Data-Mining Technologien

Lösungen, Strategien und Software für Versuchsplanung in Forschung, High speed Experimentation und Prozesstechnik

Unsere Methoden

Die statistische Versuchsplanung basiert u.a. auf der Anwendung von Regressionsmodellen. Sie eignet sich vor allem zur Aufstellung von Versuchsplänen zwecks Identifizierung wichtiger Einflussgrößen zu Beginn einer Untersuchung (Sreening), wenn keine oder nur geringe Vorkenntnisse vorliegen. In einer häufig folgenden Modellierungsphase empfiehlt es sich bei hochdimensionalen Versuchsräume (20 und mehr Dimensionen) jedoch kein Regressionsmodell zu wählen, sondern neuronale Netze einzusetzen, um so weitere Versuche einzusparen.

Bei der Optimierung in hochdimensionalen Versuchsräumen mit diskreten Eingangsgrößen sind Regressionsmodelle zu aufwendig. Hierfür bietet sich die Anwendung einer evolutionären Versuchsplanung auf der Grundlage genetischer Algorithmen an. Die Effizienz dieser Verfahren wird zusätzlich erhöht, wenn die Datenauswertung durch Anwendung von Data Mining- Methoden unterstützt wird. Die Aussagekraft von häufig nur schwer interpretierbaren Ergebnissen kann verbessert werden. Durch das Data Mining können Zusammenhänge über mehrere Prozessebenen ohne Vorkenntnisse identifiziert oder versteckte Informationen offen gelegt werden.

Diese Form der kombinierten Versuchsplanung wurde bisher erfolgreich beim Katalysatorscreening (High Throughput Screening) und der Produktverbesserung eingesetzt. In Zusammenarbeit mit unseren Kooperationspartnern unterliegen die Methoden einer ständigen Verbesserung und Aktualisierung.