JP2001318804A - 確率的な診断システム - Google Patents

確率的な診断システム

Info

Publication number
JP2001318804A
JP2001318804A JP2001083806A JP2001083806A JP2001318804A JP 2001318804 A JP2001318804 A JP 2001318804A JP 2001083806 A JP2001083806 A JP 2001083806A JP 2001083806 A JP2001083806 A JP 2001083806A JP 2001318804 A JP2001318804 A JP 2001318804A
Authority
JP
Japan
Prior art keywords
components
equation
test
particular set
probability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2001083806A
Other languages
English (en)
Inventor
Lee A Barford
リー・エイ・バーフォード
David R Smith
デビッド・アール・スミス
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Agilent Technologies Inc
Original Assignee
Agilent Technologies Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Agilent Technologies Inc filed Critical Agilent Technologies Inc
Publication of JP2001318804A publication Critical patent/JP2001318804A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2257—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using expert systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/317—Testing of digital circuits
    • G01R31/3181—Functional testing

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Testing Of Engines (AREA)
  • Debugging And Monitoring (AREA)
  • Complex Calculations (AREA)

Abstract

(57)【要約】 【課題】 組み込み及び遠隔適用業務用の確率的な診断
エンジンを提供する。 【解決手段】 複数のコンポーネントを備えた装置の診
断エンジンであって、前記診断エンジンが、少なくとも
１つのテストが不合格になった前記装置に関する１集合
のテストのテスト結果と、前記装置のコンポーネントに
対するテストの網羅度と、前記テスト間における確率的
な従属性を記述する情報とを与えるモデルとを受信し、
前記診断エンジンは、同時に不良になる可能性のあるコ
ンポーネントの数Ｎを設定または指定するための手段
と、Ｎ以下のサイズを備えた部分集合をなす前記コンポ
ーネントのそれぞれが、不良コンポンーネントである尤
度を計算するための計算手段を含み、これにより、前記
計算が浮動小数点計算誤差範囲内において実質的に正確
であることを特徴とする診断エンジンを提供する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、システムにおける
故障のモニタと検出と分離とに関するものであり、特
に、システムの分析に用いられるツールに関するもので
ある。
【０００２】
【従来の技術】「診断」は、誤動作した装置が、誤った
動作をしている理由を判定することを意味するものであ
る。より改まった表現をすれば、診断とは、誤った動作
を生じさせる所定の原因集合のうちの部分集合を選択す
ることである。診断では、誤った動作の説明と、正しさ
の確率または誤った診断のコストといった何らかの目的
関数の最適化の両方を実施する必要性がある。この診断
の必要性が、測定またはテストのための一般的な理由で
ある。
【０００３】次に、修復またはプロセス改良のための特
別に設計された装置の診断について考察することにす
る。これは、例えば、いつでも生成または破壊すること
が可能なソフトウェア・オブジェクトを含む分散コンピ
ュータ・システムとはおおいに異なるものである。装置
は、有限数の交換可能なコンポーネントから構成されて
いるものと仮定する。装置の故障は、１つ以上の不良コ
ンポーネントを備えることによってのみ発生する。本明
細書において「診断」と呼ばれるものは、「故障識別
（fault identification）」と呼ばれる場合が多い。故
障装置が生じると、技術者またはコンピュータ・プログ
ラム（「テスト・エグゼクティブ（test executive）」
と呼ばれる場合もある）は、１つ以上のテストを実行す
ることになる。故障装置の内部動作に習熟した技術者
は、テスト結果を解釈して、不良コンポーネントを識別
しなければならない。
【０００４】例えば、“An expert system for diagnos
ing and maintaining the AT＆T3B4000 computer:
an architectural description"ACM，1989においてJ.A.
Kavicky及びG.D.Kraftによって解説されているように、
コンピュータの故障診断にはエキスパート・システムが
利用されてきた。Fitzgerald,G.L.の“Enhance compute
r fault isolation with A history memory”，IEEE，1
980には、オン・バス診断ハードウェアからのデータ解
析に関する記載がある。冗長処理及び記憶素子と、デー
タ・パスウェイと、故障装置をオフにして良好な冗長装
置にスイッチする時機を決定する組み込みモニタ機能と
を備えた故障許容コンピュータ（Fault-tolerant compu
ter）が、何年にもわたって造られてきた（例えば、Ｕ
Ｓ−Ａ−５，０９９，４８５号公報を参照されたい）。
【０００５】テストを受けるシステム（system under t
est：以下、「ＳＵＴ」と呼ぶ。）における故障の可能性
のあるコンポーネントを判定するための従来の診断シス
テムは、モデル・ベース診断システム（model-based di
agnostic system）を含んでいる。モデル・ベース診断
システムは、診断システムに対する入力として、用いら
れたテストからの実際のＳＵＴ応答、及び、正しいまた
は間違ったＳＵＴ動作の対応するモデルを利用して、Ｓ
ＵＴの状態について結論を下す診断システムと定義する
ことが可能である。こうした診断システムは、通常、Ｓ
ＵＴ及びそのコンポーネントのコンピュータ生成モデ
ル、及び、診断プロセスに基づくものである。
【０００６】モデル・ベースの診断システムは、例え
ば、W．Hamscher，L．Console，J．deKleerの「Reading
s in system modek-based diagnosis」，Morgan Kauffm
an，1992によって既知のところである。テスト・ベース
のシステム・モデルは、Hewlett-Packard HP Fault Det
ective(ＨＰＦＤ)によって利用されており、HP FaultDe
tective User's Guide，Hewlett-Packard Co．，1996に
解説がある。
【０００７】ＵＳ−Ａ−５，８０８，９１９号公報（Pr
eist他）は、モデル化の負担が大幅に軽減される機能テ
ストに基づくモデル・ベースの診断システムを開示して
いる。Preist他の特許において開示されたモデルは、機
能テストのリスト、各機能テストによって用いられるコ
ンポーネントのリスト並びに各コンポーネントが各機能
テストによって用いられる程度、及び、個々のコンポー
ネントに関する履歴的なまたは推定的な事前故障率（a
priori failure rate）を用いる。
【０００８】ＵＳ−Ａ−５，９２２，０７９号公報（Bo
oth他）は、テスト・スーツ（testsuits：可能性のある
故障を検出し、それらを弁別するモデルの能力）によっ
て、可能性のある故障を識別し、間違った診断に基づ
く、起こりそうなモデル化エラーも識別する自動分析及
び障害解決システムを開示している。
【０００９】ＥＰ−Ａ−８８７７３３号公報（Kanevsky
他）は、テストを受ける装置の処理しやすいモデルに基
づいて、まだ適用されていないテストの中から、テスト
を受ける装置に次に適用する１つ以上のテストを選択可
能にする自動ツールをもたらすモデル・ベースの診断シ
ステムを開示している。
【００１０】上記３つのモデル・ベースの診断システム
の場合には、診断エンジンは、診断に対するシステム・
モデル・ベースのアプローチと確率的アプローチとを組
み合わせている。診断エンジンは、テスト・スーツの結
果を利用して、ＳＵＴのシステム・モデルに基づいて、
最も故障の可能性が高いコンポーネントを計算する。
【００１１】診断エンジンは、故障した装置を、予め設
計した１集合のテストからのテストを実施するように、
所定の集合をなすテスト及び測定装置を用いてデバッグ
されることになるアプリケーションに利用することが可
能である。診断エンジンは、ＳＵＴ及びＳＵＴのために
決定されたシステム・モデルにより実行した実際のテス
トから得られたテスト結果を用いて、ＳＵＴのコンポー
ネントに関する故障候補のリストを計算する。例えば、
テストが合格または不合格になると、コンポーネントの
事前故障確率（a priori failure probability）から開
始して、モデル情報によって、これらの確率に相応の重
み付けをすることが可能である。少なくとも１つのテス
トが不合格にならなければならない。さもなければ、Ｓ
ＵＴは良好であると仮定される。
【００１２】組み込みプロセッサは、別の製品に組み込
まれる（すなわち、内蔵される）ために計算力及び／ま
たはメモリ・サイズの制限が厳しいマイクロプロセッサ
または他のデジタル計算回路である。組み込みプロセッ
サを含む製品の例は、一般に、自動車と、トラックと、
主要な家庭用器具と、サーバ・クラス・コンピュータ
（中央演算処理装置以外に、組み込み保守プロセッサを
含む場合が多い）とを含んでいる。組み込みプロセッサ
は、一般に、デスクトップ・パーソナル・コンピュータ
に比べて、利用可能なメモリが数桁小さく、計算力は１
〜２桁低い。例えば、１メガバイトのメモリは、家庭用
器具にとってはかなりの量になる。このような製品にお
けるこうした組み込みプロセッサが、製品の故障を診断
可能にすることが望ましい。こうした能力をもたらす診
断エンジンを、組み込み診断エンジンと呼ぶことにす
る。
【００１３】前述のHP Fault Detective製品またはＵＳ
−Ａ−５，８０８，９１９号公報（Preist他）によって
用いられているようなさまざまなヒューリスティック法
（heuristic method）によって、確率的な診断を実施す
ることが可能である。ヒューリスティックは、本質的
に、多少の正確度と計算時間の短縮とのトレード・オフ
を行う。しかし、HP Fault Detectiveは、一般に、４〜
８メガバイトのメモリを必要とする。これは、組み込み
診断エンジンにとって法外な量になる可能性がある。
【００１４】この問題を解決するためのもう１つの方法
は、モンテカルロ・シミュレーションである。モンテカ
ルロ・シミュレーション法は任意の正確度にすることが
可能であるが（シミュレーション数を増すことによっ
て）、シミュレーション結果は、診断エンジンが後で読
み取るデータ・ベースに記憶しなければならない。既述
のように、空間効率のよい２進形式で記憶される場合で
も、このデータ・ベースは、典型的なアプリケーション
の場合、２〜６メガバイトを必要とする。これは、組み
込みアプリケーションにとってあまりにも多すぎ、診断
毎に、データ・ベースをコンピュータ・ネットワークに
アップロードしなければならない可能性のある分散アプ
リケーションに対して負担になる。
【００１５】確率的診断システムを構築する一般的な方
法は、ベイズ・ネットワーク（Bayesian network）を利
用することである（Finn V．Jensenの“Bayesian Netwo
rks”，Springer Verlag，1997を参照されたい）。ベイ
ズ・ネットワークは、閉路なし有向グラフ（directed a
cyclic graph：以下、「ＤＡＧ」と呼ぶ。）である。グラ
フの各ノードは、確率変数を表している。グラフのエッ
ジは、２つの確率変数間における確率依存性を表してい
る。ソース（エッジ内にないノード）は、他の全ての確
率変数から独立しており、その事前確率がタグ付けされ
る。非ソース・ノードは、それが依存する全ての確率変
数に左右されるそのノードの確率変数の値に対する確率
を与えるテーブルによりタグ付けされる。
【００１６】ほとんどの診断用途のベイズ・ネットワー
クに基づく計算は、信念リビジョン（belief revisio
n）と呼ばれる。確率変数のいくつかの値（この場合、
いくつかのテストの結果に関する）が観測されるものと
仮定する。観測された値が与えられると、信念リビジョ
ン・アルゴリズムによって、観測されなかった全ての確
率変数について、最も可能性の高い確率が計算される。
信念リビジョンは、ＮＰ困難であり（M.r.Garey and
D．S．Johnsonの“Computers and Intractability: A g
uide to the theory of NP-completeness”，W.H.Freem
an and Co., 1979を参照されたい）、従って、既知の全
てのアルゴリズムが、グラフのいくつかの確率変数に、
指数関数的な最悪ケース計算時間を備えている。
【００１７】診断に用いられるベイズ・ネットワーク
は、確率変数と、テスト結果と診断を受ける装置及びそ
のコンポーネントの観測不能状態と故障仮説との間の任
意の原因・結果関係を表すそれらの依存性とによって構
成されている。グラフは、極めて大きく成長し、任意の
トポロジを備えることが可能である。例えば、ヒューレ
ット・パッカード社がプリンタの診断に用いた実験ベイ
ズ・ネットワークは、２０００を超えるノードを備えて
いる。こうしたネットワークの複雑性によって、下記の
２つの問題点が生じる。 ・非ソース・ノードの条件付き確率の全てを得るか、ま
たは、推定しなければならない。 ・トポロジまたは条件付き確率に対する局所的変更によ
って、診断の正確度に理解し難い大局的影響が及ぶ可能
性がある。
【００１８】換言すれば、任意のトポロジの大規模なベ
イズ・ネットワークを診断に用いることには、支援性の
問題に関してルール・ベースの診断システムと多少とも
同じ潜在的可能性がある。
【００１９】
【発明が解決しようとする課題】本発明の目的は、組み
込み及び／または遠隔アプリケーションに用いることも
可能な改良した確率診断を提供することにある。この目
的は、独立クレームによって解決される。望ましい実施
態様は、従属クレームによって示される。
【００２０】
【課題を解決するための手段】本発明によれば、例え
ば、最も故障した可能性の高いコンポーネントを識別す
ることによって、デバッギング・プロセスの各段階にお
いて、技術者を自動的に支援するツールである診断エン
ジンが得られる。
【００２１】他の診断エンジンと比べた本発明の主たる
利点は、メモリ・フットプリントを小さくすることがで
きるという点であるため、コードと実行時の両方の必要
メモリ量がわずかであり、モデル・サイズと線形に成長
するだけである。
【００２２】本発明は、完全にＪａｖａで書くのが望ま
しく（例えば、James Gosling,BillJoy,and Guy Steel:
The Java Language Specification, Addison Wesley,19
96を参照されたい）、また、Ｊａｖａ標準言語ライブラ
リ・パッケージからの少数のクラスだけを用いるのが望
ましい。これらの特徴によって、本発明は、組み込み及
び分散アプリケーションに特に適したものになる。
【００２３】本発明は、故障装置が、あらかじめ設計し
た１集合のテストからのテストを実施する所定の集合を
なすテスト及び測定装置を利用してデバッグされるアプ
リケーションにおいて用いられることを意図したもので
ある。本明細書における目的からして、テストは、ある
装置に対して実施されるプロシージャである。テストで
は、可能性のある有限数の結果が生じる。多くのテスト
では、２つの結果、すなわち、合格と不合格が生じる。
例えば、コンピュータを修理するためのテストには、電
源電圧が４．９〜５．１ボルトの間であるか否かを確認
する検査を必要とする可能性がある。もしそうであれ
ば、テストは合格である。そうでなければ、テストは不
合格である。テストには、故障モード（failure mode）
と呼ばれる付加的結果を生じる場合もある。例えば、あ
るテストでは、自動車の始動を試みることが必要とされ
る場合がある。自動車が始動すれば、テストは合格であ
る。故障モードに含まれる可能性があるのは、次の通り
である。 ・キーを回すと、ライトが薄暗くなり、ボンネットの下
からのノイズが生じない。 ・キーを回すと、ライトは明るいままで、単一クリック
・ノイズが生じる。 ・キーを回すと、ライトは明るいままで、クリックが生
じ、スタータのモータは回転するが、エンジンはかから
ない等。
【００２４】特定の装置をデバッグするために利用可能
な集合をなす全テストは、その装置のテスト・スーツ
（test suit）と呼ばれる。多くのアプリケーション
は、デバッギング及びテストに関するこれらの定義に適
合する。例としては、次のようなものがある。 ・コンピュータ及び電子機器のサービス及び製造のやり
直し。 ・自動車及び家庭用器具のような製品のサービス。 ・言語質問に対する返答を得ることを含むように「テス
ト」の概念を拡大する場合には、電話支援がこのモデル
に適合する。
【００２５】・少なくとも１つのテストが不合格になっ
た、物理的オブジェクトに対する１集合のテスト（例え
ば、テスト１＝合格、テスト２＝不合格、テスト３＝合
格等）と、 ・オブジェクトのコンポーネント（例えば、現場で交換
可能な装置）に対するテストの網羅度、及び、テスト間
の確率依存性を表した情報を提示するモデルとを与える
と、本発明は、オブジェクトの確率的診断、すなわち、
そのそれぞれの構成要素に、 ・１つ以上のコンポーネントのリストと、 ・それらのコンポーネントが不良コンポーネントである
尤度または確率（尤度は非正規化確率である。すなわ
ち、確率は、合計すると１にならなければならないが、
尤度はその必要がない。）とを含んでいるリストを出力
する。
【００２６】大部分の自動診断システムは、確率による
重み付けを施さずに、可能性のある診断リストを提供す
るだけである。大部分の現場で交換可能な装置（field
replaceable unit：以下、「ＦＲＵ」と呼ぶ。）は、ほと
んどの場合、可能性があるという診断になることがわか
るので、確率を示すことは、ＦＲＵの数が少ないアプリ
ケーションにおいてとりわけ望ましい。確率によって、
技術者は、技術者自身の専門的判断を適用する機会も与
えられる。
【００２７】本発明によれば、複数のコンポーネント故
障を取り扱うことが可能になる。単一故障と複数故障と
の区別は行われない。
【００２８】本発明は、診断に対するモデル・ベースの
アプローチ（W.Hamscher,L.Console, and J.de Kleer:
Readings in model-based diagnosis, Morgan Kauffma
n,1992）と確率的アプローチを組み合わせたものであ
る。本発明は、前述のHP FaultDetectiveまたはＵＳ−
Ａ−５，８０８，９１９号公報（Preist他）におけるも
のと同じテスト・ベース・モデルを用いている。このモ
デルは、テストと、テストを書いた技術者にとって便利
であることを意図したやり方でテストされるコンポーネ
ントとの確率関係を記述している。このモデルの特徴
は、下記の通りであることが望ましいと思われる。 ・２レベルの部分全体階層。すなわち、コンポーネント
（現場で交換可能な装置）とそのサブコンポーネントの
名前。 ・コンポーネントの事前故障確率の推定値。 ・テスト・スーツにおけるテスト名。 ・各コンポーネントに関する各テストの網羅度、すなわ
ち、テストによって働かされるコンポーネントの機能性
の割合、あるいは、より明確に言えば、コンポーネント
が不良の場合に、テストが不合格になる条件付き確率の
推定値。 ・全く同じ方法でいくつかのコンポーネント機能性をテ
ストするので、依存しているテストをモデル化する方法
であるテストの共用網羅度（例えば、共通ケーブルを介
して所定のコンポーネントにアクセスする２つのテスト
は、そのケーブルに関する共用網羅度を備えている）。 ・合格及び不合格以外に、テストに関する故障モードを
指定する方法。故障モードは、名前と、コンポーネント
またはサブコンポーネントの２つのリストを備えてい
る。解除リスト（acquit list）と呼ばれる第１のリス
トには、故障モードが発生するためには、何らかの操作
可能な機能性を備えていなければならないコンポーネン
トまたはサブコンポーネントが挙げられている。非難リ
スト（indict list）と呼ばれる第２のリストには、故
障モードが発生すると、不良の可能性のあるコンポーネ
ントまたはサブコンポーネントが挙げられている。解除
リスト及び非難リストの各項目は、故障モードによって
働かされるコンポーネントの機能性の量の推定値も含ん
でいる。
【００２９】モデルは、例えば、下記のようにして生成
することが可能である： ・例えば、前述のHP Fault Detectiveに付属しているモ
デル構築グラフィカル・ユーザ・インターフェイス（以
下、「ＧＵＩ」と呼ぶ。）を利用して。HP FaultDetectiv
eモデルは、ＡＳＣＩＩファイルとして保管することが
可能な、本発明によって内部的に用いられるより単純な
形にそれを変換するプログラムによって読み取られる。
本発明は、こうしたファイルを、ファイル・システム、
ＵＲＬ、または、ローカル・メモリからロードすること
が可能である。 ・ＡＳＣＩＩテスト故障検出モデル（ASCII test Fault
Detective Model）（．ｆｄｍ）ファイルを書くことに
よって、あるいは、 ・Ｊａｖａによるモデル生成アプリケーション・プログ
ラミング・インターフェイス（以下、「ＡＰＩ」と呼
ぶ。）によって行う。
【００３０】特定のコンポーネントが不良であることが
分かっている場合、このモデルは、数学的論理の規則と
共に、あるテストが不合格になる確率の計算を可能にす
る。これらのモデル及びモデル構築プロセスに関するさ
らなる詳細については、同一出願人による同時係属の米
国特許出願（出願人の国際参照番号：ＵＳ ２０−９９
−００４２号公報）及びＵＳ−Ａ−５，９２２，０７９
号公報（Booth他）に開示されている。モデル及びモデ
ル構築プロセスの説明に関する前者の文書の教示は、引
用することにより本明細書の一部をなすものとする。
【００３１】本発明によれば、良好または不良であるこ
とが分かっているコンポーネントのパターンが与えられ
ると、テストの不合格の確率を計算することが可能にな
る。ベイズの定理（Bayes'Theorem）として知られる論
理式によって、この計算を逆に実行することが可能にな
る。本発明では、特定のテスト結果が与えられると、あ
る特定のパターンをなすコンポーネント故障及び非故障
の発生する確率を計算することが可能になる。次に、本
発明では、コンポーネント故障／非故障の可能性のある
全てのパターンを列挙し、テスト結果が与えられると、
各パターンの確率を評価する。確率が最も高いパターン
を診断として選択する。
【００３２】もちろん、１つのテストが、曖昧さのない
診断を行うのに十分であることはほとんどない。そのテ
ストがうまくいけば、いくつかのコンポーネントの疑い
を晴らすことができるが、元凶を指摘することはできな
い。テストが不合格の場合、いくつかのコンポーネント
を非難することが可能であり、コンポーネントの一部の
疑いを晴らし、別のコンポーネントの一部に疑いの的を
絞るため、他のテストが必要になる。（ここで、「疑い
を晴らす」は、計算された故障確率を下げることを表
し、「疑いの的を絞る」は、確率を最高値または最高値
の近くまで上げることを表している。）テストが互いに
独立している場合、複数のテスト結果の処理は、容易か
つ迅速である。しかし、テストが独立していない場合に
は、問題ははるかに複雑になる。依存性は、共用関数
（shared function）によってモデル化される。共用関
数が合格または不合格になる可能性のある全ての様態、
及び、それらがテスト結果の結合確率に及ぼす影響の程
度について、個々別々に分類しなければならない。次
に、例えば、下記に示すような診断アルゴリズム（擬似
コードによる）の概要において略記されているように、
これら全ての影響を合計しなければならない。 １．不良コンポーネントの可能性のある各組み合わせ毎
に、 （ａ）合計を０にセットする。 （ｂ）共用関数の可能性のある合格／不合格の各組み合
わせ毎に、 ｉ．観測されるテスト結果の確率を計算する。 ｉｉ．その確率を合計に加算する。 （ｃ）合計が与えられると、不良コンポーネントの組み
合わせの尤度を計算する（ベイズの定理を利用して）。 ２．故障尤度を降順にソートする。
【００３３】このアルゴリズムは、故障コンポーネント
の組み合わせに対して反復され、合格及び不合格テスト
が与えられると、各組み合わせの条件付き尤度を計算す
る。
【００３４】この方法は、故障の全ての組み合わせに対
する共用関数の結果の全ての組み合わせを調査するの
で、膨大な量の計算を要する可能性があるのは明らかで
ある。
【００３５】この全てを実施すべき方法、さらには、こ
の方法を実用的なものにすることができるように、計算
負担を軽減する方法の数学的詳細については、「発明の
実施の形態」のセクションにおいて詳細に示される。
【００３６】本発明によって用いられるモデルは、どれ
でも、ベイズ・ネットワークによって表すことが可能で
ある。結果得られるグラフは、３つの部分であるソース
と、シンクと、あるレベルの内部ノード（後で示され
る）とからのみ構成される。コンポーネント毎に１つの
ソースが存在する。テスト毎に１つのシンクが存在す
る。各共用関数は、１つの内部ノードによって表され
る。しかし、テスト網羅度情報を表すため、いわゆる
「ノイジ・オア（Noisy-or）」（Finn V.Jensen：“Bay
esian Networks”,Springer Verlag, 1997の第３章に
定義され、詳述されている）構成を利用しなければなら
ない。テスト網羅度情報の形式によって、メモリを節約
する分離技法（再度、Jensenの文献の第３章を参照され
たい）を用いることができなくなる。これは、ベイズ・
ネットワークが、任意のテストによって網羅されるコン
ポーネント数に関して、指数関数的な量のメモリを必要
とするということである。小規模なモデルであっても、
デスクトップ型ＰＣワークステーションのメモリを使い
果たす。このアプローチが、組み込みアプリケーション
または分散アプリケーションにあまり適さないのは明白
である。
【００３７】従って、本発明によって適用されるモデル
のクラスは、ベイズ・ネットワークのサブクラスとみな
すことができる。本発明の診断アルゴリズムは、このサ
ブクラスに関する信念レビジョンに対して有効なアルゴ
リズムとみなすことが可能である。本発明に関する好結
果の診断の正確率が高いのは（後で示すように）、この
サブクラスが、実際の診断問題を表すのに十分なほど強
力であることを示唆している。さらに、ベイズ・ネット
ワークの自由な形の構成と比べると、本発明によるモデ
ルの相対的な構造特性は、モデルを構築し、支援する場
合に有利であると思われる。
【００３８】ベイズ・ネットワークと同様、本発明で
は、コンポーネントの故障尤度が正確に計算される。ヒ
ューリスティック及びモンテカルロ・シミュレーション
では、近似尤度が計算される。本発明の実行時性能は、
実際に良好である。その実行速度は、同じ診断問題につ
いて、前述のHP Fault Detectiveとほぼ同じである。
【００３９】ごく簡単に言えば、本発明は、下記の仮定
に基づくものである。 １．コンポーネント状態（すなわち、各コンポーネント
が良好か、あるいは、不良か）は、確率的に独立してい
る。 ２．共用関数状態（すなわち、各共用関数が合格か、あ
るいは、不合格か）は、コンポーネント状態が与えられ
ると、確率的に独立したものになる。 ３．テスト状態（すなわち、各テストが合格、あるい
は、不合格か）は、コンポーネント状態及び共用関数状
態が与えられると、確率的に独立したものになる。
【００４０】仮定１を、任意の特定の集合をなすコンポ
ーネントが不良であり、他の全てが良好である確率の計
算に用いる。
【００４１】仮定２を、ある特定の集合をなすコンポー
ネントが不良の場合に、任意の特定の集合をなす共用関
数が不合格であり、別の特定の集合をなす共用関数が合
格する確率の計算に用いる。
【００４２】仮定３を、特定の集合をなすコンポーネン
トが不良（そして、残りが良好）であり、特定の集合を
なす共用関数が不合格になる（そして、残りが合格す
る）場合に、任意の特定の集合をなすテストが不合格に
なり、別の特定の集合をなす共用関数が合格する確率の
計算に用いる。
【００４３】従って、本発明は、下記の手段を備える。 １．コンポーネントの事前確率と、網羅度と、共用関数
網羅度とを指定する手段。 ２．どのテストが合格し、どのテストが不合格になった
かを指定する手段（テストの中には、実施されなかった
ため、合格でもなければ、不合格でもないものもあり得
る。） ３．どれだけ多くのコンポーネント同時に不良になる可
能性があるかを指定する手段。この数をＮと称する。 ４．サイズがＮ以下であるコンポーネントの部分集合の
それぞれが、不良コンポーネントである確率を計算する
手段。これにより、 ・計算が正確になり（わずかな浮動小数点計算の誤差範
囲内まで）、 ・計算の実施に必要なメモリ量が、入力及び出力の記憶
に必要とされるメモリ量よりも、ある一定の量だけ大き
いことが望ましいということになる。（ある「一定の量
だけ大きい」は、モデル・サイズ及びＮとは関係なく、
同じ増大量を表すものとする。） ５．確率を出力する以下のいずれかの手段。 ・人間に読み取り可能な形式。 ・後続の自動処理のために利用可能なコンピュータ・デ
ータ。
【００４４】前記の手段３の代わりに、デフォルト状態
の値（おそらく１または２）を組み込むことも可能であ
る。これによって、本発明を利用する場合の柔軟性が低
下することになるが、その有用性はあまり損なわれな
い。
【００４５】本発明によれば、必要になるメモリ量が、
モデルの記憶に必要なメモリ量、及び、モデル及び出力
サイズに関係なく一定の小さい因子が乗ぜられる出力の
記憶に必要なメモリ量より少ない診断エンジンの構成が
可能になる。このことは、このような診断エンジンを、
組み込み診断エンジンとしての使用に適したものとす
る。
【００４６】任意の種類のデータ記憶媒体に記憶してお
くか、または、前記データ記憶媒体によって別様に供給
を受けることが可能であり、任意の適合するデータ処理
装置において、あるいは任意の適合するデータ処理装置
によって実行することが可能な１つ以上の適合するソフ
トウェア・プログラムによって、本発明を部分的または
全体的に実施することが可能であることは明らかであ
る。
【００４７】
【発明の実施の形態】表１は、コンポーネントとテスト
と共用関数とのような網羅度ベース・モデルからの項目
の概念を示し、網羅度及び共用関数の変動性に関する形
式的な定義を下している。
【表１】
【００４８】単純化のため、「方程式」という用語は、
下記の純粋な数学的な方程式だけではなく、この説明に
おいて言及される数学的な項についても用いられるもの
とする。
【００４９】コンポーネントΦは、状態｛良好、不良｝
を備えることが可能な確率変数である。このモデルで
は、ｃ∈Φの場合の事前確率Ｐ（ｃ ｂａｄ）が与えら
れる。コンポーネント故障は、（数１）の方程式に定義
のように、独立しているものと仮定される。
【数１】
【００５０】共用関数は、テスト間の確率的依存性を表
すために用いられる。共用関数は、いくつかの機能性
は、異なるテストによって全く同じやり方で検査される
という事実を表すものとみなすことが可能である。共用
関数Ωは、状態｛合格、不合格｝を備える確率変数であ
る。共用関数ｓは、（数２）の方程式に示すようにコン
ポーネントΦの状態によって決まり、このモデルでは、
共用関数網羅度ｓｆｃｏｖ（ｓ，ｃ）が与えられる。共
用関数は、（数３）の方程式に示されるように、条件付
きで互いに独立している。
【数２】
【数３】
【００５１】直観的に、共用関数は、それが網羅する任
意のコンポーネントにおいて不良スポットを網羅してい
る場合に不合格になる。正式には、全てのコンポーネン
トの状態によって決まる共用関数ｓが不合格になる確率
は、（数４）及び（数５）の方程式によって定義され
る。
【数４】
【数５】
【００５２】（数５）の方程式は、ｓｆｃｏｖの疎表現
（sparse representation）を繰り返す間に、計算を実
施することが可能であることを表している。各共用関数
ｓは、０〜１の変動性ｓｆｖａｒ（ｓ）を有している。
直観的に、共用関数の変動性は、その共用関数が不合格
の場合に、その共用関数を用いたテストの不合格が相関
する程度を表している。０の変動性は、その共用関数が
不合格の場合には、その共用関数を用いた全てのテスト
が不合格になることを表している。１の変動性は、その
共用関数が不合格の場合には、その共用関数を用いたテ
ストが互いに関係なく不合格になることを表している。
この場合、共用関数は、モデル化の利器（modeling con
venience）として用いられている。共用関数の変動性の
概念は、次のようにまとめ上げられる。
【００５３】テストΨは、状態｛合格、不合格｝を備え
た確率変数である。一般に、テストの一部だけしか実施
されない。Πを合格したテストとする。ψが不合格にな
ったテストとする。テストは、コンポーネントと共用関
数の両方によって決まる。網羅度Ｐは、（数６）の方程
式によって定義されるモデルで示される。テストによっ
て用いられる共用関数ｓｆｕｓｅｄ（ｔ）⊆Ωもモデル
で示される。テストは、（数７）の方程式において示さ
れる全てのコンポーネント及び共用関数の状態が与えら
れると、条件付きで互いに独立することになる。
【数６】
【数７】
【００５４】テストで共用関数が用いられない場合、そ
の不合格の確率は、コンポーネントの状態によって決ま
る。直観的に、不良スポットを網羅している場合には、
テストは不合格になる。正式には、テストｔで共用関数
が用いられない場合には、全てのコンポーネントの状態
によって決まるｔが不合格になる確率は、（数８）及び
（数９）の方程式によって定義されている。（数９）の
方程式は、ｃｏｖの疎表現を繰り返すことによって、計
算を実施することが可能であることを表している。
【数８】
【数９】
【００５５】テストで共用関数が利用される場合には、
共用関数のどれかが不合格になると、テストも不合格に
なる可能性がある。（数１０）の方程式を仮定する。そ
して、テストがうまくいく条件付き確率は、（数１１）
の方程式によって示され、テストが不合格になる条件付
き確率は、（数１２）の方程式によって示されるその補
数である。
【数１０】
【数１１】
【数１２】
【００５６】確率変数Ωと、Φと、Ψとの３集合の間に
おける全ての確率的依存性が、前述の方程式において示
される。さもなければ、確率変数は独立している。従っ
て、確率変数間の依存性は、閉路なし有向グラフ（ＤＡ
Ｇ）のソースがコンポーネントΦであり、シンクがテス
トΨであるベイズ・ネットワークによって表すことが可
能である。例えば、ｃｏｖ（ｔ，ｃ）のようなｃｏｖに
おける各非ゼロ項目は、コンポーネント・ノードｃから
共用関数ノードｓまでのエッジを生じる。各要素ｓ∈
ｓｆｕｓｅｄ（ｔ）毎に、共用関数ノードｓからテスト
・ノードｔまでのエッジが存在する。
【００５７】上記定義が与えられると、本発明による診
断アルゴリズムを生成することが可能になる。このアル
ゴリズムは、テスト結果が与えられると、コンポーネン
ト構成の事後尤度を計算し、分類するだけのことであ
る。Π⊆Ψが不合格になったテストであると仮定する。
ベイズ・ルールによって、（数１３）の方程式が得られ
る。
【数１３】
【００５８】これらの条件付き確率は、全て、同じ量Ｐ
（Π，ψ）によって正規化されることになる。この量
は、テスト結果の事前確率であり、計算が困難である。
従って、本発明では、（数１４）の尤度を利用する。
【数１４】
【００５９】計算すべき唯一の非自明な量は、（数１
５）である。共用関数がない場合、これは容易であり、
（数１６）の方程式が得られることになるが、ここで、
テスト結果が与えられると、合格することになるテスト
の確率（数１７）は、（数１９）〜（数２１）の方程式
において示され、テスト結果が与えられると、不合格に
なるテストの確率は、（数２２）及び（数２３）の方程
式において示される。
【数１５】
【数１６】
【数１７】
【数１８】
【数１９】
【数２０】
【数２１】
【数２２】
【数２３】
【００６０】共用関数がある場合、（数２４）の方程式
の全確率の法則を利用する。この場合、被加数における
第１の因子が、次に、（数２５）の方程式において示さ
れるように、（数１１）及び（数１２）の方程式に従っ
て計算される因子の積になる。
【数２４】
【数２５】
【００６１】共用関数の状態の条件付き確率は、（数２
６）〜（数２８）の方程式において示されるように、
（数１６）の方程式のテスト結果の確率と全く同様に計
算される。
【数２６】
【数２７】
【数２８】
【００６２】（計算時間の改善）診断は、コンポーネン
ト及び共用関数の可能性のある状態毎に、（数１４）、
（数１６）、（数１９）〜（数２４）の方程式を直截的
に（straightforward）評価することによって実施可能
である。しかし、そのアプローチには、（数２９）の時
間がかかるが、これは、明らかに、大部分の実際のアプ
リケーションにとって許容できるものではない。本発明
によれば、計算時間を短縮する技法を適用することが可
能であるが、その最も重要な点は次の通りである。 ・診断候補数、すなわち、（数１４）の事後確率方程式
の計算対象となるコンポーネント状態である（数３０）
の数を減少させること、及び、 ・合計に影響しない共用関数のべき集合の状態を排除す
ることによって、（数２４）の方程式の評価に必要な時
間を短縮すること。
【数２９】
【数３０】
【００６３】ａ）診断候補数の削減 まず、コンポーネント状態の数を減少させるヒューリス
ティックについて考察してみることにする。これは、同
時に故障するコンポーネントの最大数に関する妥当な仮
定を行うことによって実現可能である。本発明では、コ
ンポーネント故障は独立したものと仮定する。従って、
故障の事前確率が大きくない限り、複数の故障はまれに
しか起こらない。この観測結果は、同時に起こる故障の
最大数Ｎを選択し、１≦｜Ｃ｜≦Ｎのとき、それらのＣ
⊆Φについてのみ、（数１４）の方程式を計算すること
を示唆している。これは、本発明で用いるのが望ましい
手法である。
【００６４】もう１つの手法は、前述のHP Fault Detec
tiveによって用いられているものであり、必要な数の故
障コンポーネントだけを前提とするオッカムの剃刀（Oc
cam's Razor）に基づくものである。換言すれば、Ｎ＝
１を選択し、その尤度を計算する。尤度が非ゼロの場合
には中止する。さもなければ、Ｎを１だけ増し、繰り返
す。こうして、テスト結果を説明するのに必要な基数
（cardinality）を最低にして、１集合の診断が得られ
る。このアプローチには、２つの危険がある。 １．テスト間に非モデル化依存性が存在する異常な状況
の場合、妥当な時間量内で、アルゴリズムを中止するこ
とができない。これは、例えば、テスト装置が間違って
セットアップされた場合に発生する可能性がある。 ２．ベイズ・アルゴリズムは、診断について、どれほど
であろうと可能性があれば、非ゼロの尤度を生じる。あ
る尤度のしきい値を設定しなければならないが、決定し
難い分母（denominator）が、（数１３）の方程式から
省略されている場合には、設定が困難である。
【００６５】この手法は、HP Fault Detectiveにはう
まく働くが、本発明の場合には、極めて尤度の低い診断
候補を見つける可能性があるので、うまく働かない。｜
Ｃ｜＝１の場合であっても、本発明では、例えば、１０
-50といった低尤度の診断、あるいは、１０-100といっ
た低尤度の診断でさえ求めることになる。
【００６６】ｂ）活動共用関数 次に、（数２４）の方程式の和を求めるべき集合ｋ
（Ω）のサイズを縮小する問題について考察することに
する。共用関数は、それに網羅されるコンポーネントの
診断についてのみ、及び、実施される少なくとも１つの
テストが、共用関数を利用する場合の診断に限って、役
割を果たすのは明らかである。従って、（数２４）の方
程式は、（数３１）の方程式のはるかに小さいべき集合
について和を求めることが可能であるが、ここで、（数
３２）は、（数３３）の方程式において定義される暫定
活動共用関数を利用する（数３４）の方程式において定
義される活動共用関数である。
【数３１】
【数３２】
【数３３】
【数３４】
【００６７】任意の共用関数ｓに対してｋ（Ω）の状態
を対にし、ｓが一方において合格し、もう一方において
不合格になる点を除いて、各対の要素が、同じになるよ
うにすることができるので、（数３５）に対する制限
が、方程式において正当化される。ｓが（Π∪ψ）のど
のテストにも用いられない場合、（数３６）の方程式
は、その対に関して不変であり、（数３７）の方程式の
和によって、その状態に関する他のコンポーネントの確
率が得られる。従って、前記対の和を求めることによっ
て、ｓは（数２４）の方程式の目的からはずされる。
【数３５】
【数３６】
【数３７】
【００６８】（数３２）の制限に関して、（数２７）の
方程式の考察を行うことにする。共用関数ｓ ∈ σ
が、任意の推定される故障コンポーネントｃ ∈ Ｃを
網羅していない場合、ｓｆｃｏｖ（ｓ，ｃ）は一様にゼ
ロになるが、これは、（数２７）の方程式の最も内側の
積がそのｓに関して１になることを意味している。この
結果、最も外側の積にゼロの因子が強制的に含められ、
（数３８）の方程式が得られる。その結果が、（数２
６）の方程式を経て（数２４）の方程式に戻り、全項が
ゼロになる。従って、こうした共用関数について不合格
と仮定する状態項を評価する必要がなくなる。さらにま
た、ある状態が、その共用関数を合格と仮定する場合、
それによって、ただ単に、（数２８）の方程式の積に
「１」が組み込まれるだけである。従って、（数２４）
の方程式の和が求められる状態に前記共用関数を含める
理由がない。
【数３８】
【００６９】（数３９）の暫定活動共用関数集合は、実
施されたテストだけに依存しているので、診断開始時に
１回迅速に計算することが可能である。実施されたテス
トが、利用可能なテストに比べて少ない場合、これによ
って、検討を受ける共用関数の数をかなり削減すること
が可能である。（数３２）の活動共用関数集合は、評価
を受ける故障コンポーネントの各組み合わせ毎に、この
集合から個別にふるいにかけられる。検討する同時故障
の数を制限すると（上記参照）、通常、この集合のサイ
ズは大幅に縮小される。
【数３９】
【００７０】表２には、さまざまなモデルの活動共用関
数の数に関するいくつかの例が示されている。表の最初
の４列は、モデル名と、モデルにおけるコンポーネント
と、テストと、共用関数の数とが示されている。列５に
は、展開される状態の観測が行われた活動共用関数の最
大数が示されている。その多くの共用関数は、必ず遭遇
するとは限らない。列７には、（数２４）の方程式の展
開が行われる、べき集合の平均サイズが示されている
が、それは、下記の（数４０）の平均である。これは、
共用関数の処理に費やされる計算時間の因子である。列
６は、列７の底が２の対数であり、活動共用関数の有効
「平均」数を示す。データ・セットは、ボイシ（Bois
e）ディスク・ドライブ・コントローラ・ボード用のも
のであり、リンクス（Lynx）３は、ＰＣからのボードで
ある。それらに関して観測された数字が、多くの一連の
実際のテスト結果について導き出され、有効平均ＳＦ
（shared function）数字は、小数第２位までほぼ必ず
同じになった。Cofxhfdfは、無線と、測定装置と、それ
らの間のケーブルとで一杯の小さな構造であるスペクト
ル・モニタ・システムのモデルである。表の数字は、任
意に最初の３０のテストを合格にし、次の３０のテスト
を不合格にすることによって導き出されたものである。
これは、人為的なテスト結果であるが、スペクトル・モ
ニタ・システムの場合、こうした多数のテスト不合格は
生じない。その結果は有望である。というのも、５．８
５の膨張係数は、２203には程遠いからである。その診
断の実行には、プログラムのローディング及び起動時間
とモデルへの読み取り時間とを含めて、２００ＭＨｚの
ペンティアム（登録商標）・プロ・コンピュータで７．
９秒の実時間を要する。プログラムはＪａｖａで書かれ
る。
【表２】
【数４０】
【００７１】ｃ）短絡 １００％の網羅度で合格したテストが、想定した不良コ
ンポーネントの疑いを晴らす場合には、（数２５）の方
程式の第１の積は、ゼロとすることが可能である。モデ
ルが１００％の網羅度を要求するのは、実際には良くな
いやり方であり、従って、これを検査する価値はないか
もしれない。より関心のある事例は、第２の積の項がゼ
ロという場合である。これは、想定した不良コンポーネ
ントによって、不合格のテストの１つが不合格になる可
能性はないということを表している。不必要な処理を回
避するため、この状態には検査するだけの価値がある。
【００７２】ｄ）因数分解 （数２４）の方程式の和を計算する場合には、その第１
の因子は、その第１の積が（数１１）の方程式によって
計算される、（数２５）の方程式に従って展開される。
これには、さらに、その和の全ての項に関して不変であ
り、従って、ループから取り除くことが可能な（数４
１）の方程式の因子が含まれている。
【数４１】
【００７３】ｅ）その他 上記スピードアップによって、アルゴリズムの複雑性の
次数が減少する。他のプログラミング技法も、必要な処
理時間の短縮に役立つ。例えば、不合格になったテスト
の網羅度は、不合格になったコンポーネントと照合しな
ければならない。これは、コンポーネントとテストと網
羅度とを記憶したままであれば、より速くなる。活動共
用関数集合をふるいにかける場合と同様、ビットマップ
を利用して、集合の交差及び合併を計算することが可能
である。しかし、活動共用関数集合は、その状態の全て
を列挙するため、圧縮表現のままにしておくのが望まし
い。可能であれば、実行中における配列の割り当て及び
解除を避けるため、配列を事前に割り当てるのが望まし
い。
【００７４】（結論）当業者には、以上の詳細な説明及
び下記の手続きから明らかなように、本発明に従って構
成された診断エンジンが必要とするメモリ量は、モデル
を記憶するのに必要なメモリ量、及び、モデル及び出力
サイズに関係なく、定数である小さい因子が乗ぜられる
出力を記憶するのに必要なメモリ量より少ない。これに
より、こうした診断エンジンは、組み込み診断エンジン
として用いるのに適したものになる。
【００７５】少ないメモリ消費を実現する効果は、テス
ト結果が与えられると、コンポーネント故障の条件付き
尤度を正確に計算するために用いられる方程式を利用す
ることによって得られる。上記方程式の番号付与を利用
すると、これは、（数２４）の方程式（これは、さら
に、（数２５）の方程式を利用し、（数２５）の方程式
は、さらに、（数２６）と（数２７）と（数２８）との
方程式を利用する）及び（数１）の独立方程式から計算
しなければならない値を含む（数１４）の方程式にな
る。しかし、これらの方程式の内容は、本発明の範囲を
逸脱することなく、他の方程式によって表すことも可能
であることは明白である。
【００７６】本発明によれば、モデル及び出力の記憶に
必要なメモリのほかに、診断の計算において、メモリを
必要とすることはほとんどなくてすむことになる。より
明確に例示するため、診断の計算にはどんな追加メモリ
が必要になるか明らかにすることにする。少ないメモリ
消費の効果は、その追加メモリを利用する特徴から得ら
れる。
【００７７】これらの（数１４）の方程式及び（数２
４）〜（数２８）の左側の値を右側から計算すると、下
記以外の中間結果の記憶域が不要になる。 ・（数２４）の方程式における和を累算するための浮動
小数点レジスタまたは記憶場所。 ・（数２５）の方程式における積を累算するための浮動
小数点レジスタまたは記憶場所。 ・（数２７）の方程式における積を累算するための２つ
の浮動小数点レジスタまたは記憶場所。 ・（数２８）の方程式における積を累算するための１つ
の浮動小数点レジスタまたは記憶場所。
【００７８】すなわち、（数１４）の方程式及び（数２
４）〜（数２８）の計算に必要とされるのは、最少で４
つの浮動小数点レジスタまたは４つの記憶場所というこ
とになる。
【００７９】計算時間を改善するため、活動共用関数
（（数３３）の方程式）を適用することが可能である。
しかし、こうすると、活動共用関数を計算し、記憶する
ため、必要なメモリの量が増大する。メモリに記憶しな
ければならないオブジェクトが２つ存在する。すなわ
ち、暫定活動共用関数と共用関数である。
【００８０】暫定活動共用関数は、一般に、計算の開始
前に、通常１回計算される。暫定活動共用関数は、共用
関数の部分集合である。暫定活動共用関数を記憶する方
法の１つは、整数配列であり、この場合、配列の各整数
によって、暫定活動共用関数である共用関数の指標が得
られる。従って、暫定活動共用関数は、ｐの整数サイズ
の記憶場所に記憶することができるが、ここで、ｐは、
共用関数の数より少ない暫定活動共用関数の数である。
活動共用関数は、診断計算を行う間に変化する。しか
し、任意のある時間に存在する活動共用関数の集合は１
つだけである。活動共用関数は、暫定活動共用関数の部
分集合である。従って、活動共用関数は、共用関数の数
と同じ整数の記憶場所に記憶することが可能である。
【００８１】ごく簡単に言えば、これは、少ないメモリ
消費の効果が、（数１４）の方程式及び（数２４）〜
（数２８）のような、統計方程式の直截的で正確な評価
から得られるということである。これらの方程式の左側
の値の計算には、ほんのわずかな浮動小数点レジスタ／
メモリしか必要としない。この評価をより効率よく実施
するため、暫定活動共用関数及び活動共用関数の集合を
計算することも可能である。これらの集合は、それぞ
れ、モデルにおける共用関数の数と同じ整数の記憶場所
を必要とする。従って、診断の計算に必要な仮記憶場所
の数は、共用関数の数と線形に成長する。全必要メモリ
量を得るには、モデル及び診断の出力を記憶するための
メモリも追加しなければならない。
【００８２】（説明に役立つ例）本発明の効果は、さら
に記述的に説明することも可能である。多数の組み合わ
せから最良の組み合わせを求める探索方法の中には、主
要な変形方法（variant）が２つ存在する。すなわち、
深さ優先(depth-fiest)探索方法と、幅優先(breadth-fi
rst)探索方法である。より視覚的な想像力に訴える例と
して、木に生った最も大きい林檎を見つけなければなら
ないものと仮定する。
【００８３】深さ優先探索の場合、最初の枝まで幹を登
り、その枝をたどることになる。その枝が分かれている
場合には、より大きいほうの小枝をたどりといったよう
に、各時点において、より大きいほうの小枝をたどって
いく。最終的には、林檎または葉または細枝の先端に達
することになる。それが林檎であれば、その位置が候補
名簿に書き留められ、サイズが測られる。次に、その最
後の枝の基部まで降りて、代わりの枝を探査する。いつ
も、候補名簿に書き留められた林檎より大きい林檎を発
見すると、候補名簿は消去され、新たな林檎の位置及び
サイズが書き留められる。最終的には、木全体の探査が
済むことになり、候補名簿に、２つ以上の林檎の位置及
びサイズが記録されることはない。探査した箇所を記録
しておかなければならないが、それには、あまりメモリ
を必要としない。必要なのは、枝の第１層、第３の代替
枝、第２層、第２の代替枝等といった形のリストだけで
ある。その木に、重なり合った枝がわずか１０層しかな
い場合、しなければならないのは、１０項目のリストを
作成することだけである。
【００８４】この手続きには、所定の量の時間が必要に
なるのは明らかである。最も可能性の高いのは、最も大
きい林檎が、大きくて、下に垂れ下がった枝の１つに、
または、その近くにあるということである。これを利用
するため、幅優先探索を実施することになる。枝の第１
層のサイズが測定される。幅優先探索は、最大の枝の林
檎を探すことによって開始され、枝をたどって林檎が探
し求められる。しかし、測定に取りかかっている枝が他
の枝より小さいことが、この作業において、それまでに
明らかになると、いつでも、現在の位置を書き留めてそ
の別の枝を探査することになる。こうして、常に、既知
の以前に調査されたことのない最大の枝を探査すること
になる。それまでに最大の林檎が記録しておかれる。小
さすぎて、そのサイズの林檎を支えられない枝に遭遇し
た場合は、いつでも、その枝についてもその小枝につい
てもそれ以上の探査は不要になる。これによって、戻る
ことが必要になる可能性のある枝の成長の早いリスト
（fast-growing list）が構築されるが、いつも最も可
能性の高い場所を調査することになるという報いがあ
る。
【００８５】従って、本発明は、深さ優先探索を行うた
め、必要な記憶域の量が最小限に抑えられる。計算時間
を改善するため、本発明では、「木を調べて」、「大枝
の大部分が枯れ、葉及び実のない」ことを発見すると、
それらの詳細な検討に煩わされることがなくなるので、
幅優先探索を適用することが可能である（共用関数の適
用に対応する）。いったん、その木の探索が済むと、枯
れた枝を避け、オレンジの木から接ぎ木された枝を無視
し続ける。
【００８６】（コンピュータ・コードの例）付録の３つ
の手続きでは、本発明の実施に利用可能なコンピュータ
・コード例の概要が言葉で示される。付録（ａ）の第１
の手続き診断Ｄｉａｇｎｏｓｅでは、「計算時間の改
善」セクションのａ）及びｂ）に解説の速度の改善を利
用して、コンポーネント故障の尤度を計算するための方
法を提示する。付録（ｂ）の手続きｅｖａｌＤｉａｇｎ
ｏｓｉｓ、及び、付録（ｃ）の手続きｆｉｎｄＳｆＰＥ
ｓｃは、手続きＤｉａｇｎｏｓｅによって利用される。
【００８７】付録（ａ）の手続きＤｉａｇｎｏｓｅ パラメータ ・モデルと、 ・合格したテスト配列と、 ・不合格のテスト配列と、によって、 ・尤度の降順に分類された可能性のある診断リスト を得る。 １．整数の配列であるprovisionalActiveSFsを生成す
る。これは、合格したテスト配列及び不合格のテスト配
列におけるテストのどれもが依存する各共用関数の識別
番号を昇順に含んでいる。 ２．空集合として診断リストを生成する。 ３．Ｎ＝（１〜考慮すべき同時故障の最大数）に対し
て、 ａ．Ｎの故障コンポーネントの全ての組み合わせにわた
るＣ（コンポーネント集合）に対して、 ｉ．整数の配列であるactiveSFsを生成する。これは、
Ｃにおけるどのコンポーネントにも依存するprovisiona
lActiveSFsの部分集合を含んでいる。 ｉｉ．evalDiagnosisを呼び出すことによって、Ｃが
（しかもＣだけが）故障コンポーネントである尤度を評
価し、それをＣ及びactiveSFsに与える。 ｉｉｉ．尤度＞０の場合には、Ｃ及びその関連する尤度
を含む項目を診断リストに記入する。 ４．尤度の降順に診断リストを分類する。 ５．診断リストを戻す。
【００８８】付録（ｂ）の手続きｅｖａｌＤｉａｇｎｏ
ｓｉｓ パラメータ ・モデルと、 ・合格したテスト配列と、 ・不合格のテスト配列と、 ・想定された不良コンポーネントのリストであるＣと、 ・Ｃのコンポーネントに依存し、合格したテストまたは
不合格のテストによって利用される共用関数の配列であ
るactiveSFsとによって、 ・合格及び不合格のテストのパターンが、Ｃの全てのコ
ンポーネントの故障によって生じ、他のどのコンポーネ
ントの故障によっても生じなかった可能性のある尤度を
示す数を得る。 １．整数の記憶場所におけるビット数ｂを呼び出す。ac
tiveSFsがｂより多い要素を有する場合には、エラーを
知らせる。（望ましい実施態様では、３２ビットの整数
を用いるＪａｖａ言語が利用されるので、望ましい実施
態様の場合には、ｂ＝３２になる。） ２．Ppriorは、Ｃの全てのコンポーネントが不合格にな
るが、他の全てが合格する事前確率を計算する（これ
は、個々の事前確率の積である。）。 ３．sfPEscapeは、不良コンポーネントＣが与えられる
と、共用関数毎に、共用関数が合格する確率を示す項目
を備えた数の配列を計算する。（findSfPEscを参照され
たい。） ４．sumProb＝０をセットする。 ５．sfPattern＝（０〜２＾（＃activeSfs）−１（sfPa
tternを小さいビット配列と解釈する。右から数えて、
ビットｉが１であれば、ｉ番目の活動共用関数が不合格
になる。さもなければ、その共用関数は合格する。これ
は、実際には、共用関数の数activeSfs［ｉ］であ
る。））に対して、 ａ．PSFPatは、活動共用関数の個別確率を掛け合わせ
て、このパターンの発生確率を計算する。それらの確率
は、 ｉ．ビットｉがsfPatternにおいて１である場合には、
１−sfPEscape［activeSFs［ｉ］］ ｉｉ．ビットｉがsfPatternにおいて０である場合に
は、sfPEscape［activeSFs［ｉ］］ ｂ．不良コンポーネントＣ及びsfPatternによって表示
される不合格の共用関数が与えられると、condPofPasse
dが、全ての合格したテストが合格すべき確率を計算す
る。 ｃ．不良コンポーネントＣ及びsfPatternによって表示
される不合格の共用関数が与えられると、condPofFaile
dが、全ての不合格のテストが不合格になるべき確率を
計算する。 ｄ．sumProbにPSFPat*condPofPassed*condPofFailedを
加える。 ６．Prior*sumProbを戻す。
【００８９】付録（ｃ）の手続きｆｉｎｄＳｆＰＥｓｃ パラメータ ・モデルと、 ・想定された不良コンポーネントの配列であるＣと、 ・活動共用関数の配列であるactiveSFsとによって、 ・不良コンポーネントＣが与えられると、共用関数が合
格する確率を示す、モデルに存在する共用関数（活動共
用関数だけではない）と同じ数の項目を備えた数の配列
を得る。 １．sfPEscapeは、各共用関数（活動共用関数だけでは
なく、共用関数の全て）毎に１つの項目を備えた新しい
数値配列である。 ２．sfPEscapeの各要素を１にセットする。 ３．ｓ＝（ａｃｔｉｖｅＳＦｓにおける各要素）に対し
て、 ａ．ｃ＝（ｓによって網羅される各コンポーネント）に
対して、 ｉ．ｃがＣにあれば、（１−sfcoverage（ｓ，ｃ））を
乗算して、sfPEscape［ｓ］を得る。 ４．sfPEscapeを戻す。
───────────────────────────────────────────────────── フロントページの続き (71)出願人 399117121 395 Ｐａｇｅ Ｍｉｌｌ Ｒｏａｄ Ｐ ａｌｏ Ａｌｔｏ，Ｃａｌｉｆｏｒｎｉａ Ｕ．Ｓ．Ａ. (72)発明者 デビッド・アール・スミス アメリカ合衆国カリフォルニア州サンノ ゼ，ミリガン・ドライブ 5454

Claims (14)

    【特許請求の範囲】
  1. 【請求項１】 複数のコンポーネントを備えた装置を診
    断するための診断エンジンであって、 前記コンポーネントの状態が、確率的に独立しているも
    のと仮定して、任意の特定の集合をなす前記コンポーネ
    ントが不良であり、他の全てのコンポーネントが良好で
    ある確率を計算することと、 コンポーネントの状態が与えられると、いくつかのコン
    ポーネントの機能性を同様にテストするために適用可能
    な共用関数の状態が、確率的に独立しているものと仮定
    して、ある特定の集合をなすコンポーネントが不良の場
    合に、任意の特定の集合をなす共用関数が不合格にな
    り、別の特定の集合をなす共用関数が合格する確率を計
    算することと、 コンポーネント及び共用関数の状態が与えられると、前
    記装置に適用可能なテストの状態が、確率的に独立して
    いるものと仮定して、ある特定の集合をなすコンポーネ
    ントが不良であり、残りのコンポーネントが良好であ
    り、特定の集合をなす共用関数が不合格になり、残りの
    共用関数が合格になる場合には、任意の特定の集合をな
    すテストが不合格になり、別の特定の集合をなす共用関
    数が合格する確率を計算することとを含んでなり、前記
    診断エンジンが、 少なくとも１つのテストが不合格になった前記装置に関
    するある集合のテストのテスト結果と、 前記装置のコンポーネントに対するテストの網羅度と、
    前記テスト間における確率的従属性を記述する情報とを
    与えるモデルとを受信し、前記診断エンジンは、 同時に不良になる可能性のあるコンポーネントの数Ｎを
    設定または指定するための手段と、 Ｎ以下のサイズを備えた部分集合をなす前記コンポーネ
    ントのそれぞれが、不良コンポンーネントである尤度を
    計算するための計算手段とを含んでおり、これにより、
    前記計算が浮動小数点計算誤差範囲内において実質的に
    正確である診断エンジン。
  2. 【請求項２】 複数のコンポーネントを備えた装置を診
    断するための診断エンジンであって、 コンポーネントの状態が、確率的に独立しているものと
    仮定して、任意の特定の集合をなすコンポーネントが不
    良で、他の全てのコンポーネントが良好である確率を計
    算することと、 コンポーネントの状態が与えられると、いくつかのコン
    ポーネントの機能性を同様にテストするために適用可能
    な共用関数の状態が、確率的に独立しているものと仮定
    して、ある特定の集合をなすコンポーネントが不良の場
    合、任意の特定の集合をなす共用関数が不合格になり、
    別の特定の集合をなす共用関数が合格する確率を計算す
    ることと、 コンポーネント及び共用関数の状態が与えられると、前
    記装置に適用可能なテストの状態が、確率的に独立して
    いるものと仮定して、ある特定の集合をなすコンポーネ
    ントが不良で、残りのコンポーネントが良好であり、特
    定の集合をなす共用関数が不合格になり、残りの共用関
    数が合格する場合、任意の特定の集合をなすテストが不
    合格になり、別の特定の集合をなす共用関数が合格する
    確率を計算することとを含んでなり、 前記診断エンジンは、 前記コンポーネントの事前確率と、網羅度と、共用関数
    網羅度とを指定するための手段と、 合格または不合格になったテストあるいは実施されなか
    ったテストがどれかを指定するための手段と、 同時に不良になる可能性のあるコンポーネント数Ｎを設
    定または指定するための手段と、 Ｎ以下のサイズを備えた部分集合をなすコンポーネント
    のそれぞれが、不良コンポンーネントである尤度を計算
    するための計算手段を含み、これにより、前記計算が浮
    動小数点計算誤差範囲内において実質的に正確であるこ
    ととを含んでなる診断エンジン。
  3. 【請求項３】 １つ以上の前記コンポーネントに関し
    て、前記コンポーネントが不良である確率を出力するた
    めの手段をさらに含んでいる請求項１または２に記載の
    診断エンジン。
  4. 【請求項４】 同時に不良になる可能性のあるコンポー
    ネント数Ｎに関するデフォルト状態の値を設定するため
    の手段をさらに含み、前記デフォルト状態の値が望まし
    くは１または２である請求項１または２に記載の診断エ
    ンジン。
  5. 【請求項５】 各コンポーネントの状態が、良好または
    不良であること、及び／または、各共用関数の状態が、
    合格または不合格であること、及び／または、各テスト
    の状態が、合格または不合格である請求項１または２に
    記載の診断エンジン。
  6. 【請求項６】 診断中に、前記診断エンジンが必要とす
    るメモリの量が、前記モデルの記憶に必要なメモリの量
    と、一定の因子を掛けて出力を記憶するのに必要なメモ
    リの量より少ない請求項１または２に記載の診断エンジ
    ン。
  7. 【請求項７】 前記計算手段が、（数２４）の方程式か
    ら（数２８）の方程式を組み合わせた（数１４）の方程
    式に基づいて、前記不合格の確率を計算する請求項１ま
    たは２に記載の診断エンジン。
  8. 【請求項８】 （数２４）の方程式における和を累算す
    る浮動小数点レジスタまたは記憶場所と、 （数２５）の方程式における積を累算する浮動小数点レ
    ジスタまたは記憶場所と、 （数２７）の方程式における積を累算する浮動小数点レ
    ジスタまたは記憶場所と、 （数２８）の方程式における積を累算する浮動小数点レ
    ジスタまたは記憶場所とを含んでいる請求項７に記載の
    診断エンジン。
  9. 【請求項９】 暫定的な活動共用関数及び活動共用関数
    が望ましい共用関数を計算するための手段をさらに含ん
    でいる請求項１または２に記載の診断エンジン。
  10. 【請求項１０】 前記共用関数を計算するための手段
    が、（数３３）の方程式に基づいて共用関数を計算して
    いる請求項９に記載の診断エンジン。
  11. 【請求項１１】 複数のコンポーネントを備えた装置を
    診断するための方法であって、 コンポーネントの状態が、確率的に独立しているものと
    ものと仮定して、任意の特定の集合をなすコンポーネン
    トが不良で、他の全てのコンポーネントが良好である確
    率が計算されるステップと、 コンポーネントの状態が与えられると、いくつかのコン
    ポーネントの機能性を同様にテストするために適用可能
    な共用関数の状態が、確率的に独立しているものと仮定
    して、ある特定の集合をなすコンポーネントが不良の場
    合、任意の特定の集合をなす共用関数が不合格になり、
    別の特定の集合をなす共用関数が合格する確率が計算さ
    れるステップと、 コンポーネント及び共用関数の状態が与えられると、前
    記装置に適用可能なテストの状態が、確率的に独立して
    いるものと仮定して、ある特定の集合をなすコンポーネ
    ントが不良で、残りのコンポーネントが良好であり、特
    定の集合をなす共用関数が不合格になり、残りの共用関
    数が合格する場合、任意の特定の集合をなすテストが不
    合格になり、別の特定の集合をなす共用関数が合格する
    確率が計算されるステップとを含んでなり、前記方法
    が、 少なくとも１つのテストが不合格になった前記装置に関
    する１集合のテストのテスト結果を受信するステップ
    と、 前記装置のコンポーネントに対するテストの網羅度と、
    前記テスト間における確率的従属性を記述する情報とを
    与えるモデルを受信するステップと、 同時に不良になる可能性のあるコンポーネントの数Ｎを
    設定または指定するステップと、不良コンポンーネント
    である確率を計算するステップとを含んでなり、前記計
    算が浮動小数点計算誤差範囲内においてほぼ正確である
    診断方法。
  12. 【請求項１２】 コンピュータのようなデータ処理シス
    テムにて実行する場合に、請求項１０に記載の方法を実
    行するためのデータ記憶媒体に記憶されるのが望ましい
    ソフトウェア製品。
  13. 【請求項１３】 任意の適合するデータ処理装置におい
    て、または、前記処理装置によって実行する場合に、請
    求項１０に記載の方法のステップを実行するための任意
    の種類のデータ記憶媒体に記憶されるか、または、前記
    データ記憶媒体によって別様に供給されるソフトウェア
    ・プログラム。
  14. 【請求項１４】 複数のコンポーネントを備えた装置を
    診断するための診断エンジンであって、 コンポーネントの状態が、確率的に独立しているものと
    仮定して、任意の特定の集合をなすコンポーネントが不
    良で、他の全てのコンポーネントが良好である確率を計
    算する手段と、 コンポーネントの状態が与えられると、前記装置に適用
    可能なテストの状態が、確率的に独立しているものと仮
    定して、ある特定の集合をなすコンポーネントが不良
    で、残りのコンポーネントが良好である場合に、任意の
    特定の集合をなすテストが不合格になる確率を計算する
    手段とを含んでなり、前記診断エンジンが、 少なくとも１つのテストが不合格になった、前記装置に
    関する１集合のテストのテスト結果と、 前記装置のコンポーネントに対するテストの網羅度、及
    び、前記テスト間における確率的従属性を記述する情報
    を与えるモデルとを受信し、前記診断エンジンは、 同時に不良になる可能性のあるコンポーネントの数Ｎを
    設定または指定するための手段と、 Ｎ以下のサイズを備えた部分集合をなすコンポーネント
    のそれぞれが、不良コンポンーネントである確率を計算
    するための計算手段とを含み、前記計算が浮動小数点計
    算誤差範囲内において実質的に正確である診断エンジ
    ン。
JP2001083806A 2000-03-22 2001-03-22 確率的な診断システム Pending JP2001318804A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US09/533115 2000-03-22
US09/533,115 US6691249B1 (en) 2000-03-22 2000-03-22 Probabilistic diagnosis, in particular for embedded and remote applications

Publications (1)

Publication Number Publication Date
JP2001318804A true JP2001318804A (ja) 2001-11-16

Family

ID=24124544

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001083806A Pending JP2001318804A (ja) 2000-03-22 2001-03-22 確率的な診断システム

Country Status (4)

Country Link
US (1) US6691249B1 (ja)
EP (1) EP1136912B1 (ja)
JP (1) JP2001318804A (ja)
DE (1) DE60106799T2 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003032253A (ja) * 2001-06-29 2003-01-31 Internatl Business Mach Corp <Ibm> 管理可能なネットワークにおける事前対策オンライン診断
US7113988B2 (en) 2000-06-29 2006-09-26 International Business Machines Corporation Proactive on-line diagnostics in a manageable network
JP2008160223A (ja) * 2006-12-20 2008-07-10 Fuji Xerox Co Ltd 故障診断装置、故障診断システム、及び故障診断プログラム

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7139676B2 (en) * 2002-01-18 2006-11-21 Agilent Technologies, Inc Revising a test suite using diagnostic efficacy evaluation
US7415270B2 (en) 2002-02-15 2008-08-19 Telefonaktiebolaget L M Ericsson (Publ) Middleware services layer for platform system for mobile terminals
US8079015B2 (en) 2002-02-15 2011-12-13 Telefonaktiebolaget L M Ericsson (Publ) Layered architecture for mobile terminals
US7536181B2 (en) 2002-02-15 2009-05-19 Telefonaktiebolaget L M Ericsson (Publ) Platform system for mobile terminals
US7363033B2 (en) * 2002-02-15 2008-04-22 Telefonaktiebolaget Lm Ericsson (Publ) Method of and system for testing equipment during manufacturing
FR2841340B1 (fr) * 2002-06-19 2005-05-20 Eurocopter France Dispositif d'aide a la localisation de defaillance d'un systeme complexe
DE10243856B4 (de) * 2002-09-20 2004-09-30 Siemens Ag Regler und Verfahren zum Betreiben eines Reglers
US7149510B2 (en) 2002-09-23 2006-12-12 Telefonaktiebolaget Lm Ericsson (Publ) Security access manager in middleware
US7350211B2 (en) 2002-09-23 2008-03-25 Telefonaktiebolaget Lm Ericsson (Publ) Middleware application environment
US7584471B2 (en) 2002-09-23 2009-09-01 Telefonaktiebolaget L M Ericsson (Publ) Plug-in model
DE10244131B4 (de) * 2002-09-23 2006-11-30 Siemens Ag Verfahren zur Unterstützung einer Identifizierung einer defekten Funktionseinheit in einer technischen Anlage
US6996500B2 (en) * 2002-10-30 2006-02-07 Hewlett-Packard Development Company, L.P. Method for communicating diagnostic data
US7181376B2 (en) * 2003-06-03 2007-02-20 International Business Machines Corporation Apparatus and method for coverage directed test
US7246271B2 (en) * 2003-10-23 2007-07-17 Agilent Technologies, Inc. Method for diagnosing complex system faults
US7650272B2 (en) * 2003-10-23 2010-01-19 Hrl Laboratories, Llc Evaluation of Bayesian network models for decision support
GB0325560D0 (en) 2003-10-31 2003-12-03 Seebyte Ltd Intelligent integrated diagnostics
US7392295B2 (en) * 2004-02-19 2008-06-24 Microsoft Corporation Method and system for collecting information from computer systems based on a trusted relationship
US7584382B2 (en) * 2004-02-19 2009-09-01 Microsoft Corporation Method and system for troubleshooting a misconfiguration of a computer system based on configurations of other computer systems
US20050210311A1 (en) * 2004-03-08 2005-09-22 Rodeheffer Thomas L Method and system for probabilistic defect isolation
US7249283B2 (en) * 2004-03-22 2007-07-24 Xerox Corporation Dynamic control system diagnostics for modular architectures
US7373552B2 (en) * 2004-09-30 2008-05-13 Siemens Aktiengesellschaft Model based diagnosis and repair for event logs
US20060149519A1 (en) * 2004-11-15 2006-07-06 Keller Jesse P Hybrid vehicle parameters data collection and analysis for failure prediction and pre-emptive maintenance
US7743123B2 (en) * 2005-12-19 2010-06-22 Microsoft Corporation Aggregating information from a cluster of peers
US7856100B2 (en) * 2005-12-19 2010-12-21 Microsoft Corporation Privacy-preserving data aggregation using homomorphic encryption
US7584182B2 (en) * 2005-12-19 2009-09-01 Microsoft Corporation Determining cardinality of a parameter using hash values
US7676694B2 (en) 2006-03-31 2010-03-09 Emc Corporation Managing system components
JP4711077B2 (ja) * 2006-06-09 2011-06-29 富士ゼロックス株式会社 故障診断システム、画像形成装置および故障診断プログラム
EP1881408B1 (en) * 2006-06-22 2011-03-23 Scania CV AB Fault diagnosis
ATE508411T1 (de) * 2006-06-22 2011-05-15 Scania Cv Ab Fehlerdiagnose
CN101507185B (zh) * 2006-06-30 2012-09-05 意大利电信股份公司 使用贝叶斯网络的电信网络中的故障定位
DE602007000346D1 (de) 2006-08-22 2009-01-22 Scania Cv Ab Fehlerdiagnose
US8015139B2 (en) * 2007-03-06 2011-09-06 Microsoft Corporation Inferring candidates that are potentially responsible for user-perceptible network problems
US8443074B2 (en) * 2007-03-06 2013-05-14 Microsoft Corporation Constructing an inference graph for a network
US8463641B2 (en) * 2007-10-05 2013-06-11 The Boeing Company Method and system using linear programming for estimating test costs for bayesian diagnostic models
US8180718B2 (en) * 2008-01-14 2012-05-15 Hewlett-Packard Development Company, L.P. Engine for performing root cause and effect analysis
US8447719B2 (en) * 2008-01-14 2013-05-21 Hewlett-Packard Development Company, L.P. Compilation of causal rules into continuations
US8180723B2 (en) * 2008-01-14 2012-05-15 Hewlett-Packard Development Company, L.P. Root cause analysis in a system having a plurality of inter-related elements
US9618037B2 (en) * 2008-08-01 2017-04-11 Honeywell International Inc. Apparatus and method for identifying health indicators for rolling element bearings
US9098555B2 (en) * 2008-11-25 2015-08-04 Dell Products L.P. Method and system for health scoring information systems, users, and updates
US8620622B2 (en) * 2009-04-02 2013-12-31 Honeywell International Inc. System and method for determining health indicators for impellers
EP2381367A1 (en) * 2010-04-20 2011-10-26 Siemens Aktiengesellschaft Method and apparatus for the performing unit testing of software modules in software systems
US8473252B2 (en) * 2010-06-09 2013-06-25 Honeywell International Inc. System and method for conflict resolution to support simultaneous monitoring of multiple subsystems
DE102018217729B4 (de) * 2018-10-17 2020-07-09 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Schätzen von mindestens einer Leistungskennzahl eines Systems
DE102018217728B4 (de) * 2018-10-17 2022-01-05 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zum Schätzen von mindestens einer Leistungskennzahl eines Systems

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0306244B1 (en) 1987-09-04 1995-06-21 Digital Equipment Corporation Fault tolerant computer system with fault isolation
US5159685A (en) * 1989-12-06 1992-10-27 Racal Data Communications Inc. Expert system for communications network
US5133046A (en) * 1991-01-03 1992-07-21 Pickard, Lowe And Carrick (Plc) Computer-based diagnostic expert system organized according to Bayesian theory
US5375126B1 (en) * 1991-04-09 1999-06-22 Hekimian Laboratories Inc Integrated logical and physical fault diagnosis in data transmission systems
US5448722A (en) * 1993-03-10 1995-09-05 International Business Machines Corporation Method and system for data processing system error diagnosis utilizing hierarchical blackboard diagnostic sessions
US5475695A (en) * 1993-03-19 1995-12-12 Semiconductor Diagnosis & Test Corporation Automatic failure analysis system
US5808919A (en) 1993-11-23 1998-09-15 Hewlett-Packard Company Diagnostic system
US5544308A (en) * 1994-08-02 1996-08-06 Giordano Automation Corp. Method for automating the development and execution of diagnostic reasoning software in products and processes
US5655074A (en) * 1995-07-06 1997-08-05 Bell Communications Research, Inc. Method and system for conducting statistical quality analysis of a complex system
EP0794495A3 (en) * 1996-03-08 1998-07-22 Hewlett-Packard Company Automated analysis of a model-based diagnostic system
US5737520A (en) * 1996-09-03 1998-04-07 Hewlett-Packard Co. Method and apparatus for correlating logic analyzer state capture data with associated application data structures
JP2982741B2 (ja) * 1997-05-13 1999-11-29 日本電気株式会社 集積回路の故障診断装置及びその記録媒体
US6167352A (en) 1997-06-26 2000-12-26 Agilent Technologies, Inc. Model-based diagnostic system with automated procedures for next test selection
US6035420A (en) * 1997-10-01 2000-03-07 Micron Electronics, Inc. Method of performing an extensive diagnostic test in conjunction with a bios test routine
US6430708B1 (en) * 1998-04-17 2002-08-06 Visa International Service Association Method and apparatus for testing job control language (JCL) members
US6237114B1 (en) * 1998-05-13 2001-05-22 Sun Microsystems, Inc. System and method for evaluating monitored computer systems

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7113988B2 (en) 2000-06-29 2006-09-26 International Business Machines Corporation Proactive on-line diagnostics in a manageable network
JP2003032253A (ja) * 2001-06-29 2003-01-31 Internatl Business Mach Corp <Ibm> 管理可能なネットワークにおける事前対策オンライン診断
JP2008160223A (ja) * 2006-12-20 2008-07-10 Fuji Xerox Co Ltd 故障診断装置、故障診断システム、及び故障診断プログラム

Also Published As

Publication number Publication date
DE60106799T2 (de) 2005-04-28
DE60106799D1 (de) 2004-12-09
EP1136912A2 (en) 2001-09-26
EP1136912B1 (en) 2004-11-03
US6691249B1 (en) 2004-02-10
EP1136912A3 (en) 2002-09-18

Similar Documents

Publication Publication Date Title
JP2001318804A (ja) 確率的な診断システム
US7139676B2 (en) Revising a test suite using diagnostic efficacy evaluation
US5922079A (en) Automated analysis of a model based diagnostic system
EP1117044B1 (en) System model determination for failure detection and isolation in particular in computer systems
US5500941A (en) Optimum functional test method to determine the quality of a software system embedded in a large electronic system
CA2387929C (en) Method and apparatus for diagnosing difficult to diagnose faults in a complex system
EP0887733B1 (en) Model-based diagnostic system with automated procedures for next test selection
JP2001273160A (ja) テストパターン選別装置、テストパターン選別方法およびテストパターン選別プログラムを格納したコンピュータ読取り可能な記録媒体
US7673210B2 (en) Methods and apparatus for diagnosing a degree of interference between a plurality of faults in a system under test
Duarte et al. An algorithm for distributed hierarchical diagnosis of dynamic fault and repair events
US8402421B2 (en) Method and system for subnet defect diagnostics through fault compositing
Assaf et al. Diagnosis based on reliability analysis using monitors and sensors
US7356443B2 (en) Systems and methods for analyzing the selection of measurements of a communication network
Sheppard et al. Applying testability analysis for integrated diagnostics
Sheppard et al. Improving the accuracy of diagnostics provided by fault dictionaries
JPH07200341A (ja) 診断装置
CN108984397B (zh) 黑盒故障注入方法和系统及介质设备
Bernardi et al. Facilitating fault-simulation comprehension through a fault-lists analysis tool
Sheppard et al. Managing conflict in system diagnosis
Bartha et al. Probabilistic system-level fault diagnostic algorithms for multiprocessors
CN112612882B (zh) 检阅报告生成方法、装置、设备和存储介质
JP3127856B2 (ja) Ｌｓｉ組み合わせ回路故障推論装置
CN109474445B (zh) 一种分布式系统根源故障定位方法及装置
Sierra et al. An intelligent maintenance system for earth-based failure analysis and self-repairing of microsatellites
Abreu et al. Techniques for diagnosing software faults