Fehlererkennung, Diagnostik und Behandlung in automatisierten Fertigungssystemen unter Verwendung des Internets der Dinge und farbiger Petri-Netze

Anwendungen des Internets der Dinge (IoT), die Umweltsensoren und die Steuerung automatisierter Fertigungssysteme (AMS) umfassen, wachsen rasant. In Bezug auf Hardware- und Software-Designs, Kommunikationsprotokolle und/oder Hersteller können IoT-Geräte äußerst heterogen sein. Daher kann es sehr schwierig sein, bei der Vernetzung dieser Geräte zu einem komplizierten System Fehler zu erkennen und zu beheben. Dieses Papier schlägt eine neue Zuverlässigkeitsdesignmethodik vor, die farbige ressourcenorientierte Petri-Netze (CROPNs) und IoT verwendet, um wichtige Zuverlässigkeitsmetriken in AMS zu identifizieren, die bei der genauen Diagnose, Prognose und automatischen Reparatur helfen können, um die Anpassungsfähigkeit von IoT-Geräten innerhalb komplizierter cyber-physischer Systeme (CPSs) zu verbessern. Zunächst wird ein CROPN konstruiert, um die "ausreichenden und notwendigen Bedingungen" für die Lebendigkeit des CROPN unter Ressourcenfehlern und Deadlocks zu formulieren. Dann wird eine Technik zur "Fehlerdiagnose und -behandlung" vorgestellt, die das resultierende Netzwerk mit IoT kombiniert, um die Zuverlässigkeit des CROPN zu gewährleisten. Darüber hinaus wird ein GPenSIM-Tool verwendet, um die Zuverlässigkeit des IoT-basierten CROPN zu verifizieren, validieren und analysieren. Der Vergleich der Ergebnisse mit denen aus der Literatur zeigt, dass sie strukturell einfacher und effektiver bei der Lösung des Deadlock-Problems und der Modellierung der Zuverlässigkeit von AMS sind.