BAM Präsentationen
Filtern
Erscheinungsjahr
- 2020 (3) (entfernen)
Dokumenttyp
- Vortrag (2)
- Posterpräsentation (1)
Referierte Publikation
- nein (3)
Schlagworte
- Concrete (1)
- Feuchte (1)
- Klassifikation (1)
- NDT (1)
- Onotology (1)
- Ontologien (1)
- Ontology (1)
- Radar (1)
- Reproducible Science (1)
- Reproduzierbare Wissenschaft (1)
Organisationseinheit der BAM
- 8.0 Abteilungsleitung und andere (3) (entfernen)
Eingeladener Vortrag
- nein (2)
Im Bereich der Zerstörungsfreien Prüfung (ZfP) im Bauwesen werden eine Vielzahl von Messdaten erfasst. Obwohl Sie als Grundlage für wissenschaftliche Analysen dienen, gibt es noch keine einheitliche Repräsentation der Daten. Eine Analyse verschiedener verteilter Datensätze über unterschiedliche Prüfobjekte hinweg ist daher kaum möglich.
Wir stellen einen Ansatz für ein integriertes Datenmanagement verteilter Datensätze auf Basis von Semantic-Web Technologien vor. Der Ansatz basiert im Kern auf einem mathematischen Modell – der sogenannten Ontologie – welches das Wissen unserer Domäne ZfPBau repräsentiert. Die von uns entwickelte ZfPBau Ontologie wird mit Datenquellen verknüpft und beschreibt so die semantische Bedeutung der Daten. Darüber hinaus fungiert die Ontologie als zentrales Konzept für den Datenbankzugriff. Domänen-fremde Datenquellen können durch die Verknüpfung mit der ZfPBau Ontologie einfach integriert werden und stehen zur generischen Nutzung im Sinne der Digitalisierung direkt zur Verfügung. Basierend auf einer umfangreichen Literaturrecherche, skizzieren wir die Möglichkeiten die sich daraus für die ZfP im Bauwesen ergeben, wie zum Beispiel Messdaten computergestützt zu sortieren, zu analysieren, Zusammenhänge zu erkennen und zu erklären.
Der erwartete Nutzen dieses Ansatzes der Wissensrepräsentation und des Datenzugriffs für die ZfP-Community ist eine Erweiterung des Wissens durch Datenaustausch in der Forschung (Interoperabilität), die wissenschaftliche Verwertung großer existierender Datenquellen mit datenbasierten Verfahren (wie Bilderkennung, Messunsicherheitsberechnungen, Faktoranaylsen, Materialcharackterisierung) und letztlich ein vereinfachter Transfer von ZFP-Daten in Ingenieurmodelle und somit in die Baupraxis.
Ontologien sind bereits Kern vielzähliger intelligenter Systeme wie Building-Information-Modeling oder Forschungsdatenbanken. Der Beitrag gibt einen Überblick über die Werkzeuge die wir derzeit für die Kommunikation mit ihnen schaffen.
Signalmerkmale des Radarverfahrens zur Klassifizierung von Feuchteschäden in Fußbodenaufbauten
(2020)
Zur Eingrenzung und Klassifizierung auftretender Feuchteschäden in geschichteten Fußbodenaufbauten wird bereits seit vielen Jahren das Neutronensondenverfahren eingesetzt. Während eine Eingrenzung des Schadens bereits durch die zerstörungsfrei aufgenommenen Messdaten möglich ist, erfordert die Klassifizierung zeit- und kostenintensive Sondierungsbohrungen. Die somit gewonnenen Tiefeninformationen zur Lage des Flüssigwassers tragen maßgeblich zur Planung der erforderlichen Reparaturarbeiten bei, was die Frage nach einer zerstörungsfreien Alternative zur vertikalen Lokalisierung von Feuchte in Fußböden stellt. Das Radarverfahren ist mit seiner hohen Sensitivität für Wasser besonders geeignet und soll künftig zur automatisierten Klassifizierung typischer Schadensfälle beitragen.
In einem laufenden Forschungsvorhaben werden in systematischen Laborstudien gängige Schadensfälle an häufig anzutreffenden Fußbodenaufbauten simuliert und deren Einfluss auf die genannten Verfahren untersucht. Hierbei kommen Zement- und Anhydritestriche, sowie unterschiedliche Dämmmaterialen mit variierenden Schichtdicken zum Einsatz.
Wesentlicher Bestandteil der Auswertung ist die Extraktion signifikanter Signalmerkmale des Radarverfahrens, welche Rückschlüsse auf den Schadensfall und ggf. die Wassermenge zulassen. Die Robustheit gegenüber unterschiedlichsten Aufbauten mit wechselnden Schichtdicken und Materialien steht hierbei besonders im Fokus. Erste Ergebnisse empfehlen die Betrachtung der örtlichen Verteilung bestimmter Signalmerkmale im Radargramm (B-Scan), um eine Klassifizierung der Schadensfälle vornehmen zu können.
In the field of non-destructive testing (NDT) in civil engineering, a large number of measurement data are collected. Although they serve as a basis for scientific analyses, there is still no uniform representation of the data. An analysis of various distributed data sets across different test objects is therefore only possible with high manual effort.
We present a system architecture for an integrated data management of distributed data sets based on Semantic Web technologies. The approach is essentially based on a mathematical model - the so-called ontology - which represents the knowledge of our domain NDT. The ontology developed by us is linked to data sources and thus describes the semantic meaning of the data. Furthermore, the ontology acts as a central concept for database access. Non-domain data sources can be easily integrated by linking them to the NDT construction ontology and are directly available for generic use in the sense of digitization. Based on an extensive literature research, we outline the possibilities that this offers for NDT in civil engineering, such as computer-aided sorting, analysis, recognition and explanation of relationships (explainable AI) for several million measurement data.
The expected benefits of this approach of knowledge representation and data access for the NDT community are an expansion of knowledge through data exchange in research (interoperability), the scientific exploitation of large existing data sources with data-based methods (such as image recognition, measurement uncertainty calculations, factor analysis, material characterization) and finally a simplified exchange of NDT data with engineering models and thus with the construction industry.
Ontologies are already the core of numerous intelligent systems such as building information modeling or research databases. This contribution gives an overview of the range of tools we are currently creating to communicate with them.