Abstract
A Bayesian Belief Network è un modo diagrammatico per ragionare probabilisticamente e capire l’inferenza causale nei sistemi complessi. Proponiamo di usare le Reti di Credenza Bayesiana (BBN) nelle prime fasi dei progetti di design per evidenziare i componenti ad alto rischio di fallimento. L’identificazione di questi componenti ad alto rischio può informare su come le risorse dovrebbero essere utilizzate al meglio nei costosi compiti di modellazione. Inoltre, i componenti ad alto rischio possono imporre requisiti di modellazione funzionale, che a loro volta informeranno la progettazione di sistemi flessibili per le aree critiche. Questo approccio ha il potenziale per ridurre significativamente il rischio concentrando e informando gli sforzi di modellazione, il che a sua volta aumenta le possibilità di successo del progetto e riduce i costi per tutti i soggetti coinvolti.
Utilizzando un prototipo di applicazione software sviluppata per creare rapidamente BBN e calcolare un valore di probabilità finale di un risultato specifico (il “prodotto di lavoro”), testiamo diversi scenari di progetto raccolti attraverso tre interviste con professionisti del settore. In ogni caso, identifichiamo un aspetto del progetto che è cambiato nel corso del progetto con implicazioni di vasta portata. Regolando i valori e la struttura di queste reti, formuliamo specifici requisiti funzionali per i modelli digitali e, in alcuni casi, i sistemi di costruzione associati. Troviamo che questi requisiti avrebbero aumentato il valore complessivo dei rispettivi progetti affrontando direttamente le aree di forte influenza e incertezza identificate nelle BBN.