Quantum imprecise bayesian networks for damage detection and health monitoring of industrial systems

This research centers on Quantum Imprecise Bayesian Networks (QIBN), an innovative extension of Bayesian Networks (BN) designed to overcome their inherent limitations. QIBN integrates quantum probability theory and imprecise probabilities, offering a versatile and robust modeling approach for addressing uncertainties in complex systems. This master thesis aims to conduct a thorough comparative analysis, encompassing traditional BN and popular machine learning techniques, to assess the effectiveness of the QIBN approach in more complex industrial applications than those previously tested. The study demonstrates the versatility and efficacy of the QIBN framework through four practical applications, two focusing on health monitoring of industrial components and two on energy systems. These applications showcase QIBN capability to capture dependencies and navigate real-world complexities, providing valuable insights into industrial systems. Moreover, the research expands the application of QIBN to the critical domain of health monitoring and damage detection, addressing the growing demand for advanced monitoring methods in complex engineering systems. The QIBN framework undergoes a systematic comparison with traditional BN and other machine learning algorithms to evaluate its efficacy in assessing the health state of industrial systems. By successfully integrating quantum principles and imprecise probabilities, QIBN address both model and statistical uncertainties inherent in engineering systems. Results underscore the added value of QIBN over traditional BN, providing insights into the health status of industrial plants. This study contributes to a comprehensive understanding of QIBN, enhancing the reliability of health monitoring and offering a more insightful perspective on potential issues and anomalies. The work contributes to the discourse on quantum-inspired methodologies within the engineering domain, showcasing their practical applications in complex system monitoring. The versatility and effectiveness of the QIBN framework underscore its potential as a valuable tool for engineers, offering a comprehensive understanding of uncertainties in dynamic systems and advancing the intersection of quantum theory and probabilistic modeling within the field of engineering.

Questa ricerca si focalizza sulle Quantum Imprecise Bayesian Networks (QIBN), una innovativa estensione delle Bayesian Networks (BN) progettata per superare le loro limitazioni. Nelle QIBN, la teoria della probabilità quantistica viene integrata con le probabilità imprecise, offrendo un approccio di modellazione versatile e robusto per affrontare le incertezze nei sistemi complessi. Questa tesi mira a condurre un'approfondita analisi comparativa, che includa sia le BN tradizionali che le tecniche di machine learning più diffuse, per valutare l'efficacia dell'approccio QIBN in applicazioni industriali più complesse rispetto a quelle precedentemente testate. Lo studio dimostra la versatilità e l'efficacia delle QIBN attraverso quattro applicazioni, due incentrate sul monitoraggio della salute dei componenti industriali e due sui sistemi energetici. Questi casi studio mostrano la capacità delle QIBN di catturare le dipendenze e di navigare nelle complessità del mondo reale, fornendo maggiore consapevolezza riguardo ai sistemi industriali. Inoltre, la ricerca espande l'applicazione delle QIBN al dominio critico del monitoraggio della salute e della rilevazione del danno, affrontando la crescente domanda di metodi di monitoraggio avanzati in sistemi ingegneristici complessi. L'approccio QIBN è sottoposto a un confronto sistematico con le BN tradizionali e altri algoritmi di machine learning per valutare la sua efficacia nell'analisi dello stato di salute dei sistemi industriali. Integrando con successo i principi quantistici e le probabilità imprecise, le QIBN affrontano le incertezze sia del modello che statistiche presenti nei sistemi ingegneristici. I risultati sottolineano il valore aggiunto delle QIBN rispetto alle BN tradizionali, fornendo informazioni più complete sullo stato di salute delle strutture industriali. Questo studio contribuisce a una maggiore comprensione delle QIBN, migliorando l'affidabilità del monitoraggio dello stato di salute e offrendo una prospettiva più completa su possibili problemi e anomalie. Il lavoro contribuisce al dibattito sulle metodologie ispirate alla meccanica quantistica nel campo dell'ingegneria, mostrando le loro applicazioni pratiche nei sistemi complessi. La versatilità e l'efficacia delle QIBN sottolineano il loro potenziale come strumento per gli ingegneri, offrendo una comprensione più ampia delle incertezze nei sistemi dinamici e avanzando l'incrocio tra teoria quantistica e modellazione probabilistica nel campo dell'ingegneria.