Betrouwbaarheidsanalyse

Slides:



Advertisements
Verwante presentaties
Optimalisatie van de stapgrootte in de Systematische Probleem Aanpak (SPA) in Competentie-gebaseerde Multimediale Practica (CMP’s) Rob Nadolski, Paul Kirschner,
Advertisements

De bijdrage van de rechtssociologie aan de verbetering van: DE WETGEVING (?) Gert-Jan Veerman.
Marieke Kessels-Habraken –
Peter van Asperen 2 3 Haute Equipe Subsidies 4 (Innovatieve) financiering.
Bronnenboek onderzoekstrategieën
Record Linkage: Simulatie Resultaten Adelaide Ariel Biolink NL 28 maart 2014.
TECHNIEK! HET DRAAIBOEK 28 oktober: Vandaag kregen we de opdracht uitgelegd. Ook moesten we met het idee komen voor de robot. Hier hebben we met z’n.
11/06/2009 | pag. 1 De weg naar cultuur Ruimtelijke aspecten van culturele interesse en deelname aan het cultuuraanbod. Badisco, J., I. Glorieux, L. Jacobs.
STUDIEDOMEIN WELZIJN EN MAATSCHAPPIJ INHOUD SESSIE Welzijn en maatschappij Doel van de oefening Analyse van enkele studierichtingen Studiedomein Welzijn.
Leren redeneren en experimenteren met concept cartoons
Ontwerpprojecten Competenties
Uitbreiding Lelystad Airport
Diagnostiek van gedragsstoornissen
Background Subtraction for Urban Traffic Monitoring using Webcams Master Thesis Verdediging Begeleider: Rein van den Boomgaard door: Mark Smids 19 maart.
vwo D Samenvatting Hoofdstuk 9
Les 1 M&O.
Situational Influences on the Use of Communication Technologies A Meta-Analysis and Exploratory Study B. van den Hooff, J. Groot, S. de Jonge.
Groot ICT-project Visie Daniëlle de Winter.
Gegevensverwerving en verwerking
Inhoud Introductie Wachtrijtheorie
1 Het probleem RO Milieu Landbouw SocZekerheid Etc. LerenWerkenWonenPensioenEtc. Overheids- organisatie Burger ??? Regelgeving per domein Vraag op levensmoment.
Stochastiek Oriëntatie op onderzoek en beroep Michel Mandjes
Hoofdstuk 9 Verbanden, correlatie en regressie
Voorspellende analyse
Het onderzoeksontwerp
Voorspellende analyse
Inleiding Kennistechnologie §Hoofdstuk 4: Ontwikkeltraject §Hoofdstuk 5: MYCIN en complexiteit §Hoofdstuk 6: Symbolen en semantiek.
Risico analyse Dr.ir. Christ van Gurp KOAC-NPC Asfalt en bitumendag 20 november 2008.
Gemaakt door Mila en Luuk
Formuliervalidatie Met Javascript.
Project Informatiekunde werkgroepsbijeenkomst 17 april 2003.
Een Theoretische en Empirische Analyse van Benaderingen in Symbolische Probleem Oplosmethoden.
Bonus / Malus graad 54% % 63%54%66% 73%69% 77%81% 90%85% + _ %95% Privé Beroep Gebruik dezelfde premie.
Opgave 47 a opp beeld = 8 · opp origineel dus k = √8. lengte vergroting = √8 · 15 ≈ 42,4 cm breedte vergroting = √8 · 10 ≈ 28,3 cm b opp beeld = 12 · opp.
Doorsnede van een rivier
Inhoud workshop Wat is de bedoeling van het V2- assessment?
Informatieavond Groep 4a
2 Onderzoeksluik 2: Grounded theory study ervaringen van bio-psycho-sociaal redeneren Presentatie: Ank Eijkelkamp.
Begeleiden & beoordelen
PROJECT POKER Matthijs Steen Maurits de Jong Nick Mokveld Ivo van der Voet.
Scope. Scope van variaben/methoden Een variabele is te gebruiken binnen de { en } waarbinnen hij is aangemaakt. Hetzelfde geld voor een methode { int.
SURF Juridisch normenkader cloudservices
Unit Indeling INIT Gebouw Amsterdam
Narrowcasting Groep 6: Joëlle Stapelkamp David Pedro
En rekenen met variabelen Bijzondere producten. Variabele: rekenen met variabelen een variabele is een letter die een getal voorstelt. de letters a, b,
Keuzevak onderzoeksvaardigheden Tijdreeksen. Definitie  Een tijdreeks (historische reeks) is een reeks van cijfers die de ontwikkeling aangeven van een.
SPH deeltijd jaar 2 onderzoeksvaardigheden.
Rekenen met variabelen. Variabele: rekenen met variabelen een variabele is een letter die een getal voorstelt. de letters a, b, c, n, p, q, x, y en z.
Psychologieles 11 lesweek 1
Leraareffectiviteit – wat weten we (niet)? Daniel Muijs, University of Southampton.
HOORCOLLEGE 5 ONDERZOEKSVAAR DIGHEDEN 3 Instituut voor Sociale Opleidingen.
Didactiek rondom practicumverslagen: Inhouden, werkvormen en materialen voor de lerarenopleidingen Gerald van Dijk, Hogeschool Utrecht W. Kuiper, H. Eijkelhof,
‘Een heel onderzoek in 90 minuten. Kan dat?’
DOCENTENKAMER 1 APRIL 2014 MOOC´S: WAT IS HET EN WAT MOETEN WE ERMEE? De Haagse Hogeschool Dienst Onderwijs en Studentenzaken Unit OB&A.
Protide Haalbaarheidsonderzoek eerste feedback moment.
Natuurwetenschappelijk onderzoek Hoe doe je dat? Hoe leer je dat?
Bijeenkomst 1.2 Vakdidactiek. Inhoud bijeenkomst 1.2  Themabijeenkomsten vanmorgen  Doelen voor vandaag  Einddoelen  Uitleg leertaak 1 + opdrachten.
Arts-patiënt communicatie rondom uitleg van SOLK: een kwalitatieve studie van Schotse audioconsulten Madelon den Boeft.
Workshop Peer Review audit Kennisdag 5 juni 2014 Meta Peek.
IF() ELSE() LES 4: VOORWAARDEN. BOOL Een variabele die slechts 2 mogelijke waarden kan hebben: true(waar) of false(niet waar) duid je aan met bool bool.
Vertaling van: John Hattie – Visible Learning for Teachers
Extrapolatie met variabele tijdbasis
GGZ Sectordag GGZ Sectordag 2017 Voorstellen Public Search Wilco Kosters (Partner Public Search) Daniel Griffioen (Salesmanager VVT, GHZ, GGZ)
Presentatie serie Vanitas
Profeet in Babel, pelgrim naar Jeruzalem
Agendapunt 4: - databank; - minimale dataset; - DST/SVT; - letterbenoemtaak; - tijdpad; - analyse KD-data 2014.
Steen-schaar-papier Bron:
Voorspellende analyse
DE ZOEKTOCHT NAAR EEN FIT
Transcript van de presentatie:

Betrouwbaarheidsanalyse Probabilistisch ontwerpen, lesblok 3

Betrouwbaarheidsanalyse Classificatie methoden (JCSS): Niveau III volledig probabilistisch Niveau II volledig probabilistisch met benaderingen Niveau I semi-probabilistisch (met probabilistisch onderbouwde rekenwaarden) Niveau 0 deterministisch (dus geen betrouwbaarheidsanalyse) Leg uit dat JCSS = joint committee on structural safety Kunstwerk met bol is voorbeeld van een niveau III analyse. Niveau III: 1. Algemeen toepasbaar 2. Vaak te bewerkelijk/ veel rekentijd zeker voor grotere systemen 3. Vergt gedegen kennis kansrekening Niveau II: 1. Benaderingen waardoor (veel) sneller en meestal voldoende nauwkeurig 2. Vergt gedegen kennis kansrekening, mogelijk nog meer dan bij niveau III. Niiveau I: 1. Wordt geen faalkans uitgerekend, maar alleen getoetst of voldoende klein 2. Alleen deterministische berekeningen, dus geen kennis probabilistiek vereist 3. Basis normen Niveau 0: 1. Onzekerheden niet expliciet meegenomen, dus feitelijk geen betrouwbaarheidsanalyse 2. Nog deels in normen terug te vinden. Probabilistisch ontwerpen, lesblok 3

Opzet betrouwbaarheidsanalyse Niveau III (vandaag) Niveau II (vandaag) VAP-oefenen (vandaag) Niveau I (volgende week; Sten de Wit) Probabilistisch ontwerpen, lesblok 3

Niveau III analyse Model voor faalmechanisme: grenstoestandsfunctie Z: waarin: x1, x2, …, xn (stochastische) variabelen Falen: Z<0 Kans op falen P(Z<0) uitrekenen Berekenen kans op ongewenste gebeurtenis Probabilistisch ontwerpen, lesblok 3

Voorbeeld: draad Z = R - S Grenstoestandsfunctie: met: R S Lijkt op voorbeeld kunstwerk, maar dan net andere getallen Probabilistisch ontwerpen, lesblok 3

Kansverdelingen 0.08 0.07 R 0.06 0.05 S kansdichtheid (1/N) 0.04 0.03 0.02 0.01 20 40 60 80 R,S (N) Probabilistisch ontwerpen, lesblok 3

Gezamenlijke kansverdeling 80 70 60 50 R (kN) Z>0 40 falen: Z<0 30 volume = faalkans 20 10 20 40 60 80 Hier ‘hoed’ overheen denken. Geef demonstratie met een eierkoek bij wijze van kansverdelingsfunctie? S (kN) Probabilistisch ontwerpen, lesblok 3

Niveau III: kans op falen berekenen Analytisch Directe numerieke integratie Monte Carlo Probabilistisch ontwerpen, lesblok 3

Analytisch P(Z<0) = volume hoogtelijnen kdf fR,S(r,s) 80 70 R en S onafhankelijk: r dr 50 Z>0 R (kN) 40 Faalgebied opdelen in reepjes: 30 falen: Z<0 20 10 20 40 r 80 S (kN) convolutie-integraal Probabilistisch ontwerpen, lesblok 3

Analytisch ò ò ( ) ( ) ( ) Uitwerken: Voorbeeld: R en S normaal verdeeld: invullen en uitrekenen ¥ ¥ ( ) ( ) ( ) P Z < ò ò = f r dr f s ds R S - ¥ r Probabilistisch ontwerpen, lesblok 3

Analytisch In dit geval eenvoudige aanpak mogelijk: variabelen normaal verdeeld Z is lineair in variabelen dan Z ook normaal verdeeld. Voorbeeld draad: Gemiddelde Standaarddeviatie Probabilistisch ontwerpen, lesblok 3

Kansdichtheid van Z Probabilistisch ontwerpen, lesblok 3

Faalkans Probabilistisch ontwerpen, lesblok 3

Faalkans Bepalen: Berekenen van rode oppervlak onder kansdichtheidscurve Tabel normale verdeling via met U standaard normaal verdeeld EXCEL Antwoord: Pf = 0.037 Z = m + U s Z Z Probabilistisch ontwerpen, lesblok 3

Analytisch Eenvoudige aanpak was mogelijk omdat: Algemeen: Z-functie lineair in variabelen Variabelen normaal verdeeld Algemeen: Bewerkelijke integralen uitrekenen In meeste gevallen analytische aanpak onpractisch of onmogelijk Probabilistisch ontwerpen, lesblok 3

Directe numerieke integratie P(Z<0) = volume 80 70 60 Faalgebied opdelen in kleine hokjes: 50 Z>0 R (kN) 40 30 20 falen: Z<0 10 Kansdichtheid in hokje i hoogte van hokje i 20 40 50 80 breedte van hokje i S (kN) Probabilistisch ontwerpen, lesblok 3

Directe numerieke integratie Integralen bepalen via standaard numerieke technieken Rekenintensief: Voorbeeld: Daarom niet vaak toegepast bij een groter aantal variabelen Aantal variabelen Aantal hokjes 1 100 2 100*100 = 104 3 106 4 108 Uitwerken Probabilistisch ontwerpen, lesblok 3

Monte Carlo (sampling/ simulatie) Statistische methode: Steekproef nemen uit populatie Schatten relevante aspecten kansverdeling Steekproef nemen: R Grenstoestands- functie Z S Probabilistisch ontwerpen, lesblok 3

Monte Carlo analyse Stappen: 1. Random trekkingen uit verdelingen R en S 2. Bereken voor elke trekking de waarde van Z 3. Voer statistische analyse uit op Z-waarden Netter stroomschema maken en uitwerken Probabilistisch ontwerpen, lesblok 3

Bepalen waarden voor Z Resulteert in een steekproef van Z Probabilistisch ontwerpen, lesblok 3

Kans op falen Probabilistisch ontwerpen, lesblok 3

Trekkingen uit verdelingen Gebruik (pseudo-)randomgenerator: Levert onafhankelijke trekkingen uit de standaard uniforme verdeling Hoe bepalen trekkingen uit ander type verdeling? Probabilistisch ontwerpen, lesblok 3

Trekkingen uit verdelingen Andere typen verdeling Gebruik de cumulatieve verdelingsfunctie pi si 1 Probabilistisch ontwerpen, lesblok 3

Kans op falen Probabilistisch ontwerpen, lesblok 3

Schatter faalkans =0.015 met  p = 0.01 Aanpassen  p = 0.01 Probabilistisch ontwerpen, lesblok 3

Onzekerheid in faalkans Aantal trekkingen onafhankelijk van aantal variabelen! Probabilistisch ontwerpen, lesblok 3

Importance sampling Probabilistisch ontwerpen, lesblok 3

Importance sampling Trekkingen uit andere verdeling: sampling verdeling Correctie in statistische analyse achteraf: Voorkennis nodig echte kansdichtheid sampling kansdichtheid Probabilistisch ontwerpen, lesblok 3

Importance sampling Increased variance sampling: Probabilistisch ontwerpen, lesblok 3

Importance sampling Mogelijke reductie aantal samples t.o.v. ruwe Monte Carlo: orde 10-100. Voor increased variance sampling geen voorkennis vereist Variant: adaptive importance sampling iteratieve aanpassing sampling verdeling. Probabilistisch ontwerpen, lesblok 3

Monte Carlo en afhankelijkheid Mogelijkheden: Rangschikken trekkingen Trekkingen uit conditionele verdeling … Probabilistisch ontwerpen, lesblok 3

Besluit Berekenen kansen: Analystisch Directe Numerieke Integratie Monte Carlo FORM Probabilistisch ontwerpen, lesblok 3

Niveau II constructieberekeningen Probabilistisch ontwerpen, lesblok 3

FORM First Order Reliability Method Faalkans volgt uit eenvoudige formules als: Grenstoestandsfunctie lineair Variabelen normaal verdeeld Dit suggereert algemene aanpak: Lineariseer grenstoestandsfunctie Transformeer naar normale verdelingen Probabilistisch ontwerpen, lesblok 3

Recap lineaire Z-functie Algemeen: X-en onafhankelijk Probabilistisch ontwerpen, lesblok 3

Voorbeeld Gegeven: Z = R - S R = N(6, 1) S = N(2, 0.5) Dan: m s Normaal verdeeld Probabilistisch ontwerpen, lesblok 3

kansdichtheid sZ= 1.12 mZ=4 z Om faalkans en betrouwbaaheidsindex te bepalen: transformeren naar standaard normale variabele uZ b = 3.6 1. Beta is het aantal keer de standaarddeviatie dat je van het gemiddelde af moet halen om onder nul (falen) te duiken 2. Merk op dat deze relatie alleen geldt als Z normaal verdeeld is!! dus: suz= 1 muz=0 uZ Z=0  Probabilistisch ontwerpen, lesblok 3

Nieuw begrip: importance factor  Standaarddeviatie Z: is de relatieve bijdrage van variabele Xi aan de onzekerheid (variantie) van Z We schrijven: en i is de importance factor van Xi a s a = i i  i = 1 i s Z Probabilistisch ontwerpen, lesblok 3

Importance factors - voorbeeld In het voorbeeld Z=R-S geldt: en: a importance factor; is een maat voor de bijdrage van een variabele aan de onzekerheid in Z (en daarmee aan de faalkans) waarin de variantie van Z Merk op dat som alfa kwadraat = 1 Probabilistisch ontwerpen, lesblok 3

Alternatief: geometrische aanpak Formules gegeven om bij lineaire Z-functies en normaal verdeelde variabelen waarden voor  en ’s te berekenen. Alternatieve methode is de geometrische aanpak Probabilistisch ontwerpen, lesblok 3

Geometrische methode Z=R-S R en S normaal verdeeld Z = 4 Z = 2 Z = 0 -1 1 2 3 4 5 -2 6 8 10 12 S R Z = -2 Z = 0 Z = 2 Z = 4 Z<0: faalgebied Probabilistisch ontwerpen, lesblok 3

Geometrische methode Transformatie naar standaard normale variabelen: invullen in Z-functie: Z=0: Probabilistisch ontwerpen, lesblok 3

Geometrische methode standaard normale verdeling b b u Z=0 -6 -4 -2 2 2 4 6 u S R b Z<0: faalgebied Geometrische methode standaard normale verdeling b Z=0 Probabilistisch ontwerpen, lesblok 3

Geometrische methode Ontwerppunt (uS*, uR*): 6 4 2 Ontwerppunt (uS*, uR*): punt op Z=0 met hoogste kansdichtheid punt dichtst bij oorsprong (uS*, uR*) = (-aSb, -aRb) waarin: b betrouwbaarheidsindex a importance factor aSb R u b aRb -2 Let op: alfaR is negatief alfaS is positief -4 Z<0: faalgebied -6 -6 -4 -2 2 4 6 u Z=0 S Probabilistisch ontwerpen, lesblok 3

Geometrische methode Terug bij de variabelen R en S: ontwerppunt -1 1 2 3 4 5 -2 6 8 10 12 S R Z<0: faalgebied Ontwerppunt (S*, R*): punt op Z=0 met hoogste kansdichtheid S* = S + uS* sS = S - aS b sS R* = R + uR* sR = R - aR b sR Probabilistisch ontwerpen, lesblok 3

Geometrische methode Samenvatting twee variabelen: Z = Z(X1, X2): 1.Transformeer naar standaard normale variabelen U1 en U2: 2. Schrijf Z-functie om in u1 en u2 3. Teken de lijn Z=0 in het (u1, u2) - vlak 4. Bepaal punt op Z=0 dat het dichtst bij de oorsprong ligt Dit is het ontwerppunt (u1*, u2*). 5. Bepaal de betrouwbaarheidsindex 6. Bepaal importance factors 7. Bereken het ontwerppunt in de X-variabelen: Probabilistisch ontwerpen, lesblok 3

Voorbeeld Case II Probabilistisch ontwerpen, lesblok 3

FORM Voorbeeld uitgebreid: met: S = 100 kN f = N(290 N/mm2, 25 N/mm2) f breuksterkte d diameter draad S = 100 kN f = N(290 N/mm2, 25 N/mm2) d = N (30 mm, 3 mm) 1. N(mu, sigma) betekent normaal verdeeld met gemiddelde mu en standaarddeviatie sigma S = 100kN Probabilistisch ontwerpen, lesblok 3

Niet-lineaire functie Probabilistisch ontwerpen, lesblok 3

Niet-lineaire functie Hoogtelijnenkaart 400 350 300 250 f (N/mm2) 200 150 Z=200 kN Z=100 kN 100 50 Z<0: faalgebied Z=0 Z=- 50 kN 10 15 20 25 30 35 40 45 50 Probabilistisch ontwerpen, lesblok 3 d (mm)

hoogtelijnen kdf hoogtelijnen Z-functie f (N/mm2) d (mm) 400 350 300 250 hoogtelijnen Z-functie f (N/mm2) 200 Z=200 kN 150 Z=100 kN 100 Z=0 50 Z<0: faalgebied 10 15 20 25 30 35 40 45 50 d (mm) Probabilistisch ontwerpen, lesblok 3

Lineariseren Z-functie: mean value aanpak hoogtelijnen gelineariseerde Z-functie 400 350 linearisatiepunt (md,mf) 300 250 f (N/mm2) 200 150 Z=200 kN Z=100 kN 100 Z=0 50 Z<0: faalgebied 10 15 20 25 30 35 40 45 50 d (mm) Zlin=0 Probabilistisch ontwerpen, lesblok 3

Mean value aanpak - doorsnedetekening 10 15 20 25 30 35 40 45 50 100 150 200 250 300 350 400 d (mm) f (N/mm2) Z=0 Zlin=0 Z<0: faalgebied Z=100 kN Z=200 kN A A’ doorsnede A-A’ 200 150 100 Z (kN) 50 verloop Z-functie in (md,mf) gelineariseerde Z-functie Probabilistisch ontwerpen, lesblok 3

Mean value aanpak f (N/mm2) d (mm) hoogtelijnen gelineariseerde Z-functie 400 350 linearisatiepunt (md,mf) 300 250 f (N/mm2) 200 Overschatting faalkans bij mean value aanpak 150 100 Z=0 50 Z<0: faalgebied 10 15 20 25 30 35 40 45 50 d (mm) Zlin=0 Probabilistisch ontwerpen, lesblok 3

Mean value aanpak Nadeel: Voordelen: Niet voldoende betrouwbaar Handmatig uit te voeren Geeft eerste inzicht in gevoeligheden Probabilistisch ontwerpen, lesblok 3

Mean value aanpak -1 waarbij worden berekend in Algemeen: Gegeven willekeurige Z-funtie: Lineariseren in willekeurig punt: waarbij worden berekend in Probabilistisch ontwerpen, lesblok 3

Mean value aanpak - 2 Mean value approach: invullen waarbij worden berekend in ¶ Z s a = i i ¶ X s i Z Probabilistisch ontwerpen, lesblok 3

Verfijnde analyse: linearisatie in ontwerppunt hoogtelijnen gelineariseerde Z-functie 400 350 300 linearisatiepunt = ontwerppunt (d*,f*) = punt op lijn Z=0 met hoogste kansdichtheid kleine fout in faalkans 250 f (N/mm2) 200 150 100 Z=0 50 Z<0: faalgebied 10 15 20 25 30 35 40 45 50 d (mm) Zlin=0 Probabilistisch ontwerpen, lesblok 3

Verfijnde analyse: linearisatie in ontwerppunt Voordeel: Meestal nauwkeurige schatting faalkans Nadeel: Ontwerppunt niet van te voren bekend: opzoeken via optimalisatie procedure Behept met alle nadelen optimalisatie-aanpak, bijv. blijven hangen in lokaal optimum Probabilistisch ontwerpen, lesblok 3

Transformatie naar standaard normale variabelen 4 ontwerppunt (u1*,u2*) 2 b betrouwbaarheidsindex u2* b -2 kdf standaard normale verdeling -4 Z<0: faalgebied -6 -6 -4 -2 2 4 6 u1* Z=0 Bij 2 variabelen ontwerppunt grafisch te bepalen Probabilistisch ontwerpen, lesblok 3

Niet-normaal verdeelde variabelen ingewikkelder transformatie naar standaard normale variabelen Probabilistisch ontwerpen, lesblok 3

Besluit Berekenen kansen: Oefenen: m.b.v. VAP Analystisch Directe Numerieke Integratie Monte Carlo FORM Oefenen: m.b.v. VAP Probabilistisch ontwerpen, lesblok 3

Case study Consider an earth moving project during the construction of a bridge over the river Lek. In total about 3000 m3 of clay has to be removed. The engineer thinks that the average production of his excavator is approximately 80 m3/h. He decides to use the excavator for a period of 7 days (one working day is 8 hours). The production, however, is random and so the probability exists that a longer period is needed. Probabilistisch ontwerpen, lesblok 3

An additional risk in this project is the discovery of a Second World War bomb at the location of the trench. Based on the total area of the location, the probability of finding a bomb in the trench is estimated to be 1%. The consequence of that event would be a delay of a few days. Probabilistisch ontwerpen, lesblok 3

The following random variables can be introduced in this excercise: T: total amount of clay P: production of the excavator (in m3/h) D: delay in days because of bomb detection with the following distribution types and parameters: Variable Distribution-type mean standard dev. T Normal 3000 m3 100 m3 P Normal 80 m3/h 10 m3/h D Normal 2 days 0.5 days Probabilistisch ontwerpen, lesblok 3

The engineer is interested in the probability that the excavation work is not finished after 7 working days. Probabilistisch ontwerpen, lesblok 3

Limit State Function Z follows from Z = R - T/P - D in which: R D 7 0 [day] D N 2.000 0.500 [day] P N 640.000 80.000[m3/day] T N 3.000e+03 100.000 [m3] Z is a non-linear function with 3 variables X1=D , X2=P and X3=T Probabilistisch ontwerpen, lesblok 3

Run VAP (MC simulations and FORM) with: Limit State Function Z follows from Z = R - T/P - D in which: R D 7 0 [day] D N 2.000 0.500 [day] P N 640.000 10*i [m3/day] T N 3.000e+03 100.000 [m3] i: your student number (1 to 14) Probabilistisch ontwerpen, lesblok 3