Resumen

La optimización de la selección de pruebas basada en datos del sensor es la base para diseñar un trabajo de pruebas, que garantiza que el sistema sea probado bajo la restricción de índices convencionales como la tasa de detección de fallas (FDR) y la tasa de aislamiento de fallas (FIR). Desde la perspectiva del soporte de mantenimiento de equipos, el aislamiento de ambigüedades tiene un efecto significativo en el resultado de la selección de pruebas. En este documento, se propone un modelo de optimización de selección de pruebas mejorado al considerar el grado de ambigüedad del aislamiento de fallas. En el nuevo modelo, se adopta la matriz de dependencia de pruebas de fallas para modelar la correlación entre la falla del sistema y el grupo de pruebas. La función objetivo del modelo propuesto es minimizar el costo de las pruebas con la restricción de FDR y FIR. Se adopta el algoritmo de optimización de enjambre de partículas discretas caóticas mejorado para resolver el modelo de optimización de

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Datos del sensor; Optimización de la selección de pruebas; Aislamiento de fallas; Grado de ambigüedad; Matriz de dependencia de pruebas; Optimización de enjambre de partículas
• Keywords:Sensor data; Test selection optimization; Fault isolation; Ambiguity degree; Test dependency matrix; Particle swarm optimization