Technische Samenvatting: Decompositie van Functionele Eisen in Set-Based Design

Probleemstelling

Het ontwerpen van complexe technische systemen (bijvoorbeeld commerciële vliegtuigen) in een vroeg stadium wordt gekenmerkt door inherente onzekerheid en ambiguïteit. Hoewel Set-Based Design (SBD) een robuust kader biedt voor het verkennen van alternatieven en het verminderen van onzekerheid door middel van parallelle ontwikkeling, ontbreekt er in de huidige literatuur formele richtlijnen over hoe functionele eisen binnen dit paradigma moeten worden opgesplitst. Specifiek behandelen bestaande SBD-benaderingen eisen vaak als eenvoudige prestatiebereiken, wat ontoereikend is voor complexe systemen met software- en mechanische interacties waarbij functies worden gedefinieerd als afbeeldingen tussen invoer en uitvoer. Bovendien ontbreekt het aan een rigoureuze formele onderbouwing voor de bewering dat SBD autonome, parallelle ontwikkeling door teams op lager niveau mogelijk maakt. Er is een kritieke behoefte aan een formele methode om functionele eisen op te splitsen, die ervoor zorgt dat het resulterende systeem voldoet aan de eisen op het hoogste niveau, terwijl tegelijkertijd de autonomie van teams wordt ondersteund.

Methodologie

Het artikel stelt een formele vierstappenmethode voor om functionele eisen hiërarchisch op te splitsen met behulp van set-based redenering. De aanpak behandelt systeemfuncties als wiskundige invoer-uitvoer-transformaties ($f: (x, u, c) \to y$), waarbij $x$ de invoer zijn, $y$ de uitvoer, $u$ de oncontroleerbare onzekere parameters en $c$ de controleerbare onzekere parameters.

De methodologie is als volgt gestructureerd:

1. Definiëren en Analyseren van Functionele Architectuur:

   • Een functionele architectuur wordt gedefinieerd als een verzameling verbonden subfuncties.
   • De methode aggregeert variabelen uit subfuncties om gedeelde variabelen en onderscheiden ontwerp- en prestatieruimten te identificeren.
   • Variabelen worden geclassificeerd in zes exclusieve groepen op basis van hun definitiekontext (bijvoorbeeld invoer die alleen op het hoogste niveau wordt gedefinieerd versus in subfuncties, uitvoer die wordt gedeeld tussen subfuncties, enzovoort).
   • Deze stap vestigt de initiële ontwerpruimte en prestatieruimte voor het systeem.

2. Verkennen van Initiële Haalbare Ruimten:

   • Voor elke subfunctie wordt een initiële haalbare ruimte gekarakteriseerd op basis van haalbare implementaties.
   • Deze ruimten vertegenwoordigen de breedst mogelijke bereiken voor invoer, uitvoer en parameters voordat er systeemgebonden beperkingen worden toegepast.

3. Verfijnen van Haalbare Ruimten:

   • Snedes: De bereiken van variabelen die over meerdere subfuncties worden gedefinieerd, worden gesneden om een geünificeerde initiële haalbare ontwerpruimte ($FDS_1$) en prestatieruimte ($FPS_1$) te creëren.
   • Voldoening aan Beperkingen: De methode past een gekwantificeerd probleem voor het voldoen aan beperkingen toe om de ruimte verder te verfijnen. Specifiek worden de controleerbare parameters ($c$) verfijnd ($R^\downarrow_c$) zodanig dat voor alle waarden van oncontroleerbare parameters ($u$) en invoer ($x$), de systeemuitvoer binnen het haalbare prestatieruimte blijft.
   • Bereikbaarheidsanalyse: Bereikbaarheidsanalyse wordt gebruikt om een overbenadering van de bereikbare prestatieruimte ($FPS_2$) te berekenen, gegeven de verfijnde ontwerpruimte ($FDS_2$). Dit zorgt ervoor dat alle mogelijke systeemgedragingen onder de verfijnde beperkingen worden vastgelegd.

4. Bepalen van Sub-eisen:

   • Uitbreiding van Onzekerheid: Om een mogelijke onderschatting van initiële onzekerheden op te vangen, wordt de gewenste prestatieruimte ($FPS^*$) uitgebreid van $FPS_2$ naar $FPS_1$. Deze uitbreiding is niet willekeurig; deze wordt geleid door een afwegingsstudie.
   • Optimalisatie: Er wordt een optimalisatieprobleem op basis van een barrièrefunctie geformuleerd om de optimale grenzen van $FPS^*$ te bepalen. Het doel is om de "afstand" tot de grenzen van $FPS_1$ (om een onzekerheidsbuffer toe te staan) en $FPS_2$ (om implementatieproblemen te voorkomen) te minimaliseren, gewogen naar voorkeuren van de ontwerper.
   • Definitieve Toewijzing: De resulterende verfijnde ontwerpruimte ($FDS_2$) en uitgebreide prestatieruimte ($FPS^*$) worden toegewezen als de formele sub-eisen ($R^*_x, R^*_c, R^*_u, R^*_y$) voor elke subfunctie.

Belangrijkste Bijdragen

Het artikel levert twee primaire bijdragen aan de SBD-literatuur:

1. Formele Decompositiemethode voor Complexe Systemen:

   • In tegenstelling tot bestaande SBD-benaderingen die eisen definiëren als bereiken van prestatieruimten (geschikt voor mechanische componenten), definieert deze methode eisen als afbeeldingen tussen invoer- en uitvoerbereiken. Deze formulering is specifiek ontworpen voor complexe systemen met diverse componenten (mechanisch, software, enzovoort).
   • De methode biedt een rigoureuze, reproduceerbare procedure voor het opsplitsten van deze afbeeldingen in sub-eisen.

2. Formeel Bewijs voor Parallelle Ontwikkeling (Autonomie):

   • Het artikel introduceert en bewijst twee kritieke eigenschappen: Refinement (verfijning: reductie van onzekerheid van hoger naar lager niveau) en Composability (samenstelbaarheid: compatibiliteit van interfaces tussen sub-eisen).
   • Stelling: Als sub-eisen op elk niveau samenstelbaar zijn en hun samenstelling de functionele eisen op het hogere niveau verfijnt, dan zal het samengestelde systeem dat wordt gevormd door deze sub-eisen onafhankelijk te implementeren, voldoen aan de functionele eisen op het hoogste niveau.
   • Dit biedt de eerste formele rechtvaardiging voor de bewering dat SBD autonome, parallelle ontwikkeling mogelijk maakt onder gedistribueerde ontwerpteams.

3. Onderscheid tussen Buffer en Overschot:

   • De methode maakt expliciet onderscheid tussen "buffer" (parameterwaarden die compenseren voor controleerbare onzekerheden) en "overschot" (surplus dat onderschatte initiële onzekerheden opvangt). Dit onderscheid is geïntegreerd in de verfijnings- en uitbreidingsstappen van de methodologie.

Resultaten

De voorgestelde methode werd gedemonstreerd via een case study die het ontwerp van een cruise control-systeem omvatte.

• Eis op Hoogste Niveau: Het systeem moet de beginsnelheid ($v_0$) en referentiesnelheid ($v_r$) afbeelden op een reële snelheidsbaan ($v(t)$) die begrensd blijft en binnen een specifieke tijd convergeert naar een doelbereik.
• Decompositie: De functie op het hoogste niveau werd opgesplitst in acht subfuncties die fysische dynamica (krachten, wrijving, aerodynamica) en besturingslogica (PID-regelaar) vertegenwoordigen.
• Uitvoering van het Proces:
  • De methode slaagde erin de ontwerpruimte (invoer en controleerbare parameters zoals het maximale motortoerental $\omega_m$) en de prestatieruimte (intermediaire krachten, koppels en snelheden) te identificeren.
  • Door middel van snedes en bereikbaarheidsanalyse (met behulp van het CORA-tool) werd de haalbare ontwerpruimte verfijnd, waarbij specifiek de controleerbare parameter $\omega_m$ werd beperkt van $[350, 480]$ naar $[365, 450]$ rad/s om stabiliteit te garanderen.
  • De optimalisatiestap bepaalde de definitieve sub-eisen, waarbij werd gewaarborgd dat de subfuncties samenstelbaar waren (gedeelde variabelen hadden consistente bereiken) en dat het samengestelde systeem de eisen op het hoogste niveau verfijnde.
• Resultaat: De resulterende sub-eisen maakten onafhankelijke implementatie van subsystemen mogelijk (bijvoorbeeld motor, banden, regelaar), terwijl wiskundig werd gegarandeerd dat het geïntegreerde systeem zou voldoen aan de stabiliteits- en convergentiecriteria op het hoogste niveau.

Betekenis en Beweringen

Het artikel claimt betekenis in het overbruggen van de kloof tussen de theoretische voordelen van Set-Based Design en de praktische behoefte aan formele, uitvoerbare richtlijnen in requirements engineering.

• Formalisme boven Kwalitatieve Benaderingen: De auteurs betogen dat hoewel SBD wijdverbreid wordt gebruikt (met name in de processen van Toyota), het vaak vertrouwt op kwalitatieve methoden. Dit artikel biedt een formeel wiskundig kader dat ambiguïteit in decompositie elimineert.
• Autonomie mogelijk maken: Door te bewijzen dat samenstelbaarheid en verfijning voldoende voorwaarden zijn voor voldoening op het hoogste niveau, valideert de methode de SBD-belofte van teamautonomie, waardoor gedistribueerde teams parallel kunnen werken zonder constante herwerking of integratiefouten.
• Omgaan met Onzekerheid: De aanpak biedt een gestructureerde manier om onzekerheid te beheren via "buffer" en "overschot", en gaat hiermee voorbij aan eenvoudige veiligheidsfactoren naar een meer genuanceerde behandeling van epistemische en aleatorische onzekerheden.

De auteurs blijven bescheiden wat betreft de reikwijdte, en erkennen dat de methode niet alle uitdagingen van requirements engineering oplost (zoals elicitering of validatie) en vertrouwt op het oordeel van de ingenieur voor specifieke coëfficiënten in de optimalisatiestap. Zij positioneren het werk als een kader voor wat opgelost moet worden (de beperkingen en eigenschappen) in plaats van specifieke computationele hulpmiddelen voor te schrijven voor hoe de onderliggende optimalisatieproblemen moeten worden opgelost.