La formulación del problema es el paso para identificar los atributos y necesidades del usuario. En este paso, se definirán los criterios de rendimiento del solvente deseado. Los criterios de rendimiento indican la característica específica de que el solvente debe tener para capturar CO2 a través del proceso de absorción química. Estos criterios de rendimiento proporcionarán las propiedades físicas y químicas deseadas del solvente, las propiedades físicas y químicas del soluto (CO2) y el rendimiento del proceso de absorción química. En esta investigación, los criterios de rendimiento comprenden tres elementos principales como se muestra en la Tabla 1. Segundo, los criterios de rendimiento importantes que se han enumerado se traducirán en propiedades objetivo fisicoquímicas. Luego, el valor de rango de las propiedades de destino para cada una de las propiedades objetivo deseadas se especificará en función de la búsqueda de literatura como se muestra en la Tabla 2.
Tabla 1. Criterios de rendimiento y propiedades objetivo para los solventes diseñados.
Tabla 2. Rango de las propiedades objetivo del solvente diseñado
Por otro lado, es importante notar que no todos los criterios de rendimiento pueden convertirse en propiedades objetivo. Algunos de los criterios de rendimiento deben traducirse a la selección de una base de datos química adecuada. Por ejemplo, debido a los criterios de seguridad y desempeño ambiental, todos los compuestos químicos peligrosos (como el compuesto aromático y la oxanona) se eliminan de la base de datos químicas (Gani, 2007). Además, el solvente químico que no tiene reacción con CO2 se eliminará de la base de datos químicas. Por lo tanto, este paso implica la eliminación de la base de datos química inviable, basada en los criterios de rendimiento en la etapa temprana del diseño.
¿Como debe ser la formulación de un problema?
El primer paso en el aprendizaje automático es decidir lo que desea predecir, a saber, la etiqueta o la respuesta objetivo. Puede imaginar un escenario en el que desea fabricar productos, pero la decisión de fabricar cada producto depende de la cantidad de posibles ventas. En este escenario, queremos predecir cuántas veces se comprará cada producto (pronóstico del número de ventas). Hay varias formas de definir este problema usando el aprendizaje automático. La elección de cómo definir el problema varía según el caso de uso o necesidades comerciales.
¿Desea predecir el número de compras que los clientes realizarán para cada producto (en cuyo caso el objetivo es numérico y se está resolviendo un problema de regresión)? ¿O quiere predecir qué productos tendrán más de 10 compras (en cuyo caso el objetivo es binario y se resuelve un problema de clasificación binaria)?
Es importante evitar complicar el problema excesivamente y encontrar la solución más fácil adecuada para las necesidades. Sin embargo, también es importante evitar perder información, especialmente información en la cronología de la respuesta. En este caso, la conversión del número de ventas anteriores en una variable binaria «más de 10» en lugar de «menos» perdería información preciosa. Si invierte tiempo en decidir qué objetivo tiene sentido predecir, evitará la creación de modelos que no responden la pregunta.
JavaScript está deshabilitado o no está disponible en su navegador.
¿Como debe ser la formulación de problema?
Para proporcionar un paciente excelente
atención a un costo mínimo, el hospital de Middletown necesita procedimientos de diagnóstico
seguro, eficiente y preciso. Además, los procedimientos no deben ser demasiado
doloroso para el paciente.
En este momento, el principal del Middletown Hospital
Las herramientas de diagnóstico son escaneos de gatos y mielogramas (grifos espinales). El escaneo de gatos falla
Para hacer diagnósticos claros el 60% del tiempo. Cuando la exploración de gato falla, los médicos deben
recurre al mielograma. Si bien los mielogramas son precisos, este procedimiento es
Muy doloroso y a veces peligroso para el paciente.
Si Middletown Hospital continúa haciendo
Los dos procedimientos, no solo perderán tiempo y dinero, que
Ponga en peligro su eficiencia general y potencial de ingresos. Además, indebido
el sufrimiento podría llevar a los pacientes a elegir otro hospital con más avanzado
comodidades.
Una nueva técnica de diagnóstico, nuclear
La resonancia magnética (RMN) puede superar la exploración de gatos con precisión y reducir el
Necesito recurrir al mielograma. Propongo investigar la viabilidad de
Establecer un laboratorio de RMN en el Hospital Middletown. Investigaré la precisión,
Eficiencia y seguridad de la RMN, así como los problemas de implementación.
Esta propuesta está dirigida a Alfred
Director de la Academia, Dr. Smith Nyman. Alfred Academy es una escuela secundaria privada
con aproximadamente 200 estudiantes asistiendo. El Dr. Nyman es el enlace principal
Entre la administración, los estudiantes y sus padres. Nyman trabaja con
fondos educativos privados y ex alumnos para recaudar dinero para el estudiante
Programas, por ejemplo, una serie de conferencias. Nyman luego crea un grupo de trabajo de los padres y
estudiantes que ejecutan el programa para él.
¿Cómo plantear un problema en investigación de operaciones?
El primer paso del proceso de O.R es formular el problema, y no hace falta decir que los problemas en el mundo real no se presentan listos, claramente descritos, y con información y detalles bien. . La declaración del problema a menudo es ambigua e incompleta, por lo general, el problema contiene información que debe extraerse y luego reescribirse de una manera que ayude a obtener el mejor uso, además, a veces un problema puede encarnar varios otros subproblemas para tratar cuáles IS puede hacer el problema que parece muy fácil de describir y formular, más complejo.
Un objetivo importante de este paso es determinar los objetivos que queremos lograr como minimizar los costos, el tiempo de entrega o maximizar las ganancias… etc. Ver y poder formular el problema de la manera correcta es un paso crítico para asegurar que el resto del trabajo se basa en esta formulación se realiza en una base correcta y sólida, ya que es el primer paso del proceso O.R, también ayudando Al lograr una solución correcta, relevante y útil proporcionada para el problema real en cuestión, no solo para una versión superficial no pagada.
El segundo paso del O.R. El proceso modela el problema matemáticamente, en otros términos que pasan de la palabra descripción del problema en cuestión a la versión matemática utilizando métodos de modelado matemático, la importancia de este paso es que prepara el problema para la fase de resolución y la prepara para aplicar Resolver métodos en él. Hay muchos métodos de modelado matemático Aquí hay una lista corta de los más utilizados y conocidos:
- Optimización lineal también llamada programación lineal
- Optimización no lineal también llamada programación no lineal
- Teoría de grafos
- Teoría de modelado o cola estocástica
- Simulación
Es muy importante tener en cuenta que los métodos de resolución y los algoritmos dependen del método de modelado elegido, es decir, elegir un método de modelado específico implica que utilizamos para resolver el problema de las técnicas de resolución de corresponsales y cambiar el modelo Obligación de un cambio en la técnica de resolución . Cada método de modelado abre una puerta para sus enfoques de resolución y, por lo tanto, elegir el mejor modelo para un problema es la esencia. Un problema se puede modelar de varias maneras, pero algunas formas pueden otorgarnos una mejor solución con mejor precisión mientras ahorra tiempo.
¿Cuáles son los pasos para el planteamiento de un problema de programación lineal?
Su objetivo en un problema de programación lineal es maximizar o minimizar una función objetivo sujeta a algunas restricciones. Las restricciones toman la forma de desigualdades lineales, de ahí el nombre «lineal» en el tipo de problema.
Un problema de programación lineal típico se ve así.
La función P se llama función objetivo, las tres primeras desigualdades se denominan restricciones de problemas porque generalmente provienen del problema de la historia, y x ≥ 0 e y ≥ 0 se denominan restricciones no negatividad.
Este problema se utilizará en toda la explicación.
El enfoque geométrico para un problema de programación lineal implica dibujar una región factible, que es la solución al sistema de desigualdades lineales.
Lo que hemos visto hasta ahora funciona bastante bien cuando solo hay dos variables de decisión, pero es bastante feo cuando vas a tres o cuatro o incluso más variables. Esta sección está diseñada para mostrar cómo crear esa tabla de puntos de esquina sin tener que dibujar la región factible.
Debido a que vamos a tener más de dos variables de decisión, comenzaremos a usar variables suscripciones en lugar de X e Y. Es decir, usaremos x1, x2, x3, etc., en lugar de x e y.
Hasta ahora, las técnicas que hemos estado utilizando funcionarán para cualquier problema de programación lineal, ya sea un problema de maximización o minimización. Existe una técnica que se puede utilizar para eliminar completamente la técnica de gráfico y la técnica de tabla, pero solo funciona con un problema de maximización estándar.
¿Cómo se puede plantear un problema?
7. Se produce un incidente de bajo impacto y la causa se encuentra y se fija como parte de la investigación del incidente.
8. Se produce un incidente similar a los anteriores y ya hay un registro de problemas activo planteado para investigar la causa y/o implementar una solución.
9. Se produce un incidente de baja gravedad y, aunque no se sabe la causa, el impacto es mínimo y la recuperación es simple.
Esta última situación se puede recoger mediante el análisis de los volúmenes de incidentes. Si la situación se está volviendo más común, aparecerá bajo el caso 4 anterior y puede plantear un problema con más justificación de que la investigación valdrá la pena el esfuerzo y es más probable que se haga.
Es una idea errónea común que los KPI sugirieron en el mandato de orientación de ITIL que cada incidente debe estar vinculado a un problema. No existe tal requisito (ver ITIL Service Operation Edition, página 109, si desea verificar esto) y no hay un beneficio particular al hacerlo.
Es especialmente ineficiente plantear un problema para cada incidente que ocurre, ya sea que esto se haga para cumplir con este tipo de regla o por otras razones. Por ejemplo, he visto un proceso de incidente que tuvo un paso obligatorio para vincular el incidente con un problema existente o plantear un nuevo problema. El resultado final fue muchos problemas menores que nadie miró y finalmente fue cancelado a granel.
Si tiene en cuenta estas nueve sugerencias, evitará esa trampa y sabrá que los problemas que ha registrado están allí por una buena razón.
Artículos Relacionados:
