Sjefsforsker i gruppen for målevitenskap, med kjernekompetanse i modellering og dataanalyse på både sensor- og systemnivå. Kocbach kombinerer systemnivåkunnskap med detaljert kunnskap innen fysikk og fysiske sensorprinsipper for modellering og dataanalyse på ulike nivåer. Forskningsoppgavene spenner fra sensordesign og analyse av sensordata til modellering og analyse på systemnivå, inkludert for eksempel energisystemer og komplekse målesystemer som inneholder en rekke sensorer og prosesser. Et sentralt aspekt i forskningen er å forstå og modellere usikkerheter og propagering av usikkerheter på flere nivåer for å sikre at løsninger og konsepter er robuste. Han har også omfattende erfaring i å lede forskningsprosjekt.
Kocbach har en Dr. Scient. (PhD) grad i fysikk fra Universitetet i Bergen (2000). Doktorgradsprosjektet involverte design av ultrasoniske piezoelektriske transdusere, inkludert utvikling av en endelig elementkode (FEMP, fortsatt i aktiv bruk ved flere enheter, inkludert UiB) for piezoelektriske transdusere med utstråling av akustiske bølger i væskemedier. Fra 2000 til 2005 jobbet han i forsknings- og teknologiavdelingen til Nera med utvikling av elektromagnetisk teknologi. Kunnskap om sensorteknologi har videre blitt utvidet til multifysikk systemer, strømningsmåling, guided waves og andre sensorprinsipper gjennom arbeidet ved Christian Michelsen Research siden 2005 (NORCE fra 2018 gjennom fusjon).
Applikasjonsområder på systemnivå inkluderer et bredt spekter av områder, inkludert energisystemer for bygninger, geotermiske energisystemer, applikasjoner for flow assurance, målestasjoner langs hydrogenforsyningskjeden, komplekse målesystemer innen O&G-sektoren og målesystemer for overvåking av nett i fiskeoppdrettsanlegg.
Kocbach har arbeidet med vitenskapelig programmering i over 25 år, med daglig bruk av MATLAB, Python samt web-programmering. Han har utviklet ulike interne simuleringsmodeller og verktøy som FEMP og VKBsim, og har bred erfaring med kommersielle simuleringsverktøy som COMSOL Multiphysics, både brukt direkte og via API-er. Både tradisjonelle matematiske og statistiske metoder og maskinlæring benyttes for
oppgaver innenfor dataanalyse og signalbehandling. Hans arbeid er kjennetegnet av fokus på å strømlinjeforme prosesser gjennom automatisering, og på den måten forbedre effektivitet og produktivitet.
