Abstract
The POS (Process-Oriented Simulation) model can be seen as an extension of the BFR (Binominal Failure Rate) model carried out to overcome some of the shortcomings of this approach. In contrast to the BFR model the POS model explicitly distinguishes between immediate and delayed failures of components, does not assume that in each CCF (Common Cause Failure) event all components share the CC (Common Cause) but assigns probabilities to the different degrees of “extension” of the cause and is based on clearly formulated stochastic assumptions. This broader approach implies a more complex structure, however, the price paid in terms of greater complexity pays off due to a larger range of applicability. In particular the POS model can be applied to systems with high degree of redundancy. Another important advantage is the possibility to generate failure events using the POS simulation code. Simulating with known model parameters and estimating these from the generated failure events offers the possibility to test the framework for parameter estimation and, in addition, to obtain the uncertainties of the model results. No further assumptions beyond the model itself and the estimation procedure need to be introduced. Last but not least, the test of the estimation procedure demonstrated that the POS model works already quite well with only a small number of events as a basis. This makes it a candidate for plant specific CCF applications. In contrast to other approaches like MGL (Multiple Greek Letter) and Alpha Factor, the POS model comprises only a few parameters, beyond the frequency of CCEs (Common Cause Events) only three. The applications of the POS model carried out so far indicate that it can readily be applied to practical cases. The results obtained by benchmark tests are no outliers but are rather consistent with the majority of existing analyses. To summarize, the POS model represents an interesting alternative to established models with some new and unique model features. Looking ahead, two aspects are discussed and emphasized. The first is the still existing development potential of the model, the second is a proposal for the quantitative comparison between CCF models.
Übergeordnetes Ziel war die Entwicklung neuer strahlenepidemiologischer Tabellen. Das Vorhaben konzentrierte sich dabei auf die Methodenentwicklung und die Erstellung eines Computerprogramms für Krebs nach Gamma- und Röntgenstrahlungsexposition für diejenigen Organe, in denen Krebs besonders häufig auftritt oder die besonders strahlenempfindlich sind. Dieses sind der Dickdarm, die Lunge, der Magen und die weibliche Brust. Die Abschätzungen der Krebsrisiken beruhen auf den Inzidenzdaten für die Atombombenüberlebenden von Hiroshima und Nagasaki (LSS (Lite Span study)-Kohorte). Da verschiedene Modelle basierend auf den gleichen Daten unterschiedliche Aussagen machen können, wird die Methode der „Multi-model inference“ benutzt, um modellunabhängige Risikofaktoren abzuleiten. Für Brustkrebs sollen auch Ergebnisse anderer Studien als die der Atombombenüberlebenden berücksichtigt werden. Bei der Übertragung der Risikofaktoren von den Atombombenüberlebenden auf einen Krebsfall in Deutschland wurden aktuelle Daten zum Krebsrisiko in Deutschland und Unsicherheiten, die sich z. B. durch den geringen Kenntnisstand zum Krebsrisiko nach Expositionen mit niedrigen Dosisleistungen ergeben, berücksichtigt. Das Programm ProZES (Programm zur Berechnung der Zusammenhangswahrscheinlichkeit einer Erkrankung und einer Strahlenexposition) berechnet eine Wahrscheinlichkeitsverteilung für den Zusammenhang der Erkrankung und einer Strahlenexposition. Die Entwicklung von ProZES wurde neben der Fachbetreuung durch das BfS begleitet von einer Arbeitsgruppe der SSK (Strahlenschutzkommission) (A 105) sowie einer internationalen Expertengruppe. //Introduction// Wide use of radiation and radioactivity in medicine, industry, science, and military applications leads to inevitable occupational exposures of personnel involved. Existing radiation protection limits for occupational exposure are set up to prevent deterministic effects of radiation and minimize potential harm of radiation due to stochastic effects (ICRP 2007). Stochastic effects include cancers and heredi-tary effects. Cancer is a common disease and development of cancer might result from either occupa-tional exposure or other cause not related to radiation exposure. Correspondingly, any decision on a compensation claim should investigate causal links between occupational exposure and observed dis-ease. Various implementations of compensation schemes have been developed in Argentina, France, Japan (for A-bomb survivors), Russia, UK, and US (ILO, 2010). In Germany, decision-making on compen-sation in the case of cancer after occupational radiation exposure is made using radiation-epidemiological tables (Chmelevsky et al. 1995), which neither reflect current state of knowledge on radiation-induced carcinogenesis nor account for inherent uncertainties of risk estimates and probabil-ity of cancer causation. Thus, existing tables need to be upgraded and replaced with modern, flexible approach, capable to account for details of personal occupational radiation exposure history as well as existing uncertainties in epidemiological data and models used to express risk of radiation exposure.
Schwerpunkt des Vorhabens war die Untersuchung und vergleichende Bewertung von Methoden zur Berücksichtigung von Parameterunsicherheiten durch konservative deterministische Ansätze bzw. durch probabilistische Modellrechnungen mit Hilfe von Monte-Carlo-Simulationen und Bayes-Verfahren. Darüber hinaus wurden alternative Methoden wie die Evidenz- und Possibilitätstheorie zur Modellierung von Unsicherheiten sowie konzeptionelle Unterschiede von probabilistischen und stochastischen Modellierungsansätzen behandelt. Es wurde untersucht, unter welchen Randbedingungen (Fragestellung, Zweck, Expositionssituation, Qualität der Eingangsdaten etc.) radioökologischen Modellen zur Expositionsberechnung deterministische bzw. probabilistische Ansätze zu Grunde gelegt werden können oder sollten. Zur probabilistischen Modellierung wurden Mindestanforderungen an die Qualität der Eingangsdaten und weitere methodische Aspekte untersucht sowie die Belastbarkeit dieser Ansätze im Vergleich zur deterministischen Expositionsmodellierung bewertet. //ABSTRACT// The estimation of radiation exposures may exhibit uncertainties concerning the scenario, the model structure and the parameters of exposure models. The project focused on the investigation and comparative assessment of techniques for the consideration of parameter uncertainties by means of conservative deterministic approaches and probabilistic model calculations using Monte Carlo simulations and Bayesian methods, respectively. In addition, alternative methods for uncertainty modelling were considered like evidence and possibility theory, and the conceptual disparities between probabilistic and stochastic modelling approaches. It was investigated under which conditions (objective, purpose, exposure situation, input data quality etc.) radioecological models for exposure calculations can or should be based on deterministic or probabilistic approaches. The probabilistic modelling of uncertainties was investigated with respect to minimum requirements concerning the quality of input data and further methodical aspects, and its reliability was compared to the deterministic exposure modelling.
Das Projekt "Teilprojekt E" wird vom Umweltbundesamt gefördert und von Universität Ulm, Institut für Stochastik durchgeführt. Übergeordnetes Ziel ist die Entwicklung eines wasserhydraulischen, selektiv arbeitenden Unkrautbekämpfungsgerätes für Grünland. Es wird an den genormten Schnittstellen an den Traktor gekoppelt: Dreipunktaufnahme im Frontanbau, Antrieb über die Zapfwelle, ISOBUS-Steuerung. Innerhalb der Projektlaufzeit soll mit Hilfe von Kameras und künstlicher Intelligenz eine online-Detektion von Herbstzeitlosen und weiteren Schadpflanzen im Grünland erreicht werden. Dabei sollen die neuronalen Netze eines offline Ansatzes, die im Vorläuferprojekt SELBEX für die maschinelle Analyse von Drohnenbildern entwickelt wurden, weiter optimiert und mit dem jetzt angestrebten online Ansatz kombiniert werden. Die Schadpflanzen sollen durch gezielt applizierte Wasserstrahlen zurückgedrängt werden. Auch dieses bereits im Vorläuferprojekt entwickelte Prinzip soll weiter optimiert und das Verfahren auf weitere Pflanzen ausgeweitet werden. Damit kann dieses Gerät für eine selektive und nicht-chemische Unkrautbekämpfung eingesetzt werden und stellt eine einzigartige, bisher nicht verfügbare Lösung dar. Sie wird für landwirtschaftliche Betriebe interessant, die Grünland mit hohen naturschutzfachlich begründeten Auflagen bewirtschaften, nach Ökostandards arbeiten oder im Grünland den Einsatz von chemischen Pflanzenschutzmitteln reduzieren wollen. Das Gerät soll so konstruiert werden, dass Arbeitsbreiten von 2,50 m und 6,0 m möglich sind. So können für verschiedene Flächenstrukturen und Erfordernisse der Kunden wettbewerbsfähige Geräte angeboten werden.
Das Projekt "Teilvorhaben 2" wird vom Umweltbundesamt gefördert und von Karlsruher Institut für Technologie (KIT), Institut für Stochastik durchgeführt. Die Produktion von Wärme erfolgt derzeit noch zu einem großen Teil durch Verbrennung fossiler Energieträger und führt zu einem erheblichen CO2-Ausstoß. Die Energiewende und Dekarbonisierung der Wirtschaft kann nur gelingen, wenn neben der Stromproduktion auch die Wärmeversorgung umgebaut wird. Dort sind erneuerbare Energien wie Solarwärme und Geothermie stärker zu nutzen. Die Wärmeerzeugung aus erneuerbaren Energien unterliegt starken saisonalen und wetterabhängigen Schwankungen und erfolgt häufig dezentral. Dies verlangt nach einem geeigneten zeitlichen und räumlichen Ausgleich von Angebot und Nachfrage. Hier spielen eine neuen Generation von Wärmenetzen, die 'kalten' Nahwärmenetze, sowie Erdwärmespeicher eine wichtige Rolle. In diesem Teilprojekt steht die makroskopische Sichtweise auf Nahwärmenetze im Vordergrund. Es sollen Ausgleichsmöglichkeiten durch dezentrale Pufferspeicher bewertet werden, Skalenvorteile durch die Netzgröße analysiert werden und Vorschläge zur Preisgestaltung des Wärmemengenbezugs- bzw. der -generierung gemacht werden, die eine Netzsteuerung nach sich ziehen, die möglichst wenig CO2-Emmissionen erzeugt. Um fundierte Antworten auf die aufgeworfenen Fragen zu geben, sollen im Projekt die mathematische Modellierung und die Entwicklung von digitalen Zwillingen der genannten Energiesysteme erfolgen und die stochastischen Steuerprobleme mit Methoden der Markovschen Entscheidungsprozesse und des Reinforcement Learnings gelöst werden.
Das Projekt "Teilvorhaben 1" wird vom Umweltbundesamt gefördert und von Universität Ulm, Institut für Stochastik durchgeführt. Das Ziel des Verbundprojektes DASEA-4-SOFC der Universität Ulm (UU) und des Karlsruher Institutes für Technologie (KIT) ist, gemeinsam mit den Verbundpartnern der Robert Bosch GmbH (BOSCH) und TinniT Technologies GmbH (TINNIT) einen kompletten Workflow zur virtuellen Strukturoptimierung von SOFC-Elektroden zu etablieren, wobei stochastische und numerische Modellierungs- und Simulationsmethoden mit KI-Techniken des maschinellen Lernens kombiniert werden. Hierbei stellt die Generierung digitaler Zwillinge zur Reduzierung des experimentellen Aufwands einen wichtigen Aspekt des Verbundprojekts dar. Für diesen Workflow werden im Projekt insbesondere mathematische Methoden für die datengetriebene Struktur-Eigenschafts-Analyse und das virtuelle Mikrostrukturdesign von SOFC-Elektroden weiterentwickelt, um eine effiziente Optimierung mikrostruktureller Kenngrößen im Hinblick auf Performanzsteigerung sowie Lebensdauererhöhung zu ermöglichen. Für das Teilprojekt der UU bedeutet das, dass Methoden zur stochastischen 3D Mikrostrukturmodellierung von SOFC-Elektroden entwickelt werden, die mit von BOSCH zur Verfügung gestellte 3D Bilddaten kalibriert werden. Diese Modelle erlauben die Generierung virtueller, aber dennoch realistischer Mikrostrukturen, die wiederum als Input für die Simulation effektiver Eigenschaften im Teilprojekt des KIT genutzt werden. Auf dieser Basis streben beide Teilprojekte in enger Kooperation miteinander eine effiziente Struktur-Eigenschaftsanalyse mittels Modellierung und Simulation an. Um diese Analyse noch effizienter zu gestalten, entwickelt das Teilprojekt der UU Methoden zur Kalibrierung des 3D Mikrostrukturmodells auf der Basis von 2D Bilddaten, deren Erhebung wesentlich schneller und kostengünstiger möglich ist. Insgesamt werden im Projekt neue mathematische Methoden für die Mikrostrukturoptimierung von SOFC-Elektroden entwickelt, die von unmittelbarer Relevanz für die am Projekt beteiligten Anwendungspartner sind.
Das Projekt "Kompakte Beschreibung und statistische Modellierung für nichtstationäre räumliche Wetterextreme (CoDEx)" wird vom Umweltbundesamt gefördert und von Universität Stuttgart , Institut für Stochastik und Anwendungen durchgeführt. Die zweite Phase des Forschungsprogramms ClimXtreme fokussiert auf die Frage, wie der Klimawandel die extremen Wetterereignisse verändert. Auf Grundlage der Arbeiten zum Prozessverständnis und der statistischen Beschreibung soll eine Wissensbasis geschaffen werden, mit deren Hilfe Nutzer, Entscheidungsträger und Gesellschaft ihre Reaktion auf veränderte Auswirkungen planen können. Dazu werden Unsicherheiten, das Auftreten extremer Risiken und der Einfluss menschlicher Aktivitäten adressiert und im Sinne einer Verbund-übergreifenden Synthese zusammengefasst. Neue zur Verfügung stehende Datensätze werden berücksichtigt. Das Programm wird den direkten Austausch mit Stakeholdern verstärken und deren Bedarf an nutzbaren wissenschaftlichen Erkenntnissen einbeziehen. Im Modul B geht es um die statistische Beschreibung von Extremereignissen, deren Eintrittswahrscheinlichkeit und zeitliche Entwicklung. Der Schwerpunkt der zweiten Phase liegt auf der quantitativen Abschätzung der künftigen Entwicklung von Extremereignissen sowie auf der Zuordnung von Veränderungen zu möglichen Ursachen. Das Modul B wird neue verbesserte statistische Methoden zur Beschreibung der Abhängigkeit von Extremen von raum-zeitlichen Einflüssen, ihrer raum-zeitlichen Eigenschaften und der Interdependenz von Extremereignissen (sog. compound events) bereitstellen. Die Unsicherheiten über die zukünftige Entwicklung sollen besser quantifiziert und eine Übersetzung dieser auf die Auswirkungsebene geliefert werden. Solche robusten quantitativen Aussagen tragen somit zu einem Informationspool bei, der es den Akteuren ermöglicht, fundierte Entscheidungen über Strategien zur Anpassung an den Klimawandel und zur Abschwächung des Klimawandels zu treffen, insbesondere auf Grundlage der damit verbundenen Unsicherheiten und zugrunde liegenden Risiken. Im Teilprojekt B3.1 CODEx - ISA-US an der Universität Stuttgart werden wir vor allem räumlich-zeitliche Modelle und Simulationen für Extremereignisse entwickeln.
| Origin | Count |
|---|---|
| Bund | 235 |
| Wissenschaft | 3 |
| Type | Count |
|---|---|
| Förderprogramm | 232 |
| Text | 3 |
| unbekannt | 3 |
| License | Count |
|---|---|
| offen | 237 |
| unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 232 |
| Englisch | 59 |
| unbekannt | 6 |
| Resource type | Count |
|---|---|
| Dokument | 3 |
| Keine | 139 |
| Webseite | 96 |
| Topic | Count |
|---|---|
| Boden | 138 |
| Lebewesen & Lebensräume | 117 |
| Luft | 122 |
| Mensch & Umwelt | 238 |
| Wasser | 113 |
| Weitere | 235 |