137
Database Technology
地方时计算电子技术与软件工程
Electronic Technology & Software Engineering
1 前言
随着各个行业智能化业务的急增，把行业积累的专家经验知识编写进入计算机程序，并通过专业经验知识构建专家系统来服务于行业应用，譬如，工业领域的故障预警、状态监测等。但是行业专家一般都对本行业的专业知识机有较为深入的理解，对于软件开发需要大量的软件技术人员来完成。这对于业务人员来说难度很大，并且随着专业系统的规则逻辑算法越来越多，导致开发人员工作量也很大以及后期运维工作难度加大。 规则引擎是推理引擎的一种，它起源于基于规则的专家系统[1]。基于指标体系的规则引擎是一种新的手段，能够降低业务人员的开发难度，当前基于高铁列车控制系统将规则引擎应用于列控数据验证中，实
现逻辑与代码分离[2]；基于规则引擎技术分离业务流程与业务规则的思想，使用规则引擎技术实现自动化报警逻辑[3]
，降低业务人员的开发难度，提升可业务处理效率。使用推理规则引擎能够将业务从应用程序中分离出来，接收数据输入，并根据规则作出业务决策。为了提高业务流程应用性，设计实现“拖拉拽”的可视化的流程设计器与表单设计器，以直观的方式减少操作难度，提升开发流程应用的速度[4,5]。基于规则引擎应用于智能洁具系统设计，使得系统中业务规则与程序相分离，为系统规则提供了灵活配置与执行能力[6]。
当前对于故障预警实时检测系统研究有很多，但是这些方法都是需要大量的软件开发人员来编写系统代码实现算法的开发与维护，随着业务需求的增加，越来越多的逻辑规则算法需要开发，随之而来的就是后期算法模型繁重的维护工作，而对于业务人员来讲，其很难达到既熟悉业务需求又对于软件开发擅长。因此，为了降低算法模型开发对业务人员的技术要求以及减少后期软件开发人员运维工作量，本文针对基础指标相关参数进行指标体系构建，并研究基于指标体系的专家系统开发规则引擎，以实现业务人员专业经验与系统逻辑规则算法分离。通过简单的托拉拽等操作即可配置逻辑算法模型，简化开发的复杂程度，最终降低数据挖掘难度，提升业务分析效率。 2 基于指标体系的专家系统开发规则引擎
基于指标体系的专家系统开发规则引擎主要分为以下几个模块：基础指标构建、指标体系构建、分层存储结构设计、规则引擎功能整体设计、输出配置设计、流程配置设计、迭代模型在线规则引擎配置开发、前端模型调整阀值八个模块。现在对整个流程进行详述。如图1所示。2.1 基础指标构建
基础指标构建具体步骤包括不同数据源接口拆分；按业务参数自动梳理输出基础指标；在线以逻辑值与模拟量配置拟合函数模型；以系统树拆分整合基础指标；以系统树为基础按照日窗口构建同比、
基于指标体系的专家系统开发规则引擎及应用
马廷博弥凝
（中车青岛四方机车车辆股份有限公司 山东省青岛市 266100）
环比、累计、最值、次数，以日和月作为时间窗口构建系统树指标体系。
2.2 指标体系构建
以传感器回传数据为基础，集成运营、控制逻辑等数据，构建实时监控、在线挖掘与离线分析的全生命周期的专家系统指标体系。以一车一协议的动态配置方法为基础，构建专家系统规则引擎基础指标体系。实现各个业务部门能在线通过基础指标树选择表达式和输入拟合函数。根据业务实际运行工况
与故障发生的规律，临时或固定配置在线挖掘算法和参考阈值，流计算自动进行算法计算，并输出结果到事件中心，提升对重要指标的实时监控能力。专家系统构建需要先在日计算模型与月计算模型中论证模型的拟合效果，并调整好参考阈值，定期观测规则逻辑算法执行效果。逻辑规则算法实时结果将自动输出到前台页面，并进行预警展示和对相关业务人员作出故障提醒。2.3 分层存储结构设计
电厂技术改造随着大数据平台数据使用深入，各种接口数据的接入，导致算法模型标准化管理越加困难，而且导致开发成本更高，应用开发效率更低；而且存在大量重复开发模型的情况，因此有必要以指标库来梳理现有的模型并建立标准的业务标签库。因此，需要对来自基础指标数据进行存储以及分层处理，基于具体的业务需求，对数据进行分层，总体上分为三层：ODS 层、DWD 层、DM 层。
ODS 层：ODS 层主要是基础指标层，对业务客户端的数据进行数据协议解析，并把全量数据放到Hbase 中。按照每5分钟进行抽取放置到一个数据文件中。按照一定的规则进行字段拆分，数据根据解析规则表进行动态配置生成。
DWD 层：从Hbase 中抽取指标到hive 里面，按照系统树分类进行整合，整合层需要进行多系统关联，并处理基本的单位，空值处理，数据质量比对。并按照固定的频道生成两大类的全量状态日志数据和故障数据。它类型将以SDR 数据的数据时间进行拟合生成，并建立关联关系。日数据和月数据才做数据时间的拟合和加工。
摘 要：本文为了减少软件系统开发对业务人员的技术要求，针对基础指标相关参数进行指标体系构建，研究基于指标体系的专家系
统开发规则引擎，并将其应用于故障预警实时检测中，实现了业务人员专业经验与系统逻辑规则算法分离。本专家系统规则引擎通过简单的托拉拽等操作即可配置逻辑规则算法，既能简化算法开发复杂程度，又能提升业务分析效率。
关键词：指标体系；专家系统；规则引擎图1：基于指标体系的专家系统开发规则引擎流程图
数据库技术Database Technology
电子技术与软件工程Electronic Technology & Software Engineering
通过业务系统树进行划分，把每个系统中的数据建立相应的表，按照系统进行分类，以便于后期模型开发方便调用指标参数，更快的更简洁的实现逻辑规则算法的开发，并且对于前台页面需求展示更快更高效实现，满足客户实时要求，提升客户的用户体验。
DM层：核心标签模型表，按照各个业务与专家系统使用到的基础指标进行构建，也是按照业务系统分类进行整理，并对核心指标进行累计值，累计次数，同比环比等基础指标。对于核心指标可分为三种数据形式，实时数据、日数据、月数据。对于实时数据是由系统需要实时展示的重要指标以及对重要指标做了简单的计算后，得到的一系列衍生指标（譬如，最大值、最小值、平均值等），这些数据是业主比较关注的重要指标，需要实时展示或报表输出；日数据将日期作为时段维度进行标签整理，并以报表形式输出；月数据提供月累计值，月平均值等很多基础指标，并以报表形式输出展示。为逻辑规则算法的分析进行基础指标加工。
从ODS到DWD层，DWD层到DM层，要求必须使用程序开发，一个DWD层或DM层目标表必须使用单一的程序，而且程序名称必须和目标表一致，禁止一个程序输出多个目标表。由于将来每个目标算法模型都可能进行口径调整，算法模型字段调整等情况，因此需要独立程序进行管理，而且为了执行效
率和时间执行计划的有序安排，也需要将优先级最高的算法模型安排到最前执行和调度。而不重要的算法模型则安排成日执行或月执行。
2.4 规则引擎功能整体设计
美国种族简史业务人员可在系统的前端功能页面随时调整逻辑规则的业务字段取舍、预算符号和阀值配置。业务人员可以通过在线规则规则引擎管理功能点进行逻辑规则算法的关键步骤，涉及到的业务相关基础指标进行数学级的与或运算；或进行算术级的加、减、乘、除等组合运算选择。也可以对单一标签值进行特定转换后进行逻辑比较。
2.5 输出配置设计
由于系统的在线规则引擎都是基于实时数据接口，使用kafka 作为二进制消
息缓存平台，因此没有比较独立设计一个数据源配置功能。反观输出，由于涉及到数据链路的可视化，因此需要选择mysql，hive，hbase，es和kafka多种输出平台。而且基于业务要求的事件中心，因此需要做输出配置设计。基于数据链路完全可视化原则，将所有过程数据记录到中间临时表，能通过报表工具和清单展示工具随时进行展示。
2.6 流程配置设计
流程配置采用streamsets工具进行配置。能完成多数据源的流程配置，多输出类型，消息反复消费的流程，而且数据大部分采用基于内存json格式进行传递，方便实用。
2.7 迭代模型在线规则引擎配置开发
大数据平台首先要进行算法的数据分析和验证工作，并对不合理的异常数据情况反馈给业务部门进行修正，并多次进行讨论和以数据验证模型的合理性。规则算法模型的监控和预测准确率需要长期进行跟踪和调整，因此需要业务部门和开发人员随时进行模型的机理讨论和数据预测推演，并及时快速进行模型在线调整。验证后将模型通过streamsets进行数据流程和算法落地配置，并观察、分析和跟踪持续一段时间；然后提交上线，提示业务部门模型上线。迭代开发主要解决检修部门的业务监控的无效工作量与模型命中率的高低问题，提升模型的预测准确率。2.8 前端模型调整阀值
开放在线规则引擎的前台修正配置，可以让业务部门对自己的配置出来的在线规则使用Web业务进行业务字段的过滤条件的增加，修改、删除；能调整在线运算符号；能对运算阀值进行调整。业务不允许对在线规则引擎所涉及到的数据流程做任何调整。整个数据流程上，只开放与业务相关的计算节点的业务描述供业务部门调整，数据异常处理都由模型开发人员进行后台开发和配置。
医患法律关系3 基于指标体系的专家系统开发规则引擎应用
基于指标体系的专家系统开发规则引擎应用自助建模工具，此工具基于指标体系构建专家系统开发规则引擎，并与大数据平台系统进行有效集成和应用。在此基础之上，业务人员通过逻辑值表达配置和模拟量拟合配置等操作构建模型，最终通过流计算形成实时在线监控规则模型。业务人员可以基于此开发个性化标签，也可以通过简单的拖拉拽实现逻辑规则算法的配置，并能够将逻辑规则模型快速部署和应用。
业务人员通过选择相应的业务指标以及对应逻辑运算符，生成对应的逻辑规则，并执行模型运行，就可以实时监测对应重要指标的运行情况，若异常，则发出预警。
要实现基于指标体系的专家系统开发规则引擎，就需要进行标签的配置，把各种数据以及指标首先都要配置到系统，才能得到系统设备树以及页面的各种菜单项。因此，需对标签配置页面进行详述，以列表形式显示标签信息，包含：标签编码、标签名称、标签类型、状态量选项名称、车型、系统、是否有效、备注。页面支持查询操作，选择相应业务指标，点击查询即可。点击添加，输入标签编码、标签名称、标签类型、状态量名称、是否有效、备注等，点击保存即可。
4 总结
陈吉龙是怎么回事本文针对基础指标相关参数进行指标体系构建，研究基于指标体系的专家系统开发规则引擎，不仅降低了算法开发对业务人员的技术要求，而且减少软件开发人员的工作量，实现业务人员将算法开发与
技术要求隔离，通过简单的托拉拽等操作即可配置逻辑规则模型，简化算法逻辑的复杂程度，最终降低数据挖掘难度，提升业务分析效率。
参考文献
[1]刘际.规则引擎在业务逻辑层中应用的研究[D].大连海事大
学,2007(3):1-2.
[2]崔岩.规则引擎在列控产品配置数据验证中的应用[J].铁路
通信信号工程技术,2020,17(7):29-30.
[3]王建雄.基于规则引擎的列控维护系统自动化报警研究[J].
铁路通信信号工程技术,2018,15(1):30-31.
[4]陈赞.基于工作流引擎的统一业务流程中心的设计与实现[D].
东南大学,2017(5):1.
[5]成敏.基于规则引擎的动态工作流模型研究与设计[D].武汉
理工大学,2009(5):1.
[6]李海光.基于规则引擎的智能家居系统的设计与实现[D].北
京邮电大学,2015(3):1.
作者简介
马廷博（1993-），男，山东省聊城市人。硕士研究生，信息技术工程师。研究方向为智能信息处理。
138
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议