Stochastische Simulation & Monte Carlo Verfahren

Hinter dem Begriff Stochastische Simulation verbergen sich im Wesentlichen die sogenannten Monte-Carlo-Verfahren. Dabei werden verschiedene Variablen und Parameter eines Systems unabhängig voneinander gestreut und die Wirkung auf die resultierenden Variablen mittels numerischer Simulation beschrieben. Einerseits dienen diese Methode zur qualitativen und quantitativen Beschreibung und Abschätzung der Wahrscheinlichkeiten, Unsicherheiten und Unschärfen in Systemen. Insbesondere bei komplexen und nichtlinearen Systemen ist dies der pragmatischste und meist einzig praktisch mögliche Zugang zur simulationsbasierten, quantitativen Abschätzung von Wahrscheinlichkeiten, Unsicherheiten und Risiken. Andererseits kann die Methodik eingesetzt werden, um Zusammenhänge und Abhängigkeiten in komplexen Systemen mit vielen Variablen und Parametern zu identifizieren und zu quantifizieren. Neben der Robustheitsabsicherung und dem Robustheitsmanagement zählt damit die effiziente explorative Untersuchung komplexer Systeme zu den Hauptanwendungsfeldern der stochastischen Simulation. Eine Spezialität von ANDATA ist die Durchführung von mehrstufigen stochastischen Simulationen, wie sie bei bedingten Wahrscheinlichkeiten, der Anwendungen von Bayes'schen Ansätzen und Monte-Carlo-Markov-Ketten hilfreich ist. Die Umsetzung erfolgt u.a. mit dem SceneInspector. Die Protagonisten von ANDATA zählen zu den Pionieren der Anwendung von Monte-Carlo-Verfahren in der Fahrzeugsicherheit. Weitere interessante Informationen: Monte-Carlo - ist das nicht recht teuer? Trotz hervorragender Optimierungsergebnissen versagt das Realsystem total, was ist da falsch gelaufen? Was versteht man unter "Robustheitsmanagement"? Was versteht man unter "Komplexitätsmanagement"? Den Fluch der Dimensionalität durchbrechen!