Ockham er en innovativ app til udførelse af strenge følsomhedsanalyser for et stort antal parametre i en matematisk model. Følsomhedsanalyse er et afgørende vigtigt redskab til vurdering og validering af komplekse procesmodeller og for at identificere de vigtigste drivkræfter i disse modeller. Ockham læser input og output data, der repræsenterer en matematisk model i et åbent Excel-regneark til at udføre en global følsomhedsanalyse af modellen. Dens nye og originale tilgang til global følsomhedsanalyse betragter både enkeltparametre og interaktioner mellem modelparametre som en mere fuldstændig, mere præcis og sikrere vurdering af usikkerhed end "one-factor-at-a-time" -tilganger anvendt i anden software.
Ockham er baseret på selvorganiserende analyse begreber, og det er designet til at være et værdifuldt værktøj i akademisk forskning og til private brugere primært. Det tillader uden særlig viden i følsomhedsanalyse at identificere de vigtigste drivkræfter for modeller mest objektivt og let fra et lille sæt observationsdata. Høj grad af automatisering ved implementering af originale selvorganiserende modelleringskoncepter bevist af vores andre produkter i mange år. Baseret på teorien om variansbaseret global følsomhedsanalyse (Sobol-indeks). Bestemmer indflydelsen af ikke kun enkeltparametre, men også deres interaktioner. Enkel, en-klik-kommunikation med Excel til at læse data og rapportere analyseresultater tilbage til Excel eller andre apps.
Hvad er nyt i denne udgave:
- Tilføjer en ny og original algoritme til selvdetektion af interaktioner mellem to eller flere inputvariabler og for hastighedsforbedringer af følsomhedsanalyse.
- Vedligeholdelse og mindre fejlrettelser
Hvad er nyt i version 2.0:
- Tilføjer en ny og original algoritme til selvdetektion af interaktioner mellem to eller flere inputvariabler og for hastighedsforbedringer af følsomhedsanalyse.
Hvad er nyt i version 1.1:
- Lite-udgaven støtter nu op til 15 indgange til følsomhedsanalyse.
- Vedligeholdelsesfrigivelse.
Krav :
Microsoft Excel til Mac 2011
Kommentarer ikke fundet