[논문 리뷰] Optimal Inspection and Maintenance Planning for Deteriorating Structures through Dynamic Bayesian Networks and Markov Decision Processes

Pablo G. Morato, Konstantinos G. Papakonstantinou외 3명|arXiv (Cornell University)|2020. 01. 01.

Risk and Safety Analysis참고 문헌 48인용 수 3

한 줄 요약

이 논문은 구조물의 노후화를 고려한 검사 및 유지보수 계획 최적화를 위해 동적 베이지안 네트워크와 부분 관측 마르코프 결정 과정(POMDPs)을 통합한 새로운 프레임워크를 제안한다. 무한 및 유한 수명 POMDPs를 구조물 신뢰성 맥락에서 수립함으로써, 불확실성 하에서 데이터 기반 최적 의사결정이 가능해지며, 피로로 악화되는 구성 요소 사례 연구에서 히우리스틱 기반 정책에 비해 장기 비용을 크게 감소시킨다.

ABSTRACT

Civil and maritime engineering systems, among others, from bridges to offshore platforms and wind turbines, must be efficiently managed as they are exposed to deterioration mechanisms throughout their operational life, such as fatigue or corrosion. Identifying optimal inspection and maintenance policies demands the solution of a complex sequential decision-making problem under uncertainty, with the main objective of efficiently controlling the risk associated with structural failures. Addressing this complexity, risk-based inspection planning methodologies, supported often by dynamic Bayesian networks, evaluate a set of pre-defined heuristic decision rules to reasonably simplify the decision problem. However, the resulting policies may be compromised by the limited space considered in the definition of the decision rules. Avoiding this limitation, Partially Observable Markov Decision Processes (POMDPs) provide a principled mathematical methodology for stochastic optimal control under uncertain action outcomes and observations, in which the optimal actions are prescribed as a function of the entire, dynamically updated, state probability distribution. In this paper, we combine dynamic Bayesian networks with POMDPs in a joint framework for optimal inspection and maintenance planning, and we provide the formulation for developing both infinite and finite horizon POMDPs in a structural reliability context. The proposed methodology is implemented and tested for the case of a structural component subject to fatigue deterioration, demonstrating the capability of state-of-the-art point-based POMDP solvers for solving the underlying planning optimization problem. Within the numerical experiments, POMDP and heuristic-based policies are thoroughly compared, and results showcase that POMDPs achieve substantially lower costs as compared to their counterparts, even for traditional problem settings.

연구 동기 및 목표

• 구조물의 노후화를 관리하는 데 있어 히우리스틱 기반 검사 및 유지보수 정책의 한계를 해결하기 위해.
• 순차적 의사결정을 위한 체계적이고 수학적으로 엄밀한 프레임워크를 개발하기 위해.
• 동적 베이지안 네트워크를 POMDPs와 통합하여 노후화 구조물에서의 상태 진동 및 관측 과정의 불확실성을 모델링하기 위해.
• 비용 효율성 측면에서 기존 히우리스틱 규칙과 비교하여 POMDP 기반 정책의 성능을 평가하기 위해.
• 현실 세계의 구조물 유지보수 최적화 문제를 해결하는 데 있어서 최신 지점 기반 POMDP 솔버의 실현 가능성과 우수성을 입증하기 위해.

제안 방법

• 검사 및 유지보수를 위한 순차적 의사결정 과정을 모델링하기 위해 무한 수명 및 유한 수명 POMDPs를 수립한다.
• 구조물의 노후화 및 센서 관측의 확률적 진동을 표현하기 위해 동적 베이지안 네트워크를 활용한다.
• POMDPs의 의사결정 정책 생성에 사용하기 위해 동적으로 업데이트된 전체 상태 확률 분포를 입력으로 사용한다.
• 피로로 인한 노후화가 발생하는 구조물 구성 요소에 대해 최적의 정책을 계산하기 위해 지점 기반 POMDP 솔버를 적용한다.
• 안전성과 비용 효율성을 확보하기 위해 POMDP 프레임워크를 구조물 신뢰성 모델과 통합한다.
• 피로로 악화되는 구성 요소에 대한 수치 실험을 통해 POMDP 기반 정책과 히우리스틱 규칙을 비교한다.

실험 결과

연구 질문

• RQ1 POMDP 기반 프레임워크는 노후화 구조물의 검사 및 유지보수 정책에서 비용 효율성 측면에서 히우리스틱 기반 정책을 능가할 수 있는가?
• RQ2 최신 지점 기반 POMDP 솔버는 불확실성 하에서 구조물 신뢰성 계획의 복잡성에 얼마나 잘 대응할 수 있는가?
• RQ3 유지보수 계획에서 완전히 확률적이고 상태에 의존하는 정책을 사용할 경우와 히우리스틱 의사결정 규칙을 사용할 경우의 영향은 어떠한가?
• RQ4 무한 수명 및 유한 수명 POMDP 수식 간의 성능 및 계산 가능성을 비교할 경우, 어떤 것이 더 우수한가?
• RQ5 동적 베이지안 네트워크를 POMDPs와 통합함으로써, 노후화 및 검사 결과의 불확실성 모델링이 얼마나 향상되는가?

주요 결과

• 수치 실험에서 POMDP 기반 정책은 히우리스틱 기반 정책에 비해 상당히 낮은 장기 비용을 달성하였다.
• 제안된 프레임워크는 복잡한 구조물 신뢰성 맥락에서 유지보수 최적화 문제를 해결하기 위해 지점 기반 POMDP 솔버를 성공적으로 활용하였다.
• 동적 베이지안 네트워크를 POMDPs와 통합함으로써 상태 진동 및 부분 관측의 정확한 모델링이 가능해졌다.
• 기존 문제 설정에서도 POMDPs가 히우리스틱 규칙보다 뛰어난 성능을 보이며, 그 강건성과 우수성을 입증하였다.
• 유한 수명 POMDP 수식은 현실 세계의 유지보수 계획을 위한 무한 수명 모델의 실용적이고 효과적인 대안을 제공하였다.
• 결과는 POMDP에서 유도된 최적의 정책이 전체 사후 상태 분포에 의존하므로, 규칙 기반 접근 방식보다 더 정보가 풍부하고 적응적인 의사결정이 가능함을 확인하였다.