[論文レビュー] Exploiting System Hierarchy to Compute Repair Plans in Probabilistic Model-based Diagnosis

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

Bayesian Modeling and Causal Inference参考文献 15被引用数 6

ひとこと要約

本稿では、システムの分解を活用して最適な修理計画を計算する階層的モデルベース診断手法を提案する。これにより、大規模システムにおいても、近似的に最適な修理戦略の事前計算が実行可能になる。確率的推論と階層的部品抽象化を統合することで、修理コストと正確性のバランスを図り、グリーディーや単一故障仮定に依存する手法よりも、反復的深さ優先探索による計算時間と解の質のトレードオフを改善する。

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.

研究の動機と目的

• 複雑なシステムにおける確率的モデルベース診断における最適修理ポリシーの計算の非効率性に対処すること。
• 階層的システム構造を活用して最適修理戦略の事前計算を可能にすること。
• 部品交換とサブコンponent修理の両方を考慮することで、修理コストと正確性のバランスを取ること。
• 反復的深さ優先探索を用いて、推論時間と解の質のトレードオフを制御するスケーラブルなアルゴリズムを開発すること。
• 単一故障仮定や短期的先行探索に依存する従来手法の限界を克服すること。

提案手法

• 修理計画を、部品がサブコンponentに抽象化された階層的システムモデル上の確率的推論問題として定式化する。
• 動的計画法を用いて、根から葉への階層の走査により最適な行動シーケンスを計算する。
• 期待修理コストと故障確率を計算し、部品レベルおよびサブコンponentレベルの修理オプションを統合する。
• 計算時間の制御のため反復的深さ優先探索を適用し、解の質と推論コストのトレードオフを可能にする。
• ベイジアン推論を統合して信念状態を更新し、可能性とコストに基づいて修理の優先順位を決定する。
• 事前計算された最適戦略を用いることで、即時の行動選択と長期計画の両方を可能にする。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてシステムの階層構造を活用することで、大規模な確率的モデルベース診断システムにおける最適修理計画の計算を現実可能にするか？
• RQ2 コストと信頼性の観点から、部品の交換とそのサブコンponentの修理の間にはどのようなトレードオフがあるか？
• RQ3 反復的深さ優先探索を用いることで、最適修理計画における計算コストと解の質のバランスを取ることは可能か？
• RQ4 本手法は、グリーディーや単一故障仮定に基づく手法と比較して、どの程度修理計画の最適性が向上するか？
• RQ5 階層的分解によって、最適修理ポリシーの事前計算における計算複雑性はどの程度低減可能か？

主な発見

• 階層的修理アルゴリズムにより、コンパクトなシステムにおける最適修理戦略の事前計算が可能になり、探索空間が著しく削減される。
• システムの階層構造を活用することで、大規模システムであっても現実的な計算が可能となり、完全な最適計画の非効率性を回避する。
• 反復的深さ優先探索のバージョンにより、ユーザーが推論時間と解の質のトレードオフを制御でき、実世界への適用が現実的になる。
• 長期的な修理コストと確率的故障の可能性を考慮することで、グリーディー手法よりも優れた性能を発揮する。
• 部品交換に加えてサブコンponent修理を統合することで、交換のみの戦略よりも期待修理コストが低くなる。
• 実世界のシステムモデルを用いた実装により、本手法の実現可能性とスケーラビリティが確認され、事前計算された最適戦略によって裏付けられた。