TW201351278A - 模組化失誤樹之事件分析系統及其分析方法 - Google Patents
模組化失誤樹之事件分析系統及其分析方法 Download PDFInfo
- Publication number
- TW201351278A TW201351278A TW101121509A TW101121509A TW201351278A TW 201351278 A TW201351278 A TW 201351278A TW 101121509 A TW101121509 A TW 101121509A TW 101121509 A TW101121509 A TW 101121509A TW 201351278 A TW201351278 A TW 201351278A
- Authority
- TW
- Taiwan
- Prior art keywords
- event
- node
- error tree
- error
- tree structure
- Prior art date
Links
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本發明揭露一種模組化失誤樹之事件分析系統及其分析方法。此系統包括一儲存模組、一事件設定模組與一運算模組。儲存模組用以儲存一失誤樹組件。事件設定模組用以利用失誤樹組件以產生一失誤樹結構,並用以輸入複數個事件資訊以設定於失誤樹結構的各節點,且用以從各事件觸發邏輯選擇設定每一節點及其至少一子節點之間的事件觸發邏輯。計算模組則是依據失誤樹結構與各事件觸發邏輯,計算出失誤樹結構的根節點所屬的頂端事件資訊的發生機率。
Description
本發明係有關於一種失誤樹結構與藉由失誤樹進行的事件分析方法,特別是有關於將失誤樹模組化,且得以組件組成各類失誤樹之事件分析系統與事件分析方法。
失誤樹(Fault Tree Analysis)主要是用以呈現事件的層級關係,並取得求得頂端事件的發生機率的事件分析工具。傳統上,失誤樹的組成元件種類多,因應不同的事件,其衍生條件亦設置不同,因此運算頗為複雜。而且,以往計算事件樹,都需要先由專家決定所有可能事件的失誤樹,並刪除重覆考慮項目,才賦予機率值加以計算與分析。一旦可能事件的數量錯誤,或是有決定出重覆的可能事件時,皆會建構出不正確的失誤樹。其次,失誤樹是分析人員依據所參閱的事件數量與衍生層次所產生,因此每一個建構的樹結構皆為獨立的使用,而且每一個節點及節點之間的連接設計皆會是個別設計,故無法應用或建構為不同條件的失誤樹。其三,因每一失誤樹皆是獨立使用且個別設計,故程式設計的複雜性不但高,而且需求處理資料量亦大,亦不適用於結合在網際網路。
因此,如何依據事件數量與條件建構出適當的失誤樹,即為事件分析人員欲解決的問題。
為解決上述問題,本發明係揭露一種將節點與節點間的連接形成模組化,以彈性建構失誤樹結構的模組化失誤樹之事件分析系統與事件分析方法。
本發明所揭露的模組化失誤樹之事件分析系統,其包括一儲存模組、一事件設定模組與一計算模組。
此儲存模組用以儲存一失誤樹組件。每一失誤樹組件包括一父節點、對應父節點之至少一子節點、及父節點與各子節點之間的事件觸發邏輯之選擇項。
事件設定模組用以利用失誤樹組件組成一失誤樹結構。並且,事件設定模組用以輸入複數個事件資訊至失誤樹結構的各節點。而且,事件設定模組用以從各事件觸發邏輯之之選擇項,以設定每一節點與其子節點(包括根節點與各個葉節點)之間的事件觸發邏輯。
計算模組則是依據失誤樹結構與各事件觸發邏輯,計算出失誤樹結構的根節點的一頂端事件資訊的發生機率。
本發明所揭露的模組化失誤樹之事件分析方法,適用於一模組化失誤樹之事件分析系統,其提供一失誤樹組件,其中每一失誤樹組件包括一父節點、對應父節點之至少一子節點、及父節點與各子節點之間的事件觸發邏輯之選擇項。此方法包括:透過一事件設定模組以利用失誤樹組件組成一失誤樹結構;利用事件設定模組將輸入的複數個事件資訊設定於失誤樹結構的各節點,且設定每一節點
及其至少一子節點之間的事件觸發邏輯;以及,經由一計算模組依據該失誤樹結構與各事件觸發邏輯,計算出位於失誤樹結構的根節點的一頂端事件資訊的發生機率。
更進一步,本發明所揭露的模組化失誤樹之事件分析系統與方法中,計算模組會依據各事件資訊之層次,結合相對應的各事件觸發邏輯,產生一對應失誤樹結構的等效運算式,且計算出等效運算式取得對應頂端事件資訊的一最小切集合,以依據最小切集合來計算出頂端事件資訊的發生機率。
本發明之特點係在於本發明將失誤樹藉由同一類失誤樹組件所形成,即是指整個失誤樹從節點、事件、節點連接關係等,皆是透過同一類的資料樹結構所組成,不但失誤樹結構的組成與設計上更為簡便與彈性,亦得以降低程式設計的複雜性。其次,失誤樹組件皆為同一類資料樹結構形成,因此,藉由現今程式設計技術,組成好的失誤樹結構亦得以作為失誤樹組件,即所有事件資訊、邏輯關係與結果均得以透過同一類程式物件進行表達,不但能降低程式設計的複雜性,並且降低需求處理資料量,亦適用於網際網路的架構上。其三,計算模組在找出失誤樹結構之等效運算式的最小切集合,以排除重覆的事件資訊與觸發邏輯,分析人員即不需要考慮是否輸入了重覆的事件資訊與觸發邏輯,進而簡化分析人員的工作負擔與耗費時間。
首先,請同時參閱圖1繪示本發明實施例的模組化失誤樹之事件分析系統示意圖、圖2繪示本發明實施例之失誤樹組件架構示意圖、圖3繪示本發明之一實施例的失誤樹組件結合示意圖、與圖4繪示本發明之一實施例的失誤樹結構示意圖。此系統包括一儲存模組11、一事件設定模組12與一計算模組13。
儲存模組11可為記憶體、硬碟等各種具資料儲存能力的元件、裝置或設備,並不設限。儲存模組11儲存有一失誤樹組件20。此例中,以圖2繪示的失誤樹組件20說明。每一個失誤樹組件20包括一父節點21、對應父節點21的至少一子節點23,以及父節點21與各子節點23之間的事件觸發邏輯22。其中,父節點21與子節點23之間的關係是指,子節點23對應的事件資訊是指輸入(input),父節點21對應的事件資訊是指輸出(輸出),所選定的事件觸發邏輯22是指父節點21與子節點23之間的運算邏輯關係,即是指輸入與輸出之間的運算邏輯關係。
例如,父節點21對應的事件資訊為A,對應父節點21的子節點23數量為二,對應的事件資訊各別為B與C,且事件觸發邏輯22是及閘(and gate),則A=B*C。又如,當事件觸發邏輯22是或閘(or gate),則A=B+C,以此類推。其中,事件觸發邏輯22包括一布林運算邏輯,其為及閘、或閘、反閘、反及閘、反或閘、互斥或閘或反互斥或
閘。但不以此為限,而且失誤樹組件20的結構,包括子節點數量在內,亦不以此例為限,端視設計人員之需求而定。
事件設定模組12用以進行失誤樹組件20組成失誤樹結構的樹結構態樣、事件設定於樹節點的層次與節點。
分析人員係透過事件設定模組12的控制介面,匯入或是讀取儲存模組11內的失誤樹組件20,並依據事件觸發層次與事件觸發的相依賴關係,利用失誤樹組件20以產生一個失誤樹結構。其中,分析人員透過事件設定模組12以輸入每一個失誤樹組件20的子節點數量。而且,於建構失誤樹結構期間,事件設定模組12會依據分析人員所選擇的樹建構方式,將二個以上的失誤樹組件20進行結合。
例如圖3,分析人員利用事件設定模組12取用一第一失誤樹組件31與一第二失誤樹組件32,並設定將第二失誤樹組件32作為第一失誤樹組件31之一子節點的延伸結構。事件設定模組12即將第一失誤樹組件31的子節點作為第二失誤樹組件32的父節點,以結合第一失誤樹組件31與第二失誤樹組件32。
然而,分析人員亦透過事件設定模組12的控制介面以輸入複數個事件資訊10並依據事件觸發層次與事件觸發的相依賴關係,將各事件資訊10設定於失誤樹結構的各節點。其中,分析人員必須從所有事件資訊10中取出一個頂端事件資訊(如圖4繪示的FLA)。此頂端事件資訊會被設定於失誤樹結構的根節點。此頂端事件資訊亦得以視為整
個失誤樹結構的輸出情形。
接著,分析人員以根節點視為父節點,將頂端事件資訊對應的輸入事件設定於根節點的子節點,以此類推,將各事件資訊設定於對應的節點中。然而,若事件資訊10所屬的節點不為最底層的節點時,此類事件資訊即視為中間事件(如圖4繪示的A,B)。;反之,則視為底層事件(如圖4繪示的TS1,TS2,LS1,LS2)。
之後,分析人員係利用事件設定模組12的控制介面,從各事件觸發邏輯選擇設定每一節點及其至少一子節點之間的事件觸發邏輯。事件觸發邏輯的可選擇項如前所述(如圖2繪示的22),在此不贅述。
計算模組13即會依據失誤樹結構的層次、各事件資訊10所座落的節點與節點之間的事件觸發邏輯,計算出位於失誤樹結構之根節點的頂端事件資訊的發生機率。
其中,計算模組13會依據事件資訊之層次,結合相對應的各該事件觸發邏輯,產生對應失誤樹結構的等效運算式,並計算出等效運算式取得對應頂端事件資訊的一最小切集合,並依據最小切集合來計算出頂端事件資訊的發生機率。
其中,計算模組13是利用一個以上的布林代數定律,如交換律、結合律、分配律、消去律、對偶定律、吸收定律與全等定律等其少其一,以產生前述的最小切集合。
更進一步者,分析人員係依據事件設定模組12的控制介面以設定失誤樹結構的最底層之葉節點的失效值,亦是指最底層之葉節點所對應事件資訊的失效值。計算模組13即會除最底層之葉節點外,依據各節點所屬的子節點對應的失效值,與每一節點及其對應子節點的事件觸發邏輯,以計算出各節點對應之事件資訊的失效值,進而取得頂端事件資訊的失效值。之後,計算模組13即可透過頂端事件資訊的失效值與其對應的最小切集合,以計算出頂端事件資訊的產生機率。
此外,事件資訊、事件觸發邏輯的輸入方式、失誤樹結構的組建等設定作業,並沒有一定的先後順序。分析人員可先輸入事件資訊與事件觸發邏輯,再建構失誤樹結構;或是先建構失誤樹結構,再輸入事件資訊與事件觸發邏輯;亦或是取用一失誤樹組件20後,再輸入相關的事件資訊與事件觸發邏輯。此作業流程端視系統設計人員之設計需求而定,並未有所設限。
再者,本發明所述的模組化失誤樹之事件分析系統亦得以建構於一伺服設備中。分析人員可透過一具網路通訊能力的終端裝置,透過網路連接至此伺服設備,以與此系統進行互動,如輸入事件資訊、建構失誤樹結構、由伺服設備的硬體來進行失誤樹的邏輯運算,取得計算結果…等。亦或,此系統建設於伺服設備時,亦得以藉由雲端技術以進行組件資料存取與失誤樹的事件資料分析,以讓使
用者立即了解分析結果,評估失誤樹計算結果。而此等技術特徵係為網路技術領域具通常知識者所熟知,在此即不贅述。
更進一步者,前述所建立的失誤樹結構亦得以被儲存於儲存模組11中,以作為可被使用的失誤樹組件20。而儲存方式係依據設計人員之需求而定。例如,可將各節點相關的事件資訊、節點之間的事件觸發邏輯皆視為物件,並將物件與物件的層級關係透過資料庫主索引為每一個元件、子索引為階層存入資料庫記錄起來。亦或可為其它相類似的儲存方式,並不設限。
而且,系統的事件資訊與事件邏輯觸發之輸入與設定、失誤樹結構的組建過程、計算結果等資料互動皆得以於系統建構的設備,或是藉由網路而於終端設備的顯示模組14進行畫面顯示。
請參閱圖5繪示本發明實施例之模組化失誤樹之事件分析方法,適用於前述的模組化失誤樹之事件分析系統,故請配合圖1至圖4以利於了解。此方法包括步驟如下:
透過事件設定模組12設定失誤樹組件20產生一失誤樹結構之方式(步驟S110)。例如,分析人員透過事件設定模組12取用一個以上的失誤樹組件20,組成出所需之失誤樹結構的初步型態。
利用事件設定模組12將輸入之複數個事件資訊設定於失誤樹結構之各節點(步驟S120)。此步驟中,頂端事
件資訊設定於失誤樹結構的根節點。其它事件資訊(如前述的中間事件資訊與底層事件資訊)則依據彼此之間的資料相依性,及對應於失誤樹結構的層級,設定在失誤樹結構的各節點上。例如:頂端事件資訊為FLA,其對應子節點的中間事件資訊各為A、B。中間事件資訊A對應子節點的底層事件資訊為TS1與TS2。中間事件資訊B對應子節點的底層事件資訊為LS1與LS2。
利用事件設定模組12設定每一節點及其至少一子節點之間的事件觸發邏輯(步驟S130)。以圖4為例,頂端事件資訊FLA所屬事件觸發邏輯44a為及閘(AND GATE);中間事件資訊A所屬事件觸發邏輯44b為或閘(OR GATE);中間事件資訊B所屬事件觸發邏輯44c為或閘(AND GATE)。
更進一步者,分析人員利用事件設定模組12設定底層事件資訊TS1、底層事件資訊TS2、底層事件資訊LS1、底層事件資訊LS2的失效值為0.1、0.2、0.3、0.4。
計算模組13會依據此等失效值,計算出中間事件資訊A的失效值0.3(0.1+0.2=0.3),中間事件資訊B的失效值0.12(0.3*0.4=0.12),頂端事件資訊FLA的失效值為0.036(0.3*0.12=0.036)。
由一計算模組13依據失誤樹結構與各事件觸發邏輯,計算出位於失誤樹結構之根節點的一頂端事件資訊的發生機率(步驟S140)。如前述,計算模組13會依據事件
資訊之層次,結合相對應的各事件觸發邏輯,藉由布林代數定律產生一對應失誤樹結構的等效運算式。然而,計算模組13依據失誤樹結構以拜訪各節點的方式可為中序式(左子節點、父節點、右子節點)、前序式(父節點、左子節點、右子節點)、後序式(左子節點、右子節點、父節點)任一者。以圖4繪示的失誤樹而言,其等效運算式為((TS2+TS1)*(TS2 * LS1)),展開後即為TS2 * TS2 * LS1+TS1 * TS2 * LS1。之後,計算模組13再利用至少一布林代數定律產生一最小切集合。以此例而言,計算模組13是以全等定律與消去律簡化此等效運算式。
全等定理:TS2 * TS2 * LS1+TS1 * TS2 * LS1=TS2 * LS1+TS1 * TS2 * LS1
消去律:TS2 * LS1+ * =TS2 * LS1
至此,計算模組13取得此失誤樹結構的最小切集合,於結合前述的失效值,即得以計算出頂端事件資訊FLA的發生機率。
綜上所述,乃僅記載本發明為呈現解決問題所採用的技術手段之實施方式或實施例而已,並非用來限定本發明專利實施之範圍。即凡與本發明專利申請範圍文義相符,或依本發明專利範圍所做的均等變化與修飾,皆為本發明專利範圍所涵蓋。
10‧‧‧事件資訊
11‧‧‧儲存模組
12‧‧‧事件設定模組
13‧‧‧計算模組
14‧‧‧顯示模組
20‧‧‧失誤樹組件
21‧‧‧失誤樹組件的父節點
22‧‧‧失誤樹組件的事件觸發邏輯
23‧‧‧失誤樹組件的子節點
31‧‧‧第一失誤樹組件
32‧‧‧第二失誤樹組件
FLA‧‧‧頂端事件資訊
A,B‧‧‧中間事件資訊
TS1,TS2,LS1,LS2‧‧‧底層事件資訊
44a,44b,44c‧‧‧失誤樹結構的事件觸發邏輯
S110~S140‧‧‧步驟
圖1繪示本發明實施例的模組化失誤樹之事件分析系統示意圖;圖2繪示本發明實施例之失誤樹組件架構示意圖;圖3繪示本發明之一實施例的失誤樹組件結合示意圖;圖4繪示本發明之一實施例的失誤樹結構示意圖;以及圖5繪示本發明實施例之模組化失誤樹之事件分析方法。
S110~S140‧‧‧步驟
Claims (10)
- 一種模組化失誤樹之事件分析系統,包括:一儲存模組,用以儲存一失誤樹組件,其包括一父節點、對應該父節點之至少一子節點、及該父節點與各該子節點之間的事件觸發邏輯之選擇項;一事件設定模組,用以設定該失誤樹組件產生一失誤樹結構,並用以輸入複數個事件資訊以設定於該失誤樹結構之各節點,且用以從各該事件觸發邏輯選擇設定每一節點及其至少一子節點之間的事件觸發邏輯;以及一計算模組,依據該失誤樹結構與各該事件觸發邏輯,計算出位於該失誤樹結構之根節點的一頂端事件資訊的發生機率。
- 如申請專利範圍第1項所述模組化失誤樹之事件分析建立系統,其中該計算模組會依據該等事件資訊之層次,結合相對應的各該事件觸發邏輯,產生一對應該失誤樹結構的等效運算式,且計算出該等效運算式取得對應該頂端事件資訊的一最小切集合,以依據該最小切集合來計算出該頂端事件資訊的發生機率。
- 如申請專利範圍第2項所述模組化失誤樹之事件分析建立系統,其中該計算模組產生該最小切集合,是利用至少一布林代數定律,其包括交換律、結合律、分配律、消去律、對偶定律、吸收定律與全等定律之其少其一。
- 如申請專利範圍第1項所述模組化失誤樹之事件分析建立系統,其中該失誤樹結構包括一第一失誤樹組件與一 第二失誤樹組件,其中該事件設定模組係將該第一失誤樹組件的一子節點作為該第二失誤樹組件之父節點,以結合該第二失誤樹組件與該第一失誤樹組件。
- 如申請專利範圍第1項所述模組化失誤樹之事件分析建立系統,其中每一事件觸發邏輯包括一布林運算邏輯,其為及閘、或閘、反閘、反及閘、反或閘、互斥或閘或反互斥或閘。
- 如申請專利範圍第1項所述模組化失誤樹之事件分析建立系統,其中該事件設定模組用以設定該失誤樹結構的最底層之葉節點的失效值,該計算模組係除最底層之葉節點外,依據各該節點所屬之該子節點對應的失效值,與每一節點及其對應之子節點的該事件觸發邏輯,以計算出各該節點對應之事件資訊的失效值。
- 一種模組化失誤樹之事件分析方法,適用於一模組化失誤樹之事件分析系統,其提供一失誤樹組件,其中每一該失誤樹組件包括一父節點、對應該父節點之至少一子節點、及該父節點與各該子節點之間的事件觸發邏輯之選擇項,該方法包含:透過一事件設定模組設定該失誤樹組件產生一失誤樹結構之方式;利用該事件設定模組將輸入之複數個事件資訊設定於該失誤樹結構之各節點;利用該事件設定模組設定每一節點及其至少一子節點之間的事件觸發邏輯;以及 由一計算模組依據該失誤樹結構與各該事件觸發邏輯,計算出位於該失誤樹結構之根節點的一頂端事件資訊的發生機率。
- 如申請專利範圍第7項所述之模組化失誤樹之事件分析方法,其中由一計算模組依據該失誤樹結構與各該事件觸發邏輯,計算出該頂端事件資訊的發生機率之該步驟更包括:由該計算模組依據該等事件資訊之層次,結合各該事件觸發邏輯,產生一對應該失誤樹結構的等效運算式;由該計算模組透過該等效運算式取得對應該頂端事件資訊的一最小切集合;以及由該計算模組依據該最小切集合計算出該頂端事件資訊的發生機率。
- 如申請專利範圍第7項所述之模組化失誤樹之事件分析方法,其中該失誤樹結構包括一第一失誤樹組件與一第二失誤樹組件,其中利用一事件設定模組將該失誤樹組件組成一失誤樹結構之該步驟中,該事件設定模組係將該第二失誤樹組件之根節點作為該第一失誤樹組件的一葉節點,以將該第二失誤樹組件結合該第一失誤樹組件。
- 如申請專利範圍第7項所述之模組化失誤樹之事件分析方法,其中,利用該事件設定模組設定每一節點及其至少一子節點之間的事件觸發邏輯之該步驟中,係包括: 透過該事件設定模組設定該失誤樹結構的最底層之葉節點的失效值;由該計算模組係除最底層之葉節點外,依據各該節點所屬之該子節點對應的失效值,與每一節點及其對應之子節點的該事件觸發邏輯,以計算出各該節點對應之事件資訊的失效值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101121509A TWI453665B (zh) | 2012-06-15 | 2012-06-15 | Event Analysis System of Mystery Tree and Its Analytical Method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101121509A TWI453665B (zh) | 2012-06-15 | 2012-06-15 | Event Analysis System of Mystery Tree and Its Analytical Method |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201351278A true TW201351278A (zh) | 2013-12-16 |
TWI453665B TWI453665B (zh) | 2014-09-21 |
Family
ID=50158046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW101121509A TWI453665B (zh) | 2012-06-15 | 2012-06-15 | Event Analysis System of Mystery Tree and Its Analytical Method |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI453665B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669409A (zh) * | 2020-12-28 | 2021-04-16 | 山东鲁能软件技术有限公司 | 一种基于故障树分析的逻辑控制敏感部件识别系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2000239591A1 (en) * | 2000-01-29 | 2001-08-07 | Abb Research Ltd | Method for automatic fault tree synthesis |
US7681086B2 (en) * | 2007-09-20 | 2010-03-16 | Embraer- Empresa Brasileira De Aeronautica S.A. | Fault tree map generation |
TWI410884B (zh) * | 2010-03-19 | 2013-10-01 | Iner Aec Executive Yuan | 可供核能電廠快速風險量化分析之頂端邏輯評估方法 |
-
2012
- 2012-06-15 TW TW101121509A patent/TWI453665B/zh active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112669409A (zh) * | 2020-12-28 | 2021-04-16 | 山东鲁能软件技术有限公司 | 一种基于故障树分析的逻辑控制敏感部件识别系统及方法 |
CN112669409B (zh) * | 2020-12-28 | 2022-07-29 | 山东鲁能软件技术有限公司 | 一种基于故障树分析的逻辑控制敏感部件识别系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
TWI453665B (zh) | 2014-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
James et al. | Information flows? A critique of transfer entropies | |
CN107977785B (zh) | 一种电网工程项目进度监控方法 | |
KR102138627B1 (ko) | 데이터 쿼리 방법 및 장치, 및 데이터베이스 시스템 | |
CN111488396B (zh) | 业务数据区块链的数据同步方法及装置 | |
Ortiz et al. | Changing the Face of Database Cloud Services with Personalized Service Level Agreements. | |
Adaricheva et al. | Discovery of the D-basis in binary tables based on hypergraph dualization | |
CN105320504A (zh) | 一种基于软件元视图构造软件视图的可视软件建模方法 | |
EP4239491A1 (en) | Method and system for processing data tables and automatically training machine learning model | |
KR101242325B1 (ko) | 계층적 이산 사건 시스템 명세 모델의 이벤트 기반 시뮬레이션 방법, 시스템 및 이를 위한 기록 매체 | |
Bello Cruz et al. | Level bundle-like algorithms for convex optimization | |
Gomes et al. | Counting CSP solutions using generalized XOR constraints | |
England et al. | Choosing a variable ordering for truth-table invariant cylindrical algebraic decomposition by incremental triangular decomposition | |
Liagouris et al. | Secrecy: Secure collaborative analytics on secret-shared data | |
TWI453665B (zh) | Event Analysis System of Mystery Tree and Its Analytical Method | |
JP2021077364A (ja) | プロジェクトマネジメントシステム、プロジェクト管理方法及びプログラム | |
CN103577672A (zh) | 故障事件分析系统及其分析方法 | |
Meuli et al. | ROS: resource-constrained oracle synthesis for quantum computers | |
van der Werf | Compositional design and verification of component-based information systems | |
Shen et al. | Software product line engineering for developing self-adaptive systems: Towards the domain requirements | |
Yorke-Smith et al. | Certainty closure: Reliable constraint reasoning with incomplete or erroneous data | |
US7783680B2 (en) | Quasi-inverses of schema mappings | |
Mo et al. | Approximate Reliability Evaluation of Large-Scale Distributed Systems. | |
Lomazova | Interacting workflow nets for workflow process re-engineering | |
Adekile et al. | Object-oriented software development effort prediction using design patterns from object interaction analysis | |
Xu et al. | A cooperative coevolution approach to automate pattern-based software architectural synthesis |