Model Prediksi Kesehatan Struktur Jembatan Berbasis Jaringan Bayesian

Untuk mencapai hasil prediksi kesehatan yang akurat, sejumlah faktor kerusakan yang berbeda harus dipertimbangkan, namun pendekatan prediksi kesehatan jembatan saat ini tidak dapat bertindak sebagai platform integrasi, maka untuk mengeliminasi masalah ini, penelitian ini diusulkan, yaitu Model prediksi kesehatan struktur jembatan berbasis Bayesian Belief Network (BBN). BBN adalah alat yang efisien untuk menangani inter dependensi kompleks dalam elemen sistem rekayasa. Dua bentuk data diperlukan yaitu: (a) data probabilitas dari jenis dan besarnya cacat pada elemen dasar, digunakan data laporan inspeksi 21 jembatan beton bertulang dan prestress terpilih dari Negara Minesota, USA. (b) data probabilitas pengaruh kerusakan antar elemen, dari elemen dasar hingga ke tingkat struktur jembatan global menurut ahli (menggunakan dua penelitian yang terdahulu.). Untuk mengatasi masalah keterbatasan data (hilang atau kurang) dalam proses pembelajaran parameter, maka digunakan kombinasi keputusan ahli dan metode Ekspektasi-Maksimalisasi (EM). Data laporan inspeksi dari 20 jembatan sebagai input probabilitas kerusakan penetapan kondisi elemen dasar, sedangkan dua data dari dua hasil penelitian terdahulu digunakan sebagai data probabilitas pengaruh kerusakan dari elemen dasar sampai ke struktur jembatan global. Jembatan Coon, digunakan sebagai studi kasus untuk memvalidasi model. Hasil validasi dari model yang diusulkan adalah ditingkat komponen jembatan, penilaian prediksi kesehatannya 100% sama dengan nilai prediksi yang ditetapkan ahli. Pada tingkat struktur jembatan global 97% - 100% sama dengan ketetapan ahli. Model yang diusulkan dapat melacak kebelakang untuk mencari tahu penyebab utama/kritis dari kerusakan komponen/elemen jembatan, sehingga memudahkan manajer dalam pengelolaan jembatan berkaitan dengan perawatan, perbaikan, atau penggantian struktur jembatan. ================================================================================================================== To achieve predicted results accurate health, a number of factors different defects should be considered, but the approach to the prediction of health bridge not currently able to act as an integration platform, to eliminate this problem, the research proposed, namely the prediction model health bridge structures based on Bayesian Belief Network (BBN). BBN is an efficient tool for handling complex inter-dependencies in the engineering system elements. Two forms of data required, namely: (a) the data probability of the type and magnitude of defects in the basic elements, used the data of inspection reports 21 reinforced concrete bridges and prestress elected from Minnesota State, USA. (B) the probability of data elements from damaging influences, from basic elements to the global level bridge structures according to the expert (using the two previous studies.). To overcome the problem of limited data (missing or less) in the learning process parameter, then use a combination of expert judgment and methods Expectation-Maximization (EM). Data from the 20 bridge inspection reports as input probability of damage to the determination of the conditions of the basic elements, while the two data from two previous research used as the data influence the probability of damage to the basic elements of the bridge structure globally. Coon bridge, is used as a case study to validate the models. The results of the validation of the proposed model is level bridge components, predictive health assessment equal to 100% predictive value assigned expert. At the global level bridge structures 97% - 100% the same as the provision of experts. The proposed model can track backward to figure out the cause of major / critical damage to components / elements of the bridge, making it easier for managers to bridge the management with regard to maintenance, repair, or replacement of the bridge structure