Entscheidungen optimierenIch 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.
Fortgeschrittene statistische ModellierungVersuchsplanungMac OSVorhersagemodellierung und maschinelles LernenRe: Entscheidungen optimierenIch habe mir die JMP-Datentabelle nicht angesehen, daher sind meine Gedanken unten datenunabhängig. Haben Sie eine der baumbasierten Modellierungsmethoden ausprobiert? Mir scheint, dass „Bäume“ eine nützliche Methode sein könnten, um mit den Eingaben unter Einschränkungen/Bedingungen zu spielen, die in den physikalischen Szenarien der realen Welt, die Sie malen könnten, vorbestimmt sind. Eine andere Methode, die mir auch in den Sinn kommt, basiert nicht auf mathematischen Modellen, sondern eher auf Gedankenübungen ... Szenarioplanung. Ich habe den Prozess verwendet und in einem industriellen Umfeld für Dinge wie Kapazitätsplanung, Ressourcennutzung und dergleichen gelehrt. Es hilft, eine Vielzahl von Bildern alternativer Realitäten zu zeichnen, und ermöglicht Dinge wie gegenseitige Ausschließlichkeit und dergleichen. Sie erhalten per se keine mathematische Antwort aus der Methode ... aber die Szenarien könnten Eingaben in ein Baummodell sein. Hier ist ein Wikipedia-Artikel zur Szenarioplanung. Szenarioplanung
Re: Entscheidungen optimierenPetra, danke für deine Gedanken. Ich hatte mir das tatsächlich als "Baum" oder Flussdiagramm vorgestellt, und diese Szenarioplanung scheint sicherlich viele Parallelen zu haben. Ich muss nur versuchen, einen Weg zu finden, es quantitativer zu machen, anstatt mein Bauchgefühl, insbesondere indem ich auf Wahrscheinlichkeiten tippe: „Wenn mein Wasser durch die Eigenschaft X gekennzeichnet ist, dann gibt es 80 %, dass Option A der richtige Weg ist ." Die Verwendung des Profilers mit einem nominellen Logistikmodell, bei dem die vorgeschlagene Lösung die Y-Art ist, funktioniert, aber ich kann nicht anders, als zu glauben, dass es einen besseren Weg gibt. Auf jeden Fall werde ich auf jeden Fall mit einigen der Baumoptionen unter Fit Model herumspielen und diesen Artikel zur Szenarioplanung lesen. Ich bin sicher, beide werden mir einige neue Ideen zu diesem Thema geben. Danke noch einmal.
