MENU Menu
of
Kalender
Home / Kalender / Studiedag / Gebruik van Monte-Carlo simulaties en AI in deskundigenonderzoeken
 De inschrijving voor dit evenement is gesloten

Gebruik van Monte-Carlo simulaties en AI in deskundigenonderzoeken

     Leden genieten het voordeeltarief : € 84 ipv € 120

 

Leden ie-net - BVBR - BGGG - GEBCAI - IAE - KCLE - LRGD - VVLE - BAMTES - FEBEVEX genieten het voordeeltarief van 84 € ipv 120 € 

 

Erkend door LRGD: 1 PE-punt
Erkend door IAE: goedkeuringsnummer 1277 

 

Situering
 

De steeds toenemende beschikbaarheid van data brengt veel mogelijkheden met zich mee. Ook binnen deskundigenonderzoek kunnen data-gedreven technieken tot betere inzichten leiden. Schadegevallen worden misschien toegeschreven aan onvoorziene omstandigheden maar waren die omstandigheden wel echt onverwacht? Hierbij kunnen verzamelde data en hun statistische verdelingen verheldering brengen.

In dit webinar worden de rol van data en onzekerheid in detail toegelicht. De concrete technieken van machine learning en Monte-Carlo simulatie worden besproken. Machine learning gebruikt reeds verzamelde data om predictieve modellen te trainen. Op die manier wordt bestaande ervaring vertaald naar een concreet mathematisch model. Een Monte-Carlosimulatie is een simulatietechniek waarbij een fysiek proces niet één keer maar vele malen wordt gesimuleerd, telkens met andere startcondities. Het resultaat van deze verzameling simulaties is een verdelingsfunctie die het hele gebied van mogelijke uitkomsten weergeeft. Machine learning en Monte-Carlosimulaties worden in verschillende wetenschappelijke toepassingen gebruikt, zoals bij complexe engineeringprojecten waar onzekerheden een belangrijke rol spelen. Zo maakte de recente studie van Elia m.b.t. de bevoorradingszekerheid (zgn. Adequacy Study) uitgebreid gebruik van die techniek.

De Monte-Carlomethode wordt meestal toegepast in situaties waarin (i) het resultaat van één enkele simulatie niet voldoende representatief is i.v.m. de in werkelijkheid te verwachten variatie van (of onze-kerheid m.b.t.) de startcondities, of (ii) de variatie of onzekerheid van die startcondities bekend is of met voldoende betrouwbaarheid ingeschat en gekwantificeerd kan worden. In situaties waar een groot volume aan data beschikbaar is, kan machine learning oplossingen bieden. 

Kunnen Monte-Carlosimulaties en machine learning ook in deskundigenonderzoeken worden aangewend m.h.o.o. waarheidsvinding of voor een meer nauwkeurige bepaling van de geleden schade? 

Daarnaast is de laatste maanden ook veel te doen rond taalmodellen zoals ChatGPT. Dit is een specifieke toepassing van machine learning die “getraind” werd met grote hoeveelheden teksten.  Vervolgens kan de aldus verworven kennis gebruikt worden om bv. teksten samen te vatten. We onderzoeken of deze techniek ook van toepassing zou kunnen zijn bij het analyseren en samenvatten van de uitgebreide teksten waar we bij deskundigenonderzoeken vaak mee geconfronteerd worden. 

Deze onderwerpen komen op onderhavige contactavond aan bod.
 

Korte beschrijvingen

Lezing over Monte-Carlosimulaties in deskundigenonderzoeken
Binnen de geotechniek, waar grondmechanische parameters steeds onderworpen zijn aan significante onzekerheid, vinden Monte-Carlosimulaties meerdere toepassingen. De deterministische analyses die nog steeds gangbaar zijn voor de meeste projecten, kunnen worden verbeterd door de waarschijnlijkheidsverdeling van de (grondmechanische) input-parameters expliciet te modelleren. Een eerste deel van de presentatie toont welke aandachtspunten er zijn bij de selectie en fitting van een waarschijnlijkheidsverdeling. In het tweede deel wordt dieper ingegaan op het gebruik van de Monte-Carlosimulaties in concrete toepassingen. Een eerste toepassing bespreekt axiaal belaste palen voor offshore platformen. Deze moeten voldoende draagkrachtig zijn om de extreme krachten door stormen te kunnen weerstaan. Zowel de aangrijpende krachten door golven en wind als de grondmechanische parameters kunnen probabilistisch gemodelleerd worden om tot een optimaal paalontwerp te komen. Een tweede toepassing beschrijft het voorkomen van obstructies voor het heien van funderingspalen voor offshore wind turbines. Monte-Carlotechnieken kunnen helpen om in deze situaties duidelijkheid te scheppen over de te verwachten onzekerheid.

Lezing over bouwkundige toepassingen van machine learning
De digitalisering zet zich door op alle vlakken van de samenleving, ook binnen de bouwkunde worden data van modellen en uitvoering steeds meer ontsloten via digitale toepassingen. Dit laat ingenieus toe om met die data aan de slag te gaan en modellen te maken die historische ervaringen vertalen naar bruikbare beslissingstools. In dit deel van de lezing worden twee voorbeelden gegeven van predictieve modellen die aan de hand van ervaring werden opgesteld. De heibaarheid van palen voor offshore windmolenparken en het voorspellen van grondparameters op basis van de CPT zijn toepassingen die een inzicht kunnen geven in de toepassing van regressie- en classificatiemodellen binnen de bouwkunde.

Lezing over verwerking van natuurlijke taal in deskundigenonderzoeken
In deskundigenonderzoeken wordt men vaak geconfronteerd met grote hoeveelheden, vaak uitgebreide teksten, waarvan niet zelden ook meerdere versies in omloop zijn. Ook bij het zoeken naar specifieke termen of bij het samenvatten hiervan kunnen AI-technieken een belangrijk hulpmiddel zijn. Een taalmodel zoals ChatGPT (of zijn Google-tegenhanger Bard) kan hier in de toekomst een grote hulp bieden. We onderzoeken in welke mate deze technieken vandaag of in de nabije toekomst toepasbaar zijn in deskundigenonderzoeken. 

 

Een initiatief van:
ie-net Deelgroep Ingenieur-Deskundigen & Bemiddelaars 

Programma

18u45: Aanmelden via ZOOM

19u00: Inleiding - Prof.dr.ir. Didier De Buyst, Veritas per Scientiam, gerechtsdeskundige, erkend bemiddelaar in burgerlijke en handelszaken, gastprofessor UHasselt Faculteit Architectuur, coördinator ie-net Deelgroep Ingenieur-Deskundigen & Bemiddelaars

19u15: Principes van Monte-Carlosimulaties met toepassingen in de bouwkunde - Prof.ir. Bruno Stuyts, gastprofessor Offshore Geotechiek UGent, onderzoeker grondstructuur interactie VUB

20u00: Principes van machine learning - ir. Johan Decorte, docent-onderzoeker Data Analytics aan de Hogeschool Gent

20u30: Bouwkundige toepassingen van machine learning - Prof.ir. Bruno Stuyts, voornoemd

21u15: Principes van verwerking van natuurlijke taal met toepassingen op grote hoeveelheden documenten - ir. Johan Decorte, voornoemd

21u45: Slot - Prof.dr.ir. Didier De Buyst, voornoemd

Sprekers en doelgroep

Sprekers

Bruno Stuyts
Sinds 2006 is Bruno betrokken bij offshore olie & gas en hernieuwbare energie projecten wereldwijd, waaronder verschillende Joint Industry Research Projecten om de geotechnische ontwerppraktijk te verbeteren. Hij heeft een sterke interesse in multidisciplinaire benaderingen voor het ontwerp van off-shore structuren. In 2019 werd hij aangesteld als Gastprofessor voor Offshore geotechniek aan het Geotechnisch Laboratorium van de UGent. Hij is verantwoordelijk voor de cursus Offshore Foundations en ondersteunt de andere geotechnische cursussen in het curriculum. Daarnaast is hij actief als wetenschappelijk onderzoeker gespecialiseerd in grond-structuur interactie binnen OWI-Lab (VUB). Zijn onderzoekinteresses omvatten grond-structuur interactie, geotechnische aspecten van pijpleidingen en kabels en de toepassing van data-driven methoden op geotechnisch ontwerp.

Johan Decorte
Ir. Johan Decorte (burgerlijk ingenieur computerwetenschappen) heeft 25 jaar ervaring in het bedrijfsleven in diverse IT-technische en managementfuncties. Momenteel is hij zelfstandig consultant, trainer en docent-onderzoeker aan de Hogeschool Gent in Data Analytics en IT-management. Zijn speciale interesse gaat hierbij uit naar business IT-alignment en de strategische meerwaarde van IT.
 


Doelgroep

Gerechtsdeskundigen, adviserende deskundigen, technisch experten, projectdirecteurs, projectingenieurs, architecten, verantwoordelijken voor uitvoering, ingenieurs werkzaam bij aannemers, bij ingenieurs- en architectenbureaus, bij overheden, bij verzekeringsmaatschappijen, bij vastgoedontwikkelaars e.d., ingenieurs belast met ontwerptaken, ingenieurs die vaak in aanraking komen met belangrijke onzekerheden in de door hen te gebruiken parameters, etc.
 

Contact & info

Christine Mortelmans
ie-net ingenieursvereniging vzw
Tel: 032600863
13/06/2023 Van: 19u00 tot 22u00
ONLINE

120,00 € voor niet-leden
84,00 € voor individuele leden ie-net
84,00 € voor bedrijfspartners ie-net
84,00 € voor leden BVBR - BGGG - GEBCAI - IAE - KCLE - LRGD - VVLE - BAMTES - FEBEVEX (vraag uw kortingscode op)
60,00 € voor individuele leden ie-net <30j | >65j

bedragen vrijgesteld van btw


Maak gebruik van de KMO-portefeuille en bespaar tot 30% op je opleiding !


Erkenningsnummer DV.O217461
Meer weten over KMO-portefeuille? Klik hier.

Het toepassingsgebied van de kmo-portefeuille wordt vanaf januari 2023 beperkt tot een aantal toekomstgerichte thema’s die je kan terugvinden op de website van de Vlaamse overheid.
Je zal alleen nog voor opleidingen en adviezen binnen minstens één van deze thema’s steun krijgen via de kmo-portefeuille.

Deze opleiding valt onder het thema:

INNOVATIE

3 opleidingsuren