Entwicklung von Methoden der Informationsfusion verschiedener Wissensquellen zur Bestimmung von Zuverlässigkeitskennwerten

点击翻译按钮获取中文摘要

Die klassischen Methoden der Zuverlässigkeitsanalyse benutzen Betriebs- bzw. Versuchsdaten des betrachteten, technischen Systems, um Zuverlässigkeitskennwerte zu bestimmen. Dies ist in der industriellen Praxis heute meist nicht mehr möglich, da nicht genügend Daten vorhanden sind bzw. eine geeignete Anzahl von Versuchen zu aufwendig oder überhaupt nicht durchzuführen ist. Es liegt deshalb nahe, andere Informationen in die Analyse miteinzubeziehen. Hierfür bieten sich Ansätze aus der Bayes schen Statistik an, die mit der Einführung neuer stochastischer Simulationsmethoden wie z.B. Markov Chain Monte Carlo in den letzten Jahren in der Anwendung erheblich an Bedeutung gewonnen haben. Diese erlauben die Kombination von Testdaten mit anderen Quellen für Zuverlässigkeitsuntersuchungen relevanten Wissens (wie z.B. Erfahrungswissen, Informationen über ähnliche Systeme bzw. Umgebungsbedingungen o.a.) und sind somit in der praktischen Anwendung von enormer Wichtigkeit. Innerhalb dieses Forschungsvorhabens sollen Methoden zur Informationsfusion entwickelt werden, die es erlauben, Wissen aus verschiedenen Quellen zusammenzuführen, mit dem Ziel, daraus aussagekräftige Zuverlässigkeitsparameter zu generieren. Desweiteren sollen geeignete Hilfsmittel bereitgestellt werden, die eine praktikable Anwendung der Methoden gewährleisten.