Tantárgyi adatlap
Download PDFI. Subject Specification
1. Basic Data
1.1 Title
Mérnöki kockázatelemzés
1.2 Code
BMEEOHSMSFST05-00
1.3 Type
Module with associated contact hours
1.4 Contact hours
| Type | Hours/week / (days) |
| Lecture | 1 |
| Seminar | 1 |
1.5 Evaluation
Midterm grade
1.6 Credits
3
1.7 Coordinator
| name | Dr. Vigh László Gergely |
| academic rank | Associate professor |
| vigh.laszlo.gergely@emk.bme.hu |
1.8 Department
Department of Structural Engineering
1.9 Website
1.10 Language of instruction
hungarian
1.11 Curriculum requirements
Compulsory in the Specialization of Structures, Strcutural Engineering (MSc) programme
1.12 Prerequisites
1.13 Effective date
1 September 2025
2. Objectives and learning outcomes
2.1 Objectives
A tantárgy célja, hogy a hallgató megismerje a mérnöki kockázatelemzés és méretezés alapvető gyakorlati eljárásait és alkalmazását különös tekintettel rendkívüli hatásokra (földrengés, tűz, robbanás, tornádó, stb.). Ez magában foglalja a rendkívüli hatások, a statisztika, valószínűségszámítás, a megbízhatósági analízis, a numerikus módszerek, a kockázatelemzés és az optimalizálás tárgyköreit. Mindez azt is szolgálja, hogy a mesterképzés kapcsolódó modellezési, tervezési és programozást oktató tárgyai az itt lefektetett alapokra építhessenek.
Cél, hogy a félév során a hallgatók komplex ismereteket szerezzenek a mérnöki kockázatelemzés területén, olyan magas szinten, hogy ezen kompetenciájuk a portfólió elemeként is bemutatható legyen.
2.2 Learning outcomes
Upon successful completion of this subject, the student:
A. Knowledge
1. ismeri a matematikai statisztika és valószínűségszámítás alapvető fogalmait, a legfontosabb statisztikai kiértékelési és becslési módszereket,
2. ismeri a mérnöki problémákban rejlő bizonytalanságokat és modellalkotási módokat, tisztában van az építőmérnöki problémákban leggyakrabban előforduló eloszlás függvényekkel,
3. ismeri a tönkremeneteli valószínűség, a megbízhatósági index fogalmát, a megbízhatósági analízis főbb módszereinek alapelvét (FORM, SORM és Monte Carlo analízis),
4. tisztában van a kockázat fogalmával, a kockázatelemzés alapjaival, ismeri a kockázatelemzés és döntéstámogatás általános eljárásainak lényegét,
5. érti az optimalizációs módszerek célfüggvényét, különbséget tud tenni lokális és globális optimumkeresés között és ismeri a legfontosabb klasszikus optimalizációs eljárások elvét,
6. ismeri a rendkívüli hatásokat és azokhoz tartozó méretezési eljárásokat,
7. ismeri a rendkívüli hatások esetén alkalmazható kockázatelemzési módszereket,
8. ismeri az Eurocode szabványok méretezéselméleti hátterét, vonatkozó előírásait és méretezési eljárásait.
B. Skills
1. alkalmazza a matematikai statisztikai és analízis módszereket mérési eredmények kiértékelésére,
2. járatos a gyakorlati modellalkotásban,
3. egyszerű megbízhatósági problémákat megold FORM és Monte Carlo analízis segítségével célszoftverek alkalmazásával,
4. egyszerű logikai fa alapján kockázatot tud számolni,
5. alkalmazza az Eurocode szabványok előírásait és méretezési eljárásait,
6. képes az optimálás gyakorlati végrehajtására,
7. alkalmazza a kockázatelemzést rendkívüli hatások esetén,
8. képes az eredményeit rendezett írásos formában, logikusan, szakszerű ábrázolással összefoglalni,
C. Attitudes
1. az előadásokat figyelmesen követi, törekszik a tananyag megértésére,
2. együttműködik az ismeretek bővítése során az oktatóval,
3. folyamatos ismeretszerzéssel bővíti tudását,
4. nyitott az információtechnológiai eszközök használatára,
5. törekszik a pontos és hibamentes feladatmegoldásra,
D. Autonomy and Responsibility
1. önállóan végiggondolja a feladatokat, és adott források alapján önállóan megoldja,
2. gondolkozásában a rendszerelvű megközelítést alkalmazza.
2.3 Methods
Az előadások és gyakorlatok alapvetően hibrid módon és nem elkülönülten kerülnek megtartásra. Az előadás jellegű részek az elveket hangsúlyozzák, nem törekednek a szigorú matematikai tárgyalásra, a gyakorlati részek pedig a vonatkozó előadási rész anyagához közvetlenül kapcsolódó numerikus példákat ismertetnek, kitérve a gyakorlatban alkalmazható céleszközök alkalmazására. Folyamatos, fakultatív részteljesítmény-értékelő kérdések ösztönzik a tanórák figyelmes követését és adnak visszajelzést a tananyag megértéséről. A házi feladatok a problémamegoldó képességet, a zárthelyi dolgozatok pedig a tudás elsajátítását ellenőrzik. A tantárgy felépítése kutatásalapú tanulásmódszertani elemeket is alkalmaz.
2.4 Course outline
1. Bevezetés.
2. Mérnöki problémák megfogalmazása, modellalkotás.
3. Bizonytalanságok és kezelésük a mérnöki problémákban.
4. Mechanikai modell, numerikus analízis módszerek.
5-6. Valószínűségszámítás és statisztika alapjai. Statisztikai elemzés a gyakorlatban.
7. Rész-összefoglalás.
7-8. Megbízhatósági modell. Megbízhatósági analízis módszerei: FORM, SORM, Monte Carlo módszer alkalmazása a gyakorlatban.
9. Optimalizálás. Lineáris programozás és gradiens módszer alapjai.
10. Elfogadható kockázat. Kockázatelemzés, döntéstámogatás.
11. Kockázatelemzési módszerek.
12. Eurocode. Szabványfejlődés. Az Eurocode méretezéselméleti alapjai.
13. Rendkívüli hatások. Földrengés. Rendkívüli hó. Tűz.
14. Rendkívüli hatások. Tornádó. Robbantás. Rész-összefoglalás.
The above programme is tentative and subject to changes due to calendar variations and other reasons specific to the actual semester. Consult the effective detailed course schedule of the course on the subject website.
The above programme is tentative and subject to changes due to calendar variations and other reasons specific to the actual semester. Consult the effective detailed course schedule of the course on the subject website.
2.5 Study materials
a) Tankönyvek, szakirodalom:
Scharnitzky: Differenciálegyenletek. Bolyai-könyvek. Műszaki Könyvkiadó. 1998.
Solt: Valószínűségszámítás. Bolyai-könyvek. Műszaki Könyvkiadó. 2005.
Lukács: Matematikai statisztika. Bolyai-könyvek. Műszaki Könyvkiadó. 2002.
Kármán – Biot: Matematikai módszerek. Műszaki Könyvkiadó. 1967.
Prékopa: Valószínűségelmélet. Műszaki Könyvkiadó. 1980.
Wilcox: Numerical methods for PDEs. Unit 2, 16.90 Computational Methods in Aerospace Engineering, MITOpenCourseware.
Faragó – Horváth: Numerikus módszerek. Typotex, 2013. (9-11 .fejezetek)
Hoffman – Frankel: Numerical methods for engineers and scientists. CRC Press, 2001.
Huba – Lipovszki: Méréselmélet. BME MOGI. 2014. www.mogi.bme.hu/TAMOP/mereselmelet
Faber: Risk and safety in civil, environmental and geomatic engineering
Sorensen: Structural reliability theory and risk analysis
Lyons , R.G.: Understanding Digital Signal Processing . Prentice Hall, 2001.
Rao, S.R.: Engineering optimization – Theory and practice. Fourth Edition. Wiley, 2009.
b) Tárgyhonlapról letölthető anyagok
Előadásvázlatok, elektronikus jegyzetek
Előadások diái
Számítási példák az egyes témakörökhöz
Minta feladatsor megoldással
2.6 Other information
0
2.7 Consultation
Konzultációs időpontok: az oktatók félév elején az információs rendszeren meghirdetett konzultációs idejében, vagy előzetesen e-mailben egyeztetve. Konzultálni lehet az órák szünetében is.
This Subject Datasheet is valid for:
II. Subject requirements
Assessment and evaluation of the learning outcomes
3.1 General rules
Jelen tantárgy teljesítményei alkalmasak arra, hogy a hallgató a teljes képzés befejezésekor az építőmérnöki szakma ismereteinek elsajátítását bemutassa, amennyiben jeles (5-ös) érdemjegyet ért el.
A 2.2. pontban megfogalmazott tanulási eredmények értékelése ellenőrző dolgozatok, házi feladatok és folyamatos részteljesítmény értékelés alapján történik.
3.2 Assessment methods
| Teljesítményértékelés neve (típus) | Jele | Értékelt tanulási eredmények |
|---|---|---|
| 1. ellenőrző dolgozat (összegző értékelés) | ED1 | A.1-A.2; B.1-B.2; C.5; D.1 |
| 2. ellenőrző dolgozat (összegző értékelés) | ED2 | A.3-A.8; B.3-B.8; C.5; D.1 |
| Házi feladat* | HF | A.1-A.8; B.1-B.8; C.1-C.5; D.1-D.2 |
| a tanultak aktív követése (a típusú folyamatos részteljesítmény-értékelés) | A | A.1-A.8; B.1-B.8; C.1-C.5; D.1-D.2 |
| *A házi feladathoz előrehaladási bemutatók tartoznak; ezek aktuális időpontjait a tárgy honlapján hirdetjük meg. A végső beadás feltétele, hogy az előírt előrehaladási bemutatók minimum felét a hallgató eredményesen teljesítse. |
The dates of deadlines of assignments/homework can be found in the detailed course schedule on the subject’s website.
3.3 Evaluation system
| Jele | Részarány |
|---|---|
| ED1 | 20% |
| ED2 | 20% |
| HF | 40% |
| A | 20% |
| Összesen | 100% |
3.4 Requirements and validity of signature
A tárgyból nem szerezhető aláírás.
3.5 Grading system
| Érdemjegy | Pontszám (P) |
|---|---|
| jeles(5) | 85≤P |
| jó(4) | 70≤P<85% |
| közepes(3) | 55≤P<70% |
| elégséges(2) | 40≤P<55% |
| elégtelen(1) | P<40% |
3.6 Retake and repeat
- A HF házi feladatrészek – különeljárási díj megfizetése mellett – általában a rendes leadási határidőt követő két héten belül késedelmesen beadhatók. Amennyiben egy házi feladatrész rendes leadási határideje az utolsó szorgalmi hétre esik, úgy az a pótlási időszak utolsó napján 12:00 óráig adható be késedelmesen. A házi feladatok kiadásának, rendes és késedelmes beadásának határidejeit a tárgy honlapján "Részletes féléves ütemterv" ismerteti.
- ED1 és ED2 a pótlási időszakban egy alkalommal díjmentesen pótolható vagy javítható. Javítás esetén az új eredmény felülírja a régit.
- Az A aktív részvétel – jellegéből adódóan – nem pótolható, nem javítható, továbbá más módon nem kiválható vagy helyettesíthető.
3.7 Estimated workload
| Tevékenység | Óra/félév |
|---|---|
| részvétel a kontakt tanórákon | 14×2=28 |
| felkészülés a folyamatos és összegző teljesítményértékelésekre | 12×0,5+2×8=22 |
| kijelölt írásos tananyag önálló elsajátítása | 5 |
| házi feladat elkészítése | 35 |
3.8 Effective date
1 September 2025
This Subject Datasheet is valid for: