JPH0219964A - 状態解析処理方式 - Google Patents

状態解析処理方式

Info

Publication number
JPH0219964A
JPH0219964A JP63170372A JP17037288A JPH0219964A JP H0219964 A JPH0219964 A JP H0219964A JP 63170372 A JP63170372 A JP 63170372A JP 17037288 A JP17037288 A JP 17037288A JP H0219964 A JPH0219964 A JP H0219964A
Authority
JP
Japan
Prior art keywords
state
probability
transition
threshold value
expressing
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
JP63170372A
Other languages
English (en)
Inventor
Atsushi Nakajima
淳 中島
Kazuhiro Oishi
和弘 大石
Hiroyuki Yoshida
裕之 吉田
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP63170372A priority Critical patent/JPH0219964A/ja
Publication of JPH0219964A publication Critical patent/JPH0219964A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔概要〕 ぺ!−リネノトなどを用いて状態の遷移を解析するデー
タ処理システムにおいて3複雑なシステムの状態の遷移
を確率的に解析する状態解析処理方式に関し。
状態が確率的に変化する場合や、状態の遷移があいまい
な場合でも、有効な状態の解析を可能とする手段を提供
することを目的とし。
各状態変化に関する確率を表現する手段、状態が発火す
るかどうかの閾値を表現する手段、および発火に関する
閾値またはその状態遷移の確率が未知である場合にそれ
を未定値として表現する手段を含む状態表現部と、各状
態のとる確率を計算する処理手段、未定値が記述されて
いる場合に場合分けを行う処理手段、および閾値によっ
て発火するかどうかを分析する処理手段を持ち、これら
によって状態の遷移を解析する状態解析部とを備え、状
態の遷移を確率的に解析するように構成する。
〔産業上の利用分野〕
本発明は、ペトリネットなどを用いて状態の遷移を解析
するデータ処理システムにおいて、複雑なシステムの状
態の遷移を確率的に解析する状態解析処理方式に関する
ものである。
状態の解析を行う近年のシステムは、扱う対象が複雑に
なってきていることや、経済的な理由から、シミニレ−
ジョンによって、状態の予測をしなければならないこと
が多い。この場合に、柔軟な解析を行うことができるシ
ステムが望まれる。
〔従来の技術〕
従来、ある状態およびその状態変化を、グラフの形で表
現し、計算機によって状態の予測を行う方式として、ペ
トリネットが使用されている。ペトリネットは、システ
ムがある状態にあることを。
トークンと呼ばれる印がその中に存在するということに
よって表現する状態遷移モデルである。状態のIBにつ
いては、トランジションに入力するアークの数よりも、
プレースの中にあるトークンの数が多ければ、そのトラ
ンジションは発火して別の状態に移るということによっ
て、解析を実行するようにしていた。
〔発明が解決しようとする課題〕
従来のペトリネットによる状態の解析では、トークンは
その有無しか表現できないので、状態が確率的に変化す
るときや、状態の変化があいまいなときには、使用する
ことができなかった。特に対象となっているシステムが
、ある状態をとるとしても、その状態が1例えば0.1
に近い確率で起きるのか、0.9に近い確率で起きるの
かというようなことを予想することはできず、そのため
、確率を考慮した結果を得るためには、計算手順をケー
ス・パイ・ケースで作成しなければならなかった。
本発明は上記問題点の解決を図り、状態が確率的に変化
する場合や2状態の遷移があいまいな場合でも、有効な
状態の解析を可能とする手段を提供することを目的とし
ている。
〔課題を解決するための手段〕
第1図は本発明の原理ブロック図である。
第1図において、10はCPUおよびメモリなどからな
る処理装置、11は状態表現部、12は状態解析部、1
3は状態の予想結果表示部である。
状態表現部11は、システムの状態を表現するシステム
の状態表現部15とシステムの状態変化を表現するシス
テムの状態変化の表現部16とからなるペトリネット1
4と、さらに、各状態および遷移の確率を表現する確率
による状態変化の表現部17と、状態が発火するかどう
かの閾値(threshold値)を表現する閾値の設
定部18と2発火に関する閾値または状B遷移の確率が
未知の場合にそれを未知の値として表現できる未定値の
設定部19とを持っている。
以上の状態表現部11が持つデータをもとにシステムの
状態遷移を解析するために、状態解析部12は、各状態
のとる確率を計算する状態の確率的解析部20と5未定
値が記述されていた場合にその場合分けを行う未定値の
場合分けによる解析部21と、閾値によって発火するか
どうかを分析する閾値による発火分析部22とを持つ。
状態の予想結果表示部13は、状態解析部12による解
析結果を表示する。
〔作用〕
第2図は第1図に示す状態表現部11の説明図第3図は
第1図に示す状態解析部12の説明図である。
本発明は、未知の値をとることができる確率情報を持つ
状態表現部11の情報によって、シミュレートし、解析
し、その結果を出力する。
状態表現部11では1例えば第2図(イ)に示すように
、対象となるシステムの1つの状態を表現する。この1
つの状態を表現するものをプレース、条件を表現するも
のをトランジションといいそれぞれP、、TJと表すこ
とにする。
また、トランジションT、に入力する状態のパスをアー
クと呼び、その集合をIN(j)と表す。
さらに そのトランジションTjから出力するア−りを
B、、、その集合をOUT (j)と表す。
1つのプレースP、から出力するアークをA+++と表
すことにする。
本発明では、このような状態および状84移について、
確率的に扱うことができるようになっている。第2図(
ロ)に示すように、トランジションT、からBj=kを
通って状態が変化する確率をp(BJ、k)、また+A
!++mの閾値を11 (Ai、、 ) 。
P、がその状態にある確率をp (P、)とすると。
このときの条件は Σp(nJ、k ) = 1 0≦II (Ai、、 )≦1 である。
状態表現部11は、計算機内部では1以上のような情報
を、テーブル形式またはリスト形式などにより保持する
が、その形式については、任意である。
第1図に示す状態解析部12は5以上の情報をもとに、
第3図に示すような処理により、状態遷移のシミュレー
トを行う。
■ 各プレースP長 (i =1,2,3.・・・)に
対して。
P8から出力するアークA+、aのうちでII (A+
、−)≦p (Pt ) となるようなA19.を探す。
■ このようなすべてのiに関しての和集合をSとする
。すなわち1mはiによるので 5−UAl、@L1゜ である。
■ 各トランジションTjについて。
IN (j)C3 となるようなjを探す。
■ 処理■の結果、jがなければ、解析は終了する。j
がある場合には1次の処理■へ進む。
■ IN (j)C3の条件を満たすjについて。
トランジションを発火させる。このとき。
X(j)を、IN(j)に含まれるすべてのアークAi
1.についてのII (Ai、、 )の総和とし。
[X(j)=  ΣII (A+、−)  ]p (B
J、h ) X (J)を、T、から出力するアークB
1.、の先のプレースに加算する。そしてp(P+ )
は0とする。その後、処理■へ戻り。
同様に処理を繰り返す。
〔実施例〕
第4図ないし第8図は本発明の実施例による状態遷移解
析の例を示している。
本発明の実施例として、気体の制御を行うシステムの状
態解析に応用した例を説明する。
この気体制御システムでは、ある共通の電源によって、
(a)センサ、tb+制御の計算、(C)制御の動力が
賄われているとする。ここで、電源の電圧が低下するこ
とにより、システムがどうなるかを予想することを考え
る。
この気体制御システムにおける確率的な状態の変化は、
第4図に示すようになっている。これらの値は、経験的
なものであっても、計算で求めたものであってもよい0
例えば、電源が低下すると。
確率0.7でセンシングの低下が起こり5確率0.3で
制御系の動力が低下するというような知識が表現されて
いる。
閾値(threshold値)は、センシングが低下し
たときについて説明すると、センシングの低下が起きて
いる確率が0.2よりも高ければ、安全装置の異常にな
り得るし、0.7よりも高いときは、安全装置が作動す
る。また、0.5よりも高ければ、制御系が異常になる
(ただし、制御系が異常になるには他の条件も必要)。
安全装置が異常であるときには、温度異常または圧力が
増加する異常が起きることがあるが、その閾値が未知で
ある場合、未定値として*で表す。
このような知識を表現しくなお、計算機内部における知
識の表現のし方は種々あり、どれも既存技術により簡単
に実現できるので、説明を省略する)、状態解析部12
を起動することにより、このネットを解析する。第5図
ないし第8図が、第4図に示すネットの解析例である。
電源の低下が起きたとすると(確率1.0)、)ランジ
ションT、の発火条件となる閾値が、0.5であるので
、トランジションTIが発火する。これにより、センシ
ングの低下または制御系の動力低下が起こり得ることに
なり、第5図に示す状態になる。センシングが低下する
状態のとる確率は。
0.7であり、制御系の動力低下となる状態のとる確率
は、0.3である。
第5図に示す状態で、センシングの低下に着目すると、
トランジションT2の閾値が0.2であるので、トラン
ジションT2が発火する。また、トランジションT、の
閾値が0.7であり、センシングが低下する確率0.7
に等しいので、トランジションT、も発火する。トラン
ジションT、が発火した後の状態を第6図に、トランジ
ションT、が発火した後の状態を第7図に示す。
第6図に示す状態では、安全装置が異常である状態の確
率が0.35.安全装置が作動している状態の確率が0
.35.制御系の動力が低下している状態の確率が0.
3になっている。
このとき、安全装置の異常が起こったときの変化の閾値
は未定値*であるが、この閾値が0.35よりも低いと
仮定すると、状態はさらに変化して第8図に示すように
なる。この場合、圧力の増加異常という危険な状態をと
る確率が、1割程度ある。これを避けるためには9例え
ば未定植*が0.35よりも大きくなるように、システ
ムの設計を行えばよいことがわかる。また、この未定値
をコントロールできない場合、安全装置の異常が確率0
.35以上で起こっているときには、それを検知できる
ようにしておかなければならないことがわかる。この未
定値の場合分けは、第1図に示す未定値の場合分けによ
る解析部21が行う。
以上のような状態遷移に関する情報および解析結果は、
第1図に示す状態の予想結果表示部13によって表示さ
れる。
〔発明の効果〕
以上説明したように9本発明によれば、システムの中で
起こり得る状態を確率的に解析することができるように
なり、状態遷移の予想とともに定量的な分析を行うこと
が可能になる。従って危険な状態になることを予想し、
その対策を検討するための有効な資料などを得ることが
できるようになる。
【図面の簡単な説明】
第1図は本発明の原理ブロック図。 第2図は第1図に示す状態表現部の説明図。 第3図は第1図に示す状態解析部の説明図第4図ないし
第8図は本発明の実施例による状態遷移解析の例を示す
る。 図中、10は処理装置、11は状態表現部、12は状態
解析部、13は状態の予想結果表示部。 14はペトリネット、15はシステムの状態表現部、1
6はシステムの状態変化の表現部、17は確率による状
態変化の表現部、18は閾値の設定部、19は未定値の
設定部、20は状態の確率的解析部、21は未定値の場
合分けによる解析部。 22は閾値による発火分析部を表す。

Claims (1)

  1. 【特許請求の範囲】 有向ネットワークによる状態遷移モデルを用いて、ある
    状態およびその状態変化を表現し、状態の遷移を解析す
    るデータ処理システムにおいて、各状態変化に関する確
    率を表現する手段、状態が発火するかどうかの閾値を表
    現する手段、および発火に関する閾値またはその状態遷
    移の確率が未知である場合にそれを未定値として表現す
    る手段を含む状態表現部(11)と、 各状態のとる確率を計算する処理手段、未定値が記述さ
    れている場合に場合分けを行う処理手段、および閾値に
    よって発火するかどうかを分析する処理手段を持ち、こ
    れらによって状態の遷移を解析する状態解析部(12)
    とを備え、 状態の遷移を確率的に解析するようにしたことを特徴と
    する状態解析処理方式。
JP63170372A 1988-07-08 1988-07-08 状態解析処理方式 Pending JPH0219964A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP63170372A JPH0219964A (ja) 1988-07-08 1988-07-08 状態解析処理方式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP63170372A JPH0219964A (ja) 1988-07-08 1988-07-08 状態解析処理方式

Publications (1)

Publication Number Publication Date
JPH0219964A true JPH0219964A (ja) 1990-01-23

Family

ID=15903715

Family Applications (1)

Application Number Title Priority Date Filing Date
JP63170372A Pending JPH0219964A (ja) 1988-07-08 1988-07-08 状態解析処理方式

Country Status (1)

Country Link
JP (1) JPH0219964A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0579501A1 (en) * 1992-07-15 1994-01-19 Institute For Personalized Information Environment System and method adaptive to user operation sequences
JPH0728634A (ja) * 1993-05-31 1995-01-31 Personal Joho Kankyo Kyokai ユーザ適応型システムおよびその適応方法
JPH09128370A (ja) * 1995-10-30 1997-05-16 Nec Corp シナリオ解析方式

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0579501A1 (en) * 1992-07-15 1994-01-19 Institute For Personalized Information Environment System and method adaptive to user operation sequences
US6002850A (en) * 1992-07-15 1999-12-14 New Media Development Association Operation sequence user adaptive system and method
JPH0728634A (ja) * 1993-05-31 1995-01-31 Personal Joho Kankyo Kyokai ユーザ適応型システムおよびその適応方法
JPH09128370A (ja) * 1995-10-30 1997-05-16 Nec Corp シナリオ解析方式

Similar Documents

Publication Publication Date Title
Ceccarelli et al. De novo reconstruction of gene regulatory networks from time series data, an approach based on formal methods
Li et al. Review of stochastic hybrid systems with applications in biological systems modeling and analysis
Moghadam et al. An algorithmic model of decision making in the human brain
D’Souza et al. Forecasting bifurcations from large perturbation recoveries in feedback ecosystems
Djordjevic et al. From biophysics to ‘omics and systems biology
JPH0219964A (ja) 状態解析処理方式
Hsu et al. Stochastic models for single‐cell data: Current challenges and the way forward
Mansour et al. Stochastic differential equation models for tumor population growth
Sarmiento et al. Action languages based actual causality in decision making contexts
Schlitt et al. Modelling in molecular biology: describing transcription regulatory networks at different scales
Ponomaryova et al. DEVISING AN APPROACH FOR THE AUTOMATED RESTORATION OF SHIPMASTER’S NAVIGATIONAL QUALIFICATION PARAMETERS UNDER RISK CONDITIONS.
Zacks et al. Distributions of stopping times for compound Poisson processes with positive jumps and linear boundaries
Neuer Quantifying uncertainty in physics-informed variational autoencoders for anomaly detection
Liseron-Monfils et al. NECorr, a tool to rank gene importance in biological processes using molecular networks and transcriptome data
Keane et al. Finding an impulse response function using genetic programming
De Bernardi et al. Rule-based out-of-distribution detection
Spinney et al. Entropy balance and information processing in bipartite and nonbipartite composite systems
Rao et al. Nonlinear stochastic simulation of stirred tank reactors
Hudlicka Increaing sia architecture realism by modeling and adapting to affect and personality
Dideban et al. Modeling of Continuous Systems Using Modified Petri Nets
Li et al. Inferring user actions from provenance logs
Holloway et al. On-line trajectory encoding for discrete-observation process monitoring
Grychowski et al. Early detection of fire hazard using fuzzy inference system
Kushwaha et al. Multi-sensor Data Fusion for Early Fire Estimation Using ML Techniques
Khan et al. Modeling and dynamic behavior of eIF2 dependent regulatory system with disturbances