Key points are not available for this paper at this time.
SGAM (Smart Geotechnical Asset Management) ist ein Dienst, der über eine Web-Plattform bereitgestellt wird, die auf der cloud-basierten Software as a Service (SaaS) läuft oder über API externe Systeme mit unserem Service verbindet. Es stellt ein innovatives und halbautomatisches Entscheidungshilfesystem für das Asset-Management und die vorausschauende Instandhaltung dar, um die finanzielle Resilienz von Vermögenswerten zu verbessern, indem es die Vorteile innovativer Datenfusion-Algorithmen und Technologien zur Satellitenfernerkundung (EO) nutzt (z. B. A-DInSAR und PhotomonitoringTM). SGAM konzentriert sich auf die Risiken im Zusammenhang mit Bauwerken und Infrastrukturen, indem es deren Wechselwirkung mit dem lokalen geologischen und umweltlichen Kontext analysiert, indem es automatisch die direkten oder potenziellen zukünftigen Interferenzen mit geogenen Gefahren (z. B. Erdrutsche, Überschwemmungen, Brände) bewertet. Der Dienst zielt darauf ab, Entscheidungsträger bei der Definition und Priorisierung von Wartungsmaßnahmen basierend auf der Verwundbarkeit der Vermögenswerte und Verlustszenarien zu unterstützen. Dieses Ziel wird durch die Integration einer großen Menge archivierter und neu erworbener EO-Daten, der weltweit und regional verfügbaren Geodatenbanken, der Informationen, die durch Felduntersuchungen oder andere bodengestützte Systeme zur Überwachung der strukturellen Gesundheit sowie geotechnische/geomorphologische Überwachung gesammelt wurden, sowie dem nachgewiesenen wissenschaftlichen Wissen und der Erfahrung des vorschlagenden Teams zu den Auswirkungen geogener Gefahren im Bereich des Bauingenieurwesens erreicht. SGAM ist auch so konzipiert, dass es satellitengestützte Produkte aus zukünftigen Raumfahrtmissionen implementieren kann, um eine Ausrichtung auf die maximale Ausnutzung der neuesten Technologien sicherzustellen. Diese Komponenten werden durch spezifische Prozessautomatisierungslösungen, die auf künstlicher Intelligenz basieren, verwaltet und analysiert, was eine redundante risikobasierte Prioritätsbewertung für kosteneffektive und optimierte Instandhaltungsinvestitionen ermöglicht.
Renzo et al. (Sat,) haben diese Frage untersucht.