Alles Perfekt aufeinander abgestimmt MIT
STOCHOS
Stochos umfasst unterschiedlichste Algorithmen in den Bereichen Optimierung, Sensitivitätsanalyse, Design of Experiment, Robustheits- und Zuverlässigkeitsanalyse sowie Robust-Design-Optimierung. Alle Verfahren wurden perfekt auf die Nutzung von DIM-GP, als zur Grunde liegendes Modell, abgestimmt. Dadurch erreichen unsere Methoden eine maximale Performance sowie Effizienz.
Eines unserer Ziele ist es, die Verwendung komplexer Algorithmen so einfach wie möglich zu gestalten. Das heißt alles lässt sich ohne große Anpassungen auf eine Vielzahl von Problemstellungen anwenden. Es ist ebenfalls kein Expertenwissen notwendig. Alle unsere Produkte sind in Python geschrieben und damit sehr einfach in bestehende Softwareplattformen und Workflows zu integrieren.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Bayesian optimization
Bei dieser Art der Optimierung wird die Modellunsicherheit mit berücksichtigt, um dort die nächsten Experimente zu planen wo sich das Modell entweder besonders unsicher ist oder aber mit hoher Wahrscheinlichkeit eine Verbesserung vermutet. Dadurch lassen sich auch sehr komplexe Optimierungsprobleme sehr effizient lösen.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.


Sensitivitätsanalyse
Mit unseren Methoden können alle Arten von Abhängigkeiten festgestellt werden. Dadurch kann sehr einfach ein tieferes Verständnis der Zusammenhänge zwischen Ein- und Ausgangsparametern erkannt werden und dies auch in sehr hoch-dimensionalen Parameterräumen.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Adaptives Design of Experiment
Im Vergleich zur klassischen Versuchsplanung werden in unseren adaptiven Versuchsplänen die Experimente nur in den Bereichen vorgeschlagen, die zu einer Verbesserung der Optimierungsziele (auch Pareto-optimale), der Einhaltung der Nebenbedingungen, der genaueren Berechnung der Robustheit und Zuverlässigkeit und der Erhöhung der Modellprognose führen. Dadurch werden auch nur soviel Daten erzeugt, wie das Machine-Learning-Modell, die Optimierung und die stochastische Analyse tatsächlich benötigen. Ein weiterer Vorteil ist, dass das Modell lernt, welche Bereiche im Designraum zulässig sind und welche zu keinem Ergebnis führt.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.

Robust-Design-Optimierung
In einer Robust-Design-Optimierung (RDO) können Sie mögliche Unsicherheiten in Ihren Eingangs- und Prozessparametern mit einfließen lassen. Dadurch werden nicht nur Ihre Zielgrößen besser, sondern zugleich auch robuster gegenüber möglichen, unvorhergesehenen Einflüssen. Dasselbe gilt natürlich auch für mögliche Nebenbedingungen, die es gilt einzuhalten, wodurch ein Ausfall Ihrer Produkte durchaus vermeidbarer wird.
Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
Zuverlässigkeitsanalyse
Mithilfe einer Zuverlässigkeitsanalyse können Sie feststellen, mit welcher Wahrscheinlichkeit bestimmte Ereignisse eintreten werden und somit wie zuverlässig Ihr Produkt ist. Wir können ebenfalls analysieren, welche Ihrer Parameter den größten Einfluss auf die Zuverlässigkeit Ihres Produkts aufweist. Dadurch erhalten Sie die notwendigen Informationen, um bestimmte Risiken besser abschätzen zu können.
