Ao utilizar grafos e transformações de grafos para modelar sistemas, a consistência é uma preocupação importante. Embora a consistência tenha sido vista principalmente como uma propriedade binária, ou seja, um grafo é consistente ou inconsistente em relação a um conjunto de restrições, trabalhos recentes apresentaram uma abordagem da consistência como uma propriedade graduada. Isso permite conviver com inconsistências por um tempo e repará-las quando necessário. Para reparar inconsistências em um grafo, usamos regras de transformação de grafos com condições de aplicação denominadas indicadoras de dano e indicadoras de reparo para compreender o quanto certas aplicações de regra trariam de ganho na reparação. Ambos os tipos de condições podem ser derivadas de restrições de grafos fornecidas. Nosso teorema principal mostra que a diferença entre o número de violações reais de restrição antes e depois de um passo de transformação de grafo pode ser caracterizada pela diferença entre os números de condições de aplicação indicadoras de dano e indicadoras de reparo violadas. Essa teoria forma a base para algoritmos com previsão que classificam transformações de grafos de acordo com seu potencial para reparo de grafos. Uma avaliação mostra que o reparo de grafos pode ser bem suportado por regras com esses novos tipos de condições de aplicação em termos de eficácia e escalabilidade.
Fritsche et al. (Fri,) estudaram esta questão.