[论文解读] Simulation Based Probabilistic Risk Assessment (SIMPRA): Risk Based Design

Hamed Nejad, Tarannom Parhizkar+1 more|arXiv (Cornell University)|Sep 30, 2021

Systems Engineering Methodologies and Applications参考文献 31被引用 5

一句话总结

本文提出SIMPRA，一种基于仿真的概率风险评估框架，通过将工程知识与随机模拟相结合，实现对复杂、安全关键系统的风险知情设计。通过利用规划器模块引导仿真聚焦于高影响场景，SIMPRA高效探索了潜在故障的可能空间，实现了对故障概率和后果的精确估计——在地球观测卫星案例研究中，其风险洞察力优于传统的确定性方法或朴素的蒙特卡洛方法。

ABSTRACT

The classical approach to design a system is based on a deterministic perspective where the assumption is that the system and its environment are fully predictable, and their behaviour is completely known to the designer. Although this approach may work fairly well for regular design problems, it is not satisfactory for the design of highly sensitive and complex systems where significant resources and even lives are at risk. In addition it can results in extra costs of over-designing for the sake of safety and reliability. In this paper, a risk-based design framework using Simulation Based Probabilistic Risk Assessment (SIMPRA) methodology is proposed. SIMPRA allows the designer to use the knowledge that can be expected to exist at the design stage to identify how deviations can occur; and then apply these high-level scenarios to a rich simulation model of the system to generate detailed scenarios and identify the probability and consequences of these scenarios. SIMPRA has three main modules including Simulator, Planner and Scheduler, and it approach is much more efficient in covering the large space of possible scenarios as compared with, for example, biased Monte Carlo simulations because of the Planner module which uses engineering knowledge to guide the simulation process. The value-added of this approach is that it enables the designer to observe system behaviour under many different conditions. This process will lead to a risk-informed design in which the risk of negative consequences is either eliminated entirely or reduced to an acceptable range. For illustrative purposes, an earth observation satellite system example is introduced.

研究动机与目标

• 解决在高度复杂、安全关键系统中，由于不确定性与风险较高，传统确定性设计方法存在的局限性。
• 通过在早期设计阶段实现精确的、基于场景的风险评估，减少不必要的过度设计成本。
• 开发一种可扩展且高效的方法，探索潜在系统故障的广阔空间，而无需依赖暴力的蒙特卡洛采样。
• 将工程知识整合到仿真工作流中，以优先考虑高影响的故障场景，提升风险预测的准确性。
• 通过一个真实世界的卫星系统案例研究，证明SIMPRA框架的可行性与优势。

提出的方法

• SIMPRA框架由三个核心模块组成：仿真器（用于详细建模系统行为）、规划器（利用工程知识引导仿真）和调度器（用于管理仿真执行）。
• 规划器模块利用领域特定知识识别并优先处理高风险偏离场景，从而减少对全面采样的需求。
• 在这些引导场景下执行仿真，以生成详细的系统行为数据，从而实现对故障可能性和后果的概率估计。
• 该方法通过将专家知识直接嵌入场景生成过程，避免了有偏蒙特卡洛方法的低效性，提升了覆盖范围与准确性。
• 系统行为通过丰富的仿真模型进行建模，以捕捉组件之间的动态交互与故障传播。
• 从聚合的仿真结果中计算风险度量（如故障概率与后果），以支持设计决策。

实验结果

研究问题

• RQ1 如何系统性地将工程知识整合到基于仿真的风险评估中，以提升场景覆盖范围与效率？
• RQ2 与传统蒙特卡洛方法相比，SIMPRA在多大程度上降低了概率风险评估的计算负担？
• RQ3 SIMPRA能否有效识别并量化复杂系统（如地球观测卫星）中的高影响故障场景？
• RQ4 SIMPRA如何通过提供故障概率与后果的精确估计，支持风险知情设计决策？
• RQ5 采用引导式仿真方法对早期设计阶段风险评估的可靠性与完整性有何影响？

主要发现

• SIMPRA通过利用工程知识引导仿真，实现了对故障场景空间的高效探索，与无引导或有偏蒙特卡洛方法相比，显著减少了所需仿真次数。
• 该框架在地球观测卫星案例研究中成功识别出关键故障场景，包括姿态控制异常与电源系统异常，且已量化其概率与后果。
• 通过聚焦于高影响场景，SIMPRA在保持安全与可靠性的同时降低了过度设计风险，实现了更具成本效益的系统设计。
• 规划器模块的集成使得风险评估比纯统计采样方法更为准确与深入，尤其适用于具有复杂非线性行为的系统。
• 仿真结果表明，SIMPRA能够生成详细且行为丰富的故障场景，支持主动的设计改进。
• 案例研究证实，SIMPRA通过使设计人员能够在物理原型制作前评估与缓解风险，有效支持了风险知情设计。