DOI: https://doi.org/10.1016/j.matcom.2025.06.004
تاريخ النشر: 2025-06-04
المؤلف: S Chen وآخرون
الموضوع الرئيسي: تصميم هندسي احتمالي وقوي
نظرة عامة
تتناول هذه الفقرة أهمية قياس حجم عدم اليقين في سياق استراتيجيات تقليل عدم اليقين، خاصة عند التعامل مع التوزيعات المنحرفة بشدة. وتبرز تطوير مقياس جديد لأهمية عدم اليقين غير المعتمد على اللحظات بناءً على تقييم المخاطر الشرطية (CRE)، والذي يعالج قيود الطرق الحالية، مثل مؤشر سوبول، في تقديم إرشادات فعالة لتقليل عدم اليقين.
يسمح المقياس المقترح بقياس حجم عدم اليقين والأهمية في وقت واحد، مما يعزز القدرة على صياغة استراتيجيات فعالة. تم تطوير وتنفيذ تطبيقات عددية لهذا المقياس وتم التحقق منها من خلال مثالين عدديين وحالة هندسية، مما يوضح قابليته العملية وفعاليته في سيناريوهات تقليل عدم اليقين. تؤكد النتائج على ضرورة دمج حجم عدم اليقين في التحليل لتحسين عمليات اتخاذ القرار في البيئات غير المؤكدة.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على الدور الحاسم لتقليل عدم اليقين في تعزيز موثوقية النظام وتقليل المخاطر الخطرة. تحدد مصادر مختلفة لعدم اليقين، مثل عيوب التصنيع والتأثيرات الخارجية، مما يتطلب استراتيجيات فعالة للتحكم في عدم اليقين. يتم تسليط الضوء على تحليل الحساسية العالمية (GSA) كأداة رئيسية لتقييم كيفية مساهمة التغيرات في المدخلات في عدم اليقين الناتج، حيث يُعتبر مؤشر سوبول طريقة بارزة تعتمد على التباين. ومع ذلك، فإن اعتماد مؤشر سوبول على اللحظات من الدرجة الثانية يحد من فعاليته في السيناريوهات التي تتضمن توزيعات منحرفة بشدة أو ذات ذيول ثقيلة.
لمعالجة هذه القيود، تناقش الورقة طرق GSA بديلة غير معتمدة على اللحظات، بما في ذلك الأساليب المعتمدة على المسافة مثل مؤشرات دلتا وPAWN، بالإضافة إلى الطرق المعتمدة على النواة التي تستخدم تباين المتوسط الأقصى (MMD). بينما تحسن هذه الطرق من المرونة، إلا أنها لا تزال تواجه صعوبة في قياس حجم عدم اليقين، وهو أمر ضروري لاستراتيجيات فعالة لتقليل عدم اليقين. يتم اقتراح إدخال انتروبيا المتبقية التراكمية (CRE) كحل مبتكر، حيث يقدم مقياسًا غير معتمد على اللحظات يقيس كل من أهمية عدم اليقين وحجمه للمتغيرات المستمرة. يهدف هذا التقدم إلى توفير إرشادات أفضل لتطوير استراتيجيات تقليل عدم اليقين، خاصة في سياق التوزيعات المنحرفة بشدة.
نقاش
في هذا القسم، يناقش المؤلفون تطوير والتحقق من مقياس قائم على انتروبيا المتبقية التراكمية (CRE) لقياس أهمية عدم اليقين في التطبيقات الهندسية. يقدمون تنفيذًا عدديًا يوضح فعالية هذا المقياس في حالة واقعية تتميز بتوزيع منحرف بشدة. تشير النتائج إلى أن المقياس القائم على CRE يتفوق على طرق تحليل الحساسية العالمية التقليدية (GSA) من خلال دمج كل من أهمية وحجم عدم اليقين في التحليل بشكل فعال.
يحدد المؤلفون هيكل الورقة، بدءًا من مقدمة حول CRE في القسم 2، تليها صياغة مقياس أهمية عدم اليقين القائم على CRE في القسم 3. يقدمون أمثلة عددية في القسم 4 للتحقق من فعالية المقياس، وفي القسم 5، يطبقونه على حالة هندسية لتوضيح تفوقه في تطوير استراتيجيات تقليل عدم اليقين. يؤكد النقاش على عيوب الانتروبيا التفاضلية في تمثيل عدم اليقين، خاصة قدرتها على إنتاج قيم سلبية، والتي تكون غير منطقية في سياق قياس عدم اليقين. يُقترح إطار CRE كبديل أكثر قوة، قادر على توحيد خصائص قياس عدم اليقين عبر أنواع مختلفة من المتغيرات العشوائية.
DOI: https://doi.org/10.1016/j.matcom.2025.06.004
Publication Date: 2025-06-04
Author(s): S Chen et al.
Primary Topic: Probabilistic and Robust Engineering Design
Overview
The section discusses the significance of quantifying uncertainty magnitude in the context of uncertainty reduction strategies, particularly when dealing with highly-skewed distributions. It highlights the development of a new moment-independent uncertainty importance measure based on Conditional Risk Evaluation (CRE), which addresses the limitations of existing methods, such as the Sobol index, in providing effective guidance for uncertainty reduction.
The proposed measure allows for simultaneous quantification of both uncertainty magnitude and importance, thereby enhancing the ability to formulate effective strategies. Numerical implementations of this measure have been developed and validated through two numerical examples and an engineering case, demonstrating its practical applicability and effectiveness in uncertainty reduction scenarios. The findings underscore the necessity of incorporating uncertainty magnitude into the analysis to improve decision-making processes in uncertain environments.
Introduction
The introduction of this research paper emphasizes the critical role of uncertainty reduction in enhancing system reliability and minimizing hazardous risks. It identifies various sources of uncertainty, such as manufacturing imperfections and external influences, necessitating effective strategies for uncertainty control. Global sensitivity analysis (GSA) is highlighted as a key technique for evaluating how input variations contribute to output uncertainty, with the Sobol index being a prominent variance-based method. However, the Sobol index’s reliance on second-order moments limits its effectiveness in scenarios involving highly-skewed or heavy-tailed distributions.
To address these limitations, the paper discusses alternative moment-independent GSA methods, including distance-based approaches like the delta and PAWN indices, as well as kernel-based methods that utilize maximum mean discrepancy (MMD). While these methods improve flexibility, they still struggle to quantify uncertainty magnitude, which is essential for effective uncertainty reduction strategies. The introduction of cumulative residual entropy (CRE) is proposed as a novel solution, offering a moment-independent measure that quantifies both uncertainty importance and magnitude for continuous variables. This advancement aims to provide better guidance for developing uncertainty reduction strategies, particularly in the context of highly-skewed distributions.
Discussion
In this section, the authors discuss the development and validation of a cumulative residual entropy (CRE)-based measure for quantifying uncertainty importance in engineering applications. They present a numerical implementation that demonstrates the effectiveness of this measure in a real-world case characterized by a highly-skewed distribution. The findings indicate that the CRE-based measure outperforms traditional global sensitivity analysis (GSA) methods by effectively integrating both the importance and magnitude of uncertainties in the analysis.
The authors outline the structure of the paper, beginning with an introduction to CRE in Section 2, followed by the formulation of the CRE-based uncertainty importance measure in Section 3. They provide numerical examples in Section 4 to validate the measure’s efficacy, and in Section 5, they apply it to an engineering case to illustrate its superiority in developing uncertainty reduction strategies. The discussion emphasizes the flaws of differential entropy in representing uncertainty, particularly its potential to yield negative values, which are illogical in the context of uncertainty quantification. The CRE framework is proposed as a more robust alternative, capable of unifying the properties of uncertainty quantification across different types of random variables.