针对Alive Supervision，提出了一种检测检查点错匹配时间约束的算法，以明确实时监控所需的参数。
使用检查点的增量活动计数器来执行此操作，通过与活动监督周期相关的活动指示的计数数量来显示活动表示。
使用这种方法，必须能够处理两种不同的情况:
A)检查点的活动指示预期在一个监督周期内至少发生一次。统计一个supervision cycle
(SC)alive indications(AI)的数量。
B)检查点的活动指示预期发生的频率低于监督周期。必须计算两个alive indications(AI)之间的supervision cycle(SC)数。
为了应对这两种情况，有必要同时计算AI和SC。
我们还需要参数wdgmexpectedaliveindicators [ECUC_WdgM_00311] (EAI)，它表示检查点在参考周期(也称为监管参考周期[ECUC_WdgM_00310] (SRC)中存活指示的预期数量。该参数的值应该在设计阶段确定，并由配置定义。
为了避免检测到检查点的过多监督错误，有参数WdgMMinMargin [ECUC_WdgM_00312]和WdgMMaxMargin [ECUC_WdgM_00313]来定义时间约束的公差。
WdgMMinMargin表示检查点执行失败的允许次数。
WdgMMaxMargin表示允许额外执行检查点的次数。
因此算法变成:
函数f被定义为
f(EAI, SRC) = SRC - EAI .
注意f(EAI, SRC)有一个恒定的值，如果EAI和SRC是恒定的，可以初步计算f(EAI, SRC)。
第一种情况
检查点的活动指示(AI)预期在一个监督周期内至少发生一次。
例:一个监管周期内预期有2个活迹象，这表示监管参考周期，则f(EAI, SRC)的值为
f(EAI, SRC) = 1 - 2 = -1
当出现SC时，使用该算法增加监督周期数(n (SC) = 1)，并在每个监督周期(监督参考周期= 1个监督周期)中定期进行检查。
检查完成后，当前活指数和监控周期将被重置。
对于我们的示例，为了更简单，将最大和最小边界设置为0，因此使用的算法为
n (AI) – n (SC) + f(EAI, SRC) = 0.
如果在监督周期之前没有足够的活动指示，比较算法将会得到一个阴性的结果。如果活迹象的数量完全符合预期的数量，则结果为0。如果出现了更多的活迹象，则该数字大于0。
该算法的结果准确地代表了上一个监督周期内“额外的”活迹象的数量。
情景A:一个或几个活的迹象
supervision cycle
第二种情况
监督周期比活指标更常被期待。在这种情况下，我们必须计算已经发生的监视周期，直到活动计数器再次增加为止。在每个监督参考周期中都应进行活性检查，并使用相同的算法。
n (AI) – n (SC) + f(EAI, SRC) = 0
活动指示必须至少发生在表示监督参考周期的预定义监督周期数内。
示例:在2个监督周期内预期有一个活的指示(监督参考周期= 2个监督周期)
f(EAI, SRC) = 2 – 1 = +1
活动计数器必须随着每个活动指示增加1。活性评价应在与监督参考周期相对应的监督周期中进行。算法的比较条件保持相同的方式，但是在这个比较操作之后，检测到的活动计数器的增量也应该调用活动计数器和监督计数器的重置。
场景B:存活指示期大于一个监管周期
