Hoppa till huvudinnehåll
Search
Menu

Osäkerhets­kvantifiering

Osäkerhetskvantifiering (Uncertainty Quantification - UQ) ger stöd i beslutsprocessen genom att leverera tillförlitliga simulerings- och experimentdata med uppskattade osäkerheter. Osäkerheterna kan härstamma från t.ex. bristfällig information om materialegenskaper eller randvillkor.

Histogram av resultat i en Monte Carlo (MC)-studie. utfallet och dess fördelning från DS-metoden (röd kurva). 95% konfidensintervall (MC-streckade linjer) och (DS-fasta linjer), se Olsson, Anderson och Lange 2017.

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).

Johan Anderson

Kontaktperson

Johan Anderson

+46 10 516 59 26

Läs mer om Johan

Kontakta Johan
CAPTCHA

* Obligatoriskt Genom att skicka in formuläret behandlar RISE dina personuppgifter.

Kontakt

Hittar du inte det du söker eller är du nyfiken på hur vi kan hjälpa dig?

Skicka meddelande
CAPTCHA

* Obligatoriskt Genom att skicka in formuläret behandlar RISE dina personuppgifter.