Towards Prescriptive Analytics in Cyber-Physical Systems

More and more of our physical world today is being monitored and controlled by so-called cyber-physical systems (CPSs). These are compositions of networked autonomous cyber and physical agents such as sensors, actuators, computational elements, and humans in the loop. Today, CPSs are still... Ausführliche Beschreibung

1. Verfasser:
Weitere Verfasser: [advisor] ; [advisor] ; [referee] ; [referee] ; [referee]
Format: E-Book
veröffentlicht: Dresden: Saechsische Landesbibliothek- Staats- und Universitaetsbibliothek Dresden, 2015
Schlagworte:
RVK-Notation: ST 200 Allgemeines, Netzmanagement
Kein Bild verfügbar
Gespeichert in:
marc
LEADER 10267cam a22006131574500
001 0015790054
007 cr |||||||||||
008 151111s2015 xx eng
041 |a eng 
037 |n urn:nbn:de:bsz:14-qucosa-187556 
100 |a Siksnys, Laurynas  |e author 
700 |a Wolfgang Lehner  |e advisor 
700 |a Torben Bach Pedersen  |e advisor 
700 |a Ugur Cetintemel  |e referee 
700 |a Esteban Zimanyi  |e referee 
700 |a Kristian Torp  |e referee 
245 |a Towards Prescriptive Analytics in Cyber-Physical Systems 
260 |a Dresden  |b Saechsische Landesbibliothek- Staats- und Universitaetsbibliothek Dresden  |c 2015  |9 (issued 2015-11-11) 
520 3 |a More and more of our physical world today is being monitored and controlled by so-called cyber-physical systems (CPSs). These are compositions of networked autonomous cyber and physical agents such as sensors, actuators, computational elements, and humans in the loop. Today, CPSs are still relatively small-scale and very limited compared to CPSs to be witnessed in the future. Future CPSs are expected to be far more complex, large-scale, wide-spread, and mission-critical, and found in a variety of domains such as transportation, medicine, manufacturing, and energy, where they will bring many advantages such as the increased efficiency, sustainability, reliability, and security. To unleash their full potential, CPSs need to be equipped with, among other features, the support for automated planning and control, where computing agents collaboratively and continuously plan and control their actions in an intelligent and well-coordinated manner to secure and optimize a physical process, e.g., electricity flow in the power grid. In today’s CPSs, the control is typically automated, but the planning is solely performed by humans. Unfortunately, it is intractable and infeasible for humans to plan every action in a future CPS due to the complexity, scale, and volatility of a physical process. Due to these properties, the control and planning has to be continuous and automated in future CPSs. Humans may only analyse and tweak the system’s operation using the set of tools supporting prescriptive analytics that allows them (1) to make predictions, (2) to get the suggestions of the most prominent set of actions (decisions) to be taken, and (3) to analyse the implications as if such actions were taken. This thesis considers the planning and control in the context of a large-scale multi-agent CPS. Based on the smart-grid use-case, it presents a so-called PrescriptiveCPS – which is (the conceptual model of) a multi-agent, multi-role, and multi-level CPS automatically and continuously taking and realizing decisions in near real-time and providing (human) users prescriptive analytics tools to analyse and manage the performance of the underlying physical system (or process). Acknowledging the complexity of CPSs, this thesis provides contributions at the following three levels of scale: (1) the level of a (full) PrescriptiveCPS, (2) the level of a single PrescriptiveCPS agent, and (3) the level of a component of a CPS agent software system. At the CPS level, the contributions include the definition of PrescriptiveCPS, according to which it is the system of interacting physical and cyber (sub-)systems. Here, the cyber system consists of hierarchically organized inter-connected agents, collectively managing instances of so-called flexibility, decision, and prescription models, which are short-lived, focus on the future, and represent a capability, an (user’s) intention, and actions to change the behaviour (state) of a physical system, respectively. At the agent level, the contributions include the three-layer architecture of an agent software system, integrating the number of components specially designed or enhanced to support the functionality of PrescriptiveCPS. At the component level, the most of the thesis contribution is provided. The contributions include the description, design, and experimental evaluation of (1) a unified multi-dimensional schema for storing flexibility and prescription models (and related data), (2) techniques to incrementally aggregate flexibility model instances and disaggregate prescription model instances, (3) a database management system (DBMS) with built-in optimization problem solving capability allowing to formulate optimization problems using SQL-like queries and to solve them “inside a database”, (4) a real-time data management architecture for processing instances of flexibility and prescription models under (soft or hard) timing constraints, and (5) a graphical user interface (GUI) to visually analyse the flexibility and prescription model instances. Additionally, the thesis discusses and exemplifies (but provides no evaluations of) (1) domain-specific and in-DBMS generic forecasting techniques allowing to forecast instances of flexibility models based on historical data, and (2) powerful ways to analyse past, current, and future based on so-called hypothetical what-if scenarios and flexibility and prescription model instances stored in a database. Most of the contributions at this level are based on the smart-grid use-case. In summary, the thesis provides (1) the model of a CPS with planning capabilities, (2) the design and experimental evaluation of prescriptive analytics techniques allowing to effectively forecast, aggregate, disaggregate, visualize, and analyse complex models of the physical world, and (3) the use-case from the energy domain, showing how the introduced concepts are applicable in the real world. We believe that all this contribution makes a significant step towards developing planning-capable CPSs in the future. 
520 3 |a Mehr und mehr wird heute unsere physische Welt überwacht und durch sogenannte Cyber-Physical-Systems (CPS) geregelt. Dies sind Kombinationen von vernetzten autonomen cyber und physischen Agenten wie Sensoren, Aktoren, Rechenelementen und Menschen. Heute sind CPS noch relativ klein und im Vergleich zu CPS der Zukunft sehr begrenzt. Zukünftige CPS werden voraussichtlich weit komplexer, größer, weit verbreiteter und unternehmenskritischer sein sowie in einer Vielzahl von Bereichen wie Transport, Medizin, Fertigung und Energie – in denen sie viele Vorteile wie erhöhte Effizienz, Nachhaltigkeit, Zuverlässigkeit und Sicherheit bringen – anzutreffen sein. Um ihr volles Potenzial entfalten zu können, müssen CPS unter anderem mit der Unterstützung automatisierter Planungs- und Steuerungsfunktionalität ausgestattet sein, so dass Agents ihre Aktionen gemeinsam und kontinuierlich auf intelligente und gut koordinierte Weise planen und kontrollieren können, um einen physischen Prozess wie den Stromfluss im Stromnetz sicherzustellen und zu optimieren. Zwar sind in den heutigen CPS Steuerung und Kontrolle typischerweise automatisiert, aber die Planung wird weiterhin allein von Menschen durchgeführt. Leider ist diese Aufgabe nur schwer zu bewältigen, und es ist für den Menschen schlicht unmöglich, jede Aktion in einem zukünftigen CPS auf Basis der Komplexität, des Umfangs und der Volatilität eines physikalischen Prozesses zu planen. Aufgrund dieser Eigenschaften müssen Steuerung und Planung in CPS der Zukunft kontinuierlich und automatisiert ablaufen. Der Mensch soll sich dabei ganz auf die Analyse und Einflussnahme auf das System mit Hilfe einer Reihe von Werkzeugen konzentrieren können. Derartige Werkzeuge erlauben (1) Vorhersagen, (2) Vorschläge der wichtigsten auszuführenden Aktionen (Entscheidungen) und (3) die Analyse und potentiellen Auswirkungen der zu fällenden Entscheidungen. Diese Arbeit beschäftigt sich mit der Planung und Kontrolle im Rahmen großer Multi-Agent-CPS. Basierend auf dem Smart-Grid als Anwendungsfall wird ein sogenanntes PrescriptiveCPS vorgestellt, welches einem Multi-Agent-, Multi-Role- und Multi-Level-CPS bzw. dessen konzeptionellem Modell entspricht. Diese PrescriptiveCPS treffen und realisieren automatisch und kontinuierlich Entscheidungen in naher Echtzeit und stellen Benutzern (Menschen) Prescriptive-Analytics-Werkzeuge und Verwaltung der Leistung der zugrundeliegenden physischen Systeme bzw. Prozesse zur Verfügung. In Anbetracht der Komplexität von CPS leistet diese Arbeit Beiträge auf folgenden Ebenen: (1) Gesamtsystem eines PrescriptiveCPS, (2) PrescriptiveCPS-Agenten und (3) Komponenten eines CPS-Agent-Software-Systems. Auf CPS-Ebene umfassen die Beiträge die Definition von PrescriptiveCPS als ein System von wechselwirkenden physischen und cyber (Sub-)Systemen. Das Cyber-System besteht hierbei aus hierarchisch organisierten verbundenen Agenten, die zusammen Instanzen sogena 
500 |a doctoralThesis 
856 4 1 |u http://tud.qucosa.de/api/qucosa%3A27992/zip 
650 4 |a Smart-grid 
650 4 |a Cyber-Physical-Systems 
650 4 |a Prescriptive-Analytics 
650 4 |a Planung und Kontrolle 
650 4 |a Smart-grid 
650 4 |a cyber-physical systems 
650 4 |a prescriptive analytics 
650 4 |a planning and control 
082 0 |a 004 
084 |2 rvk  |a ST 200  |9 SQ - SU  |9 ST  |9 ST 200 - ST 207  |9 ST 200 
936 r v |a ST 200  |b Allgemeines, Netzmanagement  |k Informatik  |k Monographien  |k Vernetzung, verteilte Systeme  |k Allgemeines, Netzmanagement 
852 |a DE-14  |z 2018-05-26T07:03:00Z 
852 |a DE-15  |z 2018-05-26T07:03:00Z 
852 |a DE-D161  |z 2018-05-26T07:03:00Z 
852 |a DE-Gla1  |z 2018-05-26T07:03:00Z 
852 |a DE-Ch1  |z 2018-05-26T07:03:00Z 
852 |a DE-D275  |z 2018-02-14T07:42:49Z 
852 |a DE-D117  |z 2017-04-26T14:00:21Z 
852 |a DE-Rs1  |z 2018-05-26T07:03:00Z 
852 |a DE-Bn3  |z 2018-05-26T07:03:00Z 
852 |a DE-L242  |z 2017-04-26T14:00:21Z 
852 |a DE-540  |z 2018-01-17T11:01:01Z 
852 |a DE-105  |z 2018-05-26T07:03:00Z 
852 |a DE-Zwi2  |z 2018-05-26T07:03:00Z 
852 |a DE-Pl11  |z 2018-05-26T07:03:00Z 
852 |a DE-Brt1  |z 2018-05-26T07:03:00Z 
852 |a DE-L229  |z 2018-05-26T07:03:00Z 
852 |a DE-Zi4  |z 2018-05-26T07:03:00Z 
852 |a DE-L328  |z 2017-04-26T14:00:21Z 
852 |a DE-D13  |z 2017-04-26T14:00:21Z 
980 |a urn:nbn:de:bsz:14-qucosa-187556  |b 22  |c 201908160604 
solr