Representing Timed Automata and Timing Anomalies of Cyber-Physical Production Systems in Knowledge Graphs

要約

モデルベースの異常検出は、サイバーフィジカル生産システムの予期される動作からの逸脱を特定するためのアプローチとして成功しています。
これらのモデルを手動で作成するのは時間のかかるプロセスであるため、データからモデルを学習し、時限オートマトンのような一般的な形式で表現することが有利です。
ただし、これらのモデル、ひいては検出された異常は、システムに関する追加情報が不足しているため、解釈が困難になる場合があります。
この論文は、学習された時限オートマトンとシステムに関する形式的な知識グラフを組み合わせることにより、CPPS におけるモデルベースの異常検出を改善することを目的としています。
オペレータがモデルと検出された異常を簡単に解釈できるように、モデルと検出された異常の両方がナレッジ グラフに記述されます。
著者らはさらに、必要な概念のオントロジーを提案しています。
このアプローチは 5 タンク混合 CPPS で検証され、オートマトン モデルとオートマトン実行時のタイミング異常の両方を正式に定義することができました。

要約(オリジナル)

Model-Based Anomaly Detection has been a successful approach to identify deviations from the expected behavior of Cyber-Physical Production Systems. Since manual creation of these models is a time-consuming process, it is advantageous to learn them from data and represent them in a generic formalism like timed automata. However, these models – and by extension, the detected anomalies – can be challenging to interpret due to a lack of additional information about the system. This paper aims to improve model-based anomaly detection in CPPS by combining the learned timed automaton with a formal knowledge graph about the system. Both the model and the detected anomalies are described in the knowledge graph in order to allow operators an easier interpretation of the model and the detected anomalies. The authors additionally propose an ontology of the necessary concepts. The approach was validated on a five-tank mixing CPPS and was able to formally define both automata model as well as timing anomalies in automata execution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google