PowerPoint 프레젠테이션

Size: px

Start display at page:

Download "PowerPoint 프레젠테이션"

상연 강
5 years ago
Views:

1 MCRDR for Expert - Multi-Classification Ripple Down Rule 제이알정보기술 경기도성남시분당구벌말로 50 번길 41, 투아이센터 306 호전화번호 : 팩스번호 :

2 1. MCRDR 개요 2. MCRDR Knowledge Acquisition 3. MCRDR 기반자동분류필요성 4. MCRDR 기반자동분류 Example 5. 적용사례

3 1. MCRDR 개요 MCRDR 기본사상 경험축적형태 사례기반추론 전문가는사례위주로경험축적 사례위주의직관적인상황판단 Case Based Reasoning 지식의 생동성 지식의주체 인지학이론기반지식해석 전문가가직접지식베이스관리 지식은필요에따라재구성 (Knowledge Construction) 지속적인새로운지식추가 (Incremental Learning) 지식은상황에따라해석相異 (Situated Cognition) Cognitive Science System Engineer 의존적지식획득과정제거 인지학이론과사례기반추론을이용하여지식학습과정단순화 지식인자망구조 유지보수비용절감 새로운지식의검증과확인비용은지식베이스규모증가대비 기하급수적으로증가 지식베이스규모에무관한저비용유지보수 엔진구성요소 MCRDR 기반 Expert System 구성요소 지식베이스 (Knowledge Base) 추론엔진 (Inference Engine) 지식학습엔진 (Knowledge Acquisition Engine)

4 1. MCRDR 개요 MCRDR 기반시스템특징 전문가에의한정확한전문지식표현 Knowledge Engineer 불필요 Rule Maintenance 비용 Zero 化 Rule 개수제약無 시스템신뢰성지속향상 Rule 오류자동점검 새로운지식학습용이 System Maintenance Cost Solution Reliability Cost 일반 Tool Rule Verification Cost 정확도 100% MCRDR 60% 일반 Tool 효용한계선 MCRDR Rule Size 가동 시간

5 1. MCRDR 개요 MCRDR Mechanism MCRDR Engine Domain Raw Data I/F 추론엔진 (Inference Engine) Case 운영 Module Conclusion 운영 Module Rule Base Cornerstone Case I/F Preprocess Rule Condition Rule Conclusion I/F DB 고장보고서 사용자 지식획득엔진 (Knowledge Acq.) I/F Cornerstone Case 첨부 정비 / 설비고장 Rule ID Tree Cornerstone Case ID 전문가 ( 기술위원 )

6 1. MCRDR 개요 Inference Engine Rule Search Start True Rule 0: If then then case {a, c, d, e, f, g, h, k} False True True True Rule 1: If a,b then class 1 Rule 2: If a,c then class 2 Rule 3: If k then class 2 Rule 5: If d then class 5 No test Rule 4: If e then class 4 True False True False False Rule 6: If f,e then class Rule 7: If i then class 7 Rule 10: If g,h then class 5 Rule 8: If l then class Rule 9: If i then class 9 End Rule Tracking Fired as True Rule Path True Rule Hierarchy Solution Remark Path [(Rule 0, ), (Rule2, class2), (Rule6, class6)] Class 6 info 1 Path [(Rule 0, ), (Rule2, class2), (Rule10, class5)] Class 5 info 2[4] Path 3 6 [(Rule 0, ), (Rule3, class2)] Class 2 info 3 Path 4 7 [(Rule 0, ), (Rule5, class5)] Class 5 info 4[2]

7 2. MCRDR Knowledge Acquisition Knowledge Acquisition 개요 Expert System Machine Learning 지식획득방법 Knowledge Engineer 가 전문가로부터직접지식획득 대량의 Data 를통계적기법을 이용하여해당분야지식자동학습 문제점 Knowledge Engineer 에대한의존도高 암묵적인전문가지식학습에장시간소요 지식의증가대비유지보수비용급증 대량 Data 의적합성사전검증이매우어려움 설계과정에지식학습의필수인자파악요건 전문지식변화에유연한대응곤란 근본원인 지식의제공주체는전문가 전문가가사용하는전문지식에대한인지심리학적인이해배제 전문지식을전문가와의대화또는대량의 Data 로부터추출할수있다는컴퓨터공학적가정에기반

8 2. MCRDR Knowledge Acquisition MCRDR Knowledge Acquisition Knowledge in MCRDR : All True and False Knowledge Original Rule Tree R0 R1 R2 추가삭제변경 R0 R0 R0 R1 R2 R5 R1 R2 R1 R2 R5 R5 새로운지식추가 add R5 ( 신규조건 / 결론 ) 기존지식삭제 add R5(Stop Rule) 기존지식변경 add R5( 추가조건 / 결론 )

9 2. MCRDR Knowledge Acquisition MCRDR Knowledge Acquisition Knowledge in MCRDR : All True and False Knowledge Original Rule Tree R0 R1 R2 추가삭제변경 R0 R0 R0 R1 R2 R5 R1 R2 R1 R2 R5 R5 새로운지식추가 add R5 ( 신규조건 / 결론 ) 기존지식삭제 add R5(Stop Rule) 기존지식변경 add R5( 추가조건 / 결론 )

10 2. MCRDR Knowledge Acquisition Knowledge Acquisition Element Input Case C 1 = { a=1, b=1, c=1, d=1} S 1 C 2 = { a=2, b=2, c=1, d=1} S 2 C 3 = { a=1, b=3, c=2, d=2} S 1 S 3 (change) Cornerstone Case & V&V List Rule 0: root rule CSC = {C 1 } V&V = {C 1, C 3 } Rule 1: Rule 2: a=1 S 1 b=2 S 2 CSC = {C 2 } V&V = {C 2 } V&V 3 V&V 1 Rule 3: b=3 S 3 CSC = {C 3 } V&V = {C 3 }

11 2. MCRDR Knowledge Acquisition Cornerstone Case Cornerstone Case 종류 Original Cornerstone Case : 해당 Rule 을생성시킨원조사례 Relative Cornerstone Case : 해당 Rule 인자와공통인자를가진다른 Rule 의 유관사례 List. Cornerstone Case 용도 새로운경우에대해새로운결론이필요하다고전문가가판단하면타 Rule과의독립된판단인자를선택가능하게하는기능 (Different List) 의 Input으로사용 Different List : 기존 Case들과새로운 Case간의독립인자제공및전문가의선택에의해 Rule간충돌예방 수정된 Rule Base의논리적모순여부검정 (Verification) 과사용자와개발자가의도한대로시스템이동작하는지의여부를검정 (Validation) 하는데사용

12 2. MCRDR Knowledge Acquisition Verification and Validation V&V 정의 Verification : 수정된 Rule Base 의논리적모순여부검정. Validation : 사용자와개발자가의도한대로의시스템동작여부검정. V&V List : Cornerstone Case 집합 Original Cornerstone Case 신규 Rule 생성시 Cornerstone Case 인자중기존 Rule의판단인자와같을경우기존 Rule의 V&V List에신규 Rule의 Cornerstone Case를등록. V&V 실행 이는판단인자를포함한 Rule 에변화가있을경우 V&V List 에해당 Cornerstone Case 가 포함되어있는모든 Rule 에대해 V&V 실행

13 3. MCRDR 기반자동분류필요성 MCRDR 기반의자동분류필요성 지식공유 Digital 된기업내지식문서는문서폴더지식맵 (Knowledge Map) 형태로컴퓨터에저장되어사용자들간지식을공유함. 현상 기업내조직구조, 업무영역등제반속성에따라다양한형태의지식맵존재 효용조건 수집된지식공유를위해서는분류의일관성과정확성이유지되어야하며, 이는자동분류기능을통한분류가필수적임. 문제점 기존의지식시스템들은자동분류를위한분류지식획득 (Knowledge Acquisition) 에한계 MCRDR 자동분류 MCRDR 기반자동분류시스템은, 지식맵과분류지식간동기화가능함. 지식맵에서문서저장위치의변화에따른분류지식의유지보수를용이. MCRDR 기반의자동분류시스템은, 분류지식의수정이필요한경우, 지식맵에저장되어진기존의지식들에대한영향극소화.

14 4. MCRDR 기반자동분류 Example 동급 Parent 의 Child 에복사 root 공장 Dx Text 분석엔진 분석결과 ( 주제어, Feature ) Root 원료 / 소결 원료 Dx R1 공장 R R2 설비 R 하역기 저장시설 1 문서복사 원료소결 코크스화성 이송설비 소결 적불출기 R5 원료 2 후반설비 R6 소결 전반설비 코크스 / 화성 소성 Dx 소결기본체 후반설비환경설비오븐본체이동차 2 R7 하역기 R8 저장시설 R9 이송설비 R10 적불출기 R12 전반설비 R13 소결기본체 R14 후반설비 R15 환경설비 1 신규문서가 R1,, R5, R7 Rule 을만족하여하역기 Folder 에저장 2 전문가판단에해당문서가소결후반설비에서도참고가필요할것으로판단되어후반설비를지정하면신규 Rule 32 가생성되어후반설비 Folder 에도저장됨. 설비 선탄설비 수송설비 소화설비 이때, 소결공장으로분류될 Input Case 가아닌관계로그 Root Rule 인원료소결의 Child 로신규 Rule 32 가생성됨.

15 4. MCRDR 기반자동분류 Example 다른 Parent 의 Child 에문서이동 root 공장 Dy Text 분석엔진 분석결과 ( 주제어, Feature ) root 원료 / 소결 D y 원료 하역기저장시설 1 문서이동 원료소결 R1 공장 R R2 설비 R 코크스화성 이송설비적불출기 X R5 원료 2 후반설비 R6 소결 소결 3 문서이동 -1 전반설비 소결기본체 후반설비환경설비 D y 2 R7 하역기 1 Dx STOP R8 저장시설 R9 이송설비 R10 적불출기 R12 전반설비 R13 소결기본체 R14 후반설비 R15 환경설비 코크스 / 화성 1 신규문서가 R1,, R5, R7 Rule 을만족하여하역기 Folder 에저장 설비 소성 오븐본체이동차선탄설비수송설비소화설비 2 전문가판단에해당문서가소결후반설비 Folder 에저장되어야되는것으로판단되어후반설비로이동하면신규 Rule 32 가생성되어후반설비 Folder 에저장됨. 이때, 소결공장으로분류될 Input Case 가아닌관계로그 Root Rule 인원료소결의 Child 로신규 Rule 32 가생성됨. 3 하역기로분류를막기위해 1 Stop Rule 이생성되며하역기 Folder 에서문서 Dy 는삭제된다.

16 4. MCRDR 기반자동분류 Example MCRDR 자동분류시스템 문서 Text 분석 사용자사전 사용자정의주제어 형태소분석결과주제어 예 ) 고로 용광로, BF 자동분류 분류 Rule R0 Rule R1 R2 R5 미분류 R6 R7 전문가 Indexing 저장고 Knowledge Acquisition 정확도 100% MCRDR 자동분류 100% 에수렴 75% 가동 시간

5. 적용사례 (1/3) 제철공장정비상황실예측시스템 시스템접근방법 원인 / 결과형식의구조적표현방식인 (Process Map) 방식을구조적 Descriptive 지식표현방식으로적용 자연어기반 Descriptive 지식 ( 고장보고서 ) 를 Process Map 으로자동변환 시스템이직접전문가로부터지시를받아시스템내의지식의수정, 보완, 추가를지속적으로수행 :

17 5. 적용사례 (1/3) 제철공장정비상황실예측시스템 시스템접근방법 원인 / 결과형식의구조적표현방식인 (Process Map) 방식을구조적 Descriptive 지식표현방식으로적용 자연어기반 Descriptive 지식 ( 고장보고서 ) 를 Process Map 으로자동변환 시스템이직접전문가로부터지시를받아시스템내의지식의수정, 보완, 추가를지속적으로수행 : CLI (Controlled Language Interface) 방식적용 자연어기반문서분류지식, 프로세스맵기반 Descriptive 지식, MCRDR 기반 Procedural 지식을융합하여지식기반서비스제공 시스템기능 알람발생시상황진단기능 : MCRDR 기반진단시스템 신속한관련기능분석을통한원인분석, 예측및예방조치 : 프로세스맵기반추론시스템 전문가에게과거유사사례를제공 : 분류지식기반문서지식 세가지지식의획득, 유지보수기능을융합하여상호관계성보장 시스템현황 발생알람에대한문제점진단 관련설비및기능조회기능 관련유사사례조회기능 일평균알람처리 : 20 만건 설비알람맵핑 : 9 천건 설비도면맵핑 : 9 천건 고장보고서해석 : 5 천건 알람메시지와프로세스맵을통해새로운지식획득 설비매뉴얼고장프로세스맵제원정비알람 설비구조화도면자재전문가 정보통합화 프로세스맵을중심으로정비정보종합연계 시스템개선점 공장현장환경에서시스템이사용될수있는인터페이스기술의한계 지식의전달매체가시각정보로제한되어있어사용자의시스템러닝커브 (learning curve) 가높음 ( 언어정보형태로제공되어야함 )

5. 적용사례 (2/3) 스마트대화형차량시스템 시스템시나리오예시 시스템접근방법 여러종류의지식을기반으로한다양한서비스를동일한인터페이스환경내에서제공 사용자와시스템간의대화를통해사용자의의도를파악을하여적합한서비스제공 시스템내의지식유지보수를동일한대화형인터페이스로해결 스키드브레이크기능이정지되었습니다. 어떻게하지. 원인이뭐지? 높은습도탓에센서오작동일가능성이있습니다.

18 5. 적용사례 (2/3) 스마트대화형차량시스템 시스템시나리오예시 시스템접근방법 여러종류의지식을기반으로한다양한서비스를동일한인터페이스환경내에서제공 사용자와시스템간의대화를통해사용자의의도를파악을하여적합한서비스제공 시스템내의지식유지보수를동일한대화형인터페이스로해결 스키드브레이크기능이정지되었습니다. 어떻게하지. 원인이뭐지? 높은습도탓에센서오작동일가능성이있습니다. 하지만일반도로운행에는지장이없습니다. 1-2 시간후에도상태가지속되면서비스예약을하겠습니다. 고장원인은센서불량으로예측되지만서비스센터에서정확한진단이필요합니다. 시스템기능 e 메일, 날씨, 예약등다양한웹서비스를대화식으로변환하여제공 자동차고장진단, 예방정비지원및사용자운전습관개선 전문가의경험지식 ( 차량진단 / 예방 / 조치지식 ) 을습득하고관련지식을대화형태로자동변환. 시스템개요 응. 고마워. 그런데김포공항을가야하는데 길안내를시작하겠습니다. 스키드브레이크오작동인관계로고속도로대신국도를이용하겠습니다. 시스템현황 기본대화인터페이스프로토타입을통한테스트및보완 다양한서비스융합을위한사전조사단계

19 5. 적용사례 (3/3) 호주임상병리 (Pathology) 시스템 시스템접근방법 실제 Data 를통해전문가로부터컴퓨터가직접지식획득 ( 전문가시스템과기계학습의융합 Hybrid 방식 ) MCRDR (Multiple Classification Ripple Down Rule) 방식으로지속적으로지식을저비용으로유지보수가능 시스템기능 검사결과에대한복수소견내용자동추천 전문가로부터사례기반으로방식으로직접지식획득 최종검사보고서에소견내용자동추가 시스템현황 약 20 년간전문가에의한지식축적 ( 최장수전문가시스템추정 ) 룰개수 : 80,000 개 ( 지속적증가 ) ( 지식엔지니어및기계학습배제 ) 서비스지식베이스개수 : 246 개 한달처리데이터량 : 3,000,000 건 - 세계최대로추정 17 개의임상병리검사센터 - 30% 정도의호주임상병리검사시스템에사용되고있음 시스템개선점 진단정확성에중점 ( 이론지식부족으로설명기능약함 ) 전문가의경험지식이약하면지식획득기간증가 *MCRDR 방식은 Procedural 지식에특화된방법론으로서전문가방식의진단및문제해결에는탁월하지만, Descriptive 지식에대한기능은배제되어있음

20 경기도성남시분당구벌말로 50 번길 41, 투아이센터 306 호전화번호 : 팩스번호 :

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 5 2004. 3. . 5.. Input. Output . 5 2004 7,, 1,000 5,. 40 2004.7 2005.7 2006.7 2007.7 2008.7 2011. 1,000 300 100 50 20 20 ( ) 0.01% 0.08% 0.36% 0.96% 3.07% 100% ( ) 5.3%(10.7%) 12.2%(17.3%) 21.9%(26.4%)