Ich versuche zu sehen, wie man JMP verwenden würde, um die Entscheidungsfindung zu optimieren. Ich habe einige Fortschritte gemacht, aber festgestellt, dass es ganze Branchen gibt, die sich um dieses Thema drehen (!), also ist es vielleicht nicht nötig, das Rad hier zu erfinden:
Ich möchte anhand einer Reihe von Eingaben entscheiden, welche die beste Erhaltungsstrategie ist: die Ressourcen einer Einrichtung, die Art des Umweltproblems und solche Dinge (alles auf einer gemeinsamen Skala von 1 = schlecht und 5 = großartig). Abhängig von diesen Faktoren projiziert das Modell die optimale Erhaltungslösung. Ich habe dies so eingerichtet, dass ein einfaches nominales Logistikmodell ausgeführt werden könnte, bei dem der empfohlene Erhaltungsansatz das Y ist. Ich kann dann den Profiler verwenden und neue Daten eingeben, um zu sehen, welcher Erhaltungsansatz projiziert wird. Zum Beispiel können nur extrem wohlhabende Einrichtungen / Örtlichkeiten im Allgemeinen Meerwasser in großem Maßstab mindern; Wenn die Ressourcen unter 5 (dem höchsten Wert) liegen, KANN Minderung KEINE Option sein. Als weiteres Beispiel: Wenn die Meerwasserqualität 1 (am niedrigsten) ist, machen einige Erhaltungsstrategien überhaupt keinen Sinn (z. B. Restaurierung, in diesem Fall würde alles, was Sie in den Ozean bringen, sterben). Meine vorläufigen Ergebnisse scheinen sinnvoll zu sein, aber ich frage mich, ob es ganze Plattformen gibt, die dieser Art von Übung gewidmet sind, wenn auch für die Fertigung, wie die Optimierungs- und Prozesskapazitäten.
Ich möchte den Gedanken ansprechen: „Wir Menschen sind im Allgemeinen schlecht darin, Entscheidungen zu treffen, manche überlasse ich dem Computer!“ Mache ich das zu etwas Schwierigerem, als es tatsächlich ist? Ich könnte mir als weitere Alternative vorstellen, eine wirklich komplizierte Reihe von bedingten Argumenten zu erstellen.
