Метод динамической актуализации модели взаимодействия параллельных процессов во встроенных системах

   Рассматривается метод динамической актуализации формальной модели параллельных процессов, который предназначен для отладки и верификации программного обеспечения микроконтроллеров в процессе натурных испытаний. Предложенный метод основан на применении методов интеллектуального анализа процессов и изначально отличается от предыдущих подходов тем, что позволяет записывать наблюдаемое поведение системы в формальную модель и обновить эту модель в режиме реального времени в процессе функционирования системы. Такой подход позволяет существенно сократить затраты ресурсов памяти на журналирование событий, поддерживать причинно-следственную связь между ними, производить наблюдение за системой в случаях, когда доступ к ней ограничен в течение продолжительного времени, а также строить модели процессов для распределенных систем в режиме реального времени. Метод, воплощенный в виде библиотеки на языке C, был реализован в виде совокупности предварительно подготовленных таблиц, представляющих собой динамически актуализируемую модель процессов системы в форме событийного графа с частотными характеристиками, обновляемыми за счет поступления информации о событиях в системе. Приведена формула для оценки необходимых ресурсов для целевых платформ, а также даны указания по применению разработанного инструментария.

1. Pivoto D. G. S. et al. Cyber-physical systems architectures for industrial internet of things applications in Industry 4.0 : A literature review //Journal of manufacturing systems. 2021. Vol. 58. P. 176–192.

2. Hamzah M. et al. Distributed Control of Cyber Physical System on Various Domains : A Critical Review // Systems. 2023. Vol. 11, N 4. P. 208.

3. Pola G., Di Benedetto M. D. Control of cyber-physical-systems with logic specifications: A formal methods approach // Annual Reviews in Control. 2019. Vol. 47. P. 178–192.

4. Souza J. T. de et al. Data mining and machine learning in the context of sustainable evaluation : A literature review // IEEE Latin America Trans. 2019. N 3. P. 372–382.

5. Taranto V., G. et al. Algorithms and software for data mining and machine learning : a critical comparative view from a systematic review of the literature // The Journal of Supercomputing. 2021. N 7. P. 11481–11513.

6. Cheng T. et al. Spatio-temporal data mining // Handbook of Regional Science. 2021. P. 1691–1709.

7. Vodyaho A. et al. Model Based Approach to Cyber–Physical systems status Monitoring // Computers. 2020. Vol. 9, N 2. P. 47.

8. Hsieh F. S. Temporal Analysis of Influence of Resource Failures on Cyber-Physical Systems Based on Discrete Timed Petri Nets // Applied Sciences. 2021. Vol. 11. N 14. P. 6469.

9. Chervontsev M. et al. Use of Dynamic Models in Cognitive Cyber-Physical Systems // Engineering Proceedings. 2023. Vol. 33, N 1. P. 14.

10. Nicoleta T. C. Process Mining on a Robotic Mechanism // Intern. Conf. on Software Testing, Verification and Validation Workshops (ICSTW). IEEE, 2021. P. 205–212.

11. Xavier M. et al. Process mining in industrial control systems // 20^th Intern. Conf. on Industrial Informatics (INDIN). IEEE, 2022. P. 1–6.

12. Premchaiswadi W. et al. Using IoT and Mobile Robots to Model and Analyze Work Processes with Process Mining Techniques // Progress in Applied Science and Technology. 2023.

13. Zakarija I., Škopljanac-Mačina F., Blašković B. Automated simulation and verification of process models discovered by process mining // Automatika: časopis za automatiku, mjerenje, elektroniku, računarstvo i komunikacije. 2020. Vol. 61, N 2. P. 312–324.

14. Shakya S. A self monitoring and analyzing system for solar power station using IoT and data mining algorithms // Journal of Soft Computing Paradigm. 2021. Vol. 3, N 2. P. 96–109.

15. Vitale F. Run-Time Anomaly Detection with Process Mining: Methodology and Railway System Compliance Case-Study: Extended Abstracts of Master’s Thesis. Linnaeus Univ., Sweden, 2021.

16. Myers D. et al. Anomaly detection for industrial control systems using process mining // Computers & Security. 2018. Vol. 78. P. 103–125.

17. Гончаров А. А., Быковский С. В. Метод восстановления модели процессов во встроенных системах по журналу событий // Изв. вузов. Поволжский регион. Технические науки. 2023. № 3. С. 5–17. DOI: 10.21685/2072-3059-2023-3-1.

18. Карпов Ю. Г. Model сhecking. Верификация параллельных и распределенных программных систем. СПб: БХВ-Петербург, 2010.

19. Table_miner [Электронный ресурс]: https://github.com/GoncharovAleshka/micropm, 09. 03. 2024.