Zuverlässigkeitsanalyse und -Aktualisierung komplexer Infrastruktursysteme mit Bayes'schen Netzwerken

• Antragsteller: Professor Dr. Daniel Straub
• Fachliche Zuordnung: Angewandte Mechanik, Statik und Dynamik
• Förderung: Förderung von 2015 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 276986762

Zuverlässige Infrastruktursysteme sind essentiell für moderne Gesellschaften und Wirtschaft. Um die Belastbarkeit dieser Systeme bei Naturgefahren und anderen Bedrohungen zu verstehen und zu erhöhen, ist es zentral, dass ihre Zuverlässigkeit und Risiken akkurat bestimmt und quantifiziert werden kann. Idealerweise können die Bewertungen kontinuierlich aktualisiert werden wenn neue Informationen verfügbar werden. So sollten etwa Risikobewertungen direkt nach einem Katastrophenereignis aktualisiert werden, um Maßnahmen optimal planen zu können. Gerade nach größeren Ereignissen muss in kurzer Zeit entschieden werden, wo Investitionen notwendig sind. Wie kürzlich gezeigt wurde, hat die Methodik der Bayesschen Netzwerke (BN) das Potential, diese Ziele zu erreichen. Insbesondere ist die grafische Modellierung hilfreich, um Unsicherheiten und Daten im System zu verstehen, konsistent miteinander zu verknüpfen, und zu kommunizieren. BN haben zudem den großen Vorteil, dass sie effizient und robust aktualisierte Schätzungen der Systemzuverlässigkeit und -Risiken liefern können. Um BN für große und komplexe Infrastruktursysteme in der Realität anwenden zu können, sind aber noch weitere Fortschritte bei der Modellierung und den Berechnungsalgorithmen notwendig. Um dieses Ziel zu erreichen, werden die folgenden Punkte angegangen: (1) Entwicklung einer effizienteren Repräsentation und Berechnung der Infrastruktursystem-Zuverlässigkeit mittels BN; (2) der Einbezug komplexer Abhängigkeiten in der Analyse und Erhöhung der Effizienz von BN für deren Berechnung; (3) Bewertung von großen, realistischen Infrastruktursystemen; (4) Test und Demonstration. Dies wird in folgenden Forschungsschritten umgesetzt: Zuerst werden exakte BN Algorithmen entwickelt, welche speziell auf die Berechnung der Systemzuverlässigkeit zugeschnitten werden. Diese werden mit einer multi-skaligen Systemzuverlässigkeitsanalyse gekoppelt. Danach werden neue Sampling-basierte BN-Algorithmen untersucht und weiterentwickelt, um fundamentale Grenzen der exakten Algorithmen zu überwinden, ohne die Berechnungseffizienz in der Aktualisierung der Wahrscheinlichkeiten zu verlieren. Diese Algorithmen sollen die Berücksichtigung komplexer Abhängigkeiten in den Netzwerken erleichtern. Für großflächige Systeme werden Surrogate-Modelle entwickelt und in BN Algorithmen implementiert. Schließlich werden die Modelle auf mehrere Systeme angewandt, zur Berechnung der Zuverlässigkeit bei Naturgefahren unter sich ständig ändernden Informationsgrundlagen. Dieser Antrag ist Teil eines gemeinsamen Antrags zwischen Prof. Straub (TUM) und Prof. Junho Song (Seoul National University). TUM fokussiert sich auf die Entwicklung der BN, während SNU sich auf die Modellierung der Infrastruktursysteme fokussiert. Die komplementäre Expertise der beiden Gruppen, verknüpft mit einer engen Zusammenarbeit, stellt die Grundlage für ein erfolgreiches Projekt in diesem sehr interdisziplinären Forschungsgebiet dar.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Süd-Korea
• Kooperationspartner: Professor Junho Song, Ph.D.