Алгоритм вложенности для моделей распространения ошибок двойного графа

F. Zhao, A. Morozov, N. I. Yusupova, K. Janschek

Аннотация


Вероятностный анализ распространения ошибок – важная часть процесса разработки надежных систем. Это помогает оценить последствия отказов отдельных компонентов системы для общей надежности системы, что требуется для методов промышленной надежности, таких как FTA и FMEA. Модель распространения ошибок с двойным графом – это недавно представленная стохастическая модель, которая фиксирует свойства системы, относящиеся к анализу распространения ошибок. Это позволяет автоматически генерировать модели цепей Маркова с дискретным временем для количественной оценки надежности системы, например, среднее количество ошибок в критических выходных данных системы. Как и все аналитические подходы на основе Маркова, наш метод подвержен проблеме взрыва пространства состояний: число состояний модели Маркова растет экспоненциально с числом компонентов системы. В этой статье представлен новый алгоритм автоматического вложения моделей распространения огромных ошибок, который позволяет генерировать набор взаимосвязанных небольших моделей цепей Маркова для каждого уровня иерархии вместо одной большой и невычислимой модели цепей Маркова.

Ключевые слова


модельная система; базовые модели; элементы, хранилища данных, направленное управление; дуги потока; аналитический программный инструмент

Полный текст:

PDF (English)

Литература


OMG - Object Management Group, Unified Modeling Language (UML). Specification v2.5, June 2015.

OMG - Object Management Group, Systems Modeling Language (SysML). Specification v.1.4, September 2015.

Feiler P. H. and Gluch D. P. Model-Based Engineering with AADL: An Introduction to the SAE.

Architecture Analysis & Design Language (1st ed.). Addison-Wesley Professional, 2012.

Mathworks, “Matlab & Simulink: Simulink User’s Guide R2015b”. Retrieve, 2015.

Morozov A. and Janschek K. Case study results for probabilistic error propagation analysis of a mechatronic system. Tagungsband Fachtagung Mechatronik. 2013, Pp. 229-234.

Morozov A. and Janschek K. Probabilistic error propagation model for mechatronic systems. Mechatronics. 2014. 24 (8). Pp.1189 - 1202.

Janschek K. and Morozov A. Dependability aspects of model-based systems design for mechatronic systems. Mechatronics (ICM), 2015 IEEE International Conference. Nagoya, Japan. 2015. Pp. 15-22.

Morozov A., Tuk R., Janschek K. ErrorPro: Software tool for stochastic error propagation analysis. 1st International Workshop on Resiliency in Embedded Electronic Systems, Amsterdam, The Netherlands. 2015. Pp. 59-60.

Kwiatkowska M., Norman G., Parker D.

PRISM 4.0: Verification of probabilistic real-time systems / G. Gopalakrishnan and S. Qadeer (eds.). Proceedings 23rd International Conference on Computer Aided Verification (CAV’11). 2021. Springer. Pp. 585-591.

A. Morozov, et al. "Stochastic Error Propagation Analysis of Model-driven Space Robotic Software Implemented in Simulink", in Proceedings to the Third Workshop on Model-driven Robot Software Engineering", Leipzig,Germany, 2016.

K. Ding, et al, "Automatic Transformation of UML System Models for Model-based Error Propagation Analysis of Mechatronic Systems", in Proceeding of IFAC Mechatronics Conference, Loughborough, UK, 2016.

Kasyanov V. N. Distinguishing Hammocks in a Directed Graph. Soviet Math. Doklady. 1975. 16.5. Pp. 448-450.


Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2021 F. Zhao, A. Morozov, N. I. Yusupova, K. Janschek