Osäkerhets­kvantifiering

Osäkerhetskvantifiering (UQ) behandlar kvantitativ karaktärisering och begränsningar av osäkerheter i både beräkningar och experimentella utvärderingar. Det grundläggande problemet är att bestämma hur trovärdigt ett resultat är om vissa aspekter av systemet inte är exakt kända. När den fysiska processen styrs av icke-linjära mekanismer kan små variationer i ingångsdata ge en betydande förändring i slutresultatet. UQ spelar en grundläggande roll i kvalitetssäkringsprocessen och valideringen av simuleringsmetoder och syftar till att utveckla rigorösa metoder för att karakterisera effekterna av modellens känslighet för variationer i indata.

Effektiva metoder

Ett vanligt tillvägagångssätt för känslighetsanalys är att använda sig av en probabilistisk metod med upprepade simuleringar där sannolikhetsfördelningar ansätts för del relevanta parametrarna. Den här metoden brukar omnämnas Monte Carlo-simuleringar, vilken ofta ger bra resultat men är mycket tidskrävande. Huvudproblemet är att endast en begränsad uppsättning simuleringar kan utföras inom en rimlig tidsram. Som ett alternativ till beräkningskrävande tekniker kan man använda deterministisk sampling (DS) för att förstå effekterna av osäkerheterna. RISE har framgångsrikt implementerat DS i flera forsknings- och kundprojekt med mycket positivt resultat.

En exempelstudie har utförts med Finit-Elementanalys för en belastad brandutsatt standardbalk i ett brandmotståndstest som simuleras till brott. Beräkningsmodellen har analyserats med flera olika UQ-metoder som, Fractional Factorial Design, Full Factorial Design, Latin Hypercube Sampling och Polynomial Chaos Expansions. Osäkerheten i indata för materialegenskaper, randvillkor och belastningar propagerar genom modellen och har en relsativ stor påverkan på modelleringsresultaten, som ses nedan. En annan metod som är lämplig för att få en helhetsbild är Variation Mode and Effect Analysis (VMEA).