J'essaie de voir comment utiliser JMP pour optimiser la prise de décision. J'ai fait quelques progrès mais je me suis dit qu'il y avait des industries entières basées sur ce thème (!), donc peut-être pas besoin d'inventer la roue ici :
Je veux décider quelle est la meilleure stratégie de conservation compte tenu d'un ensemble d'intrants : les ressources d'une installation, la nature du problème environnemental, etc. (le tout sur une échelle commune de 1 = mauvais et 5 = excellent). En fonction de ces facteurs, le modèle projettera la solution de conservation optimale. J'ai mis cela en place pour qu'un modèle logistique nominal simple puisse être exécuté, dans lequel l'approche de conservation recommandée est le Y. Je peux ensuite utiliser le profileur et entrer de nouvelles données pour voir quelle approche de conservation est projetée. Par exemple, seules les installations/localités extrêmement riches peuvent généralement atténuer l'eau de mer à grande échelle ; si les ressources sont inférieures à 5 (la plus élevée), l'atténuation NE PEUT PAS être une option. Comme autre exemple, si la qualité de l'eau de mer est de 1 (la plus basse), certaines stratégies de conservation n'ont aucun sens (par exemple, la restauration, auquel cas tout ce que vous avez placé dans l'océan mourrait). Il semble que mes résultats préliminaires aient du sens, mais je me demande s'il existe des plates-formes entières dédiées à ce type d'exercice, même pour la fabrication, comme l'optimisation et les capacités de processus.
Je veux lancer la notion de "nous, les humains, sommes généralement mauvais dans la prise de décision, certains je vais laisser l'ordinateur le faire pour moi!" Suis-je en train d'en faire quelque chose de plus difficile qu'il ne l'est en réalité ? Je pouvais voir faire un ensemble vraiment compliqué d'arguments conditionnels comme une autre alternative.
Je n'ai pas regardé le tableau de données JMP, donc mes réflexions ci-dessous sont indépendantes des données. Avez-vous essayé l'une des méthodes de modélisation basées sur les arbres ? Il me semble que les "arbres" pourraient être une méthode utile pour jouer avec les entrées sous des contraintes/conditions prédéfinies dans les scénarios physiques du monde réel que vous pourriez peindre. Une autre méthode qui me vient également à l'esprit n'est pas basée sur la modélisation mathématique mais plutôt sur l'exercice de réflexion... la planification de scénarios. J'ai utilisé le processus et je l'ai enseigné dans un environnement industriel pour des choses comme la planification des capacités, l'utilisation des ressources, etc. Cela aide à peindre une variété d'images de réalités alternatives et permet des choses comme l'exclusivité mutuelle et autres. Vous n'obtenez pas de réponse mathématique en soi de la méthode ... mais les scénarios pourraient être des entrées dans un modèle d'arbre. Voici un article de Wikipedia sur la planification de scénarios. Planification d'un scénario
Pierre, merci pour vos pensées. J'avais en effet envisagé cela comme un "arbre" ou un organigramme, et cette planification de scénarios semble certainement avoir de nombreux parallèles. J'ai juste besoin d'essayer de trouver un moyen de le rendre plus quantitatif plutôt que mon instinct, en particulier en puisant dans les probabilités : "Si mon eau est caractérisée par la propriété X, alors il y a 80 % que l'option A est la façon de procéder ." L'utilisation du profileur avec un modèle logistique nominal dans lequel la solution proposée est le type Y fonctionne, mais je ne peux m'empêcher de penser qu'il existe un meilleur moyen. Dans tous les cas, je vais certainement jouer avec certaines des options d'arborescence sous Fit Model, ainsi que consulter cet article de planification de scénario. Je suis sûr que les deux me donneront de nouvelles idées sur ce sujet. Merci encore.
