Detection of Unknown-Unknowns in Human-in-Plant Human-in-Loop Systems Using Physics Guided Process Models

要約

未知-未知とは、設計およびテスト段階では考慮されていないシステムの運用シナリオです。
このようなシナリオでは、ヒューマンインループ (HIL) ヒューマンインプラント (HIP) システムの動作動作が、安全性や有効性などの要件を満たすことが保証されません。
我々は、未知のシナリオを発見し、潜在的な安全上の危険を評価できる、セーフティクリティカルな HIL-HIP システムの動作出力特性を分析するための新しいフレームワークを提案します。
我々は、安全性が認定された動作特性からのサイバー物理システム (CPS) の逸脱をチェックする物理ガイド付きサロゲート モデル (PGSM) をマイニングするための、ダイナミクス誘起ハイブリッドリカレント ニューラル ネットワーク (DiH-RNN) を提案します。
PGSM を使用すると、システムを支配する物理法則に基づいて、未知の未知の要素を早期に検出できます。
未知のインスリン カートリッジ エラーによる人工膵臓 (AP) の動作変化の検出を実証します。

要約(オリジナル)

Unknown-unknowns are operational scenarios in systems that are not accounted for in the design and test phase. In such scenarios, the operational behavior of the Human-in-loop (HIL) Human-in-Plant (HIP) systems is not guaranteed to meet requirements such as safety and efficacy. We propose a novel framework for analyzing the operational output characteristics of safety-critical HIL-HIP systems that can discover unknown-unknown scenarios and evaluate potential safety hazards. We propose dynamics-induced hybrid recurrent neural networks (DiH-RNN) to mine a physics-guided surrogate model (PGSM) that checks for deviation of the cyber-physical system (CPS) from safety-certified operational characteristics. The PGSM enables early detection of unknown-unknowns based on the physical laws governing the system. We demonstrate the detection of operational changes in an Artificial Pancreas(AP) due to unknown insulin cartridge errors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google