Filtern
Dokumenttyp
- Beitrag zu einem Tagungsband (11)
- Zeitschriftenartikel (5)
- Sonstiges (1)
- Forschungsbericht (1)
Schlagworte
- POD (7)
- Human factors (3)
- Reliability (3)
- Eddy current testing (2)
- NDT reliability (2)
- ROC (2)
- Radiographic testing (2)
- Ultrasonic testing (2)
- 4-Eye Principle (1)
- Automation Bias (1)
Das Ziel des Artikels ist es eine Übersicht über neue methodische Ansätze und Verfahren zur Bewertung der Zuverlässigkeit von ZfP-Systemen in Übereinstimmung mit den spezifischen Anforderungen verschiedener industrieller Anwendungen zu geben. Nach einem Überblick über die in den vergangenen Jahrzehnten erreichten Fortschritte, wird der Fokus auf die gegenwärtigen Entwicklungen gerichtet. Für hohe Sicherheitsanforderungen wurde die quantitative Fehlerauffindwahrscheinlichkeit (probability of detection, POD) basierend auf 'hit/miss'- oder 'Signal-Response'-Analysen und die ROC-Analyse (Receiver Operating Characteristics) als typische Werkzeuge entwickelt. Im Rahmen des modularen Modells für die ZfP-Zuverlässigkeit unterscheidet man zwischen den rein physikalisch-technischen Einflussfaktoren, den industriellen Anwendungsfaktoren und den menschlichen Faktoren. Es hilft zum Beispiel zu erkennen, welche dieser Faktoren man in Modellierungsrechnungen bzw. mittels offenen oder Blindversuchen untersuchen kann. Ein neues Paradigma wird für die Betrachtung der POD als eine Funktion der gewählten Systemparameter und somit als Optimierungswerkzeug verwendet, anstelle sie für die endgültige Beurteilung zu nehmen. Zur Handhabung der Zuverlässigkeitsuntersuchung von realen Defekten in einer realistischen Umgebung werden ökonomisch vertretbare, aber dennoch präzise genug arbeitende Methoden, wie der Ansatz von Bayes oder modellbasierte Methoden vorgestellt. Die menschlichen Faktoren sind oft von ausschlaggebender Wichtigkeit für die Gesamtzuverlässigkeit. Hier hilft ein systematischer psychologischer Ansatz die Engpässe und Verbesserungsmöglichkeiten zu finden.
Die Fehlerauffindwahrscheinlichkeit oder 'Probability of Detection' ist zu einer wichtigen Qualitätskennzahl von zerstörungsfreien Prüfsystemen geworden. Die Einschätzung von nur künstlichen Fehlern ist jedoch als Bewertungsgrundlage meist nicht ausreichend. Die später verwendeten Prüfobjekte mit den real vorkommenden Fehlern sind die zu betrachtende Basis, für die der Endanwender eine gültige Qualitätseinschätzung der angewandten zerstörungsfreien Prüfung fordert. Jedoch ist bei dem Fall, dass die Datenmenge gering ist, auch die Aussage der POD beschränkt. Es muss daher eine Zwischenlösung gefunden werden, in der die Informationen von beiden Prüfungen kombiniert werden. Die Mathematik ermöglicht mit der Bayes'schen Statistik, diese Informationen miteinander zu kombinieren und somit beide Informationen in die Bewertung einfließen zu lassen. Dabei spielt jedoch der Zusammenhang zwischen Signal und Fehlerausprägung eine wichtige Rolle. Praktisch angewendet und erprobt wird diese Vorgehensweise für die Bewertung der zerstörungsfreien Prüfungen der Firma POSIVA, die sich mit dem Bau eines Endlagers für hochradioaktiven Abfall in Finnland beschäftigt.
Für eine ganzheitliche Betrachtung der Sicherheit bei der zerstörungsfreien Prüfung (ZfP) ist es unvermeidlich neben der Technik auch den Prüfer und die Prüforganisation einzubeziehen. Die Prüfung der Unversehrtheit von Endlagerbehältern ist eine eine sicherheitstechnisch wichtige Anwendung. Die Betreiber der geplanten finnischen und schwedischen Endlager, Posiva und SKB, kapseln den radioaktiven Abfall in Kupferkanistern ein und deponieren die Kanister dann in Felsgestein in einer Tiefe von ca. 500m. Die Kanister bestehen aus einem zylinderförmigen Kupfermantel mit einem Deckel und einem Boden, die zusammen die Außenumhüllung ergeben sowie einer Gusseisenmatrix für die Brennstäbe. Alle Komponenten werden auf ihre Dichtheit bzw. strukturelle Unversehrtheit mittels zerstörungsfreier Prüfmethoden geprüft, um sicher zu stellen, dass im Material und in den Schweißnähten keine kritischen Defekte vorhanden sind, die zu Freisetzungen in die Umgebung führen könnten. Vier ZfP Methoden (Ultraschall-, Wirbelstrom- und radiographische Prüfung, und die visuelle Prüfung anhand einer Kamera) werden mechanisiert durchgeführt, die gewonnenen Daten werden von qualifizierten Fachleuten ausgewertet und bieten so die Möglichkeit, dass Fehler entstehen.
Das 'Human Factor'- Untersuchungskonzept besteht aus der Identifizierung potenzieller menschlicher Fehler, deren Ursachen und Präventionsmethoden. Mit Hilfe einer abgewandelten FMEA (Failure Modes and Effects Analysis) wurden mögliche Risiken identifiziert, die die Wahrscheinlichkeit für das Auftreten menschlicher Fehler bei
der Datenauswertung erhöhen. Einige dieser Risiken sind beispielsweise
Verantwortungsdiffusion beim 4-Augen-Prinzip, Übervertrauen in die Technik bei der automatischen Identifikation von Defekten sowie der Aufmerksamkeitsverlust bei dynamischer Bildbetrachtung. Deren Wirkung wird derzeit experimentell überprüft, um Ansatzpunkte für Optimierungen zu ermitteln und damit die Gesamtzuverlässigkeit des Systems zu verbessern.
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 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 Bayesschen 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.
New methodologies for evaluating the reliability of NDE systems are discussed in accordance with the specific
requirements of industrial application. After a review of the substantive issues from the previous decades, the go
forward guidance is concluded.
For high safety demands a quantitative probability of detection (POD) created from hit miss
experiments or signal response analysis and ROC (Receiver Operating Characteristics) are typically created. The
modular model distinguishes between the influence of pure physics and technique, industrial application factors
and the human factor and helps to learn what factors are covered by modelling, open or blind trials. A new
paradigm is offered to consider the POD or reliability of the system as a function of the configuration of input
variables and use it for optimisation rather than for a final judgement. New approaches are considered dealing
with real defects in a realistic environment, affordable but precisely like the Bayesian approach or model assisted
methods.
Among the influencing parameters, the human factor is of high importance. A systematic psychological
approach helps to find out where the bottlenecks are and shows possibilities for improvement.
The Probability of Detection (POD) is used to evaluate the detectability of non-destructive testing (NDT) systems. The POD is highly dependent on the amount of available data. The Bayesian approach provides a solution to compute POD-curves in case of a small amount of real defects without losing the necessary information. The result contains the needed information for the computation of POD-curves for real defects with an acceptable amount of information, even for sparse amount of data. In this paper is shown limitations of the Bayesian approach and how it can be applied to NDT. The Bayesian approach is applied in this case to the evaluation of radiographic testing. Bayesian approach is applied to determine POD-curves for the inspection techniques of nuclear fuel disposal canisters. The reason for using Bayesian approach is the high safety demands and also the low amount of real defects due to the high quality of the reliable production techniques.
This paper gives an introduction to the field of human factors with the focus on their influence on the reliability of NDT in the nuclear energy production (in-service inspections) and final storage of highly radioactive nuclear waste. A set of methodological tools has been developed in the scope of three projects, namely: 1) a theoretical model describing potential human factors influencing manual ultrasonic inspection performance during inservice inspections in nuclear power plants; 2) a method for identifying potential human errors during acquisition and evaluation of data gathered with mechanized ultrasonic, radiographic and eddy-current systems, as well as visual testing with a remote camera (Failure Modes and Effects Analysis, FMEA); and 3) use of eye tracking methodology to optimize existing procedures and practices. The experimental results have shown that time pressure, mental workload and experience influence the quality of the inspection performance. Noticeable were influences from the organization of the working schedule, communication, procedures, supervision and demonstration task. Implementing human redundancy in critical tasks, such as defect identification, as well as using an automated aid (software) to help operators in decision making about the existence and size of defects, could lead to other kinds of problems, namely social loafing (excerpting less effort when working on tasks collectively as compared to working alone) and automation bias (uncritical reliance on the proper function of an automated system without recognizing its limitations and the possibilities of automation failure) that might affect the reliability of NDT in an undesired manner.
POD is the most often used approach for the evaluation of the reliability of non-destructive testing methods in critical areas. But especially for those cases the requirements for a sufficient amount of data, adequate type of defects and the statistical requirements are high. The claim for checking these requirements is not new, but never the less often ignored. Especially the large amount of data for critical real defects seems too often to be not really solvable. In this presentation we show an approach to use real defect data with knowledge from former testing results with the same equipment, in a useful adequate way. Furthermore we introduce a method to evaluate the real defect description parameters for the radiographic testing. This approach was used for a joint project with the company POSIVA, which is building a final depository for spent nuclear fuel in Finland. Radiographic testing is one of the NDT-methods they use to test the electron beam weld of the copper canister. The copper canister will be used in the deposit as a corrosion barrier within the deposit concept. Through the high sophisticated manufacturing methods of the canister there are almost no material defects, which could be used for reliability evaluation. In this context the idea of Bayesian Updating of the POD with real defect data with former results from artificial defect data was born to get a useful evaluation.
Using the Modular Reliability Model the three different main influencing elements, i.e. intrinsic capability (IC), application parameters (AP) and the human factors (HF), are, in the first instance, investigated separately. The intrinsic capability stands for the pure physical-technological process of the signal detection caused by the waves or the rays from a material defect in the presence of noise (driven by the material and the devices). This intrinsic capability is the upper bound of the possible reliability. Already when measuring this intrinsic capability for thick walled components the original one-parameter POD must be extended to a multiparameter POD, where, in addition to the defect size, a number of additional physical parameters, such as the grain size distribution (or attenuation), defect depth, and angle or surface roughness, must be considered. For real life cycle assessments it is necessary to evaluate the signal response from real defects. The industrial application factors, e.g. coupling conditions, limited accessibility, heat and environmental vibrations, diminish the reliability. The amount of reduction can be determined quantitatively, if the underlying conditions are controlled. In case they are not controlled it is necessary to count for a fluctuation in the reliability in the field anyway. The third group of important influencing factors are the human factors, which do not only cover the individual performance capability of the inspectors but also the design of the working place,the procedure, the teamwork quality, interaction with systems, the organization, and finally, the relationship between the companies involved in the inspection process and to which extend the responsible parties are aware of it. When comparing an “ideal inspection” with a “real inspection” it is worth while to look how the existing practices, rules and standards support reliable testing and where the “delta” is. In the context of vigor, with respect to the industrial end user, it needs to be shown how the level of reliability of NDE, influenced by the different factors, has an impact on acceptance or rejection of safety critical parts.