Вы находитесь на странице: 1из 3

Case study: rule-based system

GenAID—A Knowledge App lication System for Early Fault


Detection at Westinghouse1

Pour les clients de Westinghouse, les services d'électricité qui exploitent des centrales de
production, une panne d'usine pourraient représenter des coûts allant de 60 000 $ à 250 000 $
par jour, selon la taille et le type de l'usine. Un dysfonctionnement du générateur pourrait
provoquer des pannes imprévues pour réparer l'unité brisée qui pourrait durer jusqu'à six
mois.
Évidemment, anticiper une panne de générateur quand il s'agit d'une panne mineure et avant
qu'elle ne soit complètement inopérante et devienne un incident majeur peut entraîner des
actions correctives qui pourraient réduire l'ampleur du problème et ainsi réduire les temps
d'arrêt de mois en jours.
GenAID a été l'un des premiers systèmes de diagnostic à base de capteurs en temps réel.
Avant le développement de GenAID, les données de capteur provenant de l'équipement de
production d'énergie qui est transmis au système d'acquisition de données étaient inspectées
périodiquement par un technicien qui se rendait sur le site. Généralement, le personnel de la
centrale sur le site n'avait pas l'expertise nécessaire pour analyser les mesures du capteur.
L'objectif de GenAID était d'analyser en continu les données des capteurs du générateur.
anticipant ainsi les incidents destructeurs majeurs
Les premières tentatives pour réaliser cette analyse datent des années 1970, quand
Westinghouse a développé un système informatisé utilisant l'analyse probabiliste. Le système
s'est bien comporté pour un nombre limité de dysfonctionnements, mais a posé de sérieuses
limitations qui ont forcé l'attention de la recherche à se tourner vers des systèmes
intelligents. En 1980, une collaboration entre les laboratoires de recherche et de
développement de Westinghouse à Pittsburgh et le Robotics Institute de l'Université
Carnegie-Mellon a abouti au développement du Process Diagnostic System (PDS). La
combinaison de PDS et de la connaissance diagnostique a été appelée GenAID, ce qui
signifie Generator Artificial Intelligence Diagnostics. À l'origine, GenAID était situé à
Orlando, en Floride, où il traitait des données de manière semi-continue provenant de chacun
des sites de centrales électriques aux États-Unis afin de produire un diagnostic de
dysfonctionnements potentiels en temps réel. GenAID sera plus tard colocalisé avec chaque
générateur de centrale électrique pour produire un diagnostic de dysfonctionnement pour
chaque opérateur de centrale.
GenAID est entré en production en 1985, et en 1986, il a été reconnu comme l'une des 100
meilleures réalisations en ingénierie de l'année. En 1990, environ 14 générateurs étaient
connectés au système. Depuis le moment de son développement, le PDS a été modifié pour
fonctionner sur des ordinateurs personnels polyvalents et son interface utilisateur a été
complètement revue. Le système contient environ 2500 règles. GenAID a diagnostiqué avec
succès de nombreux dysfonctionnements qui auraient autrement pu entraîner de graves
pannes. En conséquence, Siemens a étendu ce concept à d'autres équipements, notamment
des turbines à vapeur et des turbines à gaz. GenAID est un système d'application de
connaissances prototypique. Son développement nécessitait la découverte de connaissances
importantes détenues par des experts humains, capturant électroniquement ces connaissances
1
dans une base de connaissances, et la capacité d'appliquer ces connaissances de manière à
multiplier l'utilité originale de ces connaissances en les plaçant dans une surveillance et un
système de diagnostic automatique.
À ce jour, le système GenAID est toujours vendu comme un moniteur basé sur site pour les
centrales électriques. À la fin des années 1990, Siemens a lancé un projet de recherche et
développement visant à étendre le système à d'autres équipements de production d'électricité.
Le nouveau produit étendu présente des caractéristiques similaires mais fonctionne à distance
dans le Siemens Power Diagnostics Center, qui surveille près de 300 centrales électriques
dans le monde entier. La nouvelle version couvre non seulement la génératrice, mais aussi la
turbine à gaz, la turbine à vapeur et la balance des équipements de l'usine, et a permis aux
clients de Siemens d'économiser des millions de dollars au cours de la dernière décennie

The SBIR/STTR Online System (SOS) Advi sor: A Web-based Expert System
to Profi le Organizations

The SBIR/STTR Online System (SOS) Advisor, a Web-based expert system, was developed to
assist potential applicants to the Small Business Innovation Research (SBIR) and Small Business
Technology Transfer Research (STTR) programs. Established by Congress in 1982, the SBIR
and STTR programs help federal agencies develop innovative technologies by providing
competitive research contracts to U.S.- owned small business companies with fewer than 500
employees. These programs also help by providing seed capital (capital de depart) to increase
private sector commercialization of innovations resulting from federal research and development
(for example, NASA). The goal of the SOS Advisor was to optimize the time required to
examine the potential eligibility for companies seeking SBIR/STTR funding by prompting users
through an interactive questionnaire that was used to evaluate the company’s potential eligibility
to be a grant recipient.
The user only needed to click on Yes or No to answer the 10 questions that frame the eligibility
criteria.
Once the user submitted the registration information to the Web-based system, the SOS Advisor
Questionnaire page was launched. The questionnaire consists of 10 questions used to determine
the eligibility of the company.

The user information provided and the corresponding answers to the questionnaire were stored in
the SOS Advisor database and evaluated automatically by the system.
Using a set of rules that evaluate the user responses, the system identified if the user profile
matched the profile of an SBIR/STTR candidate. SOS Advisor then would automatically send an
e-mail to the user with the results of the evaluation. At the same time, if the user profiles match
was positive the system automatically notified via email the corresponding agency program
personnel, with the user point-of-contact.
The rules used to evaluate the user profiles were developed using a scripting code.
The scripts were used to evaluate the answers given and based on predefined rules to generate the
user profiles. Based on the user’s answers to the questionnaire, the SOS Advisor was able to
determine whether the user profile indeed matched that of an SBIR/STTR recipient and provided
sufficient information to educate potential applicants about related funding opportunities.
In summary, the SOS Advisor is an example of a knowledge application system that was used to
identify those companies whose profiles matched that of an SBIR/STTR candidate and, therefore,
helped focus the resources of federally funded assistance programs. The system prompts users to
answer a set of questions that describe if the company meets the stipulated criteria defined for
companies interested in the SBIR/ STTR program. The system then used a set of heuristics or

2
rules to quickly examine each company’s qualifications rather than attempting to transfer the
knowledge about the program requirements to each of the companies interested in applying for
the program. For those companies with matching profiles, the SOS Advisor automatically sent
the company’s contact information to a federal agency employee who then identified appropriate
assistance resources available for the benefit of the inquiring company. In this way, the SOS
Advisor helped minimize distractions to the federal program representative caused by casual
cyber surfers, since it would only forward the information for the companies that matched the
qualification criteria. In addition, a byproduct of this effort was the creation of a database with
point-of-contact information for each company that completed the survey, which could be used to
generate mailings and announcements of upcoming SBIR/STTR informative events.
The key importance of SOS Advisor is that it enabled federal agency personnel to apply the
knowledge about qualification requirements for the SBIR/STTTR program without tying up the
time of the program representative. Prior to the development of the SOS Advisor, a federal
employee provided this information and performed the initial assessment of companies interested
in the program. The federal agency representative repeatedly used her tacit knowledge base to
perform the analysis. The SOS Advisor helped to apply this knowledge, freeing up the employee
to use her time so she can provide more personalized advice to those companies that meet the
program’s stipulated criteria.

Оценить