崔鐵軍，李莎莎

（1. 遼寧工程技術(shù)大學(xué) 安全科學(xué)與工程學(xué)院，遼寧 阜新 123000; 2. 遼寧工程技術(shù)大學(xué) 工商管理學(xué)院，遼寧 葫蘆島 125105）

面對(duì)無(wú)人化、智能化、信息化和數(shù)據(jù)化的復(fù)雜系統(tǒng)，目前系統(tǒng)故障分析方法存在明顯不足，特別是智能科學(xué)和技術(shù)涌現(xiàn)后問(wèn)題更加嚴(yán)重。首先是故障數(shù)據(jù)分析。故障數(shù)據(jù)特點(diǎn)在于難以提取、存在較多的冗余和錯(cuò)誤，通過(guò)數(shù)理統(tǒng)計(jì)方法不易獲得準(zhǔn)確而深入的故障因果關(guān)系；其次是在故障數(shù)據(jù)基礎(chǔ)上只能通過(guò)分析數(shù)據(jù)得到故障因果關(guān)系。但這種關(guān)系完全基于數(shù)據(jù)，雖然能廣泛了解故障因果關(guān)系，但深入研究基本影響因素較為困難。這將進(jìn)一步導(dǎo)致故障預(yù)測(cè)、預(yù)防和治理的困難；三是面向復(fù)雜系統(tǒng)故障的智能管控系統(tǒng)的基礎(chǔ)數(shù)學(xué)理論不充分。單純基于故障大數(shù)據(jù)和因素，而不考慮數(shù)據(jù)與因素關(guān)系和人的假設(shè)條件，難以通過(guò)智能系統(tǒng)管控分析復(fù)雜系統(tǒng)故障。

目前關(guān)于系統(tǒng)故障數(shù)據(jù)的智能處理及因果關(guān)系研究的文獻(xiàn)不多，較新的研究包括：光纖通信故障數(shù)據(jù)智能檢測(cè)[1]；故障因果信息的故障智能診斷[2]；空間故障樹(shù)與因素空間融合的智能可靠性分析[3]；自適應(yīng)選擇融合智能故障分類(lèi)技術(shù)[4]；智能變電站網(wǎng)絡(luò)設(shè)備故障定位[5]；智能電表運(yùn)行故障監(jiān)控[6]與預(yù)測(cè)[7]；智能電網(wǎng)監(jiān)控大數(shù)據(jù)模型構(gòu)建[8]等。這些研究在各自領(lǐng)域取得了較好成果，但并沒(méi)有解決故障數(shù)據(jù)處理和故障因果關(guān)系分析等本質(zhì)理論問(wèn)題。

作者根據(jù)對(duì)故障信息轉(zhuǎn)換[9]、故障狀態(tài)[10]、故障對(duì)象分類(lèi)[11-12]，故障的因素影響[13-15]及故障演化[16]等的研究，對(duì)上述3個(gè)問(wèn)題提出了解決方案。對(duì)上述3個(gè)問(wèn)題提出了一些看法。論述了通過(guò)數(shù)理統(tǒng)計(jì)方法分析故障數(shù)據(jù)的弊端；給出了系統(tǒng)故障原因及結(jié)果的相關(guān)性和關(guān)聯(lián)性區(qū)別；最后論述了智能系統(tǒng)對(duì)故障因果關(guān)系分析的4個(gè)層次。希望能為復(fù)雜系統(tǒng)故障分析提供智能方法。

1 故障數(shù)據(jù)的數(shù)理統(tǒng)計(jì)

廣義的數(shù)據(jù)包含了各種數(shù)據(jù)形式。系統(tǒng)存在對(duì)人而言就是能獲得系統(tǒng)發(fā)散出來(lái)的數(shù)據(jù)。數(shù)據(jù)是系統(tǒng)存在的表現(xiàn)形式。但人受限于技術(shù)方法，在不能獲得數(shù)據(jù)時(shí)將難以判斷系統(tǒng)存在，更難以了解系統(tǒng)特性。這是系統(tǒng)層面的問(wèn)題，但專(zhuān)業(yè)技術(shù)領(lǐng)域可能更加嚴(yán)重。

安全科學(xué)相對(duì)而言較新，涉及到社會(huì)的方方面面。與其他科學(xué)相同，其基礎(chǔ)理論的建立需要大量數(shù)據(jù)支持。雖然安全理論多數(shù)來(lái)源于相關(guān)學(xué)科但也需要這些數(shù)據(jù)。人們對(duì)系統(tǒng)的要求是在規(guī)定時(shí)間內(nèi)、規(guī)定條件下完成預(yù)定功能，即系統(tǒng)的可靠性；與之對(duì)應(yīng)的是系統(tǒng)失效性。通常情況在給定條件下，系統(tǒng)都具有可靠性。那么系統(tǒng)的可靠狀態(tài)是一種通常狀態(tài)；當(dāng)系統(tǒng)遇到意外作用時(shí)可能出現(xiàn)失效狀態(tài)。這種失效是人們關(guān)心的問(wèn)題，因此研究系統(tǒng)安全主要關(guān)注于系統(tǒng)失效狀態(tài)。

如上所述，對(duì)系統(tǒng)失效的研究也立足于數(shù)據(jù)。系統(tǒng)運(yùn)行時(shí)散發(fā)的數(shù)據(jù)可分為正常數(shù)據(jù)和異常數(shù)據(jù)?？煽啃院褪跃吞N(yùn)含在這些數(shù)據(jù)之中。失效性特征蘊(yùn)含在異常數(shù)據(jù)，即故障數(shù)據(jù)中，正常數(shù)據(jù)也有作用但不直接。因此研究系統(tǒng)安全的主要基礎(chǔ)就是故障數(shù)據(jù)。那么問(wèn)題是如何監(jiān)測(cè)、收集、篩選、分析和處理故障數(shù)據(jù)。

本文不論述監(jiān)測(cè)和收集問(wèn)題，因?yàn)檫@些偏重于硬件。當(dāng)獲得故障數(shù)據(jù)后如何處理才是關(guān)鍵問(wèn)題。系統(tǒng)故障一般具有因果關(guān)系，即哪些事件導(dǎo)致了故障，故障又導(dǎo)致了哪些事件發(fā)生。因此安全科學(xué)，特別是故障研究最終需要揭示故障之間的因果關(guān)系。另一方面，處理故障數(shù)據(jù)的方法很多，但目前最常用的是數(shù)理統(tǒng)計(jì)。數(shù)理統(tǒng)計(jì)之父Karl Pearson熱衷于從基礎(chǔ)數(shù)據(jù)歸類(lèi)得到表征變量，然后使用這些變量研究事物的關(guān)系[16]。通過(guò)2個(gè)隨機(jī)變量的聯(lián)合分布表達(dá)它們之間的聯(lián)系。這當(dāng)然取得了極大成功，奠定了數(shù)理統(tǒng)計(jì)基礎(chǔ)。但這種聯(lián)系說(shuō)明了何種問(wèn)題？例如交通事故和時(shí)間的對(duì)應(yīng)分布關(guān)系，6:00～8:00和17:00～19:00時(shí)間范圍內(nèi)交通事故達(dá)到峰值，并正態(tài)分布。說(shuō)明交通事故與時(shí)間存在聯(lián)系，但這種關(guān)系并非因果關(guān)系。因?yàn)槁?lián)合分布得到的因果關(guān)系具有雙向性[16]。即由甲推斷乙，同時(shí)由乙也可以推斷甲。那么這個(gè)例子就變成了時(shí)間與交通事故存在聯(lián)系，這顯然難以解釋。在數(shù)理統(tǒng)計(jì)發(fā)展中也有類(lèi)似爭(zhēng)論。以父親身高推斷兒子身高，發(fā)展相關(guān)橢圓的主軸向自變量軸偏轉(zhuǎn)說(shuō)明具有遺傳回歸性，即兒子身高與父親身高相關(guān)；有人用兒子身高推斷父親身高，得到了同樣現(xiàn)象[16]，說(shuō)明兒子身高與父親身高互為因果。這使得Pearson的追隨者們難以理解，并從此在數(shù)理統(tǒng)計(jì)研究中回避這類(lèi)問(wèn)題，一直影響到現(xiàn)在。

正如上述問(wèn)題，交通事故與時(shí)間之間有一個(gè)人流的因素，上班時(shí)間人流多，而人流多造成交通事故多；父親與兒子存在內(nèi)在的基因聯(lián)系，他們的身高也與環(huán)境相關(guān)。因此只用數(shù)理統(tǒng)計(jì)方法研究故障數(shù)據(jù)中的各種原因和故障關(guān)系是不充分的。這將直接導(dǎo)致故障原因控制不當(dāng)，甚至原因本身就是錯(cuò)誤的。正如本文提出的空間故障網(wǎng)絡(luò)理論描述系統(tǒng)故障演化過(guò)程得到的結(jié)論，原因和結(jié)果之間可能存在多條通路，錯(cuò)誤的因果分析將造成通路上事件控制不能阻止結(jié)果發(fā)生。這是由于沒(méi)有分析故障發(fā)生的本質(zhì)原因。

2 系統(tǒng)故障的相關(guān)性和關(guān)聯(lián)性

相關(guān)性和關(guān)聯(lián)性在日常生活中是相近甚至相同的，但本文要進(jìn)行區(qū)分。汪培莊教授[17]提出的因素空間理論是智能科學(xué)的數(shù)學(xué)基礎(chǔ)。該理論認(rèn)為，關(guān)聯(lián)性層次要高，存在于概念層面；而相關(guān)性較低，存在于變量層面。因素空間中的“因”不是原因而是影響因果關(guān)系的因素。故障的原因和結(jié)果實(shí)際上是籠統(tǒng)的，其中蘊(yùn)含了很多影響原因和結(jié)果的因素。

關(guān)聯(lián)性存在于概念，是很多知識(shí)，包括本能、經(jīng)驗(yàn)、規(guī)范和常識(shí)等的集合。它可以獨(dú)立于數(shù)據(jù)通過(guò)人或是人工智能直接得到，是對(duì)象狀態(tài)或?qū)傩詫用娴氖挛?。比如甲的A狀態(tài)增加，乙的B狀態(tài)增加，因此它們是關(guān)聯(lián)的。最通俗的例子是雞鳴和天亮的關(guān)系。雞鳴可推天亮，天亮可推雞鳴。前者說(shuō)明雞鳴是雞的本能因素，天亮則是條件因素；可以說(shuō)成天亮是原因，雞鳴是結(jié)果。后者則不能說(shuō)成雞鳴是原因，天亮是結(jié)果。但因素空間在廣義上承認(rèn)后者的因果關(guān)系，即廣義因果關(guān)系。后者在人工智能方面可能更具效用，是人們對(duì)自然界規(guī)律的總結(jié)。人們不會(huì)關(guān)心天亮了雞為什么打鳴，而會(huì)關(guān)心雞打鳴預(yù)示著天亮。因此關(guān)聯(lián)性取決于知識(shí)和概念層面的意義?；跔顟B(tài)和因素層面的關(guān)聯(lián)性是廣義因果論。

相關(guān)性在于具體的數(shù)據(jù)層面，是通過(guò)數(shù)據(jù)分析得到的不同類(lèi)型數(shù)據(jù)之間的關(guān)系。最簡(jiǎn)單的例子，在線性代數(shù)中2組數(shù)據(jù)有聯(lián)系稱(chēng)為線性相關(guān)。正如上節(jié)提到的交通事故與時(shí)間存在正態(tài)分布關(guān)系，即為兩者相關(guān)。相關(guān)性分析往往用于比較復(fù)雜和數(shù)據(jù)量較大且經(jīng)驗(yàn)不足情況下的兩事物關(guān)系分析。如上節(jié)使用數(shù)理統(tǒng)計(jì)方法的不足一樣，只能得到數(shù)據(jù)分布的相關(guān)性?？赡芨静痪哂幸蚬P(guān)系或者有中間事件傳遞了因果關(guān)系?；跀?shù)據(jù)層面得到的相關(guān)性是狹義因果論。

因素空間承認(rèn)狹義因果論和廣義因果論，在因素層面上討論因果關(guān)系。因素是表征事物和區(qū)別事物的特征要素，因果關(guān)系可能存在眾多因素的影響。這將導(dǎo)致同因不同果，或者同果不同因，甚至因果相同時(shí)經(jīng)歷完全不同的發(fā)展過(guò)程。這使因果關(guān)系存在多樣性，即使在表面上是相似的。所以因果分析應(yīng)基于數(shù)據(jù)的狹義因果論和基于狀態(tài)的廣義因果論，即從因素的關(guān)聯(lián)性和相關(guān)性?xún)煞矫鎸ふ覍?duì)結(jié)果最有影響的因素，進(jìn)而找到基本原因。

3 故障因果分析的4個(gè)驅(qū)動(dòng)層次

圖靈獎(jiǎng)得主珀?duì)栍?018年出版的《為什么—關(guān)于因果關(guān)系的新科學(xué)》[16]中提到：因果性研究有3個(gè)層次：1)研究關(guān)聯(lián)與相關(guān)，是統(tǒng)計(jì)學(xué)和人工智能現(xiàn)行的廣義因果性研究；2)干預(yù)研究，當(dāng)有第3方因素影響時(shí)，研究剔除該因素后兩者之間的關(guān)系；3)反事實(shí)推理，認(rèn)為數(shù)據(jù)是事實(shí)記錄，機(jī)器學(xué)習(xí)把學(xué)習(xí)和推理局限在事實(shí)世界，但人腦思維能跳出事實(shí)進(jìn)行假想?；谧髡邔?duì)故障數(shù)據(jù)及因果分析，特別是智能分析的研究[9-15]，認(rèn)為故障因果分析可分為4個(gè)層次，它們是數(shù)據(jù)驅(qū)動(dòng)、因素驅(qū)動(dòng)、數(shù)據(jù)?因素驅(qū)動(dòng)、數(shù)據(jù)?因素?假設(shè)驅(qū)動(dòng)。如圖1所示[18-19]，左側(cè)為系統(tǒng)運(yùn)動(dòng)空間和系統(tǒng)映射論的表示，右側(cè)為4個(gè)層次關(guān)系。

圖1 4個(gè)層次的關(guān)系Fig. 1 Relationships of four levels

3.1 數(shù)據(jù)驅(qū)動(dòng)

目前各門(mén)類(lèi)科學(xué)一般以數(shù)據(jù)作為基礎(chǔ)建立理論體系。在提出各種理論的同時(shí)也需要找到相應(yīng)的數(shù)據(jù)進(jìn)行驗(yàn)證，因此數(shù)據(jù)成為現(xiàn)代科學(xué)發(fā)展的基礎(chǔ)。但正如第1節(jié)所述，數(shù)據(jù)本身就是難以解決的問(wèn)題。因?yàn)橄到y(tǒng)存在是通過(guò)數(shù)據(jù)的波動(dòng)表現(xiàn)出來(lái)的。如果系統(tǒng)數(shù)據(jù)恒定則很難被認(rèn)知，比如存在于宇宙中的微波背景輻射。這類(lèi)數(shù)據(jù)一直存在，人類(lèi)無(wú)從分辨?；蛘吡硪磺闆r，系統(tǒng)散發(fā)數(shù)據(jù)且不斷變化，但人的現(xiàn)有技術(shù)無(wú)法探測(cè)。這對(duì)于人而言系統(tǒng)是不存在的，因?yàn)闆](méi)有對(duì)應(yīng)的數(shù)據(jù)。如黑洞，光無(wú)法逃離因此看不到，但它確實(shí)存在。第3種情況，數(shù)據(jù)變化且能被探測(cè)，但可能無(wú)法處理，即無(wú)法通過(guò)現(xiàn)有方法進(jìn)行處理或得不到需要的科學(xué)結(jié)果。這種情況是目前最普遍的，正如數(shù)理統(tǒng)計(jì)理論。它是基于現(xiàn)有數(shù)據(jù)，通過(guò)數(shù)據(jù)分析找到不同因素之間的關(guān)系。這種關(guān)系通常只是數(shù)據(jù)層面的現(xiàn)象關(guān)系，既不是因果邏輯關(guān)系，也不是推理得到的關(guān)系，甚至是假象。目前的智能科學(xué)大數(shù)據(jù)技術(shù)也是基于數(shù)據(jù)的，相較于數(shù)理統(tǒng)計(jì)其數(shù)據(jù)量規(guī)模更大，可區(qū)分和挖掘的結(jié)果更多。但大數(shù)據(jù)技術(shù)是否有效取決于其數(shù)據(jù)完整性和因素的全面性。如果數(shù)據(jù)不完整、冗余和錯(cuò)誤，或因素不完整、不相關(guān)或冗余，大數(shù)據(jù)分析也無(wú)法得到真實(shí)的因果關(guān)系。

這些對(duì)安全領(lǐng)域的故障研究十分不利，無(wú)論是使用數(shù)理統(tǒng)計(jì)、智能或者大數(shù)據(jù)技術(shù)，只依賴(lài)于數(shù)據(jù)而不重視因素都難以分析故障的因果關(guān)系。因此數(shù)據(jù)驅(qū)動(dòng)是故障因果分析的第1階段。

3.2 因素驅(qū)動(dòng)

因素是區(qū)分事物狀態(tài)的基本要素，從因素角度可劃分事物。方法一般是定性分析，如主成分分析、差分分析、分解分析等。因素驅(qū)動(dòng)的分析以因素作為基礎(chǔ)，對(duì)同一系統(tǒng)，通過(guò)分析因素及其量值差異可獲得該系統(tǒng)的狀態(tài)、發(fā)展趨勢(shì)、發(fā)生故障的可能性等；對(duì)多個(gè)不同系統(tǒng)，可通過(guò)區(qū)分因素及其量值來(lái)區(qū)分系統(tǒng)，進(jìn)行聚類(lèi)分析；也可通過(guò)因素的合取與析取，將因素進(jìn)一步拆分或合成，前者細(xì)化因素增加系統(tǒng)特征，后者減少因素形成關(guān)鍵字以示區(qū)別?；谝蛩仳?qū)動(dòng)的方法很多，因素空間理論是其中之一[20-22]。將安全科學(xué)與因素空間結(jié)合，特別是空間故障樹(shù)理論與因素空間的結(jié)合，為安全理論的智能化發(fā)展提供了一條途徑。目前基于因素空間分析了礦業(yè)、機(jī)械、人因和電氣系統(tǒng)故障過(guò)程，研究得到了原因與系統(tǒng)故障之間的關(guān)系[9-15]。提出了針對(duì)故障數(shù)據(jù)的因素分析法。作為因果故障分析的第2階段。

3.3 數(shù)據(jù)?因素驅(qū)動(dòng)

文獻(xiàn)[18-19]給出了更為抽象的系統(tǒng)故障變化過(guò)程表述，提出了系統(tǒng)運(yùn)動(dòng)空間及系統(tǒng)映射論。系統(tǒng)運(yùn)動(dòng)空間用于度量系統(tǒng)運(yùn)動(dòng)，即系統(tǒng)運(yùn)動(dòng)的特征和趨勢(shì)等。系統(tǒng)映射論是在系統(tǒng)運(yùn)動(dòng)空間中，研究數(shù)據(jù)流和因素流之間的關(guān)系。認(rèn)為人工系統(tǒng)，包括人工智能都是在實(shí)現(xiàn)自然系統(tǒng)的功能。即人設(shè)計(jì)、建造和運(yùn)行的系統(tǒng)都是在完成人設(shè)定條件下的預(yù)定功能，而這種基本是替代人了解自然和改造自然的功能。那么將人工智能系統(tǒng)與自然系統(tǒng)對(duì)應(yīng)，自然系統(tǒng)客觀存在，同時(shí)在變化過(guò)程中發(fā)散數(shù)據(jù)，這些數(shù)據(jù)體現(xiàn)了自然系統(tǒng)的特征；另一方面人工智能是后天產(chǎn)物，是基于人的意識(shí)創(chuàng)造的，只能被動(dòng)接受自然散發(fā)出來(lái)的數(shù)據(jù)。人工智能的工作在于分析數(shù)據(jù)，將數(shù)據(jù)分類(lèi)形成對(duì)應(yīng)的因素；分析改變這些因素后自然系統(tǒng)的反應(yīng)，即得到自然規(guī)律；然后人工智能根據(jù)目標(biāo)調(diào)整因素進(jìn)而調(diào)整自然系統(tǒng)達(dá)到人的要求。進(jìn)一步的，人工智能實(shí)際上實(shí)現(xiàn)了數(shù)據(jù)到因素的映射。這里的數(shù)據(jù)是人們能感知、能檢測(cè)、能處理的數(shù)據(jù)；因素則是人們通過(guò)現(xiàn)有技術(shù)能改變量值的因素。對(duì)應(yīng)地，自然系統(tǒng)作用是在變化過(guò)程中發(fā)散數(shù)據(jù)，然后接受人工智能系統(tǒng)通過(guò)改變因素對(duì)自然的干預(yù)。自然系統(tǒng)實(shí)際上是從因素到數(shù)據(jù)的映射。表面上人工智能系統(tǒng)與自然系統(tǒng)的映射應(yīng)該相同，但實(shí)則存在區(qū)別。人工智能系統(tǒng)與自然系統(tǒng)對(duì)于數(shù)據(jù)和因素的映射方向是相反的，因此得到的結(jié)構(gòu)是逆結(jié)構(gòu)；另外人工智能系統(tǒng)得到的數(shù)據(jù)是自然系統(tǒng)數(shù)據(jù)的子集甚至很少一部分，人工智能系統(tǒng)可調(diào)節(jié)的因素也是自然因素的子集。所以人工智能系統(tǒng)得到的系統(tǒng)映射結(jié)構(gòu)完成的功能只是自然系統(tǒng)功能的一部分，功能只能無(wú)限接近但不能達(dá)到。

因此基于數(shù)據(jù)?因素驅(qū)動(dòng)的分析方法所得因果關(guān)系仍是不全面的，但也較數(shù)據(jù)驅(qū)動(dòng)和因素驅(qū)動(dòng)更全面。數(shù)據(jù)驅(qū)動(dòng)依賴(lài)于現(xiàn)實(shí)，大數(shù)據(jù)能體現(xiàn)最廣泛的相關(guān)性，但不具備深入了解本質(zhì)原因的能力。因素驅(qū)動(dòng)能從現(xiàn)象了解本質(zhì)，進(jìn)行邏輯推理，基于因素的不同了解系統(tǒng)的不同，但缺少?gòu)V泛的現(xiàn)象聯(lián)系。因此數(shù)據(jù)-因素驅(qū)動(dòng)更能發(fā)現(xiàn)廣泛的故障聯(lián)系并深入分析故障因果關(guān)系。

3.4 數(shù)據(jù)?因素?假設(shè)驅(qū)動(dòng)

數(shù)據(jù)驅(qū)動(dòng)基于事實(shí)的廣泛數(shù)據(jù)，因素驅(qū)動(dòng)解釋內(nèi)在因果聯(lián)系，數(shù)據(jù)?因素驅(qū)動(dòng)結(jié)合了2種優(yōu)勢(shì)，更適合系統(tǒng)故障分析和故障因果關(guān)系推理。但人對(duì)自然的理解與目前人工智能處理問(wèn)題的一個(gè)區(qū)別在于人可以假設(shè)。人可假設(shè)未來(lái)可能出現(xiàn)的因素及其變化，判定系統(tǒng)故障的可能性?；谌酥R(shí)的假設(shè)可加入到系統(tǒng)故障分析過(guò)程中，即是Pearl提出的反事實(shí)推理。至于如何讓智能系統(tǒng)具有假設(shè)能力是人工智能領(lǐng)域的任務(wù)。在安全領(lǐng)域分析系統(tǒng)故障時(shí)，這種假設(shè)是重要的。假設(shè)也體現(xiàn)在系統(tǒng)設(shè)計(jì)階段給定的運(yùn)行條件，即在給定的假設(shè)條件下系統(tǒng)是安全的，不發(fā)生事故或概率很低。假設(shè)是高級(jí)智能，合理給定假設(shè)將有效地收集數(shù)據(jù)并判別因素。更進(jìn)一步的，如果人工智能能在假設(shè)數(shù)據(jù)和因素情況下分析系統(tǒng)故障的因果關(guān)系，那么將更接近于人。因?yàn)楣收蠑?shù)據(jù)是實(shí)際產(chǎn)生的，不是所有故障都能發(fā)生并產(chǎn)生數(shù)據(jù)；即使發(fā)生人們也不可能識(shí)別和記錄所有數(shù)據(jù)。所以理論上的數(shù)據(jù)假設(shè)是必要的，以分析更為廣泛的故障數(shù)據(jù)和情況。因素更是有限的，實(shí)際缺少和出現(xiàn)新的因素都將導(dǎo)致系統(tǒng)故障及因果關(guān)系變化。人工智能應(yīng)該較人更為全面和深入地分析系統(tǒng)故障，其全面性來(lái)源于數(shù)據(jù)及數(shù)據(jù)假設(shè)，深入性來(lái)源于因素和因素假設(shè)。因此數(shù)據(jù)?因素?假設(shè)的方式是目前較優(yōu)的人工智能系統(tǒng)故障數(shù)據(jù)及故障因果關(guān)系分析方法。

這4個(gè)層次對(duì)系統(tǒng)故障數(shù)據(jù)和因果關(guān)系分析的能力逐次提升，表示的因果關(guān)系越來(lái)越廣泛和深入，也越來(lái)越智能。因素空間理論作為人工智能的數(shù)學(xué)基礎(chǔ)，目前仍有較大發(fā)展空間。特別是在安全科學(xué)領(lǐng)域?qū)τ诠收蠑?shù)據(jù)及故障因果關(guān)系分析方面擁有巨大的發(fā)展?jié)摿Α?/p>

4 結(jié)束語(yǔ)

1)論述了目前分析系統(tǒng)故障數(shù)據(jù)面臨的問(wèn)題?；跀?shù)理統(tǒng)計(jì)的故障數(shù)據(jù)分析應(yīng)用廣泛，但只能得到數(shù)據(jù)層面的因果關(guān)系?？赡苤皇潜砻骊P(guān)系，不是本質(zhì)關(guān)系，也可能是經(jīng)過(guò)了多次因果傳遞后表現(xiàn)出來(lái)的關(guān)系。這不利于系統(tǒng)故障的預(yù)測(cè)、預(yù)防與治理。

2)論述了系統(tǒng)故障因果關(guān)系的關(guān)聯(lián)性和相關(guān)性。關(guān)聯(lián)性存在于概念，取決于知識(shí)和概念層面的意義，是廣義因果論。相關(guān)性在于具體的數(shù)據(jù)層面，通過(guò)數(shù)據(jù)分析得到不同類(lèi)型數(shù)據(jù)之間的關(guān)系，是狹義因果論。因素空間承認(rèn)狹義因果論和廣義因果論，并在因素層面上討論因果關(guān)系。

3)將系統(tǒng)故障分析的智能系統(tǒng)劃分為4個(gè)層次，數(shù)據(jù)驅(qū)動(dòng)、因素驅(qū)動(dòng)、數(shù)據(jù)?因素驅(qū)動(dòng)、數(shù)據(jù)?因素?假設(shè)驅(qū)動(dòng)。數(shù)據(jù)驅(qū)動(dòng)能獲得廣泛的故障因果關(guān)系，因素驅(qū)動(dòng)深入了解故障因果關(guān)系，數(shù)據(jù)?因素驅(qū)動(dòng)兼顧兩者，數(shù)據(jù)?因素?假設(shè)驅(qū)動(dòng)更接近于人的思維。