[논문 리뷰] Model Based Diagnosis of Multiple Observations with Implicit Hitting Sets

Alexey Ignatiev, António Morgado외 1명|arXiv (Cornell University)|2017. 07. 06.

Fault Detection and Control Systems인용 수 5

한 줄 요약

이 논문은 다중 고장 관측에 대한 모델 기반 진단을 위한 암시적 히팅 세트 이중화(IHSD) 방법을 제안하며, 기존 방법의 확장성 문제를 해결한다. 모든 관측을 암시적 히팅 세트 열거를 통해 동시에 분석함으로써, 집계 방법에서 관찰되는 공식 크기의 지수적 증가를 피하고 별도 분석 대비 진단 오버헤드를 줄여 대규모 인스턴스에서 뛰어난 효율성과 확장성을 입증한다.

ABSTRACT

Model based diagnosis finds a growing range of practical applications, and significant performance-wise improvements have been achieved in recent years. Some of these improvements result from formulating the problem with maximum satisfiability (MaxSAT). Whereas recent work focuses on analyzing failing observations separately, it is also the case that in practical settings there may exist many failing observations. This paper first investigates the drawbacks of analyzing failing observations separately. It then shows that existing solutions do not scale for large systems. Finally, the paper proposes a novel approach for diagnosing systems with many failing observations. The proposed approach is based on implicit hitting sets and so is tightly related with the original seminal work on model based diagnosis. The experimental results demonstrate not only the importance of analyzing multiple observations simultaneously, but also the significance of the implicit hitting set approach.

연구 동기 및 목표

• 모델 기반 진단에서 다중 고장 관측을 진단하는 데 있어 기존 방법의 확장성 한계를 해결하기 위해.
• 여러 관측을 하나의 MaxSAT 인스턴스로 집계할 경우 발생하는 공식 크기의 지수적 증가 문제를 극복하기 위해.
• 각 고장 관측을 별도로 분석함으로써 초래될 수 있는 과도한 계산 오버헤드를 줄이기 위해.
• 다중 불일치 관측에 걸쳐 부분집합 최소 또는 기수 최소 진단을 통합적으로 효율적으로 계산하는 방법을 개발하기 위해.
• 암시적 히팅 세트 이중화의 실용적 진단 워크로드에서 수백 또는 수천 개의 관측이 있는 경우 효과성을 검증하기 위해.

제안 방법

• 다양한 관측으로부터 큰 집계 공식을 명시적으로 구성하지 않기 위해 암시적 히팅 세트 이중화(IHSD) 기법을 사용한다.
• 모든 관측 간의 불일치를 설명하는 최소 히팅 세트를 공식을 완전히 생성하지 않고도 점진적으로 식별한다.
• 시스템 제약 조건과 관측 불일치를 표현하기 위해 하드 및 소프트 클라우즈를 포함한 MaxSAT 해결 기법을 활용한다.
• 모든 가능한 조합을 저장하거나 처리할 필요 없이 이중화 기법을 이용해 히팅 세트를 암시적으로 열거한다.
• 불만족 분석 기반으로 후보 구성 요소 집합을 유지하면서 비생산적인 진단을 동적으로 제거한다.
• 최신 MaxSAT 솔버(LBX, RS 등)와 통합하여 공식의 과도한 증가를 최소화하면서도 최소 진단을 효율적으로 계산한다.

실험 결과

연구 질문

• RQ1 암시적 히팅 세트 이중화가 수백 또는 수천 개의 고장 관측이 있는 시스템에 효과적으로 확장 가능한가?
• RQ2 제안된 IHSD 방법의 공식 크기와 런타임은 집계된 MaxSAT 공식과 비교해 어떻게 되는가?
• RQ3 여러 관측을 함께 진단하는 것이 별도 분석 대비 진단 정확도를 향상시키고 계산 오버헤드를 줄이는가?
• RQ4 관측 수의 증가가 기존 및 제안된 방법의 성능과 메모리 사용에 어떤 영향을 미치는가?
• RQ5 IHSD 기법을 기수 최소 진단을 효율적으로 계산할 수 있도록 확장할 수 있는가?

주요 결과

• 제안된 IHSD 방법은 집계 분석 대비 훨씬 더 우수한 확장성을 보이며, 관측 수에 따라 공식 크기가 지수적으로 증가하는 대신 선형적으로 증가한다.
• 500개의 관측에 대해 집계 공식은 100만 개 이상의 변수와 클라우즈를 포함했지만, IHSD 방법은 동일한 인스턴스를 3,510개의 변수와 4,506개의 클라우즈로 처리했다.
• 집계 방법의 런타임은 관측 수가 10개일 때 0.01초에서 2,000개일 때 6.33초로 증가했지만, IHSD 방법은 동일한 경우에도 단 0.49초로 효율성을 유지했다.
• 집계 방법은 대규모 관측 집합에서 메모리 및 공식 생성 오버헤드로 인해 실행이 불가능해졌지만, IHSD는 낮은 메모리 사용과 시간 소모를 유지했다.
• 공식 생성 오버헤드가 거의 0에 가까워, 실세계에서 고장 관측 수가 많은 시스템에 적용하기에 실용적이다.
• 결과적으로 암시적 히팅 세트를 활용한 공동 진단이 별도 또는 집계 분석 전략보다 더 확장 가능하고 효율적임을 확인했다.