Reliability analysis of man–machine systems using fuzzy cognitive mapping with genetic tuning

Abstract

This article offers a method for analyzing the reliability of a man–machine system (MMS) and ranking of influencing factors based on a fuzzy cognitive map (FCM). The ranking of influencing factors is analogous to the ranking of system elements the probabilistic theory of reliability. To approximate the dependence of “influencing factors—reliability,” the relationship of variable increments is used, which ensures the sensitivity of the reliability level to variations in the levels of influencing factors. The novelty of the method lies in the fact that the expert values of the weights of the FCM graph edges (arcs) are adjusted based on the results of observations using a genetic algorithm. The algorithm`s chromosomes are generated the intervals of acceptable values of edge weights, and the ion criterion is the sum of squares of deviations of the reliability simulation results observations. The method is illustrated by the example of a multifactor analysis of the reliability of the “driver–car–road” system. It is shown that the FCM adjustment reduces the discrepancy between the reliability forecast and observations almost in half. Possible applications of the method can be complex systems with vaguely defined structures whose reliability depends very much on interrelated factors measured expertly.

У цій статті пропонується метод аналізу надійності людино-машинної системи (ЛМС) і ранжування факторів впливу на основі нечіткої когнітивної карти (FCM). Ранжування факторів, що впливають, аналогічно ранжуванню елементів системи ймовірнісної теорії надійності. Для апроксимації залежності «фактори впливу — надійність» використовується співвідношення приростів змінних, що забезпечує чутливість рівня надійності до зміни рівнів факторів впливу. Новизна методу полягає в тому, що експертні значення ваг ребер (дуг) графа FCM коригуються за результатами спостережень за допомогою генетичного алгоритму. Хромосоми алгоритму генеруються з інтервалів допустимих значень ваг ребер, а критерієм відбору є сума квадратів відхилень результатів моделювання надійності від спостережень. Методика проілюстрована на прикладі багатофакторного аналізу надійності системи «водій–автомобіль–дорога». Показано, що коригування FCM майже вдвічі зменшує розбіжність між прогнозом надійності та спостереженнями. Можливі застосування методу можуть бути складними системами з нечітко визначеними структурами, надійність яких значною мірою залежить від взаємопов`язаних факторів, виміряних експертним шляхом.