Questa presentazione illustra l'applicazione della modellazione statistica per eseguire analisi di sensibilità e ottimizzazione di modelli fisici complessi in modo più efficiente ed efficace.
I modelli fisici possono spesso essere complessi, poiché rappresentano la realtà stessa, il che richiede risorse considerevoli per l'esecuzione dell'analisi di sensibilità e rende la loro ottimizzazione molto difficile, se non addirittura impossibile. L'analisi di sensibilità prevede l'esplorazione di diversi scenari, dopodiché i modelli vengono utilizzati per determinare i valori ottimali dei parametri di input. Spesso questo processo non è semplice, in quanto richiede l'esecuzione del modello su numerose combinazioni di parametri diverse.
Progetti recenti hanno evidenziato i vantaggi dell'utilizzo di tecniche statistiche, come la progettazione di esperimenti, per selezionare dati rappresentativi e costruire un modello surrogato, basato sugli output del modello fisico. Il Prediction Profiler di JMP viene quindi utilizzato per eseguire l'analisi di sensibilità e l'ottimizzazione del modello surrogato. Questa funzionalità consente un'esplorazione mirata dello spazio sperimentale e aiuta a spiegare le relazioni tra i diversi parametri in tempi relativamente brevi. Questo approccio è stato applicato con successo sia a modelli atomistici che ingegneristici.
Questa presentazione illustra l'utilizzo di strumenti statistici in JMP per massimizzare il valore ottenuto da modelli computazionali fisici complessi.
