A Network Reliability Analysis Method for Complex Real-Time Systems: Case Studies in Railway and Maritime Systems
Notice bibliographique
Résumé
The analysis of complex system reliability is an area of growing interest, particularly given the diverse and intricate nature of the subsystems and components these systems encompass. Tackling the reliability of such multifaceted systems presents challenges, including component wear, multiple failure modes, the cascading effects of these failures, and the associated uncertainties, which require careful consideration. While traditional studies have examined these elements, the dynamic interplay of information between subsystems and the overarching system has only recently begun to draw focus. A notably understudied aspect is the reliability analysis of complex real-time systems that must adapt to evolving operational conditions. This paper proposes a novel methodology for assessing the reliability of complex real-time systems. This method integrates complex network theory, thus capturing the intricate operational characteristics of these systems, with adjustments to several key complex network parameters to define the nuances of communication within the network framework. To showcase the efficacy and adaptability of our approach, we present case studies on railway and maritime systems. For the railway system, our analysis spans various operational scenarios: from single train operations to simultaneous operations across multiple or different radio block center regions, accounting for node and edge failures. In maritime systems, the case studies employing the VHF data exchange system under operational scenarios are subject to network reliability analysis, successfully pinpointing critical vulnerabilities and modules of high importance. The findings of our research are promising, demonstrating that the proposed method not only accurately evaluates the overall reliability of complex systems but also identifies the pivotal weak points—be it modules or links—warranting attention for system enhancement.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».