Mengawasi sistem infrastruktur: 4 taktik
Machine

Mengawasi sistem infrastruktur: 4 taktik


Keputusan perencanaan memiliki dampak jangka panjang pada ketahanan sistem perkotaan — dan tidak hanya di Singapura. Kredit: Kotak Warna

Bahkan gangguan kecil dalam sistem infrastruktur dapat berakibat fatal. Peneliti dan praktisi melawan risiko itu dengan mengambil tindakan pada berbagai tingkatan. Empat contoh.

Sistem perkotaan: tingkatkan ketahanan

Berdasarkan perdagangan, Božidar Stojadinović adalah pakar konstruksi tahan gempa. Sekarang seorang Profesor Dinamika Struktural dan Teknik Gempa Bumi, dia mengkhususkan diri dalam sistem perkotaan dan bagaimana membuatnya lebih tahan terhadap gempa bumi. “Rekayasa sistem menjadi semakin penting dalam penelitian ketahanan,” katanya. Kombinasi keahliannya menjadikannya pilihan yang jelas untuk memimpin kelompok penelitian dalam program Sistem Tangguh Masa Depan di Singapura — meskipun gempa bumi adalah salah satu dari sedikit topik yang tidak ada dalam agenda. Sebaliknya, tujuannya adalah untuk memahami ketahanan sistem perkotaan dengan kepadatan tinggi — di mana Singapura adalah contoh yang baik — dan untuk memperkuatnya dalam persiapan menghadapi tantangan di masa depan. Tantangan utama yang dihadapi Singapura adalah perubahan iklim dan kelangkaan lahan. Menanggapi hal ini akan membutuhkan perencanaan jangka panjang dan perubahan infrastruktur perkotaan yang tepat waktu.

Bersama dengan peneliti dari Nanyang Technological University Singapore (NTU) dan National University of Singapore (NUS), Stojadinović sedang mengembangkan model komputer kota yang komprehensif yang dapat digunakan untuk mensimulasikan sistem perkotaan serta tantangan dan efeknya. Selain menggabungkan semua bangunan dan sistem infrastruktur terkait, seperti listrik dan air, representasi digital ini dapat digunakan untuk memodelkan interaksi pengguna dengan sistem. Modelnya sendiri didasarkan pada kerangka perangkat lunak komputer yang awalnya dikembangkan untuk permainan perang militer dan sekarang banyak digunakan dalam permainan. Perangkat lunak ini memungkinkan pengguna menjalankan beberapa simulasi dari berbagai sistem dan bertukar informasi di antara mereka. “Itu fitur yang sangat penting,” kata Stojadinović. Ini karena kompleksitas sistem perkotaan dan cara masing-masing subsistem saling mempengaruhi. “Kami sudah cukup pandai memodelkan dan mengoptimalkan sistem individu, tetapi sering kali kami tidak sepenuhnya memahami bagaimana sistem saling memengaruhi,” tambahnya. Model yang dikembangkan Stojadinović dan rekan-rekan penelitinya bertujuan untuk memecahkan masalah tersebut dan mendorong para ahli untuk melihat melampaui sistem infrastruktur individu dan untuk memahami sistem perkotaan secara keseluruhan.

Jaringan kritis: kelola risiko

“Tidak ada yang bisa meramalkannya” adalah respons yang sering terdengar terhadap kegagalan sistem. Giovanni Sansavini, Profesor Keandalan dan Rekayasa Risiko ETH, bekerja tanpa lelah untuk membantah gagasan itu. Sebagai seorang insinyur dengan pelatihan, dia mempelajari risiko dalam jaringan yang kompleks seperti jaringan energi yang saling bergantung dan rantai pasokan yang besar.

Risiko dalam sistem yang kompleks sulit dipahami dalam istilah ilmiah. Itu karena sistem cenderung tumbuh atau menyusut seiring waktu dan mengubah strukturnya. Banyak dari mereka tersebar di seluruh dunia, dan seringkali mereka tidak memiliki mode operasi tetap. Jaringan listrik, misalnya, tunduk pada pengaruh yang beragam, dan di bawah beban, responsnya berbeda dari pada operasi normal. Untuk mengatasi tantangan tersebut, Sansavini dan kelompoknya melakukan percobaan dengan model komputer. Mereka mengidentifikasi risiko menggunakan metode ilmiah penghitungan ketidakpastian, yang memungkinkan para peneliti untuk menangkap spektrum luas dari kemungkinan dampak, kesalahan dan kegagalan, dan untuk mengamati bagaimana jaringan yang dimodelkan berperilaku. Simulasi Monte Carlo semacam itu memungkinkan untuk menganalisis keterkaitan antara banyak kegagalan. Ini membuka pintu bagi penemuan risiko tersembunyi atau “sistemik” — jenis yang dapat memicu kegagalan berjenjang yang sering kali menjadi penyebab masalah serius dalam sistem yang kompleks. Salah satu contohnya adalah pemadaman listrik besar-besaran di Italia pada tahun 2003, yang disebabkan oleh sistem otomatis mati satu per satu karena beban yang meningkat.

Model Sansavini berfungsi tidak hanya untuk mengidentifikasi risiko, tetapi juga untuk mengukurnya. Dengan demikian, para peneliti dapat menentukan kombinasi kegagalan mana yang memiliki konsekuensi terburuk untuk sistem dan seberapa besar kemungkinannya akan terjadi. Memahami skenario ini adalah dasar untuk menyediakan sistem dengan perlindungan yang memadai. Dalam kasus jaringan energi, itu mungkin berarti membuatnya lebih fleksibel dan tidak terlalu bergantung pada sumber energi individu. Atau menyiapkan sistem peringatan dini, memperkenalkan peningkatan teknis untuk mengatasi kerentanan, dan membantu jaringan kembali normal dengan cepat setelah gangguan. “Tentu saja, betapapun kuatnya sistem yang kita buat, orang akan tetap melakukan kesalahan, dan hal-hal yang tidak terduga akan terjadi,” Sansavini memperingatkan. Kabar baiknya adalah bahwa kesalahan ini bahkan dapat direplikasi dalam model virtual. Artinya, kami dapat memprediksi evolusi sistem dan membuatnya lebih tahan terhadap gangguan di masa mendatang.

Sistem yang kompleks: memprediksi kegagalan

Olga Fink dan timnya melakukan penelitian tentang kesalahan dalam sistem yang kompleks, dari pesawat terbang dan turbin gas hingga sistem infrastruktur seperti rel kereta api. Sebagai Profesor Sistem Pemeliharaan Cerdas, Fink mengembangkan algoritme cerdas yang belajar dari data yang dikumpulkan oleh perangkat pemantau kondisi. Algoritme ini menangani berbagai tantangan, mulai dari mendeteksi kesalahan sistem dan mendiagnosis jenis kegagalan yang berbeda hingga memprediksi kapan kegagalan berikutnya mungkin terjadi — atau bahkan menerapkan strategi pemeliharaan preskriptif. “Tujuan kami adalah untuk memprediksi masa manfaat yang tersisa dan kemudian mengontrol pengoperasian sistem untuk memperpanjang umur layanannya,” kata Fink. Algoritme cerdas belajar dari operasi historis dan real-time serta data pemantauan kondisi.

Salah satu rintangannya adalah algoritme pembelajaran mesin membutuhkan banyak data. “Kegagalan jarang terjadi dalam sistem yang kritis terhadap keselamatan, jadi kami tidak benar-benar memiliki cukup data untuk dipelajari,” kata Fink. Untungnya, para peneliti memiliki beberapa trik: “Salah satu pendekatannya adalah dengan menggunakan data yang mewakili kondisi sistem yang sehat dan melatih algoritme untuk mendeteksi penyimpangan.” Ini juga dapat membantu untuk menggunakan data pemantauan kondisi dari sistem serupa dan menyesuaikannya dengan sistem tertentu. Namun, dalam banyak kasus, metode ini pun mungkin tidak cukup. Para peneliti kemudian harus melangkah lebih jauh, dengan menggabungkan algoritme mereka dengan model fisik yang mensimulasikan sistem yang mereka pantau atau memperkaya model AI dengan pengetahuan domain fisik. Ini berarti algoritme dapat bekerja dengan lebih sedikit data dan lebih mudah diinterpretasikan oleh para ahli yang harus membuat keputusan berdasarkan keluaran algoritme. Dalam satu proyek dengan NASA, misalnya, para peneliti dapat memprediksi sisa masa pakai mesin pesawat. Olga Fink sangat bangga dengan pencapaian ini: meskipun deteksi kesalahan dini sekarang merupakan proses yang matang, memprediksi sisa masa manfaat sistem jauh lebih sulit. Itu telah, katanya bercanda, “cawan suci” dari bidang penelitiannya.

Fasilitas penelitian kritis: fokus pada redundansi

Mengelola gangguan adalah bagian dari kehidupan sehari-hari untuk Walter Iten, Kepala Manajemen Fasilitas di ETH Zurich. Departemennya bertanggung jawab atas manajemen teknis dan infrastruktur untuk semua gedung dan fasilitas ETH. Iten mengatakan mati listrik adalah masalah terbesar: “Tidak ada yang bekerja tanpa listrik!” Itulah mengapa ETH mengandalkan redundansi. Manajemen Fasilitas dapat mengambil daya dari dua gardu induk yang berbeda untuk bagian dari kampus Zentrum. Dan, jika terjadi pemadaman listrik besar-besaran, area terpenting juga memiliki akses ke generator diesel cadangan. Untuk peralatan penelitian yang sangat sensitif, baterai digunakan untuk memastikan pasokan daya tidak terputus.

Tetapi permata di mahkota adalah strategi pemeliharaan prediktif untuk semua fasilitas dan bangunan, yang bertujuan untuk mencegah gangguan dari semua jenis terjadi sejak awal. Alat pemeliharaan TI melacak jam operasi dan jadwal pemeliharaan setiap sistem, dan memicu pekerjaan pemeliharaan saat jatuh tempo. Peran yang semakin penting juga dimainkan oleh sensor, yang memantau sistem untuk mendeteksi kegagalan mendadak. Tim Manajemen Fasilitas dapat mengakses data ini dari jarak jauh di komputer dan sampai batas tertentu campur tangan dalam pengoperasian sistem. Saat ini, sistem pemantauan fasilitas dan alat perawatan tidak terhubung — tetapi, dengan kemajuan terbaru dalam teknologi sensor dan AI, ini hanya masalah waktu.


Alat mengungkapkan koneksi infrastruktur penting, membantu mengurangi bencana


Kutipan: Mengawasi sistem infrastruktur: 4 taktik (2021, 30 Maret) diambil pada 30 Maret 2021 dari https://techxplore.com/news/2021-03-eye-infrastructure-tactics.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 tersebut disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Result SGP