MBR AtT1 College 8 Model-based reasoning: Troubleshooting R. Davis, W. Hamscher College : Derivation from Normal Structure and Behaviour diagnosis DNSB diagnosemodel

MBR AtT2 DNSB diagnosemodel Conceptueel Formeel werkelijk systeem model normaal gedrag geobserveerd gedrag voorspeld gedrag discrepantie observeren voorspelling

MBR AtT3 Vele type modellen structuur van het systeem `correct gedrag’-model van een component causale modellen foutmodellen “out of range input”-modellen van een component Alle model-gebaseerd redeneren } focus

MBR AtT4 Diagnosetaak Gegeven: observaties van het systeem structuurmodel van het systeem –de componenten –de connecties tussen de componenten gedragsmodel van iedere component Taak: Het bepalen van de foute componenten die alle discrepanties verklaren.

MBR AtT5 Structuur- & gedragsmodel hiërarchisch structuurmodel componenten moeten `mappen’ op het systeem (data & organisatie) gedrag kan weergegeven worden als relaties tussen de input en de outputs

MBR AtT6 Diagnose Drie fundamentele taken: (1) hypothesegeneratie (2) testen hypotheses (3) hypothesediscriminatie

MBR AtT7 terminologie discrepantie: verschil tussen voorspeld en geobserveerd gedrag “suspect”: verdachte, mogelijk kapotte component “candidate”: een suspect die de hypothese testing-fase overleeft heeft NB: single fault: candidate bestaat uit 1 component multiple fault: candidate bestaat uit 1 of meer componenten

MBR AtT8 Hypothesegeneratie Taak: Gegeven een discrepantie bepaal welke component niet correct werkt (aanname: single fault). Wenselijk: Generator: (1) is compleet (2) produceert geen redundante hypotheses (3) produceert niet “teveel” foute hypotheses

MBR AtT9 Hypothesegenerators: eenvoudig (1) uitputtelijk opsommen van de componenten van het systeem mult-1 mult-2 mult-3 add-2 add

MBR AtT10 Hypothesegenerators: minder eenvoudig (2) componenten moeten verbonden zijn met de discrepantie mult-1 mult-2 mult-3 add-2 add

MBR AtT11 Hypothesegenerators: niet eenvoudig (3) componenten “upstream” het conflict mult-1 mult-2 mult-3 add-2 add

MBR AtT12 Hypothesegenerators: moeilijker (4) geen irrelevante componenten “upstream” het conflict OR 0 1 0

MBR AtT13 Hypothesegenerators: complex (5) Meerdere discrepanties gebruiken. Doorsnede nemen mult-1 mult-2 mult-3 add-2 add F G

MBR AtT14 Testen hypothese Taak: Testen van iedere “suspect” of het voor alle observaties geldt. Wenselijk: niet onterecht verwerpen (mist diagnoses)

MBR AtT15 Hypothesetest: eenvoudig gebruik `foutmodellen’ (voorkennis over het disfunctioneren van componenten) –inconsistent met fout gedrag dan hypothese verwerpen –als foutmodel compleet dan extra inferentie: als geen fout gedrag van een component consistent is dan component correct –als foutmodel incompleet: twee categorieën: component gedrag match met foutgedrag component gedrag is onbekend foutgedrag

MBR AtT16 Hypothesetest: complex constraint suspension Gegeven inputs en outputs, Welke constraint moet je intrekken zodat er geen inconsistentie is? Testen via “bevestigingen” Betrokken bij bevestiging dan suspect “onschuldig” Probleem: fault-masking!

MBR AtT17 Voorbeeld mult-1 mult-2 mult-3 max-1 add mult-2, mult-3, max-1 zijn ”onschuldig” Suspects: mult-1, add-1

MBR AtT18 Fault masking (1) ondanks incorrecte input, toch verwachte output.. (1) ongevoelig voor een input. mult-1 mult-2 mult-3 max-1 add

MBR AtT19 fault masking: (2) meedere faults kapotte component kapotte component incorrecte output (niet gemeten) input verwachte output orinverter 1 0 voorbeeld

MBR AtT20 fault masking: (3) reconvergent fanout x2x x add-1 3 [2] 9 [4] 1 [6] 10 [10]

MBR AtT21 Hypothesediscriminatie eenvoudig  complex Meer info verzamelen extra observaties (meetpunten) –gebruik structuurmodel –gebruik gedragsmodel –gebruik foutkans van componenten –selecteer beste sequence van meetingen veranderen van inputs (“testing”) Doel: meer info verzamelen tegen de laagste “kosten”

MBR AtT22 Voorbeeld: gebruik van structuur-model max-1 add-1 min-1 mult-1 D=2 E=2 C=8 B=1 A=2F=5 [F=3] Z=5 Y=4 X=4

MBR AtT23 Voorbeeld: gebruik van structuur-model max-1 add-1 min-1 mult-1 D=2 E=2 C=8 B=1 A=2F=5 [F=3] Z Y X max-1:4 add-1 : 4 min-1: 4 mult-1:2 max-1:4 add-1 : 4 min-1: 2 mult-1:2 max-1: 5 add-1 : 3 min-1: 3 mult-1: 3

MBR AtT24 Samenvatting gebruik van correct-modellen (DNSB) foutgedrag zien als alles wat niet correct is herbruikbaarheid van componentmodellen redeneren vanuit “first principles” symptoomgestuurd hyp. generatie, hyp. test, hyp. discriminatie hyp. generatie: bepaal welke component een discrepantie kan veroorzaken hyp. test: welke candidaat kan gelden voor alle observaties hyp.discriminatie: vinden van extra info => heel algemeen raamwerk

MBR AtT25 Opmerkingen modelleren is moeilijk! (wrong models) structure models and complexity scaling probleem! (=> abstractions)

MBR AtT26 Formalisatie van DNSB-diagnose Een systeem: –SD : eerste-orde zinnen –COMP : eindige set van constantes OR1 XOR1 XOR2 AND2 AND COMP={XOR1,XOR2,AND1,AND2,OR1}

MBR AtT27 Systeembeschrijving (SD) speciaal predicaat ab(c): component “c” is abnormaal SD bestaat uit: –typecomponent-regels –normaalgedrag-model van ieder type component –structuur-model –domein afhankelijk: circuit inputs zijn binair

MBR AtT28 type component 3 type componenten: andg, xorg, org andg( AND1 ) andg( AND2 ) xorg( XOR1 ) xorg( XOR2 ) org( XOR1 ) OR1 XOR1 XOR2 AND2 AND

MBR AtT29 normaalgedrag-model van elk type component 3 componenttypes: andg(x)   ab(x)  out(x)=and(in1(x),in2(x)) xorg(x)   ab(x)  out(x)=xor(in1(x),in2(x)) org(x)   ab(x)  out(x)=or(in1(x),in2(x)) OR1 XOR1 XOR2 AND2 AND

MBR AtT30 structuurmodel verbindingen tussen de componenten out( XOR1 ) = in2( AND2 ) out( XOR1 ) = in1( XOR2 ) out( AND2 ) = in1( OR1 ) in1( AND2 ) = in2( XOR2 ) in1( XOR1 ) = in1( AND1 ) in2( XOR1 ) = in2( AND1 ) out( AND1 ) = in2( OR1 ) OR1 XOR1 XOR2 AND2 AND

MBR AtT31 domeinafhankelijk: circuit inputs zijn binair in1( XOR1 )=0  in1( XOR1 )=1 in2( XOR1 )=0  in2( XOR1 )=1 in1( AND1 )=0  in1( AND1 )=1 OR1 XOR1 XOR2 AND2 AND

MBR AtT32 specifiek probleem: Observaties in1( XOR1 )=1 in2( XOR1 )=0 in1( AND1 )=1 out( XOR2 )=1 out( OR1 )=0 OR1 XOR1 XOR2 AND2 AND

MBR AtT33 Definitie diagnose Een diagnose  voor (SD,OBS,COMP) is een minimale set van foute componenten zodat: SD  OBS  {ab(c)  c   }  {  ab(c)  c  COMP \  } is consistent

MBR AtT34 Voorbeeld Diagnoses: {XOR1}, {XOR2,OR1}, {XOR2,AND2} OR1 XOR1 XOR2 AND2 AND

MBR AtT35 Enkele eigenschappen Een diagnose bestaat voor (SD,OBS,COMP) iff SD  OBS is consistent {} is een diagnose (enige!) voor (SD,OBS,COMP) iff SD  OBS  {  ab(c)  c  COMP } is consistent Als  een diagnose is dan voor iedere c i   : SD  OBS  {  ab(c)  c  COMP \  } |-- ab(c i )

MBR AtT36 Dit college (8): conceptueel model formeel model college 8: verdieping in formele model college 9: algorithme college 10: General Diagnostic Engine college 11: terug naar MAB-diagnose