Как подраздел в области искусственного интеллекта , диагностика связана с разработкой алгоритмов и методов, которые способны определить, является ли поведение системы правильным. Если система функционирует неправильно, алгоритм должен быть способен определить, насколько это возможно, точно, какая часть системы выходит из строя и с каким типом неисправности она сталкивается. Вычисления основаны на наблюдениях , которые предоставляют информацию о текущем поведении.
Выражение диагностика также относится к ответу на вопрос о том, работает ли система со сбоями или нет, и к процессу вычисления ответа. Это слово пришло из медицинского контекста, где диагностика — это процесс определения заболевания по его симптомам.
Примером диагностики является процесс работы механика гаража с автомобилем. Сначала механик попытается обнаружить любое ненормальное поведение на основе наблюдений за автомобилем и своих знаний об этом типе транспортного средства. Если он обнаружит, что поведение ненормальное, механик попытается уточнить свой диагноз, используя новые наблюдения и, возможно, тестирование системы, пока не обнаружит неисправный компонент; механик играет важную роль в диагностике транспортного средства.
Экспертная диагностика (или диагностика экспертной системой ) основана на опыте работы с системой. Используя этот опыт, строится отображение, которое эффективно связывает наблюдения с соответствующими диагнозами.
Опыт может быть предоставлен:
Основными недостатками этих методов являются:
Немного иной подход заключается в построении экспертной системы из модели системы, а не напрямую из экспертизы. Примером может служить вычисление диагноста для диагностики дискретно-событийных систем. Этот подход можно рассматривать как основанный на модели, но он выигрывает от некоторых преимуществ и страдает от некоторых недостатков подхода экспертной системы.
Диагностика на основе модели является примером абдуктивного рассуждения с использованием модели системы. В общем, это работает следующим образом:
У нас есть модель, описывающая поведение системы (или артефакта). Модель является абстракцией поведения системы и может быть неполной. В частности, ошибочное поведение, как правило, малоизвестно, и поэтому ошибочная модель может быть не представлена. Учитывая наблюдения за системой, система диагностики моделирует систему с помощью модели и сравнивает фактически сделанные наблюдения с наблюдениями, предсказанными симуляцией.
Моделирование можно упростить, используя следующие правила (где Ab — нормальный предикат):
(модель неисправности)
Семантика этих формул следующая: если поведение системы не является ненормальным (т.е. если оно нормально), то внутреннее (ненаблюдаемое) поведение будет и наблюдаемое поведение . В противном случае внутреннее поведение будет и наблюдаемое поведение . Учитывая наблюдения , проблема состоит в том, чтобы определить, является ли поведение системы нормальным или нет ( или ). Это пример абдуктивного рассуждения .
Система считается диагностируемой , если независимо от ее поведения мы сможем однозначно поставить ей однозначный диагноз.
Проблема диагностируемости очень важна при проектировании системы, поскольку, с одной стороны, может возникнуть желание уменьшить количество датчиков для снижения стоимости, а с другой стороны, может возникнуть желание увеличить количество датчиков для повышения вероятности обнаружения неисправного поведения.
Существует несколько алгоритмов для решения этих проблем. Один класс алгоритмов отвечает на вопрос, является ли система диагностируемой; другой класс ищет наборы датчиков, которые делают систему диагностируемой, и опционально соответствуют таким критериям, как оптимизация затрат.
Диагностируемость системы обычно вычисляется на основе модели системы. В приложениях, использующих диагностику на основе модели, такая модель уже присутствует и ее не нужно строить с нуля.
DX — ежегодный Международный семинар по принципам диагностики, который проводится с 1989 года.
