Mesterséges intelligencia módszerek alkalmazása a folyamatmodellezésben  részletek

súgó  nyomtatás 
vissza »

 

Projekt adatai

 
azonosító
47198
típus K
Vezető kutató Piglerné dr. Lakner Rozália
magyar cím Mesterséges intelligencia módszerek alkalmazása a folyamatmodellezésben
Angol cím Artifical intelligence methods in process modelling
zsűri Informatikai–Villamosmérnöki
Kutatóhely Rendszer-és Számítástudományi Tanszék (Pannon Egyetem)
résztvevők Góth Júlia
Hangos Katalin
Németh Erzsébet
Skrop Adrienn
projekt kezdete 2004-01-01
projekt vége 2007-12-31
aktuális összeg (MFt) 5.662
FTE (kutatóév egyenérték) 0.00
állapot lezárult projekt





 

Zárójelentés

 
kutatási eredmények (magyarul)
Mesterséges intelligencia folyamatmérnöki alkalmazásai területén folytattunk kutatást az alábbi résztémákban: 1. Folyamatrendszerek számítógéppel segített modellezése Formális módszereket dolgoztunk ki folyamatrendszerek modelljeinek felállítására, ellenőrzésére és egyszerűsítésére. A folyamatrendszereket jellemző teljesítmény- és méret-indexek definiálásával feltételeket fogalmaztunk meg minimális modellek meghatározására. 2. Folyamatmodell ontológiák létrehozása Vizsgálatokat folytattunk folyamatrendszerek meghibásodásainak és az ezeket kiváltó berendezésekhez, emberekhez és eljárásokhoz kapcsolódó tényezők közötti összefüggések leírására, amelyeket formálisan ontológiák segítségével fogalmaztuk meg. 3. Predikció-alapú diagnosztika többléptékű (multi-scale) modellek alkalmazásával Predikció-alapuló intelligens diagnosztikai rendszert dolgoztunk ki, amely egységes környezetben kezeli a mérnöki modelleket és a heurisztikus információkat. A többléptékű modell alkalmazásával lehetőség nyílt automatikus fókuszálásra a hibadetektálási és veszteség–megelőzési feladatokban. 4. Multi-ágens alapú diagnosztikai rendszer fejlesztése Kidolgoztunk egy hibadetektálási, predikció-alapú diagnosztikai és veszteség-megőrzési feladatokat együttesen megvalósító multi-ágens alapú diagnosztikai rendszert. A folyamat-specifikus és a diagnosztikai ismereteket moduláris ontológiák formájában reprezentáltuk, ezeket integráltuk a kifejlesztett multi-ágens rendszerbe.
kutatási eredmények (angolul)
Artificial intelligence methods in process systems engineering has been investigated as follows: 1. Computer aided process modelling Formal methods are developed for construction, investigation and simplification of process models. Based on the notion of performance and size indices conditions are proposed for developing minimal models. 2. Generating ontology for process models The abnormal conditions of process system and their relation to the plant, people and procedures has been investigated and formalised with ontology. 3. Prediction-based diagnosis using multi-scale models A prototype prediction-based intelligent diagnostic system is developed that is capable integrating process models and operation experiences. The multi-scale model approach supports focusing in case of fault detection and loss prevention. 4. Multi-agent based diagnostic system A multi-agent diagnostic system is developed using of combination of diagnostic methods from heterogeneous knowledge sources. The process specific and diagnostic information are represented as ontology and they are integrated to the multi-agent system.
a zárójelentés teljes szövege http://real.mtak.hu/1727/
döntés eredménye
igen





 

Közleményjegyzék

 
Németh E; Lakner R; Hangos KM; Leitold A: Computer Aided Modelling Using Computer Science Methods, CAPE Forum, Veszprém, http://www.dcs.vein.hu/CAPEForum/, 2004
Németh E; Lakner R; Hangos KM: Diagnostic goal-driven reduction of multiscale process models, Technical report of the Systems and Control Laboratory SCL-001/2005, http://daedalus.scl.sztaki.hu/PCRG/works/SCL-001-2005.pdf Budapest, MTA SZTAKI, 2005
Németh E.: Predikción alapuló diagnosztika mesterséges intelligencia módszerek felhasználásával, PhD értekezés, Pannon Egyetem, Informatikai Tudományok Doktori Iskola, Veszprém, 2006
Góth J.: Efficient methods in the practice of information retrieval, PhD értekezés, Pannon Egyetem, Informatikai Tudományok Doktori Iskola, Veszprém, 2006
Hangos K.M., E. Németh and R. Lakner: A procedure ontology for advanced diagnosis of process systems., Benyújtva: 12th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems, KES-2008, 2008
Németh E., Lakner R., Hangos KM.: Diagnosztikai feladatok megvalósítása ágens-alapú technikával., Acta Agraria Kaposváriensis, 10(3), 211-222., 2006
Skrop Adrienn: Új módszerek a web-es információ-visszakeresés hatékonyságának területén., PhD értekezés, Pannon Egyetem, Informatikai Tudományok Doktori Iskola, Veszprém, 2007
Lakner R; Hangos KM; Cameron IT: On minimal models of process systems, Chem Eng Sci 60: 1127-1142, 2005
Németh E; Lakner R; Hangos KM; Cameron IT: Prediction-based diagnosis and loss prevention using multi-scale models, Information Sciences, 1916-1930., 2007
Hangos KM; Lakner R: Model Tuning, Discrimination and Verification, Computer Aided Process and Product Engineering. (Eds.: L. Puigjaner and G. Heyen) Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim. ISBN 3-527-30804-0, 171-187., 2006
Németh E; Lakner R; Hangos KM: Diagnostic goal-driven reduction of multiscale process models, Model Reduction and Coarse-Graining Approaches for Multiscale Phenomena, Springer, ISBN 3-540-35885-4, 465-487., 2006
Lakner R; Németh E; Hangos KM; Cameron IT: Multiagent realization of prediction-based diagnosis and loss prevention, Lecture Notes in Computer Science, Vol. 4031: Lecture Notes in Artificial Intelligence, Springer-Verlag, 70-80. Impakt faktor: 0.302, 2006
Németh, E., R. Lakner, K. M. Hangos and I. T. Cameron: Prediction-based diagnosis and loss prevention using model-based reasoning., Lecture Notes in Artificial Intelligence, Vol. 3533, Springer-Verlag, 367-369. Impakt faktor: 0.251, 2005
Németh E; Lakner R; Hangos KM; Cameron IT: Prediction-based diagnosis and loss prevention using qualitative multi-scale models, Computer-Aided Chemical Engineering 20A, Elsevier Science, 535-540., 2005
Lakner R; Németh E; Hangos KM; Cameron IT: Agent-based diagnosis for granulation processes, Computer-Aided Chemical Engineering, 21B, Elsevier, 1443-1448., 2006
Cameron I.T., B. Seligmann, K.M. Hangos, R. Lakner and E. Németh: The P3 Formalism: A basis for improved diagnosis in complex systems., CHEMECA, 1077-1088., 2007
Cameron I.T., B. Seligmann, K.M. Hangos, E. Németh and R. Lakner: A functional systems approach to the development of improved hazard identification for advanced diagnostic systems., Közlésre elfogadva: 18th European Symposium on Computer Aided process Engineering, ESCAPE-18, 2008




vissza »