Por Jon Finerty.

En el intrincado ámbito de la gestión de la cadena de suministros, la entrega oportuna de los bienes es un factor crítico de éxito. Evaluar el desempeño de los proveedores requiere conocimientos basados ​​en datos, y Minitab, el software estadístico líder, proporciona una solución potente pero fácil de usar. Este artículo lo guiará en el uso de la Prueba de 2 proporciones de Minitab para analizar la tasa de entregas tardías entre dos proveedores: el Proveedor A y el Proveedor B. Al profundizar en los datos y realizar la Prueba de 2 proporciones, nuestro objetivo es discernir qué proveedor exhibe una Mayor tasa de entregas tardías.

¿QUÉ ES UNA PRUEBA DE 2 PROPORCIONES?

La prueba de dos proporciones de Minitab, una herramienta esencial en el campo de la estadística, permite comparar las proporciones de dos grupos y determinar si son significativamente diferentes. En nuestro contexto, los grupos representan las tasas de entregas tardías para el Proveedor A y el Proveedor B.

SENTANDO LAS BASES: LAS HIPÓTESIS

:Antes de realizar el análisis, definamos nuestras hipótesis:

  • Hipótesis nula (H0): No existe una diferencia significativa en las tasas de entregas tardías entre el Proveedor A y el Proveedor B.
  • Hipótesis alternativa (Ha): Existe una diferencia significativa en las tasas de entregas tardías entre el Proveedor A y el Proveedor B.
REVELANDO LOS DATOS

Nuestro análisis se basa en los siguientes datos:

  • Proveedor A: Entregas totales = 1160, Entregas tardías = 140
  • Proveedor B: Entregas totales = 1169, Entregas tardías = 115

Basándose en estos puntos de datos (sin la ayuda de Minitab), podríamos suponer que la hipótesis alternativa es correcta. De hecho, podemos incluso ir tan lejos como para decir que el proveedor A llega tarde el 12% de las veces y el proveedor B llega tarde el 9,8% de las veces.

Antes de tomar una decisión comercial que podría afectar nuestras relaciones con proveedores o clientes, pongamos a prueba nuestros datos.

EJECUTAR LA PRUEBA DE 2 PROPORCIONES EN MINITAB

Paso 1: Abra Minitab y navegue hasta "Estadísticas" > "Estadísticas básicas" > "2 proporciones..." para iniciar el cuadro de diálogo Prueba de 2 proporciones.

Paso 2: Ingrese los datos en el cuadro de diálogo (Datos resumidos):

  • "Número de eventos" para el Proveedor A (entregas tardías) = ​​140
  • "Número de ensayos" para el Proveedor A (entregas totales) = 1160
  • Repita lo mismo para el Proveedor B

Paso 3: seleccione su nivel de significancia y especifique su hipótesis alternativa. El nivel de confianza más común (y aceptable) es el 95%, lo que significa que sólo tiene un 5% de posibilidades de equivocarse.

Paso 4: Haga clic en "Aceptar" para generar los resultados.

INTERPRETACIÓN DE LOS RESULTADOS

Minitab nos proporciona información crucial que incluye la estadística de prueba, el valor p y el intervalo de confianza. Nuestro enfoque se centra en el valor p, un indicador fundamental que mide la probabilidad de obtener resultados tan extremos como los observados, suponiendo que la hipótesis nula sea válida.

OBTENER EL VEREDICTO

Comparando el valor p con nuestro nivel de significancia elegido (0,05), sacamos las siguientes conclusiones:

  • Si el valor p < 0,05: Rechace la hipótesis nula. Existe una diferencia significativa en las tasas de entrega tardía.
  • Si el valor p ≥ 0,05: no se rechaza la hipótesis nula. No se evidencia ninguna diferencia significativa en las tasas de entrega tardía.
CONCLUSIÓN

Al realizar la prueba de 2 proporciones en Minitab, descubrimos que el valor p supera 0,05. Esto nos lleva a "No poder rechazar la hipótesis nula". En términos más simples, no surge ninguna evidencia estadística que respalde la afirmación de que la tasa de retraso en las entregas del Proveedor A difiere significativamente de la del Proveedor B. Por tanto, concluir que uno de estos proveedores tiene un mayor índice de retrasos en las entregas podría ser un error.

FORTALECER LAS DECISIONES INFORMADAS

Al aprovechar la prueba de dos proporciones de Minitab, hemos desbloqueado una evaluación imparcial del desempeño de los proveedores. Estos conocimientos basados ​​en evidencias nos guían a la hora de tomar decisiones informadas con respecto a la selección y gestión de proveedores. Navegar por las complejas aguas de la gestión de la cadena de suministro se ve facilitado por la destreza analítica de Minitab, que nos impulsa hacia la eficiencia y la excelencia basadas en datos.

Maple proporciona herramientas para crear documentos y aplicaciones interactivas mediante programación. Una vez que se hayan desarrollado y probado las aplicaciones en Maple, éste proporciona la opción de compartirlas como documentos de Maple o implementarlas en Maple Learn, donde los estudiantes pueden acceder a ellas a través de un navegador web. Maple 2023 incluye herramientas adicionales que ayudan a crear más aplicaciones, más fácilmente.

Cuestionarios de prácticas
  • Un nuevo Quiz Builder viene cargado con cuestionarios de muestra y facilita la creación de las propias preguntas de cuestionario personalizadas del usuario. Quiz Builder hace que sea más fácil elegir los tipos de preguntas, añadir sugerencias, proporcionar comentarios, mostrar la solución y generar nuevos problemas.
  • Ahora se pueden crear preguntas de práctica que pidan a los estudiantes que proporcionen todos los pasos de la solución y luego brinden comentarios sobre cada paso, no solo la respuesta final.
  • Los cuestionarios ahora pueden tener títulos además del texto de la pregunta.
Galería de plantillas

Una nueva galería de plantillas proporciona ejemplos que facilitan la creación de aplicaciones matemáticas más complejas y aplicaciones interactivas que requieren programación, como gráficos interactivos en los que se puede hacer clic, cuestionarios que ofrecen a los estudiantes práctica ilimitada y brindan retroalimentación, ejemplos que brindan pasos de solución y más.

  • Más de 44 plantillas y ejemplos modificables cubren funciones, geometría, cálculo y otros temas.
  • Los ejemplos demuestran cómo implementar gráficos en los que se puede hacer clic, cuestionarios de práctica de autoevaluación, pasos de solución y otras funciones avanzadas.
  • El código Maple utilizado para esas aplicaciones se puede ver, copiar y modificar fácilmente, por lo que puede personalizar aplicaciones específicas o utilizar el código como punto de partida para su propio trabajo.
Herramientas

El paquete DocumentTools:-Canvas, que proporciona un marco para crear aplicaciones mediante programación, se ha ampliado para permitir un mayor control sobre la apariencia de la aplicación y facilitar algunas tareas comunes.

  • Los elementos del lienzo (canvas) tienen más opciones para controlar la apariencia, como el tamaño de fuente, el color, los controles deslizantes y los atributos personalizados.
  • Los nuevos comandos de script facilitan borrar un solo grupo, restablecer todo el documento o convertir texto con MathML incrustado en texto sin formato.

Hay muchas situaciones en las que puede interesar modelar señales eléctricas periódicas, aunque no sinusoidales, con el fin de calcular los campos eléctricos resultantes, las pérdidas térmicas y el cambio de temperatura. Por ejemplo, se pueden aplicar trenes de impulsos eléctricos al tejido humano con fines de neuromodulación, electroporación o ablación térmica.

Dichas señales pueden simularse mediante modelado en el dominio del tiempo, pero en este artículo del blog de COMSOL, Walter Frei nos explica que también es posible calcular de manera eficiente la respuesta lineal mediante un enfoque de transformada de Fourier, considerando un solo periodo.

El autor parte del modelo de ejemplo de su artículo del blog de COMSOL "Comprensión de las opciones de excitación electromagnética transitoria", resolviéndolo utilizando la interfaz de Corrientes eléctricas.

Los resultados de la FFT e IFFT aplicadas se pueden utilizar para predecir la respuesta a lo largo del tiempo y se pueden usar como entradas para una simulación de calentamiento electrotérmico. Puede ser especialmente eficiente aproximar una señal periódica como una suma de varios armónicos, lo que permite tratar esto como un problema multifísico acoplado bidireccionalmente de una manera muy eficiente. Para algunos tipos de problemas, es posible simplificar aún más ignorando por completo el contenido de la frecuencia.

Por Andrea Grgic.

Este es Josh. Dirige una fábrica de chocolate en la costa este de EEUU. Le apasiona su nuevo rol como director de producción y quiere producir deliciosas barras de chocolate de alta calidad. Afortunadamente, la fábrica de Josh está funcionando bien, pero como director de producción experimentado, Josh sabe que siempre hay margen de mejora.

Está entusiasmado por implementar sus herramientas y técnicas anteriores utilizando Minitab para evaluar oportunidades e implementar cambios positivos cuando sea posible.

En este artículo, lo guiaremos a través de un ejemplo simple de producción de barras de chocolate, pasos para lograr la excelencia y soluciones de Minitab que pueden ayudar a los fabricantes a mejorar el proceso y la calidad de sus productos.

Vamos a empezar.

REVISE SU PROCESO ACTUAL

Para empezar, Josh quiere obtener una instantánea rápida del proceso de producción actual de su planta. Comienza revisando el mapa de procesos del equipo creado en Minitab Engage. Un mapa de procesos traza visualmente todos los pasos y actividades a medida que fluyen a través de un proceso o flujo de trabajo. Desde el grano de cacao hasta la entrega del proveedor, su equipo traza todos los pasos necesarios.

El proceso parece sencillo, pero Josh quiere conocerlo aún mejor e identificar posibles ineficiencias.

IMPLEMENTAR UN GEMBA WALK

Para comprender mejor el proceso, Josh decide caminar por la fábrica de chocolate. La forma más eficaz de revisar en persona el proceso de trabajo real es con un Gemba Walk.

A lo largo de Gemba Walk, Josh habla con los empleados, hace preguntas y obtiene una visión más profunda de los desafíos a los que se enfrentan. Además de recopilar información, Josh también puede identificar cualquier obstáculo en el proceso y trabajar con su equipo para generar nuevas ideas para la mejora continua, la calidad de las barras de chocolate y la seguridad.

Al final del Gemba Walk, Josh captura sus hallazgos y observaciones en la Hoja de entrevista del Gemba Walk en Minitab Engage.

Para obtener una visión más completa de sus observaciones, Josh también adjunta el mapa de proceso que vio anteriormente en la sección superior de la hoja de entrevista. De esta manera, podrá ver todos los detalles en un solo lugar y monitorizar el progreso del proyecto.

Al observar de cerca los resultados de su Gemba Walk, Josh decide que es necesario profundizar en el proceso para mejorar la calidad de las barras.

REVISE LAS OBSERVACIONES DE GEMBA WALK Y EVALÚE LOS ESTÁNDARES DE CALIDAD CON CONTROL ESTADÍSTICO DE PROCESOS

Después de su Gemba Walk, Josh revisa sus preguntas y hallazgos. Comenzando con su primera pregunta, "¿qué estamos tratando de lograr?" Josh entiende que su objetivo principal es producir barras de chocolate de calidad que cumplan con las especificaciones. También sabe que la mejora de la calidad a menudo brinda amplias oportunidades no sólo para ahorrar costos, sino también para ofrecer un mejor producto a los clientes.

Josh se reúne con su director de calidad para analizar la consistencia y precisión del llenado de los moldes de las barras de chocolate. Es posible que llenar demasiado los moldes no moleste a los clientes que obtienen un chocolate aún más delicioso, pero podría aumentar el costo promedio por barra de chocolate. Un llenado insuficiente podría dejar a los clientes decepcionados (¡y hambrientos!).

Afortunadamente, el director de calidad de Josh emplea control estadístico de procesos para garantizar un llenado de moldes consistente y de alta calidad, al tiempo que reduce las variaciones y los defectos. Para visualizar la estabilidad del proceso, el director de la planta de calidad utiliza Minitab para crear un gráfico de control llamado Gráfico Xbarra-R. Los gráficos de control son útiles para el equipo de Josh, ya que brindan una visión clara del desempeño del proceso a lo largo del tiempo. Si los valores medidos caen dentro de los límites de control, su equipo sabe que el proceso es estable. Gracias al arduo trabajo del director de calidad, los límites de control están por encima del límite mínimo de especificación.

Josh sí nota, sin embargo, que algunos puntos de datos se encuentran fuera de los límites de control y que los niveles de llenado estaban descendiendo hacia el límite especificado de 1,55 onzas (44 g). Josh sugiere que su director de calidad utilice soluciones adicionales de Minitab, como SPC en tiempo real y paneles de control, para monitorizar continuamente el proceso y garantizar que, si el proceso comienza a producir fuera de las especificaciones, se detecte de inmediato sin producir un lote completo defectuoso. Josh sabe que es posible que esta mejora no le ahorre dinero hoy, pero generará ahorros significativos al eliminar defectos a largo plazo.

También sugiere que su director de calidad y su equipo comiencen a pensar en investigar por qué los niveles de llenado están bajando. Al identificar y abordar las fuentes de variación, el equipo de Josh puede mejorar continuamente el proceso de llenado y minimizar los defectos en el futuro.

CONTINUAR ABORDANDO LAS PREGUNTAS E INEFICIENCIAS DESTACADAS POR EL GEMBA WALK

Después de abordar las preguntas sobre la calidad de los productos y el proceso que los rodea, Josh comenzará a revisar otras preguntas y áreas de mejora.

Josh reconoce que otra área de mejora para el equipo es ofrecer programas de capacitación para los empleados de la planta. Estos programas garantizarían que los operadores de chocolate comprendan el proceso para garantizar la eficiencia y mantener altos estándares de calidad.

Afortunadamente para el equipo de Josh, Minitab Education Hub alberga rutas de aprendizaje, recursos y capacitación, todo en un solo lugar, con diferentes temas y niveles que se pueden implementar y rastrear en toda su organización.

Además de las capacitaciones, el gerente de CI (mejora continua) de la planta también implementó un programa de ideas, donde se anima a los empleados a presentar ideas trimestralmente. Esto fomenta una cultura de innovación y brinda apoyo para que los empleados se sientan contribuyentes activos.

CONCLUSIÓN: UN PROYECTO PUEDE CONDUCIR A UNA CULTURA DE APRENDIZAJE E IDEACIÓN CONTINUOS

Entendemos que hay muchas maneras de mejorar los procesos y los estándares de calidad de sus productos. En nuestro sencillo ejemplo, se pueden aplicar herramientas Lean, métodos de resolución de problemas y análisis estadístico para ayudar a mejorar la calidad general de una barra de chocolate. Puede resultar intimidante comenzar, pero las soluciones de Minitab se crearon para ayudarlo a mejorar, un proyecto o proceso a la vez. En nuestro ejemplo, nuestro Gemba Walk resultará en un dulce éxito para Josh y su equipo al producir la barra de chocolate perfecta, en todo momento. ¡Que dulce es!

Introducción

Un biosensor es un instrumento que sirve para detectar y/o medir una sustancia o parámetro, y cuya particularidad es que incorpora un mediador biológico para que actúe como agente de reconocimiento del analito. Es decir, la sustancia que nos interesa detectar y/o medir, como en el caso de la glucosa. Todos los sensores y biosensores están formados por dos partes: un detector, que es el componente que interactúa con el analito o variable a medir, y un transductor que transforma la señal detectada en una señal analítica útil y fácil de entender, normalmente una señal eléctrica. Existen biosensores que miden gases, vitaminas, proteínas y compuestos, entre otros, así como otros que detectan, por ejemplo, toxinas presentes en nuestro organismo y en los alimentos.

Investigación a nivel nacional de alto impacto

En este trabajo [1], un equipo de investigadores de ICFO, Universidad de Granada, Universidad de Málaga e ICREA, utilizaron COMSOL Multiphysics para profundizar en la formación de vórtices dentro de un microcanal. Para ello, realizaron cálculos numéricos electrohidrodinámicos teniendo en cuenta los flujos electrotermoplasmónicos (ETP) y laminares. Los parámetros de simulación se hallaron comparando sus resultados con mediciones de la velocidad de las partículas. El flujo ETP está bien descrito mediante ecuaciones diferenciales parciales, que se acoplan y resuelven mediante COMSOL Multiphysics. Ver Figura 1 en donde aparece la portada del trabajo y un diagrama explicativo.


Figura 1: Artículo citado en [1] en donde se utiliza el efecto electrotermoplasmónico para superar la difusión browniana.

La simulación fue una parte esencial del trabajo, ya que estudiaron la biodetección basada en micro y nano resonadores ópticos integrados en un entorno microfluídico. Así, utilizaron el efecto electrotermoplasmónico (ETP) para superar la difusión browniana limitante del analito a la superficie del sensor. Esto se debe a que la difusión browniana dicta la duración total del ensayo de detección. El efecto ETP permite superar este límite mediante la generación de flujo convectivo de fluido optoelectrónico. Para lograrlo, diseñaron un chip sensor de resonancia de plasmón superficial localizada (LSPR) que integra el funcionamiento ETP en la microfluídica más avanzada.

Biosensores y COMSOL Multiphysics

En el Blog titulado “Sensing the Bio in Biosensor Design with a Simulation App” [2] existe una descripción completa por parte del equipo de COMSOL Multiphysics sobre la implementación de un modelo a modo de una aplicación. Por ejemplo, se ilustra el proceso desde la hipótesis hasta el diseño final de la App. Otro ejemplo es el de detección de glucosa para el cual hacemos referencia en [3] y la Figura 2.


Figura 2: Concentración de glucosa en el biodetector, generado a partir del modelo en la referencia [3].

Referencias

[1] https://pubs.acs.org/doi/10.1021/acsphotonics.8b00681
[2] https://www.comsol.com/blogs/sensing-the-bio-in-biosensor-design-with-a-simulation-app/
[3] https://www.comsol.com/model/glucose-sensor-16269

Por Stacey McDaniel

¿Sabía que el 50 % de todos los alimentos comestibles que se desechan lo hacen durante la fabricación, distribución y venta al por menor? Eso grita oportunidades de mejora. Estas son las buenas noticias: hay pasos sencillos que puede seguir para eliminar los desechos durante el proceso de producción. Esto no solo mejorará sus resultados, sino que también ayudará a crear una operación más eficiente y sostenible. Aquí hay algunas estrategias para ayudar a minimizar el desperdicio de alimentos en el proceso de fabricación:

  1. Gestión de inventario: los sistemas de gestión de inventario garantizan que los ingredientes y las materias primas se almacenen correctamente y se utilicen según el principio de "primero en entrar, primero en salir". Esto reduce la probabilidad de que los elementos caduquen o se vuelvan inutilizables antes de que se utilicen. la gestión de inventario es uno de los procesos más críticos que el análisis predictivo puede mejorar. Tener demasiado inventario en stock puede ser costoso, mientras que no tener suficiente para las ventas esperadas podría significar la pérdida de clientes potenciales. El análisis predictivo ayuda a las organizaciones a mantener siempre el nivel correcto de suministros, lo que generalmente significa menores costos de inversión y menos desperdicio debido a la sobreproducción o falta de existencias.

  2. Pronóstico preciso de la demanda: utilice análisis de datos y técnicas de pronóstico, como un gráfico de serie temporal para predecir la demanda del cliente con precisión. Esto permite a los fabricantes producir la cantidad correcta de productos, minimizando la sobreproducción y el desperdicio posterior. El objetivo del análisis predictivo de la cadena de suministro es mejorar la toma de decisiones y la planificación estratégica proporcionando una comprensión más precisa de la demanda, el suministro y otros factores clave futuros que pueden afectar la cadena de suministro. Esto permite a las empresas administrar y optimizar de manera proactiva sus operaciones de cadena de suministro, reduciendo costes, mejorando la eficiencia y mejorando la satisfacción del cliente.

  3. Optimización de Procesos: Agilice los procesos de fabricación para minimizar la generación de residuos. Realice un análisis exhaustivo de la línea de producción e identifique las áreas en las que se pueden realizar mejoras, como reducir la pérdida de productos durante el envasado u optimizar los procesos de corte y recorte. Existen herramientas simples como mapas de procesos o mapas de flujo de valor para delinear fácilmente un proceso y proporcionar una estructura para iniciar un esfuerzo de mejora de procesos. Utilice técnicas de análisis de datos para medir indicadores clave de rendimiento y generar información sobre el rendimiento del proceso.

  4. Control de calidad: implemente análisis de control de calidad estrictos para garantizar que solo se comercialicen los productos que cumplan con los estándares requeridos. Esto reduce las posibilidades de que se produzcan residuos debido a que se desechan o rechazan productos de baja calidad. Minitab ayuda a las empresas a generar confianza con nuestras soluciones de análisis de calidad y mejora. Nuestras soluciones, que incluyen gráficos de series temporales, gráficos de control, gráficos de Pareto y diagramas de espina de pescado, pueden ayudarlo a decidir qué métricas son críticas para la calidad, verificar que las esté midiendo con precisión y cuantificar qué tan bien están cumpliendo sus objetivos.

  5. Monitorización y análisis de datos: Monitorice y analice continuamente los datos de producción para identificar patrones y tendencias relacionados con el desperdicio de alimentos. datos actuales y pasados ​​para descubrir tendencias, encontrar y predecir patrones, descubrir relaciones ocultas entre variables. Esta información puede ayudar a identificar áreas de mejora y orientar la toma de decisiones para las estrategias de reducción de residuos.

  6. Colaboración con proveedores: comprometerse con los proveedores para establecer prácticas eficientes de gestión de la cadena de suministro. Analice los hallazgos para realizar mejoras en el tiempo de ciclo, la gestión de inventario o los tiempos de entrega, y aproveche el poder de la predicción para reducir el desperdicio de manera colectiva. El análisis predictivo ha emergido como un cambio de juego en este sentido, permitiendo a las organizaciones tomar decisiones basadas en datos .

Recuerde, cada instalación de fabricación es única y es importante adaptar estas estrategias a sus operaciones específicas. Las soluciones como el análisis predictivo, la regresión y el control estadístico de procesos pueden contribuir en gran medida a eliminar el desperdicio en la fabricación de alimentos. Al adoptar un enfoque integral e involucrar a todas las partes interesadas, puede reducir significativamente el desperdicio de alimentos en el proceso de fabricación y contribuir a un sistema alimentario más sostenible.

Por Lenny Pitt.

Como ya sabrá, NAG (Numerical Algorithms Group) ofrece un producto pionero de diferenciación automática (AD) llamado dco/c++.

NAG® dco/c++ es una biblioteca rica en funciones de algoritmos matemáticos e informáticos avanzados. Está diseñada para mejorar enormemente el análisis de sensibilidad numérica y la toma de decisiones a través de una inteligencia mejorada.

NAG® dco/c++ calcula la tangente de primer orden y de orden superior y las derivadas adjuntas hasta 36000 veces más rápido que los métodos alternativos y con precisión de máquina. Es un producto robusto, verificado comercialmente y soportado de forma que se mantiene y actualiza continuamente. En última instancia, dco/c++ brinda confianza, tranquilidad y una ventaja competitiva a cualquier empresa que utilice modelos computacionales continuos.

Pero, ¿qué significa esto para las empresas financieras que dependen de los cálculos de riesgo y las que pronto pueden estar sujetas a la regulación FRTB, como los bancos de inversión y las mesas de negociación?

VELOCIDAD

Nuestra investigación muestra que dco/c++ puede calcular sensibilidades, o "griegos" de 10 a 36000 veces más rápido. Los resultados pueden variar según el uso de nuestra función de generación de código.

Esta velocidad permite que los cálculos de riesgo se mantengan al día con los mercados volátiles. Con dco/c++ puede beneficiarse del riesgo intradía, lo que significa que puede actuar rápidamente para tener confianza en su posición.

CAPTURA TODAS LAS DERIVADAS/SENSIBILIDADES/GRIEGOS

Con dco/c++, los operadores y las organizaciones no tienen que restringir la cantidad de sensibilidades que calculan. Tienen una imagen completa del riesgo de mercado en lugar de solo un pequeño recorte. Esta inteligencia mejorada significa que los operadores pueden ser más agresivos en sus decisiones.

EVITE INCUMPLIMIENTOS DE LÍMITES

A pesar de las garantías de los sistemas, las infracciones de límites pueden surgir después de la negociación. Esto significa que los operadores deben mantenerse alejados de los límites en ocasiones. Con dco/c++, la inteligencia mejorada de riesgo rápido y preciso permite a los operadores operar más cerca de sus límites con confianza.

CONFIANZA

Cualquier problema en el riesgo nocturno significaría que el comercio debe proceder con más cautela o protección. Con la velocidad de dco/c++, los operadores tienen riesgos precisos y actualizados, incluso intradía, y pueden operar de manera auspiciosa.

AHORROS

Calcular el riesgo de la noche a la mañana es lento y costoso. Con dco/c++, la aceleración significa que el riesgo se calcula más rápido y con mayor precisión usando MENOS tiempo de cómputo que, a su vez, significa menos gasto.

VENTAJA COMPETITIVA

Los competidores que han adoptado AD tienen una ventaja en capacidad y estructura de costes. Un modelado más potente le brinda una ventaja competitiva.

¿POR QUÉ NAG?

NAG ofrece una solución completa para que cualquier proyecto con Diferenciación Automática sea un éxito. Nuestros clientes no solo se benefician de dco/c++, la herramienta de AD más eficiente y rica en funciones del mercado, sino que también reciben soporte técnico inigualable en cada paso de nuestros consultores expertos de clase mundial. Queremos asegurarnos de que nuestros clientes aprovechen al máximo nuestro producto y experimenten todas las ventajas y beneficios de la diferenciación automática, por lo que siempre estamos aquí para ayudarlo.

CÓMO NAG HACE TODO ESTO FÁCIL

NAG recomienda una prueba de concepto (PoC). Ayudará a la mesa de negociación a comprender los beneficios que obtendrá de AD y los Quants a familiarizarse con la tecnología. Nuestros expertos pueden trabajar con usted para establecer métricas de éxito y brindar soporte en el diseño, las pruebas, la depuración, el ajuste del rendimiento y cualquier otra cosa que pueda surgir.

Después de una PoC exitosa, el siguiente paso será la integración completa de AD en sus bibliotecas. Nuestros consultores pueden ayudar a garantizar que la integración de AD no obstaculice otros proyectos u operaciones diarias mientras mantiene la propiedad y el control total sobre sus bibliotecas.

Trabajar con NAG garantizará que el valor de AD se maximice y logre lo más rápido posible. También ayudará a ofrecer las mejores prácticas y significa que los equipos de Quant tendrán a mano el asesoramiento de expertos al tomar decisiones clave.

¡Y eso es todo!

De principio a fin, así es como un banco de inversión, y más concretamente, una mesa de negociación, puede beneficiarse de la diferenciación automática de NAG, dco/c++.