ForschungForschungsprojekte
Effiziente Zuverlässigkeitsanalyse komplexer Systeme

Effiziente Zuverlässigkeitsanalyse komplexer Systeme

© Daniel129 (cc by-sa)
Leitung:  Prof. Dr.-Ing. Michael Beer, Dr. techn. Matteo Broggi
E-Mail:  regenhardt@irz.uni-hannover.de
Team:  M. Sc. Tobias-Emanuel Regenhardt
Jahr:  2017
Datum:  01-05-17
Förderung:  DFG Grant No.: BE 2570/3-1 and BR 5446/1-1, Amount: € 332.373,45
Laufzeit:  05/2017 – 04/2020
Ist abgeschlossen:  ja

 

 

Zusammenfassung

In diesem Projekt werden theoretische und algorithmische Grundlagen entwickelt, um die zeitabhängige Zuverlässigkeit komplexer Systeme industrieller Größe sowohl numerisch effizient als auch realitätsnah zu berechnen. Diese Grundlagen besitzen besondere Bedeutung, um die rasant wachsende Komplexität unserer industriellen Systeme zu beherrschen und die Zuverlässigkeit der Systeme zu gewährleisten. Solchen Systemen, wie zum Beispiel Ver- und Entsorgungssystemen, Industrie- und Produktionsanlagen, Steuerungssystemen in Gebäuden, auf Baustellen oder in Fahrzeugen, Kraftwerken und auch Tragsystemen, kommt eine stetig wachsende Bedeutung für die Funktionalität unserer Gesellschaft und des täglichen Lebens zu. Das geplante Projekt widmet sich der Absicherung der Zuverlässigkeit solcher Systeme. Die vorgesehene Entwicklung stößt ins Zentrum der Diskrepanz der derzeit verfügbaren Methoden und Technologien, die für Systeme industrieller Größe einen Kompromiss zwischen sehr starken Vereinfachungen im Modell und nicht zu bewältigendem numerischen Aufwand bei detaillierter Modellierung fordert. Diese Diskrepanz wächst rasant mit der Komplexität der Systeme und schafft damit zusätzlich wachsende Unsicherheiten für die Modellierung.

Entwicklungsbasis ist der Ansatz der Überlebenssignatur, der eine allgemeingültige, leistungsfähige, flexible und transparente Systemmodellierung erlaubt. In diesem Ansatz wird die systematische Auswertung der Systemzustände durch eine statistische Schätzung ersetzt und durch effiziente stochastische Simulation realisiert. Damit wird die Ergebnisgüte von der Dimensionalität des Problems, d.h. von der Komplexität des Systems, unabhängig. Die numerische Effizienz steigt für die Analyse komplexer Systeme um mehrere Größenordnungen. Die zeitabhängige Zuverlässigkeit komplexer Systeme kann auf dieser Basis detailliert, realistisch und gleichzeitig numerisch effizient analysiert werden. Zudem werden die speziellen Simulationsverfahren genutzt, um gezielt kritische Versagensszenarien, Systemkomponenten und Systembereiche zu identifizieren. Aus den Eigenschaften des statistischen Ansatzes ergibt sich folgende Hypothese als grundlegende Erkenntnis. Bei der Analyse komplexer Systeme ist mit zunehmender Komplexität nicht notwendigerweise die Erfassung einer wachsenden Anzahl von Systemzuständen erforderlich, um eine gleichbleibende Qualität der Prognosen zum Systemverhalten zu gewährleisten. Deren Gültigkeit wird im Projekt nachgewiesen und demonstriert.

Die mit wachsender Komplexität wachsenden Unsicherheiten und Informationsdefizite bei der Modellierung werden durch ein Modell unscharfer Wahrscheinlichkeiten quantitativ erfasst und in die Zuverlässigkeitsanalyse eingebunden. Im Umkehrschluss wird daraus ein minimal notwendiger Modellierungs- und Berechnungsaufwand definiert, der eine hinreichend sichere Entscheidungsbasis liefert, z.B. hinsichtlich Reparatur oder Instandhaltung der komplexen Systeme.