Esta presentación destaca la aplicación del modelado estadístico para realizar análisis de sensibilidad y optimización de modelos físicos complejos de manera más eficiente y efectiva.
Los modelos físicos suelen ser complejos, ya que representan la realidad, lo que requiere importantes recursos para realizar análisis de sensibilidad y dificulta enormemente su optimización, o incluso la hace imposible. El análisis de sensibilidad implica explorar diferentes escenarios, tras lo cual se utilizan los modelos para determinar los valores óptimos de los parámetros de entrada. Este proceso a menudo no es sencillo, puesto que requiere ejecutar el modelo con numerosas combinaciones de parámetros.
Proyectos recientes han puesto de manifiesto las ventajas de utilizar técnicas estadísticas, como el diseño de experimentos, para seleccionar datos representativos y construir un modelo sustituto a partir de los resultados del modelo físico. Posteriormente, se utiliza el Perfilador de Predicción de JMP para realizar el análisis de sensibilidad y la optimización del modelo sustituto. Esta capacidad permite explorar con precisión el espacio experimental y ayuda a explicar las relaciones entre diferentes parámetros en un plazo relativamente corto. Este enfoque se ha aplicado con éxito tanto a modelos atómicos como de ingeniería.
Esta presentación muestra el uso de herramientas estadísticas en JMP para maximizar el valor obtenido de modelos computacionales físicos complejos.
