第16卷第1期 智能系统学报 Vol.16 No.1 2021年1月 CAAI Transactions on Intelligent Systems Jan.2021 D0:10.11992/tis.202003001 系统故障因果关系分析的智能驱动方式研究 崔铁军1，李莎莎2 (1.辽宁工程技术大学安全科学与工程学院，辽宁阜新123000,2.辽宁工程技术大学工商管理学院，辽宁葫 芦岛125105) 摘要：为适应未来智能环境和安全领域的故障数据分析需求，本文提出系统故障因果关系分析思想。论述了 通过数理统计方法分析系统故障数据存在的问题，研究了系统故障的相关性和关联性，前者基于故障数据反应 故障表象；后者基于故障概念反应故障本质。将智能情况下的故障因果分析划分为4个层次，包括数据驱动、 因素驱动、数据-因素驱动、数据-因素-假设驱动。该方法的特点是获得广泛的故障因果关系，深入了解因果 关系，两者兼顾和更接近于人的思维。4种驱动对故障因果分析的能力依次上升，可为安全科学与智能科学结 合提供渠道。 关键词：安全系统工程；故障数据：因果关系：智能科学；智能分析；空间故障树；因素空间：驱动方式 中图分类号：X913,C931.1,TP18文献标志码：A文章编号：1673-4785(2021)01-0092-06 中文引用格式：崔铁军，李莎莎.系统故障因果关系分析的智能驱动方式研究.智能系统学报，2021,16(1)：92-97. 英文引用格式：CUI Tiejun,LI Shasha..Intelligent analysis of system fault data and fault causal relationship.CAAI transactions on intelligent systems,2021,16(1):92-97. Intelligent analysis of system fault data and fault causal relationship CUI Tiejun',LI Shasha2 (1.College of Safety Science and Engineering,Liaoning Technical University,Fuxin 123000,China;2.School of business adminis- tration,Liaoning Technical University,Huludao 125105,China) Abstract:To meet the needs of fault data analysis in the future intelligent environment and safety field,we propose the idea of causal relationship analysis of system fault.First,the problems existing in the analysis of system fault data by mathematical statistics are discussed,the correlation and relevance of system fault are studied,showing that the former is based on faulty data,reflecting the fault representation;the latter is based on fault concept,reflecting fault essence. The fault causal analysis in the intelligent situation is divided into four levels:data driven,factor driven,data-factor driven,and data-factor-hypothesis driven.Their characteristics are to separately obtain and understand a wide range of fault causal relationships,both considering and closer to human thought.The ability of the four drivers to analyze the fault causal relationship increases in turn,it can provide a channel for combining safety science and intelligent science. Keywords:safety system engineering;fault data;causal relationship;intelligent science;intelligent analysis;space fault tree;factor space;driving mode 面对无人化、智能化、信息化和数据化的复 取、存在较多的冗余和错误，通过数理统计方法 杂系统，目前系统故障分析方法存在明显不足， 不易获得准确而深入的故障因果关系：其次是在 特别是智能科学和技术涌现后问题更加严重。首 故障数据基础上只能通过分析数据得到故障因果 先是故障数据分析。故障数据特点在于难以提 关系。但这种关系完全基于数据，虽然能广泛了 收稿日期：2020-03-01 解故障因果关系，但深入研究基本影响因素较为 基金项目：国家自然科学基金项目(52004120,51704141)：国家 重点研发计划项目(2017YFC1503102):辽宁省教育 困难。这将进一步导致故障预测、预防和治理的 厅科学研究项目LJ2020QNL018):辽宁工程技术大 学学科创新团队项目(LNTU20TD-31). 困难；三是面向复杂系统故障的智能管控系统的 通信作者：崔铁军.E-mail:c4.159@163.com. 基础数学理论不充分。单纯基于故障大数据和因DOI: 10.11992/tis.202003001 系统故障因果关系分析的智能驱动方式研究 崔铁军1 ，李莎莎2 （1. 辽宁工程技术大学 安全科学与工程学院，辽宁 阜新 123000; 2. 辽宁工程技术大学 工商管理学院，辽宁 葫 芦岛 125105） 摘 要：为适应未来智能环境和安全领域的故障数据分析需求，本文提出系统故障因果关系分析思想。论述了 通过数理统计方法分析系统故障数据存在的问题，研究了系统故障的相关性和关联性，前者基于故障数据反应 故障表象；后者基于故障概念反应故障本质。将智能情况下的故障因果分析划分为 4 个层次，包括数据驱动、 因素驱动、数据−因素驱动、数据−因素−假设驱动。该方法的特点是获得广泛的故障因果关系，深入了解因果 关系，两者兼顾和更接近于人的思维。4 种驱动对故障因果分析的能力依次上升，可为安全科学与智能科学结 合提供渠道。 关键词：安全系统工程；故障数据；因果关系；智能科学；智能分析；空间故障树；因素空间；驱动方式 中图分类号：X913; C931.1; TP18 文献标志码：A 文章编号：1673−4785(2021)01−0092−06 中文引用格式：崔铁军, 李莎莎. 系统故障因果关系分析的智能驱动方式研究 [J]. 智能系统学报, 2021, 16(1): 92–97. 英文引用格式：CUI Tiejun, LI Shasha. Intelligent analysis of system fault data and fault causal relationship[J]. CAAI transactions on intelligent systems, 2021, 16(1): 92–97. Intelligent analysis of system fault data and fault causal relationship CUI Tiejun1 ，LI Shasha2 (1. College of Safety Science and Engineering, Liaoning Technical University, Fuxin 123000, China; 2. School of business adminis￾tration, Liaoning Technical University, Huludao 125105, China) Abstract: To meet the needs of fault data analysis in the future intelligent environment and safety field, we propose the idea of causal relationship analysis of system fault. First, the problems existing in the analysis of system fault data by mathematical statistics are discussed, the correlation and relevance of system fault are studied, showing that the former is based on faulty data, reflecting the fault representation; the latter is based on fault concept, reflecting fault essence. The fault causal analysis in the intelligent situation is divided into four levels: data driven, factor driven, data-factor driven, and data-factor-hypothesis driven. Their characteristics are to separately obtain and understand a wide range of fault causal relationships, both considering and closer to human thought. The ability of the four drivers to analyze the fault causal relationship increases in turn, it can provide a channel for combining safety science and intelligent science. Keywords: safety system engineering; fault data; causal relationship; intelligent science; intelligent analysis; space fault tree; factor space; driving mode 面对无人化、智能化、信息化和数据化的复 杂系统，目前系统故障分析方法存在明显不足， 特别是智能科学和技术涌现后问题更加严重。首 先是故障数据分析。故障数据特点在于难以提 取、存在较多的冗余和错误，通过数理统计方法 不易获得准确而深入的故障因果关系；其次是在 故障数据基础上只能通过分析数据得到故障因果 关系。但这种关系完全基于数据，虽然能广泛了 解故障因果关系，但深入研究基本影响因素较为 困难。这将进一步导致故障预测、预防和治理的 困难；三是面向复杂系统故障的智能管控系统的 基础数学理论不充分。单纯基于故障大数据和因 收稿日期：2020−03−01. 基金项目：国家自然科学基金项目 (52004120, 51704141)；国家 重点研发计划项目 (2017YFC1503102)；辽宁省教育 厅科学研究项目 (LJ2020QNL018)；辽宁工程技术大 学学科创新团队项目 (LNTU20TD-31). 通信作者：崔铁军. E-mail：ctj.159@163.com. 第 16 卷第 1 期 智 能 系 统 学 报 Vol.16 No.1 2021 年 1 月 CAAI Transactions on Intelligent Systems Jan. 2021