- Detalles
- Categoría: Lakes
- Visto: 2543
Anteriormente ya discutimos una limitación fundamental de el sistema de modelado CALPUFF que ponía límites finitos en el número de objetos y cálculos que varios ejecutables del sistema podían manejar en un único proyecto. Un área donde los modeladores pueden encontrar esa limitación es la definición de valores de salidad en el modelo CALPOST para el postprocesado de los resultados del modelo de CALPUFF.
CALPOST se utiliza para extraer las concentraciones mejor clasificadas para compararlas con los estándares de calidad del aire ambiental. En los Estados Unidos, los estándares generalmente se basan en valores clasificados (por ejemplo, 1º más alto, 2º más alto, etc.). Otros países, sin embargo, tienen estándares basados en percentiles (por ejemplo, 99.8, 99, 90, etc.). Dado qeu CALPOST no admite percentiles de forma nativa, el modelador debe calcular primero un valor máximo equivalente. Por ejemplo, si se le pide a un modelador que encuentre el percentil 98 de un promedio de 24 horas durante 1 año de datos modelados:
- 1 año de datos modelados = 365 días
- Promedio de 24 horas = 1 valor de salida por receptor por día
- 98% de 365 = 7,3
- Dado que los valores clasificados deben ser enteros, 7,3 se redondea a 8
Por lo tanto, el percentil 98 de un promedio de 24 horas durante un año se convierte en el octavo valor mejor clasificado cuando se usa CALPOST. ¿Qué pasa si el modelador quiere el percentil 98 para un promedio de 1 hora?
- 1 año de datos modelados = 8.760 horas
- Promedio de 1 hora = 1 valor de salida por receptor por día
- 98% de 8.760 = 175,2
- Dado que los valores clasificados deben ser enteros, 175,2 se redondea a 176
Desafortunadamente, el modelo nativo de CALPOST no puede aceptar un rango máximo superior a 10. Los modeladores podrían recompilar CALPOST para aceptar un rango alto, pero esto requiere un conocimiento práctico de FORTRAN y práctica en la compilación de código. Para resolver este problema, Lakes Environmental desarrolló una utilidad para manejar percentiles directamente en el sistema de modelado CALPUFF: la utilidad Percentiles que se encuentra en el asistente CALPOST Wizard de CALPUFF View.
Esta utilidad omite CALPOST por completo y analiza los datos por hora en los archivos de salida de flujo de deposición y concentración directa de CALPUFF (por ejemplo, CONC.DAT, DFLX.DAT, etc.). Después de calcular los percentiles definidos por el usuario, se crea un conjunto de archivos de gráficos de curvas de nivel para su visualización en CALPUFF View. Siga los pasos a continuación para utilizar esta utilidad.
Paso 1: Abra el asistente CASLPOST Wizard y vaya a la pestaña Percentiles.
Paso 2: Active la casilla de verificación 
para activar la utilidad.
Paso 3: Elija si desea generar el valor clasificado más cercano al percentil especificado (Nearest Discrete Values) o si desea que el modelo interpole entre valores clasificados (Interpolate Values). Por ejemplo, el promedio de 1 hora del percentil 98 descrito anteriormente extraería el valor clasificado número 176 si los valores discretos más cercanos están habilitados. La configuración Interpolate Values interpolaría las concentraciones entre los valores clasificados 175 y 176.
Paso 4: Haga clic en el botón 
para añadir un nuevo percentil.
Paso 5: Intoduzca sus percentiles. Utilice la columna ALL para especificar el mismo valor de percentil para cada especie modelada. Para percentiles específicos de la especie, introduzca un valor en la columna de la especie deseada. El siguiente ejemplo produciría una salida del percentil 99 para todas las especies, una producción de percentil 98 solo para SO2 y una salida de percentil 90 para NOX.
Paso 6: Elija el tipo de salida, Output Type, al que desea aplicar los percentiles: Concentration, Dry Deposition, Wet Deposition, y/o Total (Dry+Wet) Deposition.
Paso 7: Seleccione el/los periodo(s) de promediación(es) de interés. Si algún periodo no está disponible, vaya a la pestaña Averaging Period de CALPOST Wizard para habilitar otros períodos deseados.
Paso 8: Una vez que haya especificado su configuración, haga clic en el botón 
para generar los archivos de diagrama de percentiles. Estos archivos están disponibles en la carpeta Percentile Plots que se muestra en la pestaña CALPOST de la vista Tree View.
Para ver el archivo de texto de resultados, haga doble clic en el título del archivo de gráfico de percentil/promedio móvil junto al icono 
.
- Detalles
- Categoría: Minitab
- Visto: 1946
Por Josué Zable.
Anteriormente escribí que los especialistas en marketing deben conocer (al menos) un método estadístico básico para realizar correctamente las pruebas A/B. Con suerte, con algunos conocimientos en su haber, dejará de permitir que la ansiedad por las estadísticas le frene en su carrera de marketing y emprenderá una tarea un poco más desafiante: las pruebas A/B/C.
¿QUÉ SON LAS PRUEBAS A/B/C?
Las pruebas A/B/C, al igual que las pruebas A/B, son una forma de experimento controlado. En el caso de A/B/C, está probando más de dos versiones (por lo tanto, agrega la “C” a A/B) de una variable (página web, elemento de página, correo electrónico, etc.). Esto se puede usar para comparar 3 o más versiones de algo para determinar qué versión funciona mejor, como enviar varios correos electrónicos para ver cuál genera más participación o usar diferentes anuncios para medir las tasas de clics. Un caso de uso común es desafiar un grupo estándar o de control contra múltiples variantes. Por ejemplo, probar una página web actual con dos diseños de página web alternativos para ver qué diseño genera más conversiones, el original o los dos rivales.
Como escribimos antes, hay muchas pruebas diferentes que puedes ejecutar, incluidas herramientas que prueban múltiples componentes al mismo tiempo. Hoy veremos una prueba A/B/C simple, comparando tres versiones en una sola medición. Podrían ser tasas de apertura o tasas de clics en correos electrónicos, anuncios o páginas web.
INTRODUCCIÓN A LA REGRESIÓN LOGÍSTICA BINARIA
El análisis de regresión logística binaria se utiliza para describir la relación entre un conjunto de predictores y una respuesta binaria. Una respuesta binaria tiene dos resultados, como aprobado o reprobado. En marketing, esto a menudo se traduce en clics, aperturas o conversiones. Cuando solo se comparan dos enfoques, existen métodos más simples, como la prueba de dos proporciones.
UN EJEMPLO DE PRUEBA A/B/C
Imagine que un especialista en marketing ejecuta una campaña publicitaria periódica en las redes sociales para atraer visitantes a su sitio web. Deciden ejecutar una prueba A/B/C con diferentes versiones del anuncio para ver qué anuncio generará más clics. Apuntan a 20.000 impresiones para cada anuncio y realizan su prueba. Recopilan sus resultados y los grafican. Según el gráfico de valores individuales, está claro que la Versión A tuvo un peor desempeño que la Original y la Versión B. La pregunta sigue siendo: ¿son las diferencias estadísticamente significativas para alejarse del original?
REGRESIÓN LOGÍSTICA BINARIA PARA ANALIZAR LA PRUEBA
Con los datos recopilados, puedo usar Minitab para ajustar un modelo de regresión logística binaria.
Al ir a Estadísticas > Regresión > Regresión logística binaria > Ajustar modelo logístico binario, Minitab presenta una ventana de diálogo para que seleccione “Respuesta en formato de evento/ensayo” y complete mis eventos (clics) y ensayos (impresiones). ¡También selecciono Publicidad como elemento que estoy probando y dejo que Minitab cree mi modelo!
CONCLUSIONES DEL ANÁLISIS DE LOS RESULTADOS
Ahora necesitamos profundizar un poco en las estadísticas (¡no mucho, solo un poco! Estás aquí para aprender algo, ¿no?). Mirando la tabla a continuación, vemos el Odds Ratio que compara las probabilidades de dos eventos, en nuestro caso haciendo clic en los diferentes anuncios. Minitab configura la comparación enumerando los niveles en 2 columnas, Nivel A y Nivel B. El nivel B es el nivel de referencia para el factor. Los índices de probabilidad superiores a 1 indican que el evento, en nuestro caso los clics, es más probable en el nivel A. Los índices de probabilidad inferiores a 1 indican que es menos probable que se produzca un clic en el nivel A.
Con respecto a nuestra tabla, al comparar la Versión A con la Original, un Odds Ratio inferior a 1 significa que es menos probable que se produzca un clic en la Versión A. Al seguir la tabla, vemos que es más probable que la Versión B obtenga un clic que la Versión B. tanto el original como la Versión A. Esto valida lo que graficamos y comparamos, pero ¿dónde está la información adicional?
Al observar la segunda columna, Intervalo de confianza del 95 %, obtenemos información adicional sobre nuestros datos. En este tipo de análisis, los intervalos de confianza que contienen 1 dentro de su rango (como la versión B frente a la original, donde el IC del 95 % es 0,9882,1,1038) indican que las probabilidades de hacer clic o no hacer clic son esencialmente las mismas para los dos grupos.
Como resultado, esta prueba nos ha enseñado que, sin lugar a dudas, la Versión A es el anuncio con peor rendimiento y no vale la pena conservarlo. Sin embargo, sería un error sustituir automáticamente la versión B por la original. Nuestros próximos pasos deberían ser a) refinar nuestra prueba a una prueba A/B comparando el Original con la Versión B o b) seleccionar el Original o la Versión B por razones cualitativas como "seguir con nuestro mensaje consistente" o "actualizar nuestro mensaje". sin preocuparse por comprometer los resultados.
- Detalles
- Categoría: Comsol
- Visto: 2495
Figura de la cabecera: Imagen obtenida del modelo titulado “A Silicon Quantum Dot in a Uniform Magnetic Field”, Application ID 88981 por COMSOL. Se muestra la densidad de probabilidad visualizado en isosuperficies y momentum en flechas [1].
La presencia de la nanotecnología se extiende a múltiples industrias, donde una herramienta como COMSOL Multiphysics ha tenido una destacada participación. Desde la manipulación de materiales a escala atómica hasta el diseño de dispositivos innovadores, esta plataforma de simulación ha acompañado algunos de los avances más recientes de la nanotecnología. En la exploración para comprender y aprovechar las propiedades únicas de los materiales a escala nanométrica, los investigadores han recurrido a plataformas como COMSOL para modelar y simular fenómenos complejos. Algunos de los logros más emocionantes incluyen:
- Diseño de nanomateriales innovadores: La capacidad de modelar las propiedades ópticas, mecánicas y térmicas de los nanomateriales ha permitido a los científicos crear estructuras con propiedades personalizadas. Desde metamateriales con propiedades electromagnéticas extraordinarias hasta nanotubos con fuerza mecánica excepcional, COMSOL ha sido fundamental en su diseño y caracterización [2].
- Nanoelectrónica avanzada: La miniaturización de dispositivos electrónicos hasta la escala nanométrica ha sido posible gracias a la simulación precisa de fenómenos cuánticos y eléctricos en COMSOL. Esto ha llevado al desarrollo de transistores y componentes electrónicos más pequeños y eficientes, allanando el camino para la próxima generación de tecnología informática [3].
- Sensores y Dispositivos biomédicos: La nanotecnología ha impulsado innovaciones en el campo de la salud, desde biosensores altamente sensibles hasta dispositivos médicos revolucionarios. COMSOL ha sido esencial en la simulación de interacciones entre biomoléculas y superficies nanoestructuradas, allanando el camino para tratamientos más precisos y dispositivos diagnósticos más efectivos [4].
La capacidad de COMSOL Multiphysics para modelar y simular a escala nanométrica ha llevado a avances significativos en la nanotecnología, abriendo las puertas a un mundo de posibilidades en la manipulación y aplicación de materiales a nivel atómico.
Referencias
[1] Galería de aplicaciones de COMSOL: A Silicon Quantum Dot in a Uniform Magnetic Field
[2] Blog de COMSOL: Modeling Graphene in High-Frequency Electromagnetics
[3] Blog de COMSOL: Three Semiconductor Device Models Using the Density-Gradient Theory
[4] Blog de COMSOL: 8 Uses of COMSOL Multiphysics® in the Biomedical Industry
- Detalles
- Categoría: Minitab
- Visto: 2973
Lourdes Pozueta nos comparte, en esta inspiradora entrevista, su experiencia como consultora, especializada en mejora continua e innovación y capacitadora de equipos en metodologías para la mejora de procesos y productos. Múltiple premiada por su labor como mánager (y es que lleva más de 10 años como directora de la consultora AVANCEX+i) y su gran capacidad de comunicación, Lourdes nos explica las claves para que la estadística, vista como una ciencia multidisciplinar, aporte gran valor a la industria y a la sociedad en general.
El título de la entrevista no deja indiferente: “Menos Matemáticas y más Pensamiento Estadístico Visual”, sobre todo cuando miramos en detalle el currículum de Lourdes y vemos que tiene una formación de base matemática. Y es que tenemos la suerte de disponer de tecnología que nos permite mirar los procesos en detalle gracias a la digitalización. Pero la práctica habitual de aplicar las matemáticas aprendidas (hacer cuentas, resumir, agregar, mostrar cifras…), por parte de personal alejado de procesos que no entienden, e intentar tomar decisiones sobre cosas complejas, llevan a inversiones ineficientes que aportan poco valor.
La solución pasa por poner el foco en las personas y sus habilidades y no en la tecnología. Lo importante es dedicar más tiempo a aprender ciencia con datos practicando:
- la sistemática a la hora de abordar retos;
- el uso de herramientas adecuadas para lograr visualizaciones que ayudan a entender lo que ocurre;
- la recogida de datos apropiada para cada herramienta; y,
- la construcción de relatos que se apoyan en evidencias.
Si queremos entender los procesos, tenemos que ir con una intención determinada por las creencias para mirarlos de una manera especial y descubrir cómo se comportan. Las visualizaciones aportan más información al cerebro que una fórmula y le permiten avanzar en el entendimiento. El foco lo ponen nuestras creencias y la manera en que esperamos que aparezcan en la herramienta que decidimos utilizar. Las creencias no son verdades, pero cuestionándolas tratamos de encontrar la verdad.
Lourdes anima a las organizaciones a invertir en adquirir habilidades de Ingeniería Estadística que describe como “modos de hacer útiles las matemáticas para afrontar problemas o retos en las organizaciones, en particular en la industria”. Esta inversión sirve además para hacer más competitiva la organización por tres razones: 1) retorno económico, 2) aumento de saber y 3) aumento de habilidades en el talento. Es verdaderamente un negocio con mucho retorno económico.
Desde Addlink contamos con la colaboración de la Dra. Lourdes Pozueta para impartir la formación certificada Minitab. Los cursos que ofrecemos son fruto de la combinación del material de alta calidad del programa certificado de formación de Minitab junto con la experiencia de la profesora certificada Lourdes Pozueta. Han sido organizados en módulos para satisfacer las necesidades y diferentes perfiles de nuestros clientes y de sus equipos. Nuestra propuesta de formación incluye sesiones de coaching en las que formadora y participantes trabajan juntamente con datos/casos que proporciona el cliente.
Si desea recibir una propuesta formal del coste del curso en su caso particular, póngase en contacto con nuestro departamento comercial por teléfono (934154904 o 915158276) o a través de este FORMULARIO
- Detalles
- Categoría: Maple
- Visto: 2000
Este estudio de caso ilustra cómo las empresas internacionales de ingeniería multiservicio utilizan la tecnología de Maplesoft para superar los desafíos comerciales que surgen del uso de métodos y herramientas de cálculo estándar no estructurados. Aunque se han cambiado los detalles y se ha utilizado un seudónimo para describir la empresa, los escenarios representados son totalmente coherentes con la forma en que se utilizan los productos Maplesoft.
Desafíos enfrentados
Global Engineering Company (GEC), una empresa global de ingeniería multiservicios con 10.000 empleados, tiene muchos proyectos de infraestructura importantes en todo el mundo, incluidos energía, carreteras, ferrocarriles, infraestructura municipal y marina. Emplean muchos tipos diferentes de ingenieros en sus divisiones internacionales, incluidos ingenieros civiles, ingenieros mecánicos, ingenieros eléctricos y otros. Debido a la naturaleza diversa de los proyectos, los diferentes antecedentes del personal y la necesidad de colaboración internacional, GEC se enfrentó a muchos desafíos comerciales derivados del uso de métodos y herramientas de cálculo estándar no estructurados, que incluyen:
- Hojas de cálculo ineficientes y hojas de cálculo escritas a mano.
- Cálculos mal documentados
- El contexto de la ingeniería está enterrado y oculto.
- Los errores son fáciles de introducir y difíciles de localizar.
- Los cálculos no son fácilmente comprensibles, extensibles o compartidos.
- Fuerza laboral internacional con poca estandarización
- La falta de métodos de cálculo estandarizados dificulta que los ingenieros de diferentes oficinas internacionales colaboren en los análisis.
- Los malentendidos reducen la eficiencia e introducen riesgos en el proyecto.
- Ingenieros que se jubilan o cambian de trabajo
- Los conocimientos y habilidades de los ingenieros experimentados se pierden cuando se marchan.
- Diferentes grupos de ingenieros y diferentes proyectos con diferentes requisitos matemáticos.
- Los ingenieros no siempre pueden elegir la herramienta óptima para cada proyecto, ya que en ocasiones deben utilizar una herramienta previamente seleccionada teniendo en cuenta diferentes necesidades.
- Licenciar diferentes herramientas de diferentes proveedores para satisfacer diferentes necesidades es ineficiente en términos de tiempo, dinero y gastos generales de gestión.
Camino a la transformación
Después de evaluar a varios proveedores, GEC eligió una colección de herramientas matemáticas interoperables y servicios de capacitación/consultoría de Maplesoft. Las herramientas:
- Ayuda a los ingenieros de diseño a realizar cálculos, crear informes y ampliar su capacidad para el análisis exploratorio de datos.
- Permite a los ingenieros de investigación desarrollar modelos con matemáticas simbólicas, computación numérica y diseño de algoritmos.
Además, el esquema de licencia global que ofrece Maplesoft es rentable y permite a los ingenieros intercambiar entre diferentes herramientas de Maplesoft, según sus necesidades y proyectos. Los ingenieros pueden utilizar licencias de una instalación de red para proyectos a corto plazo, o se pueden mover grupos de licencias de un servidor a otro.
Este estudio de caso explora algunas de las diferentes formas en que GEC utiliza ahora la tecnología de Maplesoft en sus diversos grupos internacionales.
Grupo de Análisis Estructural en el Reino Unido
El impulso hacia la energía nuclear para minimizar la dependencia de Europa del gas natural ha significado que un grupo estructural del GEC con sede en el Reino Unido esté ahora involucrado en proyectos nucleares a largo plazo que tienen una vida útil de 20 a 30 años.
Su herramienta de cálculo anterior era Excel®. Cuando se utilizaba Excel, los cálculos debían transcribirse manualmente desde Excel a Microsoft® Word para crear informes, lo cual era un proceso engorroso y propenso a errores. Si los parámetros cambiaban, los ingenieros tenían que volver a transcribir sus resultados para actualizar el informe.
El equipo ahora utiliza Maple Flow™ para informes de cálculo legibles con análisis integrados que involucran diseño de concreto estructural que sigue códigos reconocidos internacionalmente. Crearon una biblioteca reutilizable de propiedades de sección para ayudar en sus análisis. No se requiere transcripción manual.
Debido a la naturaleza altamente regulada del trabajo, los cálculos deben ser auditables y rastreables durante la duración del proyecto (20 a 30 años). Los documentos de Maple Flow combinan cálculos, visualizaciones, texto e imágenes en un solo documento, por lo que el razonamiento de ingeniería detrás de los cálculos se comunica claramente, lo que reduce el riesgo de que se pierda el conocimiento cuando un ingeniero abandona el proyecto. Cuando se cambia un parámetro, todos los resultados se actualizan automáticamente en el documento, por lo que ya no es necesario actualizar manualmente un informe de cálculo independiente. Algunos de sus informes tienen más de 30 páginas y, en el pasado, su producción y actualización requerían mucho tiempo, pero Maple Flow ha reducido el tiempo necesario para preparar un informe de cálculo en un 75%.
Maple Flow se basa en el motor matemático más potente del mundo, pero también es lo suficientemente simple como para usarlo en el programa de capacitación de aprendizaje de diseño civil de GEC. Los aprendices de diseño son estudiantes que realizan tareas de análisis simples, como calcular cargas de vigas según los estándares europeos. Además, los ingenieros superiores pueden comprobar más fácilmente su trabajo ahora que se realiza en Maple Flow.
Grupo de diseño de puentes en China
Un grupo de diseño de puentes chino estaba utilizando Excel para sus cálculos de diseño, siendo una aplicación típica el diseño de la viga de un tablero de puente. Pero las hojas de cálculo de Excel son difíciles de depurar y compartir, por lo que el grupo optó por trasladar sus cálculos de diseño a Maple Flow. Este cambio eliminó por completo los errores de cálculo, además de eliminar por completo el proceso manual de transcripción de cálculos de Excel a Word para su documentación. Como resultado, aumentaron la confiabilidad de sus cálculos y redujeron los errores de cálculo en un 20%.
Este grupo fue capacitado por ingenieros de Maplesoft con sede en China. Durante la capacitación, aprendieron cómo implementar ecuaciones empíricas dimensionalmente inconsistentes a partir de códigos de diseño estándar en un entorno dimensionalmente consciente, aprovechando el soporte integrado para unidades en Maple Flow.
Ingeniero en Hidrología en Estados Unidos
Un ingeniero fluvial ubicado en la sede de GEC en los Estados Unidos necesitaba calculadoras de hidrología a las que se pudiera acceder desde cualquier lugar, incluso en el campo. Este ingeniero desarrolló calculadoras interactivas en Maple™ haciendo uso de su motor matemático y su entorno para crear fácilmente aplicaciones matemáticas de estilo apuntar y hacer clic. Una vez completadas, las calculadoras de hidrología se implementaron en la web a través de MapleNet™. Como resultado, cualquier empleado de GEC que las necesite puede acceder a estas calculadoras de hidrología desde un navegador web, y son muy fáciles de usar, incluso para personas que no tienen experiencia con software de cálculo.
Grupo de ingeniería ferroviaria en el Reino Unido
Un equipo de ingenieros de corrosión ubicado en la oficina de GEC en el Reino Unido analiza las tasas de corrosión y fallas de las vías férreas. Esto implica analizar grandes cantidades de datos de campo (cientos de miles de elementos) en Maple.
El análisis del equipo implica trazar, manipular y analizar grandes archivos de datos. Maple garantiza que el análisis sea rápido y eficiente en la memoria. Además, el paralelismo automático y las herramientas de programación multiproceso permiten distribuir los análisis en todos los núcleos del ordenador local. Cada análisis de Maple multiproceso se calcula 2 veces más rápido que Excel y 1,5 veces más rápido que un script de Python.
Un cogrupo de la división ferroviaria también utiliza Maple para desarrollar algoritmos personalizados en el lenguaje Maple. Luego, algunos de estos algoritmos se exportan al lenguaje de programación C utilizando herramientas de generación de código en Maple, para incorporarlos a una herramienta de terceros.
Análisis matemático y desarrollo de software científico en Francia
Un pequeño grupo de ingenieros de investigación matemática del GEC tiene su sede en Francia. A este equipo se le presentan regularmente problemas de ingeniería complejos que necesitan una solución matemática, y las técnicas que emplean utilizan álgebra informática, cálculo numérico y visualización. El grupo utiliza Maple Flow para esbozar primero y luego formalizar sus ideas técnicas mediante el refinamiento progresivo de sus matemáticas. Maple Flow admite este enfoque iterativo comúnmente utilizado para la resolución de problemas con su entorno estilo pizarra, al tiempo que garantiza que los cálculos sean correctos. Como beneficio adicional, Maple Flow proporciona visualizaciones integrales que generan información para la siguiente iteración.
Conclusión
GEC ha implementado con éxito la tecnología matemática de Maplesoft, incluidas Maple Flow, Maple y MapleNet, en varias divisiones internacionales. Lograron las mejoras de eficiencia que se obtienen al incorporar cálculos estructurados y estandarizados en sus flujos de trabajo, respaldados por un conjunto de herramientas versátil que satisface muchas necesidades. También se beneficiaron de la simplicidad de trabajar con un único proveedor de tecnología con un equipo de consultoría de ingeniería experimentado y receptivo que intervendrá y ayudará cuando sea necesario.
- Detalles
- Categoría: NAG
- Visto: 2493
Presentamos el resolvedor MILP de alto rendimiento NAG, una herramienta avanzada con un rendimiento comprobado para una optimización eficiente y rentable
NAG anuncia la integración de un nuevo resolvedor de programación lineal de enteros mixtos (MILP) en NAG Library Optimization Modelling Suite. Este potente resolvedor ofrece soluciones sólidas y eficientes a problemas complejos de optimización combinatoria que involucran variables enteras.
El nuevo resolvedor MILP ha sido rigurosamente probado y evaluado en cuanto a rendimiento. Implementa un marco de ramificación y unión con técnicas modernas que incluyen la generación de cortes y la heurística primaria, equipado con un componente de preservación eficaz que puede reducir significativamente el tamaño del problema y el tiempo de resolución.
Con la integración del resolvedor MILP en NAG Optimization Modelling Suite (suministrado con la Librería NAG), los usuarios tienen acceso a una gama más amplia de herramientas de optimización que pueden resolver problemas complejos de manera más eficiente y efectiva. Esto permitirá a los usuarios optimizar sus operaciones y mejorar y automatizar la toma de decisiones en tiempo real, lo que conducirá a mejores resultados comerciales.
La incorporación del resolvedor MILP a NAG Optimization Modelling Suite mejorará en gran medida las capacidades de la suite y beneficiará a sus usuarios. El resolvedor MILP se incluye en la Librería NAG, Mark 29.3.
- Detalles
- Categoría: Minitab
- Visto: 2692
Por Josué Zable.
La simulación Monte Carlo es una técnica matemática que predice posibles resultados de un evento incierto. Anteriormente escribimos sobre los beneficios que brinda a los profesionales de I+D y organizamos seminarios web sobre el poder de la simulación Monte Carlo para ayudar a que los productos cumplan con las especificaciones previstas, predigan la capacidad del proceso y determinen la configuración óptima del proceso. Sin embargo, Monte Carlo también puede ser una herramienta potente para estimar la duración, o incluso el coste, de un proyecto.
ANTIGUA FORMA DE PREDECIR LA DURACIÓN: CONJETURAR
Los cronogramas de los proyectos son a menudo eventos inciertos, particularmente cuando los proyectos son multifuncionales. Si bien los gerentes de proyectos generalmente estiman cuál podría ser el momento de un proyecto, podrían usar una simulación simple para eliminar las conjeturas.
Imaginemos un proyecto de desarrollo de software que generalmente se basa en sprints de 2 semanas. Para simplificar las cosas, supongamos que se han especificado todos los requisitos y que un grupo de desarrolladores está listo para trabajar. No es sorprendente que el jefe pregunte: "¿Podemos tener esta nueva función en nuestra conferencia en 80 días?"
Al estimar el cronograma de un proyecto, el gerente de proyecto considera un tiempo de desarrollo de 3 a 4 sprints (de 42 a 56 días), pruebas de calidad de 1 a 2 sprints (de 14 a 28 días) y 1 semana para la implementación (7 días). Un enfoque más cauteloso implica añadir plazos máximos: 56 días para desarrollo, 28 días para pruebas y 7 días para implementación, lo que da como resultado 91 días. Alternativamente, un gerente puede promediar las estimaciones y llegar a 77 días (49 días para desarrollo, 21 días para pruebas y 7 días para implementación). Sin embargo, con una solicitud de entrega de 80 días por parte del jefe, la certeza de cumplir el plazo se convierte en una consideración crítica.
NUEVA FORMA DE PREDECIR LA DURACIÓN: SIMULACIÓN
A nadie le gusta decirle al jefe que no se puede hacer. Quizás, incluso peor, es decirle al jefe que no está seguro del resultado. ¡Aquí es donde la simulación de Montecarlo puede ayudar!
Como puede verse en el siguiente diagrama, se incluyó el dilema de este gerente de proyecto en Minitab Engage para predecir la duración del proyecto. Se ha entrado las tres fases del proyecto (en días) y una especificación superior de 80 días, que es cuando el jefe imaginario quiere presentarlo en la conferencia de usuarios.
Una vez que se corre la simulación, se obtienen dos ideas: primero, muestra que mi resultado más probable (resaltado por la media, en el medio de la distribución) es 77 días. En segundo lugar, puede verse que hay un 23,8% de posibilidades de que no se cumpla el plazo de 80 días.
LA SIMULACIÓN DE MONTE CARLO PERMITE UNA MEJOR TOMA DE DECISIONES
Armado con algunos análisis de datos, puedo tomar algunas decisiones informadas. Tal vez me siento cómodo con solo un ~76% de posibilidades de hacer feliz a mi jefe. O, más probablemente, necesito añadir recursos adicionales al proyecto para garantizar el éxito. Ser capaz de decirle a mi jefe mi nivel de confianza y por qué necesito reasignar o invertir para cumplir con su plazo de 80 días probablemente dará como resultado una conversación mucho más productiva antes del proyecto y mucha más comprensión al final del proyecto, en caso de que no se cumpla con la fecha límite.