La cuantificación de la incertidumbre y la actualización de la confiabilidad son esenciales para asegurar la seguridad y el rendimiento de los sistemas de ingeniería. Este estudio desarrolla un marco de modelado bayesiano jerárquico (HBM) que utiliza datos para cuantificar la incertidumbre y actualizar la confiabilidad. Este método, al aprovechar la estructura probabilística del HBM, proporciona una solución robusta para integrar la incertidumbre del modelo y la variabilidad de los parámetros en la evaluación de la confiabilidad. El marco se aplica a un modelo matemático lineal y a un modelo estructural dinámico: para el modelo lineal, se derivan soluciones analíticas para los hiperparámetros y la confiabilidad, proporcionando medios eficientes y precisos para cuantificar la incertidumbre y evaluar la confiabilidad; en el modelo estructural dinámico, la actualización de la confiabilidad se realiza directamente utilizando las distribuciones posteriores de los hiperparámetros obtenidas del HBM, este método se basa en la distribución posterior actualizada que refleja el impacto de la incertidumbre del sistema y el comportamiento dinámico en la predicción de la confiabilidad. El método propuesto demuestra ventajas significativas sobre la inferencia bayesiana tradicional al manejar múltiples fuentes de incertidumbre en entornos estáticos y dinámicos. Este trabajo destaca la versatilidad y eficiencia computacional del marco HBM, estableciéndolo como una herramienta poderosa para la cuantificación de la incertidumbre y la actualización de la confiabilidad en el monitoreo de la salud estructural y otras aplicaciones de ingeniería.

cuantificación de la incertidumbre;actualización de la confiabilidad;modelado bayesiano jerárquico;datos informados;dinámica estructural