diagnosis systems[M].Berlin:Springer,2006.

[6] Chen J,Patton R J.Robust model-based fault diagnosis for dynamic systems[M].Springer Publishing Company,Incorporated,2012.

[7] Zaytoon J,Lafortune S.Overview of fault diagnosis methods for Discrete Event Systems[J].Annual Reviews in Control,2013,37(2):308-320.

[8] Aldrich C,Auret L.Unsupervised process monitoring and fault diagnosis with machine learning methods[M].Springer,2013.

FAULT DIAGNOSIS KNOWLEDGE MODELLING AND SYSTEM

Wang Weimin1He Dongchun2

1(SchoolofComputerScienceandEngineering,JiangsuUniversityofScienceandTechnology,Zhenjiang212003,Jiangsu,China)2(Library,JiangsuUniversityofScienceandTechnology,Zhenjiang212003,Jiangsu,China)

AbstractEffective fault diagnosis can improve the satisfaction of enterprise customer, and the fault diagnosis knowledge modelling is the key of it. In light of the knowledge modelling issue, this paper presents the ontology metadata-based fault diagnosis knowledge modelling method. It is mainly composed of the application environment metadata describing the diagnosis scheme and the detailed diagnosis scheme. The main metadata includes the language, the scheme name, the subject headings, the problem number, the product line information (such as product line, model information, components information, etc.), the associated documents, the visit role, the plan features, etc. The detailed scheme is a tree consisting of multiple steps. The step is composed of one or more leaf steps. Leaf step is inseparable. Leaf step is composed of a series of guide states, directing movements, user responses and jump instructions, etc. The method and the model have been successfully applied to a large domestic IT enterprise, and were officially launched in 2010. Experimental result was satisfactory, the conclusion was that the method could effectively solve fault diagnosis knowledge modelling issue, and this laid a knowledge base for following fault diagnoses.

KeywordsFault diagnosisKnowledge managementSelf-diagnosisOntology

中圖分類號TP182

文獻標(biāo)識碼A

DOI:10.3969/j.issn.1000-386x.2016.01.008

收稿日期：2014-06-16。國家自然科學(xué)基金項目(91224006，6117 3063)；國家自然科學(xué)基金重點項目(61035004)；國家自然科學(xué)基金面上項目(61203284)。王衛(wèi)民，講師，主研領(lǐng)域：自然語言理解，大規(guī)模知識處理，知識挖掘。賀冬春，館員。