PDFpro doc1

2024_04_30_4787b6a9f7e541885ff7g

entities are first coded as frames. According to the previous section, frames have five fields, each one being associated with one piece of the information entity. As represented in figure 21 , a field identifier, followed by parameters, is used to characterize the nature of the first four fields.
entiteiten worden eerst gecodeerd als frames. Volgens de vorige paragraaf hebben frames vijf velden, die elk worden geassocieerd met een stuk van de informatie-entiteit. Zoals weergegeven in figuur 21 wordt een veldidentificatiesymbool, gevolgd door parameters, gebruikt om de aard van de eerste vier velden te karakteriseren.

Fig. 21, Example of a frame.
Fig. 21, Voorbeeld van een frame.

The frame example provided in figure 21 is related to the following model:
Het voorbeeld van het frame in figuur 21 is gerelateerd aan het volgende model:

The time variation of the information entity, that is the function , is described by a polynomial of order 1 . The field identifier is I for polynomial, followed by the order of the polynomial and its coefficients. Thus, the function is affine in time, that is:
De tijdsvariatie van de informatie-entiteit, dat wil zeggen de functie , wordt beschreven door een polynoom van orde 1 . De veldidentifier is I voor polynoom, gevolgd door de orde van de polynoom en zijn coëfficiënten. De functie is dus affien in de tijd, dat wil zeggen:

The uncertainty is represented by means of a symmetrical pseudo-triangular possibility distribution (see figure 5). The associated field identifier is 2 followed by the 4 parameters and characterizing the distribution shape ,
De onzekerheid wordt weergegeven door middel van een symmetrische pseudo-driehoekige verdelingsmogelijkheid (zie figuur 5). De bijbehorende veldaanduiding is 2 gevolgd door de 4 parameters en die de verdelingsvorm karakteriseren,
Coefficients of the distribution shape are assumed to be constant. It is coded as a 0 -order polynomial.
Coëfficiënten van de verdelingsvorm worden constant verondersteld. Het wordt gecodeerd als een 0-orde polynoom.
The refreshment delay, taken from the creation date, is assumed to be precisely known. Therefore, the associated distribution shape is a singleton possibility distribution as shown in figure 3. The field identifier is 0 for singleton shape, followed by the delay value. Here, we have:
Er wordt aangenomen dat de verversingsvertraging vanaf de aanmaakdatum precies bekend is. Daarom is de bijbehorende verdelingsvorm een singleton-mogelijkheidsverdeling zoals weergegeven in figuur 3. De veldidentifier is 0 voor de singletonvorm, gevolgd door de vertragingswaarde. Hier hebben we:

Once received, this frame can be used by any intelligent component connected to the network to compute, at any time, the uncertainty associated with the transmitted information: Let us illustrate the principle.
Eenmaal ontvangen kan dit frame gebruikt worden door elke intelligente component die verbonden is met het netwerk om op elk moment de onzekerheid geassocieerd met de verzonden informatie te berekenen: Laten we het principe illustreren.

Assume that a sensor has performed a measurement and sent the result over the network. Assume also that another component is willing to use the transmitted information and needs to compute its uncertainty at absolute time

. First, the relative time, with respect to the birth date of the transmitted information, is computed, that is:
Stel dat een sensor een meting heeft uitgevoerd en het resultaat over het netwerk heeft verzonden. Stel ook dat een andere component de verzonden informatie wil gebruiken en zijn onzekerheid op het absolute tijdstip

moet berekenen. Eerst wordt de relatieve tijd ten opzichte van de geboortedatum van de verzonden informatie berekend, d.w.z:

Then, each field are processed according to its identifier in order to provide the time expression of the coefficients associated with the uncertainty distribution shape.
Vervolgens wordt elk veld verwerkt aan de hand van zijn identificator om de tijduitdrukking te verkrijgen van de coëfficiënten die geassocieerd zijn met de onzekerheidsverdelingsvorm.

In the chosen example, four coefficients of the pseudotriangular possibility distribution are directly obtained from the second field of the frame, that is

, and

, the two others,

and

, are obtained by symmetry. Thus, the uncertainty is characterized by the following set of equations:
In het gekozen voorbeeld worden vier coëfficiënten van de pseudotrihoekige mogelijkheidsverdeling rechtstreeks verkregen uit het tweede veld van het frame, namelijk

, en

, de twee andere,

, worden verkregen door symmetrie. De onzekerheid wordt dus gekarakteriseerd door de volgende set vergelijkingen:

Figure 22 illustrates, using the same graphical representation as in the previous sections, the link between the frame received by the component and the reconstructed uncertainty.
Figuur 22 illustreert, aan de hand van dezelfde grafische weergave als in de vorige hoofdstukken, het verband tussen het frame dat de component ontvangt en de gereconstrueerde onzekerheid.

Refreshment Verfrissing

possibility mogelijkheid

distribution distributie

Fig. 22. Uncertainty computed by the intelligent component from the received information entity,
Fig. 22. Onzekerheid berekend door de intelligente component op basis van de ontvangen informatie-entiteit,

4. CONCLUSION 4. CONCLUSIE

Measuring accuracies are currently the subject of much research. In this paper, a general model has been presented that makes it possible to compute the uncertainty associated with each information entity at
Het meten van nauwkeurigheden is momenteel onderwerp van veel onderzoek. In dit artikel is een algemeen model gepresenteerd dat het mogelijk maakt om de onzekerheid te berekenen die is verbonden aan elke informatie-entiteit op