Michelberger Pál (szerk.)

Bizonytalanság és biztonság

Fejezetek a mérnöki kockázatmenedzsmentből


4. Kockázatbecslés Monte Carlo-szimulációs megbízhatóságelemzése (a módszertan ismertetése)

A parametrikus modellbizonytalanságot úgynevezett valószínűségi elemzéssel is le tudjuk írni. Ekkor a környezet gerjesztéseinek minden lehetséges eleméhez valamilyen valószínűségi eloszlást rendelünk, és ez alapján a rendszer kimenő jellemzői valószínűségi eloszlásait határozzuk meg. Ha az adatok valószínűségi eloszlásai ismertek, elméletileg mindegyik alternatíva következményeinek eloszlását is megtudhatjuk. Ez egy egyszerű kritérium esetén a vizsgált rendszer vagy folyamat kvalitatív tulajdonságának valószínűségi eloszlását jelenti. A valószínűségi bizonytalanságelemző módszerek egyike a Monte Carlo szimuláció. A szimulációs elemzési eljárás alapvetően Metropolis és Ulam (1949) publikációjához köthető, melyben a szerzők a módszert Monte Carlónak nevezték. Őket megelőzően is alkalmaztak már statisztikai mintavételezési elemző módszereket a természettudományokban. Talán a legkorábbi dokumentált véletlenszerű mintavétel az integrál megoldásának megtalálására Comte De Buffon (1777-ben) nevéhez fűződik. Illetve William Thomson (más néven: Lord Kelvin) 1901-ben a klasszikus rendszerek belső energiaegyensúlyát vizsgálta az atomok és molekulák véletlen ütközéseinek modellezésével (Newman–Barkema, 1999).
A szimulációs eljárás lényege, hogy az egyes bizonytalan tényezőkhöz rendelt valószínűségeloszlások alapján véletlenszerűen választunk ki értékeket, amelyeket a szimulációs vizsgálat egy-egy kísérletében felhasználunk. Monte Carlo-módszereknek nevezzük a matematikai feladatok megoldásának véletlen mennyiségek modellezését felhasználó numerikus módszereit és azok jellemzőinek statisztikus értékelését (Zio, 2013). A Monte Carlo egy olyan matematikai eszköz, mely alkalmas arra, hogy véletlen események sorozatával oldjunk meg determinisztikus problémákat (Kalos–Whitlock, 2008).
A technikai rendszerek szimulációs elemzése esetén a következő lépéseket alkalmazzuk:
  • kellő számú független, adott eloszlású mintahalmazt generálunk,
  • a generált minta alapján – a rendszer vagy folyamat (alap vagy mag) matematikai modelljének felhasználásával – határozzuk meg a rendszer lehetséges válaszait,
  • a kapott válaszértékek statisztikai, valószínűségi elemzésével meghatározzuk a rendszer kimenő jellemzőinek várható valószínűségi eloszlásait.
 
Ezt szemlélteti az V.7. ábra.
 
V.7. ábra. A Monte Carlo-szimuláció
 
A vizsgált rendszer bemenő jellemzőnek értékeit a mérési eredmények statisztikai kiértékelései alapján generáljuk. Ehhez a leginkább ismert eljárások:
  1. inverz eloszlásfüggvény módszer,
  2. direkt transzformációs módszer,
  3. dob-elvet (hit and miss) módszer.
 
Ez utóbbi, a Neumann-féle dob-elvet (hit and miss), vagy más néven a kiszorításos eljárás főbb lépései a következők (Pokorádi, 2016):
  1. az egyenletes eloszlású véletlenszám-generátor (ezzel minden programnyelv rendelkezik) felhasználásával kiválasztunk a gerjesztési tartományon belül egy x értéket;
  2. majd ehhez hozzárendelünk egy yx véletlen értéket;
  3. az előre meghatározott valószínűségi sűrűségfüggvény alapján döntünk a generált x számról:
 
ha
yx > f(x),
(V.4.1.)
 
„elvetjük” az adott x értéket (lásd „A” pont az V.8. ábrán);
ha
yx < f(x),
(V.4.2.)
 
„megtartjuk”, és a szimuláció során mint input érték alkalmazzuk az adott x értéket (lásd „B” pont az V.8. ábrán). Az eljárás kellő számú alkalmazása esetén megfelelő valószínűségi eloszlással bíró adatsokaságot kapunk (Bera–Pokorádi, 2015).
 
V.8. ábra. A dob-elvet eljárás szemléltetése
 
A mintahalmazok generálása során mérnöki szempontból fontos figyelembe vennünk a valószínűségi eloszlásfüggvények egyik általános „hibáját”, azt, hogy értelmezési tartományuk a két végtelen érték között található. Mivel ez nem teszi lehetővé a műszaki gyakorlatban előforduló, reális – adott intervallumon belüli (például hogy egy esemény bekövetkezési valószínűségi értékének a [0;1] intervallumon belül kell lennie) – értékek vizsgálatát.
A műszaki gyakorlatban alkalmazott Monte Carlo-módszer előnye, hogy nincs szükség a sokszor igen bonyolult analitikus, esetleg numerikus módszerekkel történő modellmegoldásra, hanem „csupán” véletlen számok generálásával válaszolhatók meg a feltett szakmai kérdések. A modellgenerálást kellő számban elvégezve a kapott eredményeket elemezve megbecsülhetjük – és adott szakmai szempontból értékelhetjük – a várható rendszerválaszok valószínűségi eloszlásait.
A Monte Carlo-szimuláció alkalmazása során felmerülő mérnöki kérdéseket az 5. és 6. fejezetben szemléltetjük.
 

Bizonytalanság és biztonság

Tartalomjegyzék


Kiadó: Akadémiai Kiadó

Online megjelenés éve: 2026

ISBN: 978 963 664 195 5

A Bizonytalanság és biztonság című tanulmánykötet 6 mérnökvégzettségű, Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Karán dolgozó oktató közös munkája. Karunk gépész-, mechatronikai- és biztonságtechnikai képzésre járó hallgatói képzésük során megismerkednek a kockázatmenedzsment alapjaival, módszertani hátterével, és elsajátítják a kockázatértékeléshez és -kezeléshez szükséges elméleti hátteret. A könyv nem egyetemi tankönyvnek készült, de ott is használható. Fontos célunk volt a 8 tanulmányt tartalmazó kötet közreadásával, hogy a különböző szakterületek képviselői lássák a műszaki beruházási és fejlesztési projektek, az információbiztonság, a minőségbiztosítás, a karbantartás, a munka- és tűzvédelem kockázatmenedzsmentjének néha eltérő, de integrálható sajátosságait.

A gazdálkodó szervezetek életében szükség van egységesen alkalmazott kockázatmenedzsment szabályokra, hiszen a kockázati eseménynek több, eltérő eredetű kiváltó oka és több következménye is lehet. Eltérő skálákon történő értékelésük zavart okozhat kockázatok felismerésében és kezelésében is. A mérnöki kockázatok mellett a szervezeteknél többek között megjelennek stratégiai, piaci és pénzügyi vagy akár biztosítási kockázatok is. A könyv terjedelme nem teszi lehetővé, hogy ezekkel is foglalkozzunk, de fontos felhívni a figyelmet, hogy a kockázatmenedzsment nemcsak a mérnöki feladat…

Hivatkozás: https://mersz.hu/michelberger-bizonytalansag-es-biztonsag//

BibTeXEndNoteMendeleyZotero

Kivonat
fullscreenclose
printsave