07 Fakultät Konstruktions-, Produktions- und Fahrzeugtechnik

Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/8

Browse

Filters

2022 - 20254

Settings

Publication Type: search.filters.UBSTyp.DissertationSubject: search.filters.subject.570

Search Results

Now showing 1 - 4 of 4
  • Thumbnail Image
    ItemOpen Access
    Entwicklung einer Methode zur Analyse der Tätigkeitsverteilung in Laborumgebungen der Lebenswissenschaften
    (Stuttgart : Fraunhofer Verlag, 2022) Castor, Jörg; Spath, Dieter (Univ.-Prof. Dr.-Ing. Dr.-Ing. E.h. Dr. h.c.)
    Laborarbeit der Lebenswissenschaften verändert sich. Wichtige Treiber sind dabei die Informatisierung und Automatisierung von Laborarbeit, die fachübergreifende Zusammenarbeit und Kommunikation sowie der steigende Anteil an wissensbasierter, theoretischer Arbeit. Die Auseinandersetzung mit Forschung und Praxis der Laborarbeit in den Lebenswissenschaften zeigte einen Mangel an wissenschaftlichen Erkenntnissen und Untersuchungen zu diesem Thema. Es existiert kein wissenschaftlicher Ansatz tätigkeitsbezogene Aspekte der lebenswissenschaftlichen Forschung und ihren Arbeitsorten systematisch zu untersuchen, um ein besseres Lagebild zur Arbeit in lebenswissenschaftlichen Laborumgebungen zu erhalten. Eine fundierte gestalterische Auseinandersetzung mit den prognostizierten und wahrnehmbaren Veränderungen von Laborarbeit kann so kaum erfolgen. Zielsetzung der vorliegenden Arbeit ist daher die Entwicklung einer wissenschaftlichen Methode zur Analyse der Tätigkeitsverteilung in Laborumgebungen der Lebenswissenschaften, um Anhaltspunkte für mögliche Fehlnutzungen, Verdrängungseffekte und andere Wirkungen im Spannungsfeld von Raum und Tätigkeiten zu bekommen. Die Methode ermöglicht zudem Aussagen zur Flächeneffizienz von Laborumgebungen. Der Begriff Laborumgebung beschreibt in der Arbeit den räumlichen Zusammenhang von Laboren mit Laborbänken, Laborabzügen, Schreib-/Auswerteplätzen, Sonderlaboren, Laborlagern sowie Büros und Kommunikationsflächen. Für die Anwendung der Methode werden jeweils nass-präparative Tätigkeiten, Schreib-, Lese- und Auswertetätigkeiten sowie Kommunikationstätigkeiten gebündelt. Kommunikationstätigkeiten werden eine besondere Relevanz in der modernen Forschungsarbeit zugeschrieben. Sie sind zudem die einzigen Tätigkeiten, die an allen Arbeitsorten in Laborumgebungen vorkommen. Als weitere Anwendung lässt die Methode daher eine Beurteilung der Qualität des raumbezogenen Informationsflusses und der tätigkeitsadäquaten Nutzung der Arbeitsorte in der Laborumgebung mittels eigener Qualitätsparameter für Kommunikation zu. In der praktischen Anwendung der Methode wird deutlich, dass die wissenschaftliche Herangehensweise gerade bei Einzeluntersuchungen einen gewissen Aufwand erfordert. Die Methode zeigte aber einen guten Praxisnutzen - insbesondere bei einer vergleichenden Untersuchung wie im Anwendungsbeispiel. So wurden durch die Vergleichsmöglichkeit im Anwendungsbeispiel sowohl Vorteile der effizienten Flächennutzung einer modernen »Multi-Space« Laborumgebung sichtbar, als auch die dadurch bedingten Schwierigkeiten hinsichtlich der Verdrängung raumtypischer Arbeitsweisen in dichteren räumlichen Funktionszusammenhängen.
  • Thumbnail Image
    ItemOpen Access
  • Thumbnail Image
    ItemOpen Access
    A statistical framework to optimize experimental design for inference problems in systems biology based on normalized data
    (2022) Thomaseth, Caterina; Radde, Nicole (Prof. Dr. rer. nat.)
    Inference problems in Systems Biology are primarily based on the theoretical assumption that a measured dataset comprises noisy realizations following some underlying stochastic distribution, having well-defined statistical properties. This uncertainty in the input quantities propagates through the inference process, influences the uncertainty of the estimated model parameters and subsequently affects the quality and reliability of model predictions. Understanding the mechanisms of noise propagation over an inference problem will therefore be instrumental in designing an optimal and robust experimental protocol to reduce the uncertainty of the estimated quantities of interest. This thesis investigates the underlying mechanisms of noise propagation from measured experimental data to estimated parameters by developing a statistical framework to characterize and analyse non-linear transformations of stochastic distributions. Among such non-linear transformations, data normalization, a required step for some common experimental techniques, requires specific attention, representing an additional modification of noise properties. Mathematically, the normalization step translates into ratios of two distributions. We consider standard assumptions on the distributions associated with biological raw data. In this thesis we explore three specific classes of inference problems relevant for Systems Biology applications. At first we consider the problem of statistical inference of different parametrized error models for normalized data. Subsequently, we investigate the effect of such error models when coupled with different normalization strategies on results of parameter estimation for dynamic models of biochemical reaction networks. We conclude this thesis by analysing the effects of noise propagation on Modular Response Analysis based network reconstruction. From our simulation results, we observe that non-linear noise transformations may lead to very uncertain and/or erroneous inference results. Additionally, based on the quantification of statistical measures for accuracy and precision of the inference results, we derive practical advice for an optimized and robust experimental design in order to reduce the uncertainty of the estimated quantities.
  • Thumbnail Image
    ItemOpen Access
    Probabilistic modelling of population variability
    (2025) Wagner, Vincent; Radde, Nicole (Prof. Dr. rer. nat.)
    Vincent Wagner's dissertation summarises progress in the probabilistic modelling of population variability. It comprises two chapters with complementary approaches to this challenging and broad topic. The first chapter deals with the Method of Moments for the Chemical Master Equation, while the second chapter uses random variable transformations to estimate distributed simulation model parameters.