2020 Fiscal Year Annual Research Report
Developing a Robust Optimal Maintenance Planning Model Considering the Inspected Information
| Project/Area Number |
18K04392
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
大窪 和明 東北大学, 国際文化研究科, 准教授 (50546744)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
全 邦釘 東京大学, 大学院工学系研究科(工学部), 特任准教授 (60605955)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 維持管理計画 / ロバスト最適化 |
|---|
| Outline of Annual Research Achievements |
本年度は，社会インフラの劣化が不確実な状況下において，将来の健全度を予測し，効率的な維持管理計画を求める場合への適用を想定し，昨年度までに定式化したロバスト最適化モデルの性質の整理・拡張および数値シミュレーションを実施した．具体的には，計画策定時までに実施した事前の点検結果から劣化速度を推定し，推定値に基づいた予測によって計画期間内の劣化に関する将来シナリオを設定し，社会インフラの維持管理や利用にかかるコストといった社会的費用を最小にする最適な維持管理計画を求めるモデルを定式化し，数値シミュレーションによって性質を確認した．この一連の流れの中で将来シナリオを作成する際に，計画策定前の点検回数や観測された健全度を明示的に考慮することができるため，点検回数や観測された健全度の変化に対する社会的費用の変化について感度分析を実施することによって，点検情報の価値を計測することができる枠組みとなっている．数値シミュレーションの結果，点検回数を増やすことにより，不確実性に対して，社会的費用のバラツキが小さい，よりロバストな維持管理計画が求められることが確認された一方で，点検回数を増やすことによる効果は逓減していくことが確認された．また本年度は，本研究に関連する最近の研究論文を調査し，本研究の位置付けの確認・とりまとめを行った．その結果，本研究課題で提案したロバスト最適化モデルは，観測データに統計的な処理を施し，ロバストな最適解の導出に活用するという観点から，データ駆動型のロバスト最適化モデルの一種として位置付けられることが明らかになった．また，本モデルは，社会インフラの維持管理計画だけでなく，観測データを使用した将来予測に基づいて計画を策定するような他の対象（静脈物流計画など）に対しても適用できる可能性が示唆された．
|
