Индикаторы риска каскадных сбоев взаимосвязанных сетевых структур
- Авторы: Тырсин А.Н.1,2, Кащеев С.Е.3
-
Учреждения:
- ФГБУН Научно-инженерный центр «Надежность и ресурс больших систем и машин» УрО РАН, Екатеринбург
- ФГБУН Институт экономики УрО РАН
- Южно-Уральский государственный университет
- Выпуск: № 102 (2023)
- Страницы: 76-98
- Раздел: Сетевые модели в управлении
- URL: https://journals.rcsi.science/1819-2440/article/view/363793
- DOI: https://doi.org/10.25728/ubs.2023.102.5
- ID: 363793
Цитировать
Полный текст
Аннотация
Поведение реальных систем часто обладает стохастичностью, а связи между их элементами можно адекватно описывать как корреляционные. В последние годы наблюдаются тенденции увеличения и усложнения современных сетей при росте их зависимости друг от друга. Мы наблюдаем, как несколько сетей объединяются в одну взаимозависимую сетевую структуру. Это приводит к возрастанию рисков того, что отказ узлов в одной сети может привести к отказу зависимых узлов в других сетях. В результате таких отказов могут возникать катастрофические каскадные сбои в таких взаимосвязанных сетевых структурах. С учетом масштабности таких структур, часто являющихся критическими инфраструктурами, данная проблема становится весьма актуальной. В статье введена скалярная мера взаимосвязи между несколькими произвольно распределенными непрерывными случайными векторами. Она позволяет оценить тесноту взаимосвязи между различными подсистемами (сетями) в сетевых структурах. Применительно к гауссовым модельным сетевым структурам проведено исследование влияния тесноты взаимосвязи между подсистемами на риск возникновения каскадных сбоев. В качестве величины риска использовалась вероятность таких сбоев. В качестве индикатора риска возникновения каскадных сбоев в сетевой структуре предложено использовать коэффициент корреляционной взаимосвязи между ее подсистемами. А для снижения риска возникновения каскадных сбоев в сетевой структуре следует уменьшать тесноту корреляции между наиболее взаимосвязанными элементами подсистем.
Ключевые слова
Об авторах
Александр Николаевич Тырсин
ФГБУН Научно-инженерный центр «Надежность и ресурс больших систем и машин» УрО РАН, Екатеринбург; ФГБУН Институт экономики УрО РАН
Автор, ответственный за переписку.
Email: at2001@yandex.ru
Екатеринбург
Станислав Евгеньевич Кащеев
Южно-Уральский государственный университет
Email: kashcheevs@susu.ru
Челябинск
Список литературы
- Алексеев В. В., Соложенцев Е. Д. Логико-вероятностный подход к управлению риском и эффективностью в структурно-сложных системах // Информационно-управляющие системы. – 2009. – №6(43). – С. 67–71.
- Ашнина Ю. А., Борисов А. В., Борисова Н. И. Развитие инфраструктуры современного города: социальные и экономические аспекты // NovaInfo. – 2015. – №39. – С. 177–183.
- Булатов В. В. Введение в математические методы моделирования сложных систем. – М.: ОнтоПринт, 2018. – 338 с.
- Михайлов Г. А., Войтишек А. В. Численное статистическое моделирование. Методы Монте-Карло. – М.: Издательский центр «Академия», 2006. – 368 с.
- Новиков Д. А. Сетевые структуры и организационные системы. – М.: ИПУ РАН, 2003. – 102 с.
- Современный философский словарь: 2-е изд. / Под общ. ред. В. Е. Кемерова. – М.: ПАНПРИНТ, 1998. – 1064 с.
- Тырсин А. Н. Мера совместной корреляционной зависимости многомерных случайных величин // Заводская лаборатория. Диагностика материалов. – 2014. – Т. 80, №1. – С. 76–80.
- Тырсин А. Н. Скалярная мера взаимосвязи между несколькими случайными векторами // Заводская лаборатория. Диагностика материалов. – 2022. – Т. 88, №3. – С. 73–80.
- Фихтенгольц Г. М. Курс дифференциального и интегрального исчисления: В 3 т. – Т. 1. – 8-е изд. – М.: ФИЗМАТЛИТ, 2003. – 680 с.
- Хардле В. Прикладная непараметрическая регрессия: Пер. с англ. – М.: Мир, 1993. – 349 с.
- Behrensdorf J., Broggi M., Beer M. Reliability Analysis of Networks Interconnected with Copulas // ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part B: Mechanical Engineering. – 2019. – Vol. 5. – P. 041006-9.
- Buldyrev S. V., Parshani R., Paul G., Stanley H. E., Havlin S. Catastrophic cascade of failures in interdependent networks // Nature. – 2010. – Vol. 464. – P. 1025–1028.
- Cherubini U., Luciano E., Vecchiato W. Copula Methods in Finance. – Wiley, Chichester, UK, 2004.
- Engle R. F. Anticipating Correlations: A New Paradigm for Risk Management. – Princeton University Press, 2009.
- Goodwin B. K., Hungerford A. Copula-Based Models of Systemic Risk in US Agriculture: Implications for Crop Insurance and Reinsurance Contracts // American Journal of Agricultural Economics. – 2014. – Vol. 97, No. 3. – P. 879–896.
- Gorban A. N., Tyukina T. A., Pokidysheva L. I., Smirnova E. V. Dynamic and thermodynamic models of adaptation // Physics of Life Reviews. – 2021. – Vol. 37. – P. 17–64.
- Joe H. Dependence Modeling with Copulas. – Chapman and Hall/CRC, New York, 2014.
- Laprie J.-C., Kanoun K., Kaniche M. Modeling interdependencies between the electricity and information infrastructures // SAFECOMP-2007. – 2007. – Vol. 4680. – P. 54–67.
- Peña D., Rodriguez J. Descriptive Measures of Multivariate Scatter and Linear Dependence // Journal of Multivariate Analysis. – 2003. – Vol. 85, No. 2. – P. 361–374.
- Ram M., Singh S. B. Analysis of Reliability Characteristics of a Complex Engineering System under Copula // Journal of Reliability and Statistical Studies. – 2009. – Vol. 2, No. 1. – P. 91–102.
- Rinaldi S., Peerenboom J., Kelly T. Identifying, understanding, and analyzing critical infrastructure interdependencies // IEEE Control Systems Magazine. – 2001. – Vol. 21. – P. 11–25.
Дополнительные файлы
