Language:

Italiano English

Affidabilità di sistemi critici complessi: modelli, metodi e strumenti


  
Finanziato da   
Università del Piemonte Orientale

Fondo: RScodettaraiteriRL15_SISTEMICRITICI_16-18

Durata: da Aprile 2016 ad Aprile 2018

Sede:
Istituto di Informatica, DiSIT, Alessandria



Partecipanti

                                                   
Andrea Bobbio
Alessio Bottrighi
Daniele Codetta Raiteri (responsabile)
Giuliana Franceschinis

Pubblicazioni

A. Bobbio, A. Puliafito, M. Scarpa, M. Telek
"Stochastic Modeling Techniques in Software Aging and Rejuvenation Phenomena"
In "Handbook of
Software Aging and Rejuvenation: Fundamentals, Methods, Applications, and Future Directions", pages 363-401, World Scientific, May 2020

D. Cerotti, A. Miele, M. Gribaudo, A. Bobbio, C. Bolchini
"Scalable analytical model for reliability measures in aging VLSI by interacting Markovian agents"
Performance Evaluation, vol. 132, pages 21-37, Elsevier, August 2019

M. Beccuti, L. Capra, M. De Pierro, G. Franceschinis, S. Pernice
"Deriving Symbolic Ordinary Differential Equations from Stochastic Symmetric Nets without unfolding"
European Performance Evaluation Workshop (EPEW), Lecture Notes in Computer Science, vol. 11178, Springer, Paris, France, October 2018

D. Cerotti, D. Codetta-Raiteri
"Mean field analysis for Continuous Time Bayesian Networks"
Communications in Computer and Information Science, vol. 825, pages 156-169, Springer, May 2018

D. Codetta-Raiteri, L. Portinale
"Decision Networks for Security Risk Assessment of Critical Infrastructures"

ACM Transactions on Internet Technology, vol. 18(3), ACM, March 2018

D. Cerotti, D. Codetta-Raiteri
"Mean field analysis for Continuous Time Bayesian Networks"
New Frontiers in Quantitative Methods in Informatics (InfQ), Venice, Italy, December 2017

D. Codetta-Raiteri, L. Portinale
"Generalized Continuous Time Bayesian Networks as a modelling and analysis formalism for dependable systems"
Reliability Engineering and System Safety, vol. 167, pages 639-651, Elsevier, November 2017

A. Bottrighi, L. Canensi, G. Leonardi, S. Montani, P. Terenziani
"Trace retrieval for business process operational support"
Expert Systems with Applications, vol. 55, pages 212-221, Elsevier, August 2016

Top

Descrizione


Il gruppo di lavoro

    Il gruppo ha esperienza nei formalismi di modellazione e nelle tecniche di analisi per la valutazione delle prestazioni e dell’affidabilità di sistemi. I formalismi particolarmente sviluppati dal gruppo sono: Fault Trees, Petri Nets, Bayesian Networks, e le rispettive estensioni. Inoltre il gruppo ha maturato esperienza nell'informatica medica e nella bioinformatica.

Introduzione

    L’applicazione di sistemi informatici a contesti critici sta diventando sempre più oggetto di investigazione scientifica ed industriale. Esempi esplicativi provengono dai campi quali la medicina, la distribuzione energetica, i trasporti. E' tanto evidente la necessità di disporre di software affidabile in simili scenari, quanto complesso è garantirne e valutarne il livello di affidabilità (dependability) per via  delle grandi dimensioni e dell'estrema dinamicità.
    Gli sforzi della comunità di ingegneria del software sono stati principalmente orientati alle tecniche di progettazione e collaudo applicate durante le fasi di pre-rilascio del sistema. Contemporaneamente la comunità di depedability ha affrontato la fase operazionale trattando le tecniche di fault-tolerance, fault-diagnosis, fault-prevention, fault-forecasting. La comunità dei metodi formali ha mostrato come questi si possano applicare alla previsione dei fallimenti in vari ambiti.

Competenze

    La valutazione delle prestazioni e dell'affidabilità può essere basata su modelli oppure basata su misure. Il primo approccio richiede la costruzione di un modello che rappresenti il comportamento del sistema in una opportuna astrazione del sistema reale. I modelli combinatori (Reliability Block Diagrams, Fault Trees) rappresentano il sistema in termini di connessioni logiche di componenti. Hanno una notazione intuitiva e sono semplici da realizzare e analizzare. Tuttavia soffrono di una capacità di modellazione molto limitata, per via dell'assunzione di indipendenza probabilistica degli eventi.
    I modelli basati su stati (Catene di Markov, Reti di Petri) hanno maggiore capacità di modellazione: si basano sui concetti di stato e transizione, e sono più adatti ad esprimere la dinamica di un sistema. Infatti permettono di descrivere il sistema in termini del comportamento di singoli componenti e delle loro interazioni. Questi modelli possono essere simulati oppure, entro certi vincoli, risolti numericamente o analiticamente.
    Le Reti Bayesiane sono un formalismo ampiamente diffuso per rappresentare conoscenza incerta in sistemi probabilistici e recentemente sono state applicate in ambito affidabilistico. Possono evitare la descrizione completa dello spazio degli stati e possono essere analizzate a scopo predittivo (come i modelli precedenti) o diagnostico. Inoltre, l'analisi può essere condizionata dall'osservazione di particolari cause o effetti.
   
Attività


    Oltre ad applicare le proprie attuali competenze il gruppo mira anche a estendere i formalismi di modellazione. Lo scopo è ampliare l'insieme di sistemi analizzabili. Questo comporterà il raffinamento delle attuali tecniche di analisi dei modelli.
    Tra i formalismi di interesse si vogliono considerare quelli basati su Reti di Petri e su Reti Bayesiane. In particolare, per quanto riguarda le Reti Bayesiane, si intende migliorare gli approcci di analisi sviluppati finora per una categoria particolare chiamata Generalized Continuous Time Bayesian Network dove le variabili cambiano il proprio valore con un ritardo temporale casuale o in modo immediato. Questo tipo di Rete Bayesiana consente di effettuare l'analisi rispetto al tempo considerato in modo continuo.
    Un’altra attività riguarderà la soluzione di Reti di Petri stocastiche colorate (Stochastic symmetric nets) il cui spazio degli stati è molto grande. Ciò avverrà tramite tecniche di analisi fluide basate su Ordinary Differential Equations (ODE). La novità sta nel fatto che si può generare un sottoinsieme di ODE grazie alla presenza di simmetrie nel modello di partenza.
    Nel progetto saranno anche sviluppati alcuni casi di studio mirati a mostrare l'applicabilità delle tecniche proposte in diversi ambiti.