Resumen

En las últimas décadas, el diagnóstico basado en modelos de sistemas de eventos discretos (SEDs) se ha convertido cada vez más en un tema de investigación activo tanto en ingeniería de control como en inteligencia artificial. Sin embargo, a diferencia del diagnóstico mínimo ampliamente aplicado en sistemas estáticos, en la mayoría de los enfoques para el diagnóstico de SEDs, se calculan todos los posibles diagnósticos candidatos, incluidos los no mínimos, lo que puede causar una complejidad inabordable cuando el número de diagnósticos no mínimos es muy grande. De acuerdo con el principio de parsimonia y el principio de distribución conjunta de probabilidad, en general, el diagnóstico mínimo de SEDs es preferible a un diagnóstico no mínimo. Para generar diagnósticos más probables, se presenta la noción de diagnóstico mínimo de SEDs, que está respaldada por un diagnóstico mínimo para la generación de diagnósticos mínimos. Además, para decidir de manera fuerte o débil si un conjunto mínimo de eventos defectuosos ha ocurrido definitivamente o

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Basado en modelos; Diagnóstico; Sistemas de eventos discretos; Mínimo; Diagnóstico; Diagnosticabilidad
• Keywords:Model-based; Diagnosis; Discrete-event systems; Minimal; Diagnoser; Diagnosability