We study decentralized diagnosis whose objective is fault detection in discrete event systems using decentralized architectures. We first identify a basic diagnosis and two virtual diagnoses as the simplest language-based decentralized diagnosis architectures. The virtual diagnoses cannot be used alone, they are provided to be combined with other diagnoses. On the other side, inference-based diagnosis generalizes several decentralized diagnoses, among which the basic and virtual diagnoses. We propose arborescent diagnosis, a diagnosis methodology that generates and uses a tree-like decentralized architecture whose all leaves are virtual diagnoses, except one specific leaf R . Each node n of the tree is a conjunction or disjunction of the diagnosis decisions of the two children of n . If inference-based diagnosis is applicable to the diagnosis objective, then R is a basic diagnosis. This means that by combining adequately virtual diagnoses and one basic diagnosis, we can realize every diagnosis objective that is realizable by inference-based diagnosis. Also, if inference-based diagnosis is unapplicable to the diagnosis objective, then the architecture of R is undetermined. In this case, we show how to find a diagnosis architecture for R by combining arborescent diagnosis with a state-based diagnosis method called multi-decision diagnosis. Complexities of arborescent and inference-based diagnoses are studied and compared.

中文翻译：

---

用于离散事件系统分散诊断的树状架构

我们研究了分散式诊断，其目标是使用分散式架构在离散事件系统中进行故障检测。我们首先将一个基本诊断和两个虚拟诊断确定为最简单的基于语言的分散诊断架构。虚拟诊断不能单独使用，它们被提供以与其他诊断结合使用。另一方面，基于推理的诊断概括了几种分散的诊断，其中包括基本诊断和虚拟诊断。我们提出树状诊断，这是一种诊断方法，它生成并使用树状分散架构，其所有叶子都是虚拟诊断，除了一个特定的叶子 R 。树的每个节点 n 是 n 的两个孩子的诊断决策的合取或析取。如果基于推理的诊断适用于诊断目标，则 R 是基本诊断。这意味着通过充分结合虚拟诊断和一个基本诊断，我们可以实现通过基于推理的诊断可实现的每一个诊断目标。此外，如果基于推理的诊断不适用于诊断目标，则 R 的架构是不确定的。在这种情况下，我们展示了如何通过将树状诊断与称为多决策诊断的基于状态的诊断方法相结合来找到 R 的诊断架构。树状和基于推理的诊断的复杂性进行了研究和比较。此外，如果基于推理的诊断不适用于诊断目标，则 R 的架构是不确定的。在这种情况下，我们展示了如何通过将树状诊断与称为多决策诊断的基于状态的诊断方法相结合来找到 R 的诊断架构。树状和基于推理的诊断的复杂性进行了研究和比较。此外，如果基于推理的诊断不适用于诊断目标，则 R 的架构是不确定的。在这种情况下，我们展示了如何通过将树状诊断与称为多决策诊断的基于状态的诊断方法相结合来找到 R 的诊断架构。树状和基于推理的诊断的复杂性进行了研究和比较。