DAKODIS
Das Hauptziel des Projekts ist die Steigerung der Effizienz und die Reduzierung des Overheads der Online-Diagnose für offene eingebettete Systeme durch Datenkompression. Die spezifischen Eigenschaften von Online-Diagnosesystemen - insbesondere eine große Anzahl von teilweise korrelierten Datenströmen, aus denen dynamische gleitende Zeitfenster für die Abfrageauswertung gespeichert werden müssen - erfordern die Entwicklung neuer Kompressionsverfahren oder die Anpassung bestehender Kompressoren.
Beschreibung
Das Ziel der Online-Diagnose für offene eingebettete Systeme ist die Lokalisierung und gegebenenfalls die Behebung von Fehlern in offenen Systemen, in denen Komponenten dynamisch dem System beitreten oder es verlassen können, um sicherheitskritische Dienste bereitzustellen.
In früheren Arbeiten wurde ein Ansatz zur Online-Diagnose vorgestellt, der auf Techniken aus dem Semantic Web basiert. Bei diesem Ansatz werden neue Diagnoseinformationen lokal aus Sensordaten, Statusinformationen oder bereits abgeleiteten Diagnoseinformationen mithilfe von SPARQL-Abfragen abgeleitet und verteilt in lokalen Echtzeitdatenbanken gespeichert. Dabei müssen große Datenmengen gespeichert und zwischen den Systemkomponenten kommuniziert werden, wobei die verfügbare Kommunikationsbandbreite in vielen Anwendungen begrenzt ist.
Die Integration einer Kompressionskomponente in ein Online-Diagnosesystem erfordert darüber hinaus weitere Anpassungen, insbesondere beim Inferenzprozess für Diagnoseinformationen sowie bei der zeitgesteuerten Ablaufplanung dieses Inferenzprozesses. Die zur Lösung dieser Probleme entwickelten Algorithmen sollen in einem Prototyp implementiert und anhand verschiedener Anwendungsszenarien evaluiert werden.
Schwerpunkte/Bereiche
-
Datenkompression für die aktive Diagnose
