Sensitivitätsstudien
Mit Hilfe der Sensitivitätsanalyse können Optimierungs- und Identifikationsaufgaben erfolgreich formuliert werden.
Wichtige Eingangsparameter können identifiziert und mögliches
Optimierungspotential aufgedeckt werden.
Methodenübersicht
Gefilterte lineare Korrelationsmatrix
- Optimierungsvariablen mit oberer und unterer Grenze
- Design of Experiments (linear, quadratisch, full factorial, central composite, D-optimal)
- Latin Hypercube Sampling, Monte Carlo Sampling
- Statistisches Postprocessing (Variationsanalyse, Korrelationsanalyse, Principal Components, Bestimmtheitsmaße)
Kenndaten
Konfidenzintervalle zum Schätzen eines Korrelationskoeffizienten von 0.5 mittels LHS
Wie viele Designauswertungen sind für eine Sensitivitätsstudie erforderlich?
Die Anzahl der erforderlichen Designauswertungen ist von folgenden Faktoren abhängig:
- Verwendete Samplingmethode
- Anzahl der Variablen
- Zulässiges Konfidenzintervall (Fehler des Schätzers von Korrelationskoeffizienten)
Fokus
Bestimmtheitsmaß für eine Ergebnisgröße
Der zu untersuchende Designraum wird durch die Definition von Optimierungsvariablen mit oberen und unteren Grenzen festgelegt. Mittels Latin Hypercube Sampling wird eine Anzahl möglicher Desingrealisierungen erzeugt und berechnet. Als Ergebnis von Sensitivitätsstudien können wichtige Parameter identifiziert und mögliches Optimier-ungspotential aufgedeckt werden.
Postprozessing
Ergebnisfenster
Die Darstellung der Ergebnisse erfolgt im statistischen Postprocessing. Alle wichtigen Informationen stehen übersichtlich und interaktiv innerhalb multipler Fenster zur Verfügung.
Distributoren
optiSLang wird weltweit vertrieben, hier finden sie die Liste unserer Distributoren.
Ihr Ansprechpartner
