Automated Repair of Requirements for Cyber-Physical Systems in Simulink Requirements Tables
Dieses Paper schlägt ein Framework vor, das Systemausführungsdaten nutzt, um fehlerhafte, deklarierte Anforderungen in Simulink Requirements Tables für cyber-physische Systeme automatisch zu reparieren und somit die Konformität zwischen veralteten Anforderungen und aktualisierten Systemimplementierungen effektiv wiederherzustellen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie bauen eine sehr komplexe Maschine, wie etwa ein selbstfahrendes Auto oder einen intelligenten Thermostaten. Diese Maschine ist ein Cyber-Physisches System (CPS), was bedeutet, dass sie Computer-Code mit realer Physik kombiniert. Um sicherzustellen, dass diese Maschine sicher funktioniert, schreiben Ingenieure ein „Regelwerk“, die sogenannten Anforderungen (Requirements). Diese Regeln besagen Dinge wie: „Wenn die Bremse gedrückt wird, muss die Motordrehzahl unter 4.650 U/min bleiben.“
Das Problem: Das Regelwerk veraltet
In der realen Welt ändern sich die Dinge.
- Die Maschine entwickelt sich weiter: Ingenieure könnten den Motor optimieren, um ihn schneller zu machen, oder ein Teil durch ein besseres austauschen.
- Das Regelwerk bleibt gleich: Das ursprüngliche Regelwerk aktualisiert sich nicht automatisch.
Plötzlich arbeitet die Maschine perfekt, aber sie verstößt gegen die alten Regeln. Dies ist eine Fehlanpassung (Misalignment).
Traditionell versuchen Ingenieure bei einem solchen Fall, die Maschine zu korrigieren, damit sie wieder den alten Regeln entspricht. Aber manchmal hat die Maschine recht, und das Regelwerk ist lediglich falsch, veraltet oder zu streng. Stellen Sie sich eine Regel vor, die besagt: „Das Auto darf niemals schneller als 10 mph fahren“, obwohl das Auto so konstruiert wurde, dass es 60 mph fahren kann. Die Maschine zu reparieren, damit sie nur 10 mph fährt, wäre albern; man sollte stattdin die Regel korrigieren.
Das Finden des exakten Weges, die Regel neu zu formulieren, ist jedoch schwierig. Man kann nicht einfach raten; man muss sich die Daten ansehen, die die Maschine produziert, um zu sehen, wie die neue, korrekte Regel aussehen sollte.
Die Lösung: Ein automatisierter „Regelbuch-Arzt“
Dieses Paper stellt ein neues Framework vor, das wie ein automatisierter Editor für diese Regelwerke fungiert. Anstatt zu versuchen, die Maschine zu reparirem, betrachtet es die Leistungsdaten der Maschine (ihre „Traces“) und schreibt die Anforderungen automatisch um, sodass sie dem tatsächlichen Verhalten der Maschine entsprechen.
Stellen Sie sich das wie einen Schneider vor, der nicht nur ein zerrissenes Hemd flickt, sondern das gesamte Schnittmuster neu entwirft, basierend darauf, wie sich die Person tatsächlich bewegt, um sicherzustellen, dass das neue Muster perfekt passt, ohne sie einzuschränken.
Wie es funktioniert (Die Analogie)
Das System verwendet eine Sprache namens Simulink Requirements Tables (eine Methode, um Regeln für diese Maschinen zu schreiben). Hier ist der Prozess:
- Der Input: Das System nimmt die alte, fehlerhafte Regel und einen Datensatz, der zeigt, wie sich die Maschine tatsächlich verhält.
- Die Suche: Es probiert tausende Variationen der Regel aus. Es ist wie ein Koch, der eine Suppe probiert, die zu salzig ist, und verschiedene Mengen an Wasser, Zucker oder Gewürzen ausprobiert, um den Geschmack zu korrigieren, ohne das Gericht zu ruinieren.
- Der „Wünschenswertigkeits“-Filter: Nur die Regel „korrekt“ zu machen (sodass die Maschine sie besteht), reicht nicht aus. Das System muss sicherstellen, dass die neue Regel auch gut ist. Es prüft vier Dinge:
- Ist sie informativ? (Sagen Sie nicht einfach: „Die Motordrehzahl muss kleiner als 1.000.000 sein.“ Das ist zwar wahr, aber nutzlos.)
- Ist sie zu streng? (Sagen Sie nicht: „Der Motor darf niemals laufen.“ Auch das ist wahr, aber nutzlos.)
- Ist sie einfach? (Machen Sie die Mathematik nicht kompliziert, wenn eine einfache Zahl ausreicht.)
- Ergibt sie Sinn? (Vergleichen Sie nicht etwa „Motordrehzahl“ mit „Bremsdruck“, wenn es sich um unterschiedliche Einheiten handelt, wie etwa Äpfel mit Meilen.)
Die Ergebnisse
Die Forscher haben ihren „Regelbuch-Arzt“ an sechs realen Modellen getestet (wie einem automatischen Getriebe für ein Auto und einem neuronalen Netz). Sie untersuchten dabei 12 verschiedene Regeln, die eine Fehlanpassung aufwiesen.
- Erfolgsrate: Das System fand erfolgreich neue, korrekte Regeln für die Maschinen.
- Qualität: Die neuen Regeln waren nicht nur „korrekt“, sondern auch nützlich. Sie waren einfach, ergaben Sinn und waren weder übermäßig breit noch zu streng.
- Vergleich: Sie testeten verschiedene Versionen ihres Werkzeugs (einige, die „unsinnige“ Regeln mithilfe eines mathematischen Löser prüften, andere, die nur schätzten) und fanden heraus, dass die Verwendung eines präzisen mathematischen Prüfers und das Generieren vieler „Kandidaten-Regeln“ am besten funktionierte.
Das Wesentliche
Dieses Paper beweist, dass wir Werkzeuge bauen können, um fehlerhafte Anforderungen automatisch zu korrigieren, indem wir betrachten, wie sich ein System tatsächlich verhält. Anstatt eine Maschine zu zwingen, in eine alte, fehlerhafte Regel zu passen, können wir die Regel aktualisieren, damit sie zur Maschine passt, wodurch Sicherheit und Effizienz gewährleistet werden, ohne dass ein Mensch manuell komplexe mathematische Gleichungen umschreiben muss.
Kernaussage: Wenn sich das System ändert, sollte sich auch das Regelwerk ändern. Dieses Werkzeug übernimmt die schwere Arbeit, das Regelwerk neu zu schreiben, damit es mit der Realität in Einklang bleibt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.