Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-251598

Konzept für den Einsatz der Bayes'schen Statistik: In der Zuverlässigkeitsbestimmung von zerstörungsfreien Diagnosesystemen - Das Problem zu kleiner experimenteller Datenmengen

  • Die statistische Qualitätskennzahl 'Probability of Detection (POD)' hängt von der Anzahl der zugrunde liegenden, brauchbaren Ergebnisse ab. Ist die Datenmenge niedrig, so ist auch die Aussage der POD eher beschränkt. Dennoch heißt eine große Zahl von Daten, nicht gleichzeitig, dass die POD für den realen Einsatz in der Produktion genügt. Es muss unterschieden werden, auf welcher Basis – unter welchen konkreten Bedingungen - die Daten erhoben wurden. Als wichtigste Ergebnisse zählen die Messergebnisse aus der Produktion der später verwendeten Prüfobjekte für den konkreten Einsatz. Noch bevor die zerstörungsfreien Prüfmethoden zuverlässig in der Produktion eingesetzt wurde, muss jedoch nachgewiesen werden, dass die real vorkommenden Fehler gefunden werden können. Das bedeutet, zu einem Zeitpunkt, an dem noch nicht ausreichend Daten vorhanden sind. Während für die realistische Prüfung die notwendige Anzahl der verschiedenen Fehler meist nicht erreicht wird, so fehlen bei der Bewertung derDie statistische Qualitätskennzahl 'Probability of Detection (POD)' hängt von der Anzahl der zugrunde liegenden, brauchbaren Ergebnisse ab. Ist die Datenmenge niedrig, so ist auch die Aussage der POD eher beschränkt. Dennoch heißt eine große Zahl von Daten, nicht gleichzeitig, dass die POD für den realen Einsatz in der Produktion genügt. Es muss unterschieden werden, auf welcher Basis – unter welchen konkreten Bedingungen - die Daten erhoben wurden. Als wichtigste Ergebnisse zählen die Messergebnisse aus der Produktion der später verwendeten Prüfobjekte für den konkreten Einsatz. Noch bevor die zerstörungsfreien Prüfmethoden zuverlässig in der Produktion eingesetzt wurde, muss jedoch nachgewiesen werden, dass die real vorkommenden Fehler gefunden werden können. Das bedeutet, zu einem Zeitpunkt, an dem noch nicht ausreichend Daten vorhanden sind. Während für die realistische Prüfung die notwendige Anzahl der verschiedenen Fehler meist nicht erreicht wird, so fehlen bei der Bewertung der künstlichen Fehler wichtige Parameter und Einflussgrößen. Es muss somit eine Zwischenlösung gesucht werden, in der die Informationen von beiden Prüfungen kombiniert werden. Mit der Bayes’schen Statistik ermöglicht die Mathematik diese Informationen miteinander zu kombinieren und somit beide Informationen mit in die Bewertung einfließen zu lassen. Praktisch angewandt und erprobt wird die Vorgehensweise gemeinsam mit der Firma POSIVA, die sich mit dem Bau eines Endlagers für hoch-radioaktiven Abfall in Finnland beschäftigt. Hier wird als eine der technischen Barrieren ein Kupferbehälter für die Aufbewahrung der verbrauchten Brennstäbe genutzt. Dieser Kupferbehälter wird mit mehreren zerstörungsfreien Prüfmethoden geprüft. Anhand von Radiographiedaten wird gezeigt, dass die Aussagekraft der realistischen Fehlerdaten mit Hilfe der künstlichen Referenzfehlerdaten untermauert werden kann.zeige mehrzeige weniger

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Daniel Kanzler, Christina Müller, J. Pitkänen
Dokumenttyp:Beitrag zu einem Tagungsband
Veröffentlichungsform:Verlagsliteratur
Sprache:Deutsch
Titel des übergeordneten Werkes (Deutsch):DGZfP-Jahrestagung 2011
Jahr der Erstveröffentlichung:2011
Veröffentlichende Institution:Bundesanstalt für Materialforschung und -prüfung (BAM)
Verlag:Deutsche Gesellschaft für Zerstörungsfreie Prüfung (DGZfP)
Ausgabe/Heft:DGZfP-BB 127 (Mi.3.C.3)
Erste Seite:1
Letzte Seite:9
Freie Schlagwörter:Bayes'sche Statistik; Fehlende Datenmenge; POD
Veranstaltung:DGZfP-Jahrestagung 2011
Veranstaltungsort:Bremen, Germany
Beginndatum der Veranstaltung:30.05.2011
Enddatum der Veranstaltung:01.06.2011
URN:urn:nbn:de:kobv:b43-251598
ISBN:978-3-940283-33-7
Verfügbarkeit des Dokuments:Datei für die Öffentlichkeit verfügbar ("Open Access")
Lizenz (Deutsch):License LogoCreative Commons - Namensnennung-Keine Bearbeitung
Datum der Freischaltung:31.12.2015
Referierte Publikation:Nein
Schriftenreihen ohne Nummerierung:Wissenschaftliche Artikel der BAM
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.