基于SPN的智能船舶監測云平臺可靠性評估

楊 帆，姚玉南，鄭洪江，陳 偉

(1.武漢理工大學，湖北 武漢 430063；2.上海智能網聯車載終端工程技術研究中心，上海 200030)

隨著信息化技術的飛速發展，人工智能、大數據、物聯網等技術逐漸進入了生產和生活中。中國船級社(CCS)在總結了國內外智能船舶使用經驗后，提出了智能船舶集成平臺的構想。在智能船舶的航行過程中，船端數據和應用相統一的集成平臺在建成后，需要與管理智能船舶的監測云平臺進行數據的交互[1]。但是現有的服務平臺仍然存在著不少問題，其所面向的是復雜的運行環境，超大規模的服務，高度復雜的代碼，船岸通信網絡的動態變化等，對智能船舶監測云平臺的可靠性評估帶來了巨大的挑戰。

目前研究人員將故障注入[2]、馬爾可夫[3]、多階段多狀態[4]等理論引入了對平臺的評估中，但是評估的對象具有單一性，基本都是通信云平臺，并沒有給出完整的理論分析和定量分析，存在著一定的局限性。本文通過對智能船舶監測云平臺的功能模塊進行分析，將系統分為四個層級和三個狀態，利用隨機Petri網模型對其進行可靠性評估，結果顯示本文構建的模型對于云平臺的可靠性評估具有重要意義。

1 智能船舶監測云平臺可靠度計算模型

智能船舶監測云平臺是智能船舶智能航行的技術保障，船端集成平臺對船舶的運行數據進行初步的整合后，通過船岸通信系統，將所有數據發送到智能船舶云平臺中，工作人員可以通過該平臺對船舶的運行進行監督，當船舶出現故障時，可以直接對該平臺數據庫存儲的數據進行分析，得出初步結論后，結合船端的實際情況，對故障原因進行深度的剖析。智能船舶云平臺包括硬件平臺、基礎軟件平臺、應用軟件平臺等，同時平臺中對應《智能船舶規范》中的規定，同樣集成了智能航行、智能機艙、智能能效管理等子系統，從而形成智能船舶系統。

智能船舶云平臺的可靠性需要考慮平臺組成中的硬件可靠性和軟件可靠性，單單使用一種方法對其可靠性進行評估都是片面的，針對系統的可靠性，人們提出了組合法和狀態法[5]，組合法對可靠性的分析主要依靠失效數據，在已知系統故障的數據的基礎上對可靠性進行評估。狀態法主要在分析系統的運行狀態后，基于狀態之間的轉移對可靠性進行建模。

目前，對于網構軟件和云平臺的評價大多采用狀態法[6]，利用馬爾可夫鏈直接對系統的狀態進行建模分析，但智能船舶云監控平臺作為一個復雜系統，擁有著龐大的代碼和特殊的功能模塊，若直接采用馬爾可夫對云平臺進行可靠性評估的話會導致狀態空間過大，過程繁瑣，且容易產生錯誤，因此本文擬采用隨機Petri網結合馬爾可夫模型對其進行可靠性評估。

傳統的Petri網是一種網狀信息流模型，在網狀模型中節點主要分為條件和事件2種，在2種節點構成有向二分圖的基礎上增加表示狀態信息的分布，利用事件的變化引發狀態變遷，從而體現整個系統的變化過程[7]。近年來，對Petri網進行建模時一般會引入時間等參數，每個變遷都會與一個時間時延變量相聯結，這種網絡結構就叫做隨機Petri網(SPN)[8]。

SPN變遷的時延服從負指數分布，具有無記憶性，若SPN模型的變遷服從指數分布，具有無記憶性，則該模型的狀態可達圖可同構于一個馬爾可夫鏈，SPN的每個標識對應MC中的一個狀態，SPN的可達標識集同構于一個MC的狀態空間[9]。計算各狀態空間的分布概率即可得到系統的可靠性概率。

2 智能船舶監測云平臺功能構件組成分析

目前，智能船舶監測云平臺的功能系統主要分為3個：智能航行系統、智能機艙系統、智能能效管理系統。智能船舶監測云平臺是一個商業化平臺，設立有登錄模塊，新用戶可以通過注冊進入系統。進入主界面后，用戶可以根據需要選擇對應的功能，系統通過搜索與調用對應數據庫中數據，對數據進行可視化處理，并提供服務給用戶[9]。同時，數據庫在合適的時候會通過衛星通信連接船端平臺進行智能船舶數據的更新。

由于智能船舶云平臺的功能屬于線性連接，相應的模塊之間屬于串聯，任何一個構件出現故障都會影響到系統的正常運行，但系統構件過多，直接建模易出現狀態爆炸等問題。故建模時對系統進行分層處理，如圖1所示，第一層為系統層，這一層為智能船舶監測云平臺系統；第二層為子系統層，分為登錄系統、智能航行系統、智能機艙系統、智能能效管理系統、船岸連接系統；第三層為模塊層，包括登錄模塊、數據庫模塊、顯示模塊等；第四層為基礎構件層，這一層的劃分與構件的功能相對應，為整個系統的最底層，也是云平臺系統最基礎的組成部分。

圖1 智能船舶監測云平臺層級劃分

3 基于SPN的智能船舶監測云平臺可靠性評估模型

智能船舶監測云平臺屬于一個動態運行的多態系統，各子系統的狀態與系統的狀態進行組合，就能形成構件組成系統異常、構件異常系統正常、構件異常系統異常，構件正常系統異常4個狀態，但第四種狀態存有爭議，一般不進行考慮。Petri網是一種常用于復雜多態系統的有效工具，根據系統的功能對其進行構件組成分解后，利用Petri網可以快速實現對構件狀態和系統狀態的判斷，進而對系統可靠性進行評估。而在隨機Petri網絡中引入瞬時變遷，可以有效降低網絡的運行速度，增加求解的精度。

由于軟件系統模塊內部存在著一定的冗余性，即某一模塊出現故障，卻不影響其他模塊功能的正常使用。智能船舶監測云平臺采用的設計架構為微服務架構，各個構件、系統之間相對獨立，內聚性強，具有較小的耦合性。而智能航行系統、智能機艙系統、智能能效管理系統三者并無連續性關系，用戶可以單獨使用其中任一功能而不需要考慮其他功能是否可以正常使用。這3個系統為一個并聯系統，如果冗余性大于故障的嚴重程度，根據軟件故障傳播定律，故障將會局限在一個模塊內，僅僅只會影響到一個子系統的使用，但不影響其他系統的正常運行，因此根據故障的嚴重程度，可以將智能航行等3個系統的運行狀態分為三態，即小微故障、嚴重故障、系統正常運行，一般情況下系統在正常運行狀態，一旦出現故障，系統的狀態進行變化，根據故障的嚴重程度，系統最終所處的狀態是小微故障與嚴重故障中的一個，并不能同時轉移到兩者中，二者為沖突關系。

對3個系統進行沖突行為建模，由于系統采用微服務架構，各子系統之間的連接關系較為明確，整個系統為一個串并結構，串聯系統主要為登錄系統、船岸交互系統，這兩者為整個系統提供支持，若這2個系統出現故障，將會直接影響到整體系統的運行，故不存在多態，只取故障和正常兩態。智能航行等3個系統為并聯方式，三者存在著一定的耦合性與獨立性，若一個系統出現故障，其余系統正常運行，用戶并沒有使用這個系統，云平臺提供的服務仍然定義為是可靠的，服務的占有率可以根據用戶的點擊量進行計算，統計一年來的數據，可以算出智能航行系統使用的概率為0.5，智能能效管理使用的概率為0.3，智能機艙系統的使用概率為0.2。占有率與小微故障的乘積即為小微故障這一狀態的轉移概率。云平臺各子系統之間的串并聯關系如圖2所示。

圖2 云平臺各子系統之間的串并聯關系

根據上述分析，對系統進行分解和分析，利用PIPE4.3.0(Platform Independent Petri Net Editor 4.3.0)軟件建立云平臺的SPN模型，云平臺子系統層級的SPN模型如圖3 所示，模型中元素含義如表1所示。

圖3 云平臺子系統層級的SPN模型

表1 SPN模型中各元素的具體含義

云平臺的故障存在著一定的隨機性和連續性，故障之間也存在著一定的耦合，為了簡化模型，假設其故障的發生是相對獨立的。設置各子系統庫所的容量函數K=1，即表示庫所中的標識只能有1個，P14為子系統的故障數目，根據子系統的數量設置庫所容量K=5。圖4為SPN模型的狀態躍遷圖，圖4中的有向箭頭代表著狀態轉移的發生，橢圓形為穩定狀態，三角形為瞬時狀態，軟件運行初期其可靠性是時變的，一段時間后進入穩定運行狀態，各個可達狀態的出現概率趨于常數[5]。由于瞬時狀態出現的時間過短，軟件失效率遠小于執行率，因此我們僅考慮軟件運行達到穩定狀態后的失效行為。根據狀態躍遷圖所示，任一子系統的故障，都會引起狀態的躍遷，進而影響到系統狀態的變化，但對子系統的故障進行維修，系統最終返回到初始狀態。

圖4 SPN模型的狀態躍遷圖

在SPN模型中，M0代表著初始狀態，SPN 網模型中的每一次變遷的發生和標識的變化，形成一個新的標識 M1。各狀態運行可達標識集如表2所示。

表2 各狀態運行可達標識集

構件的故障率根據國家關于軟件可靠性的標準與軟件FMEA分析表，綜合計算構件的嚴酷度等級，將故障程度分為10個級別。為了與故障程度相對應，設置冗余度的等級也為10個級別，冗余度主要根據構件的使用次數、連接的構建數目、程序的復雜度計算得出。冗余度的計算公式如下：

(1)

式中，μ為故障的冗余度級別，即故障的等級如果低于構件的冗余度級別，該故障影響可以被消除，故障被屏蔽；n為該子系統的代碼數量；n總為整個系統的代碼數量；ki為該子系統被調用的次數；k總為所有子系統的調用次數；li為該子系統連接的子系統數目；lmax為子系統中連接數量最大。

小微故障的躍遷率即為影響被屏蔽的故障發生的概率與子系統使用概率的乘積，計算冗余度之后，對在冗余度等級之下的故障進行統計，可以獲得小微故障的分布概率。

軟件的維修率為在給定時間內隔離和修復系統中故障的概率。由于設備的復雜性，各構件之間差異較大，所以維修率并非一個定值，根據實際維修情況，維修率的計算公式如下：

(2)

式中,μij(t)為i構件j故障的維修率，t為構件運行的總時間；Ni為系統中i構件運行的總次數；nij為i構件由于j故障的維修次數。

結合云平臺的運行數據和開發手冊，對故障數據進行統計分析，得到各個子系統故障和維修的概率，λi為系統的變遷概率，即每個變遷對應的故障率與維修率，SPN模型中各庫所的變遷概率如表3所示。

表3 SPN模型中各庫所的變遷概率

利用PIPE4.3.0軟件自帶的分析功能對各狀態的概率進行求解分析，各子系統可靠度和故障概率如表4所示，各個庫所擁有令牌的概率，P0庫所代表的意義為系統正常，其概率即系統的可靠性，其值為0.739 37。P14為系統出現故障的數目，若系統出現一個或多個故障，該庫所都會出現令牌，該庫索的概率即為不可靠度，所以系統的不可靠度為0.260 63，系統的不可靠度與可靠度之和為1。同時計算P1與P2庫所，P3、P4、P5這3個庫所，其概率之和結果為1，證明該模型正確。

表4為各子系統可靠度和故障概率，根據表4數據，對其分析可知，智能船舶監測云平臺的可靠度為0.739 37，屬于一個較低的水平，結合各個子系統的可靠度分析，智能航行等3個并聯子系統的故障概率較大，可靠度均在0.95之下，串聯的子系統可靠度較高，可靠度均在0.95以上，這也與正常的軟件可靠性分配模型相似，智能航行和智能機艙的可靠度為系統最低，所以為了提高系統整體的概率，可以提高這2個系統的冗余度或對部分重要構件進行備份，在構件出現故障時，可以利用備份構件提供云服務。

表4 各子系統可靠度和故障概率

4 結束語

智能船舶監測云平臺由于其工作環境復雜，代碼繁瑣，通信不穩定等問題，導致對其進行可靠性分析較為困難。該方法可以很好地權衡軟硬件可靠性評估，從狀態的變化出發，能夠簡單快速地計算出模塊的可靠性指標，給云平臺的維護和使用提供了理論參考。