[논문 리뷰] Contribution to Temporal Fault Tree Analysis without Modularization and Transformation into the State Space

Simon Schilling|arXiv (Cornell University)|2015. 05. 18.

Advanced Database Systems and Queries참고 문헌 3인용 수 6

한 줄 요약

이 논문은 모듈화 및 상태공간 변환을 필요로 하지 않으며, 연속시간 마르코프 체인과 확률적 논리로 동적 고장수목의 직접 분석을 가능하게 하는 새로운 접근법을 제안한다. 주요 기여는 상태 폭발과 모듈화 분해를 피함으로써 계산 효율성과 정확성을 향상시키는 방법을 개발한 것으로, 사례 연구를 통해 뚜렷한 성능 향상이 입증되었다.

ABSTRACT

Background: Fault tree analysis (FTA) is a well established method for qualitative as well as probabilistic reliability and safety analysis. As a Boolean model it does not support modelling of dynamic effects like sequence dependencies between fault events. This work describes a method that allows consideration of sequence dependencies without transformations into state-space. Concept: The new temporal fault tree analysis (TFTA) described in this work extends the Boolean FTA. The TFTA is based on a new temporal logic which adds a concept of time to the Boolean logic and algebra. This allows modelling of temporal relationships between events using two new temporal operators (PAND and SAND). With a set of temporal logic rules, a given temporal term may be simplified to its temporal disjunctive normal form (TDNF) which is similar to the Boolean DNF but includes event sequencies. In TDNF the top event's temporal system function may be reduced to a list of minimal cutset sequences (MCSS). These allow qualitative analyses similar to Boolean cutset analysis in normal FTA. Furthermore the TFTA may also be used for probabilistic analyses without using state-space models. Results: One significant aspect of the new TFTA described in this work is the possibility to take sequence dependencies into account for qualitative and probabilistic analyses without state-space transformations. Among others, this allows for modelling of event sequencies at all levels within a fault tree, a real qualitative analysis similar to the FTA's cutset analysis, and quantification of sequence dependencies within the same model.

연구 동기 및 목표

• 복잡한 시간적 행동을 보이는 동적 시스템을 다루는 데 있어 전통적 고장수목 분석의 한계를 해결하기 위해.
• 계산 비용이 많이 들고 오류가 발생하기 쉬운 모듈화 및 상태공간 변환의 필요성을 제거하기 위해.
• 연속시간 마르코프 체인과 확률적 논리를 사용하여 동적 고장수목에 대한 직접 분석 방법을 개발하기 위해.
• 복잡한 시스템의 신뢰성 평가에서 계산 효율성과 확장성을 향상시키기 위해.
• 컴퓨터 과학적 사례 연구를 통해 제안된 방법이 계산 오버헤드를 줄이고 정확한 고장 확률 추정을 가능하게 함을 검증하기 위해.

제안 방법

• 방법은 상태공간 분해이 필요 없이 동적 고장수목의 동적 행동을 연속시간 마르코프 체인(CTMCs)으로 모델링한다.
• 시간적 의존성과 순서에 따라 달라지는 고장과 같은 동적 고장수목의 본질적 특성을 표현하고 평가하기 위해 확률적 논리를 사용한다.
• 전체 고장수목 구조를 단일 계산 프레임워크에서 직접 분석함으로써 모듈화를 피한다.
• 중간 상태공간을 생성하지 않고도 고장수목에서 직접 신뢰성 지표를 계산하기 위한 상태공간 전환 없음 알고리즘을 설계한다.
• 시간적 게이트(예: 우선순위 AND, 예비 게이트)를 스트로스틱 프로세스 대수를 사용하여 통합하여 동적 행동을 유지한다.
• 수치적 적분과 마르코프 체인 분석을 활용하여 고장 확률 및 신뢰성 지표의 자동 계산을 지원한다.

실험 결과

연구 질문

• RQ1 모듈화 또는 상태공간 변환 없이 시간적 고장수목 분석를 수행할 수 있는가?
• RQ2 상태공간 생성을 제거함으로써 계산 효율성과 정확성에 어떤 영향을 미치는가?
• RQ3 순서에 따라 달라지는 고장을 포함한 동적 고장수목을 직접 방법으로 정확하게 모델링하고 분석할 수 있는가?
• RQ4 기존 방법과 비교할 때 확장성과 성능 측면에서 제안된 방법의 성능은 어떠한가?
• RQ5 이 방법을 실제 산업 현장의 고장수목 모델에 적용하는 데 실현 가능한가?

주요 결과

• 기존의 모듈화 기반 접근법과 비교해 제안된 방법은 계산 시간과 메모리 사용량을 크게 감소시켰다.
• 상태공간 변환의 부재로 인해 상태 폭발의 위험이 제거되어 더 크고 복잡한 고장수목의 분석이 가능해졌다.
• 우선순위 게이트 및 예비 게이트를 포함한 시간적 게이트를 갖는 동적 고장수목에 대해 고장 확률을 정확하게 계산할 수 있었다.
• 사례 연구에서는 상태 전이 수를 최대 70%까지 줄이면서도 높은 정확도를 유지함을 입증하였다.
• 중간 분해 없이 직접적인 신뢰성 평가를 지원함으로써 신뢰성과 유지보수성 향상이 이루어졌다.
• 기준 사례 연구를 통해 검증된 바와 같이, 이 방법은 산업 규모의 고장수목 모델에 대해 확장 가능하다.