[논문 리뷰] Exploiting System Hierarchy to Compute Repair Plans in Probabilistic Model-based Diagnosis

Sampath Srinivas, Eric Horvitz|arXiv (Cornell University)|2013. 02. 20.

Bayesian Modeling and Causal Inference참고 문헌 15인용 수 6

한 줄 요약

이 논문은 시스템 분해를 활용하여 최적의 수리 계획을 계산하는 계층적 모델 기반 진단 접근법을 제안한다. 이로 인해 대규모 시스템에서도 near-optimal 수리 전략을 사전에 계산할 수 있으며, 이는 실행 가능성을 보장한다. 확률적 추론과 계층적 구성요소 추상화를 통합함으로써 수리 비용과 정확도를 균형 잡으며, 계산 시간과 해의 품질 사이의 트레이드오프를 위해 반복적 심화(iterative deepening)를 통해 그레디(Greedy) 또는 단일故애자 가정에 비해 뛰어난 성능을 발휘한다.

ABSTRACT

The goal of model-based diagnosis is to isolate causes of anomalous system behavior and recommend inexpensive repair actions in response. In general, precomputing optimal repair policies is intractable. To date, investigators addressing this problem have explored approximations that either impose restrictions on the system model (such as a single fault assumption) or compute an immediate best action with limited lookahead. In this paper, we develop a formulation of repair in model-based diagnosis and a repair algorithm that computes optimal sequences of actions. This optimal approach is costly but can be applied to precompute an optimal repair strategy for compact systems. We show how we can exploit a hierarchical system specification to make this approach tractable for large systems. When introducing hierarchy, we also consider the tradeoff between simply replacing a component and decomposing it to repair its subcomponents. The hierarchical repair algorithm is suitable for off-line precomputation of an optimal repair strategy. A modification of the algorithm takes advantage of an iterative deepening scheme to trade off inference time and the quality of the computed strategy.

연구 동기 및 목표

• 복잡한 시스템에 대한 확률적 모델 기반 진단에서 최적의 수리 정책을 계산하는 데 발생하는 비처리 가능성 문제를 해결하기 위해.
• 계층적 시스템 구조를 활용하여 최적의 수리 전략을 사전 계산할 수 있도록 하기 위해.
• 구성요소 교체와 하위 구성요소 수리 모두를 고려하여 수리 비용과 정확도를 균형 잡기 위해.
• 반복적 심화를 통해 추론 시간과 해의 품질 사이의 트레이드오프를 조절할 수 있는 확장 가능한 알고리즘을 개발하기 위해.
• 단일 고장 가정에 의존하거나 단기적인 전망만 고려하는 기존 방법의 한계를 극복하기 위해.

제안 방법

• 수리 계획 수립을 계층적 시스템 모델 상에서 확률적 추론 문제로 공식화하며, 구성요소를 하위 구성요소로 추상화한다.
• 루트에서 리프 구성요소로 향하는 계층의 순회를 통해 동적 프로그래밍을 사용하여 최적의 동작 시퀀스를 계산한다.
• 기대 수리 비용과 장애 확률을 계산하며, 구성요소 수준과 하위 구성요소 수준의 수리 옵션을 모두 통합한다.
• 계산 시간을 제어하기 위해 반복적 심화를 적용하여 해의 품질과 추론 비용 사이의 트레이드오프를 가능하게 한다.
• 베이지안 추론을 통합하여 믿음 상태를 갱신하고, 가능성과 비용에 기반한 우선순위 기반 수리 계획을 수립한다.
• 사전에 최적의 전략을 오프라인으로 계산함으로써 즉각적인 동작 선택과 장기적 계획 수립을 모두 지원한다.

실험 결과

연구 질문

• RQ1 어떻게 시스템의 계층적 구조를 활용하여 대규모 확률적 모델 기반 진단 시스템에서 최적의 수리 계획 수립을 처리 가능하게 할 수 있는가?
• RQ2 비용과 신뢰성 측면에서 구성요소를 교체하는 것과 하위 구성요소를 수리하는 것 사이의 트레이드오프는 어떠한가?
• RQ3 반복적 심화는 최적의 수리 계획 수립에서 계산 비용과 해의 품질 사이의 균형을 맞추는 데 사용될 수 있는가?
• RQ4 본 연구에서 제안한 방법은 수리 계획의 최적성 측면에서 그레디 또는 단일 고장 가정 기반 접근법보다 어떻게 우월한가?
• RQ5 계층적 분해를 통해 최적의 수리 정책을 사전 계산하는 데 필요한 계산 복잡도는 어느 정도 감소시킬 수 있는가?

주요 결과

• 계층적 수리 알고리즘은 컴act 시스템에 대해 최적의 수리 전략을 사전 계산할 수 있으며, 이로 인해 검색 공간이 크게 감소한다.
• 시스템의 계층적 구조를 활용함으로써 대규모 시스템에서도 처리 가능한 계산을 달성하며, 전체 최적 계획의 비처리 가능성 문제를 피한다.
• 반복적 심화 변형은 사용자가 추론 시간과 해의 품질 사이의 트레이드오프를 조정할 수 있게 하여 실세계 적용에 실용성을 부여한다.
• 장기적인 수리 비용과 확률적 고장 가능성까지 고려함으로써 그레디 접근법보다 뛰어난 성능을 발휘한다.
• 구성요소 교체와 하위 구성요소 수리의 통합은 교체 전용 전략보다 기대 수리 비용을 낮춘다.
• 실세계 시스템 모델을 대상으로 검증되었으며, 사전 계산된 최적 전략을 통해 타당성과 확장성을 입증했다.