Alat mengungkapkan koneksi infrastruktur penting, membantu mengurangi bencana
Machine

Alat mengungkapkan koneksi infrastruktur penting, membantu mengurangi bencana


Kredit: Pixabay / CC0 Domain Publik

Bencana besar, baik alam maupun akibat ulah manusia, paling sering berdampak merusak pada infrastruktur lokal yang dapat mengakibatkan terganggunya upaya kemanusiaan dan memberikan pukulan ekonomi bagi masyarakat besar maupun kecil. Tidak peduli di mana Anda berada, infrastruktur ini terkait erat, sehingga kegagalan salah satunya dapat berdampak pada orang lain.

Sayangnya, detail tentang bagaimana mereka saling terhubung tidak selalu dipetakan sepenuhnya, sehingga menyulitkan komunitas untuk menentukan mana yang harus disambungkan terlebih dahulu setelah bencana. Namun, Argonne sedang mengembangkan sumber daya untuk membantu membuat hubungan antara jaringan listrik dan infrastruktur jalur kehidupan lainnya — gas alam, air bersih, perawatan kesehatan, komunikasi, dan sebagainya — dan membantu dalam pengambilan keputusan penting dan tepat waktu tersebut.

Satu bencana khususnya mungkin telah memberikan dorongan untuk alat semacam itu.

Tak lama setelah Badai Maria melanda Puerto Riko pada tahun 2017, para peneliti dari Laboratorium Nasional Argonne Departemen Energi AS (DOE) bergabung dalam upaya pemulihan untuk membantu mengidentifikasi dan memprioritaskan sistem infrastruktur penting yang akan mendapat manfaat paling besar dari peningkatan keamanan dan ketahanan.

Tim mengembangkan alat Penilaian Interdependensi Infrastruktur Puerto Rico (PRIIA) untuk memetakan koneksi antara infrastruktur yang saling bergantung — semua dari berbagai sistem yang pada dasarnya mendukung masyarakat, catat Josh Bergerson, analis infrastruktur utama di divisi Decision and Infrastructure Sciences (DIS) Argonne dan seorang anggota dari tim PRIIA.

Bergerson dan anggota tim lainnya terus memajukan teknologi PRIIA melalui program Laboratory Directed Research and Development (LDRD) Argonne, tetapi kali ini, fokusnya adalah pada infrastruktur khusus kelistrikan dan menambahkan optimasi dan komponen kecerdasan buatan (AI) untuk mengurangi kompleksitas dan waktu penyelesaian.

“Tujuan dari penelitian ini adalah untuk mengambil pekerjaan yang kami mulai dengan Federal Emergency Management Agency (FEMA) menggunakan alat PRIIA dan memikirkan cara-cara kami dapat menambah dan mengoptimalkan pendekatan kami untuk memodelkan semua koneksi antara infrastruktur yang saling bergantung,” kata Lawrence Paul Lewis, pimpinan program DIS untuk implementasi teknologi.

Melembutkan efek domino

Sistem infrastruktur seperti energi, air, komunikasi, dan transportasi saling berhubungan; bergantung pada yang lain sedemikian rupa sehingga pengoperasian satu sistem mempengaruhi pengoperasian sistem lainnya.

Rumah Anda adalah mikrokosmos dari sistem infrastruktur yang lebih besar yang terhubung dengan satu atau lain cara, dan semua hal dapat menjadi tidak beres jika salah satu dari ketergantungan tersebut — layanan dari suatu utilitas, misalnya — rusak.

Listrik biasanya yang pertama pergi, dan mungkin yang paling penting. Tanpanya, Anda kehilangan lampu, lemari es, AC, atau pemanas, jika itu listrik. Anda mungkin kehilangan air jika berada di sumur atau kehilangan akses ke internet dan televisi.

Sekarang bayangkan seperti apa efek berjenjang ini di tingkat lokal atau regional. Tanyakan kepada warga Puerto Riko, yang menanggung beban terbesar dari kegagalan infrastruktur berjenjang ini selama lebih dari setahun.

Di mana pekerjaan sebelumnya berfokus pada mendapatkan utilitas dan infrastruktur penting lainnya kembali online, kolaborasi Argonne yang baru melihat bagaimana hal-hal merusak dan mengembangkan rencana sebelum peristiwa gangguan.

Gangguan tidak hanya disebabkan oleh bahaya alam seperti badai, kebakaran hutan, atau banjir. Penyebab lainnya termasuk serangan fisik, di mana seseorang atau kelompok dengan sengaja menargetkan komponen infrastruktur melalui kekuatan fisik, dan serangan siber, yang semakin sering terjadi dan dapat berdampak serius pada infrastruktur kritis.

Alat PRIIA yang dioptimalkan akan membantu menganalisis sistem dan menunjukkan kerentanannya, memungkinkan pemangku kepentingan untuk mengatasinya dan mengurangi dampak peristiwa di masa depan, baik yang alami maupun yang disebabkan oleh manusia.

“Kami melihat berbagai aspek dari semua sistem infrastruktur yang saling berhubungan ini untuk mencoba dan mencari tahu celah dan kelemahan yang benar-benar membatasi ketahanannya,” kata Bergerson. “Dan ketahanan di sini mengacu pada kemampuan Anda untuk merencanakan, mengantisipasi, menyesuaikan, dan tetap beroperasi setelah beberapa jenis gangguan.”

Salah satu tantangan utama adalah mencoba menghasilkan skema yang akurat dari ketergantungan infrastruktur suatu daerah. Meskipun ada banyak data publik tentang sistem individu, tidak ada yang mengumpulkan informasi tentang koneksi aktual antara sistem tersebut — misalnya, gardu listrik mana yang mendukung sistem air tertentu.

Satu-satunya cara untuk mendapatkan informasi itu adalah secara fisik pergi ke lapangan dan mengamati sistem fisik itu sendiri, yang telah terbukti cara yang sangat tidak efisien untuk mengumpulkan informasi, Bergerson mengakui.

“Di Puerto Rico, kami menghabiskan enam bulan dan mendapatkan beberapa ratus koneksi ketergantungan dari puluhan ribu yang ada di sana,” kenangnya.

Karena tidak ada database resmi atau otoritatif untuk dependensi infrastruktur, tim mulai membakukan dan mengatur data infrastruktur yang mereka miliki — sebagian besar dari Puerto Rico, beberapa dari kumpulan data, seperti Homeland Infrastructure Foundation-Level Data, agregasi dari Departemen Keamanan Dalam Negeri (DHS) dari semua kumpulan data infrastruktur penting yang tersedia untuk umum.

Salah satu hasil utama dari proyek ini adalah pengembangan dari apa yang oleh tim disebut hypergraph, superset generik dari semua koneksi atau tata letak aset infrastruktur yang wajar, disertai dengan karakterisasi tingkat tinggi dari setiap aset.

“Anda menyusun rencana karakteristik aset SimCity yang tampak umum ini dan bagaimana mereka terhubung satu sama lain,” kata Lewis. “Kemudian, saat kami mendekati masalah dunia nyata, kami memasukkan data dunia nyata melalui hypergraph ini dan itulah cara kami mulai mengisi model kami.

“Jadi itu salah satu hal yang sulit, tetapi juga salah satu kemenangan yang akan dihasilkan dari ini.”

Membangun sumber daya untuk mendukung aplikasi AI

Dalam upayanya untuk mengidentifikasi dampak kegagalan berjenjang secara lebih akurat, tim mulai berkolaborasi dengan rekan di divisi Matematika dan Ilmu Komputer (MCS) Argonne untuk lebih meningkatkan proses pemodelan secara keseluruhan.

Dengan menggabungkan model dan algoritma multistage yang kompleks ke dalam alat PRIIA, mereka berharap dapat mengurangi intensitas tenaga kerja dalam melacak sejumlah dependensi yang eksponensial; mengurangi ketidakpastian yang terkait dengan sistem infrastruktur skala besar; dan mengatasi kompleksitas komputasi dari saling ketergantungan infrastruktur melalui model yang dimotivasi oleh teori permainan. Peningkatan ini akan memungkinkan tim untuk menerapkan alat baru ini jauh di luar Puerto Rico, tempat alat ini awalnya dikembangkan.

“Tim menggunakan alat yang memungkinkan mereka untuk mensimulasikan apa yang terjadi jika sesuatu berdampak pada bagian infrastruktur tertentu,” kata Sven Leyffer, ahli matematika komputasi senior di MCS. “Apa yang tidak dapat mereka lakukan adalah menjawab pertanyaan,” Apakah itu kasus terburuk yang dapat terjadi pada infrastruktur saya? “

“Untuk menjawabnya, mereka harus melalui sejumlah kombinasi eksponensial yang ditujukan untuk menemukan kasus terburuk. Kami dapat melakukannya hanya dengan memecahkan satu masalah pengoptimalan skala besar.”

Fokus pekerjaan MCS adalah untuk mengidentifikasi di mana kaskade dapat dimulai dalam sistem tertentu dan aset atau kombinasi aset mana yang akan menghasilkan kaskade terburuk jika gagal. Dengan demikian, tujuan dari analisis ini adalah untuk meningkatkan ketahanan dependensi spesifik tersebut, baik dengan menyediakan cadangan, memperkenalkan redundansi, atau meningkatkan keamanan.

Langkah selanjutnya untuk proyek ini termasuk memasukkan aplikasi AI yang disebut pembelajaran mesin (ML) untuk mempercepat proses. Model ML sering kali memerlukan banyak data pelatihan, namun, yang tidak tersedia untuk kegagalan berjenjang. Dengan menerapkan keahlian mereka dalam pengoptimalan dan teknik simulasi, Leyffer dan grupnya membantu menemukan kaskade yang paling berpengaruh secara langsung, informasi yang kemudian dapat digunakan untuk menghasilkan data pelatihan untuk model ML di masa mendatang.

“Aplikasi AI akan membantu kami melakukan pekerjaan yang lebih baik dalam mensimulasikan bagaimana gangguan atau degradasi operasi ke bagian infrastruktur hulu, seperti gardu transmisi yang sangat penting, akan mengalir di semua infrastruktur lainnya,” saran Lewis. “Itu adalah pertanyaan yang sangat kompleks secara komputasi untuk dijawab, tetapi ini adalah pertanyaan kunci yang harus dihadapi pemilik atau operator utilitas.”

Alat dan metode gabungan dimaksudkan untuk menciptakan pendekatan yang dapat diterapkan tim selama proses perencanaan dan mitigasi bahaya, atau dalam fase respons dan pemulihan untuk membantu memprioritaskan banyak tindakan yang diperlukan untuk memulihkan sistem seefisien dan sebaik mungkin.


Alat canggih mengungkapkan koneksi infrastruktur penting untuk mengurangi bencana


Disediakan oleh Laboratorium Nasional Argonne

Kutipan: Alat mengungkapkan koneksi infrastruktur penting, membantu mengurangi bencana (2021, 15 Februari) diambil pada 15 Februari 2021 dari https://techxplore.com/news/2021-02-tools-reveal-critical-infrastructure-mitigate.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP