Entwicklung von Methoden der Informationsfusion verschiedener Wissensquellen zur Bestimmung von Zuverlässigkeitskennwerten
Final Report Abstract
Die Funktion von erfahrenen Experten und deren Wissen bei Zuverlässigkeitsbetrachtungen und Risikoanalysen gewinnt vor dem Hintergrund der schnellen Entwicklung immer komplexerer Systeme zunehmend an Bedeutung. Dies liegt vor allem an der begrenzten Verfügbarkeit sogenannter harter Daten, d.h. Informationen über die zu erwartende Produktlebensdauer oder ähnliche zuverlässigkeitsrelevante Kennwerte, die aus Tests mit geeigneten Prototypen generiert wurden. Derartige Prüfungen sind entweder extrem teuer oder kaum mehr durchführbar. Deshalb sind die weichen Informationen der Experten so wertvoll. Somit müssen die fähigsten Experten herangezogen werden, um so viel wie möglich Wissen zusammenzutragen. Deshalb lag der Fokus innerhalb dieses Vorhabens auf der Kombination des Wissens mehrerer Know-How-Träger. In einer ersten Projektphase wurden Methoden und Vorgehensweisen entwickelt, das Wissen geeignet zu formalisieren und in eine mathematische Form – die der sogenannten a priori Dichtefunktion zu überführen. Hierbei sind einige Ansätze ausgearbeitet worden, die sich auch in der industriellen Praxis effizient implementieren lassen. Das Ergebnis des Prozesses der Informationsfusion – eine kombinierte Wahrscheinlichkeitsverteilung – sollte im Idealfall die Gesamtheit des momentanen Standes der Expertenmeinung repräsentieren. Aus theoretischer Sicht ist das Bayes’sche Aktualisierungsschema die geeignetste Methode, da sie auf einer soliden Grundlage – nämlich der Wahrscheinlichkeitstheorie – aufbaut und darüber hinaus eine Aggregationsmethode darstellt, die auf alle Anwendungsfälle anwendbar ist, von der Kombination einzelner Wahrscheinlichkeitswerte bis hin zur Zusammenführung von Wahrscheinlichkeitsverteilungen. Sie ist jedoch in der Praxis extrem problematisch, da die hierzu notwendige Information – die Likelihood Funktion - außer in speziellen Fällen nicht mit der erforderlichen Sicherheit geschätzt werden kann. Unter den axiomatischen Ansätzen, d.h. von der Aggregationsformel werden bestimmte wünschenswerte Eigenschaften wie beispielsweise die der Einstimmigkeit oder Marginalisierung gefordert, schneidet die Methode des linear opinon pooling aus praktischer Sicht am besten ab. Selbst sehr anspruchsvolle Verfahren erzielen, wenn überhaupt, nur geringfügig bessere Ergebnisse. Die Lebensdauer wurde vorwiegend mit Hilfe der Weibullverteilung modelliert. Beispielhaft werden im folgenden drei verschieden Szenarien beschrieben, die illustrieren, wie man sich insbesondere die Konstruktion einer a-priori Verteilung aus dem vorhandenen Vorwissen sowie den Prozess der Informationsfusion vorzustellen hat. Die erzielten Ergebnisse sind positiv zu bewerten, da sich gezeigt hat, dass die Integration des Vorwissens in die Zuverlässigkeitsanalysen einen deutlichen Erkenntnisgewinn nach sich zieht und somit der Aufwand für Tests und Prüfungen deutlich reduziert werden kann. Durch das Einbeziehen mehrerer Experten werden die Aussagen verlässlicher, was sich beispielsweise in der Länge der Kredibilitätsintervalle erkennen lässt. Als einen abschließenden Arbeitsschritt wäre es wünschenswert gewesen, ein Vorgehensmodell zu entwickeln, um die Vorgehensweise für die industrielle Nutzung zu operationalisieren und einen Leitfaden für die praktische Anwendung zu entwerfen. Während des Projektverlaufes hat sich jedoch gezeigt, dass ein Vorgehensmodell und die Erstellung eines Leitfadens für die gegebene Problemstellung schwer zu bewerkstelligen ist. Aufgrund der Vielfältigkeit der Aufgabenstellung, der Art des Vorwissens und der Einsatzbedingungen lässt sich kein standardisierbares Verfahren ableiten. Man denke nur an die unterschiedlichen Möglichkeiten, das Wissen eines Experten in eine mathematisch beschreibbare Form, nämlich die einer Dichtefunktion, abzubilden. Es lassen sich lediglich einige Kernfragen festlegen, die bei dem Prozess der Wissensintegration entscheidend und deshalb unbedingt zu beachten sind. Diese kritischen Punkte werden in den folgenden Ausführungen ausführlich angesprochen. Für zukünftige Forschungsaktivitäten in diesem Bereich ist es deshalb wichtig, die Abbildung des Expertenwissens in eine Wahrscheinlichkeitsdichte, die genau dieses Wissen widerspiegelt, genauer zu untersuchen. Ziel hierbei sollte es sein, diesen Abbildungsprozess für die praktische Anwendung handhabbar zu machen.
