Modelos de investigación de operaciones: clasificación y características

Los modelos en la investigación de operaciones se pueden clasificar de acuerdo con las siguientes características:

¿Qué son los modelos icónicos? Un modelo icónico representa el sistema tal como lo es al escalarlo hacia arriba o hacia abajo (es decir, ampliando o reduciendo el tamaño). En otras palabras, es una imagen.

Por ejemplo, un avión de juguete es un modelo icónico de uno real. Otros ejemplos comunes de modelos icónicos son fotografías, dibujos, mapas, etc. Un modelo de átomo se escala para que sea visible a simple vista. En un globo, el diámetro de la Tierra se reduce, pero el globo tiene aproximadamente la misma forma que la Tierra, y los tamaños relativos de los continentes, los mares, etc., son aproximadamente correctos.

El modelo icónico suele ser el más simple de concebir y el más específico y concreto. Su función es generalmente descriptiva en lugar de explicativa. En consecuencia, no se puede utilizar fácilmente para determinar o predecir qué efectos en el sistema real en el sistema real.

¿Cuál es el modelo analógico en la investigación de operaciones? Los modelos, en el que se utiliza un conjunto de propiedades para representar otro conjunto de propiedades, se denominan modelos analógicos. Después de resolver el problema, la solución se reinterpreta en términos del sistema original.

Ejemplos de modelos analógicos: los gráficos, por ejemplo, son análogos muy simples porque la distancia se usa para representar las propiedades como el tiempo, el número, el porcentaje, la edad, el peso y muchas otras propiedades. Las líneas de contorno en un mapa representan el aumento y la caída de las alturas. En general, los análogos son menos específicos, menos concretos pero más fáciles de manipular que nuestros modelos icónicos.

¿Cuáles son los modelos de investigación operativa?

La gerencia se ocupa de la realidad que es a la vez compleja, dinámica y multifacética. No es posible ni deseable, considerar todos y cada uno de los elementos de la realidad antes de decidir los cursos de acción. Es imposible debido al tiempo disponible para decidir los cursos de acción y los recursos, que son de naturaleza limitada. Más en muchos casos, será imposible para un gerente realizar un experimento en un entorno real.

Modelos icónicos: estos modelos son la versión escalada del objeto real. Por ejemplo, un juguete de un automóvil es un modelo icónico de un automóvil real.

Modelo analógico: en este modelo se utilizan un conjunto de propiedades para representar otro conjunto de propiedades. Digamos, por ejemplo, el color azul generalmente representa agua.

Modelos simbólicos o modelos matemáticos: en estos modelos, las variables de un problema están representadas por símbolos matemáticos, letras, etc.

Explican todas las características del objeto real.
De hecho, un globo es un modelo icónico de la tierra.
Estos modelos pueden ser de versión ampliada o versión reducida. Los objetos grandes se escalan (versión reducida) y objetos pequeños,
Cuando queremos mostrar las características, se escala a una versión más grande.
De hecho, es un modelo descriptivo que da la descripción de varios aspectos del objeto real.
Las ventajas de estos modelos: es fácil trabajar con un modelo icónico en algunos casos, estos son fáciles de construir y estos son útiles para describir el fenómeno estático o dinámico en algún momento definitivo.

¿Qué son los modelos IO?

En economía, la representación de las interconexiones entre los diferentes sectores de la economía del mismo país, o entre los sectores de diferentes países (➔ también interdependencia).

Este tipo de análisis se origina en el trabajo de F. Quesnay (➔) y M.-E.-L. Walras (➔) y encuentra un desarrollo completo, tanto desde un punto de vista analítico como en términos de aplicabilidad empírica, en las tablas de interdependencias sectoriales con el trabajo de W. Leontief (➔), Premio Nobel para la contribución central a este enfoque. De hecho, la formalización en términos matricianos del I.-O. entre sectores.

Imaginando colocar el sector de I en las columnas de una matriz, y en las líneas los sectores correspondientes de O., los elementos de esta matriz, llamado Matriz de I.-O, por lo tanto, informan la cantidad de la producción de un sector que se usa como el. en la producción de todos los demás sectores. Cada columna describe el valor monetario de la i. de un sector y cada línea representa la de las salidas. En términos más formales, imaginamos una economía que consiste en N sectores, y que cada uno produce una cierta buena X. Luego supone que un cierto sector i, para producir una unidad de O., usa como i. una cantidad de o. Producido en el sector J igual a AIJ. Luego se define a sí mismo como la cantidad de o. del sector I, que no se vende a otros sectores, sino al consumidor final. Entonces, el O. Total del sector se puede escribir como: xi = a1ix1+a2ix2+…+anixn+di. Si indicamos con la matriz de coeficientes A, con-x̄ el vector de la i. y con d̄ el vector de O. Vendido al consumidor final, la economía puede representarse como un sistema lineal x̄ = ax̄+.

Dada la linealidad intrínseca del modelo, el enfoque de I.-O. Se basa en aspectos computacionales relativamente simples, en particular con respecto a la cuantificación de los efectos en toda la economía de los cambios en la demanda de bienes producidos por cierto sector, por ejemplo. en relación con planes de inversión pública particulares. Las extensiones del mismo enfoque también se refieren a la naturaleza geográfica de las conexiones interindustriales, para estudiar, por ejemplo, interdependencias entre países o regiones.

La estructura matricial del I.-O. Se ha incorporado a la contabilidad nacional de muchos países, en la forma del llamado I.-O., que representan una de las herramientas fundamentales para medir el producto nacional de un país. A pesar de la simplicidad de las matemáticas debajo del modelo, la cantidad de datos necesarios para su implementación empírica es enorme, ya que requiere la recopilación de costos e ingresos de todas las ramas posibles de una economía. Por lo tanto, no todos los países producen sus tablas, e incluso los países más avanzados tienden a publicarlas en los años siguientes en comparación con el año de la recopilación de datos, generalmente una vez cada 5 años.

¿Cómo pueden clasificarse los modelos?

Los modelos de clasificación son un subconjunto de aprendizaje automático supervisado. Un modelo de clasificación lee alguna entrada y genera una salida que clasifica la entrada en alguna categoría. Por ejemplo, un modelo podría leer un correo electrónico y clasificarlo como spam o no: clasificación binaria. Alternativamente, un modelo puede leer una imagen médica, digamos una mamografía y clasificarla como benigna o maligna.

Los algoritmos de clasificación, como la regresión logística, generan una puntuación de probabilidad que asigna cierta probabilidad a la entrada que pertenece a una categoría. Esta probabilidad se asigna a un mapeo binario, suponiendo que la clasificación sea binaria (maligna o benigna, spam o no spam). En el ejemplo de spam anterior, un modelo podría leer un correo electrónico y generar un puntaje de probabilidad del 92% de spam, lo que implica que existe una gran posibilidad de que este correo electrónico sea realmente spam. Para puntajes de probabilidad en cada extremo del espectro, el mapeo es bastante obvio. Un puntaje cercano a 0 implica que el correo electrónico no es muy probable que no spam, mientras que uno más cercano a 100 implica que el correo electrónico es muy probable que sea spam. Sin embargo, la decisión de mapeo no es del todo obvia en muchos casos. Considere una puntuación del 58%, ¿debería clasificarse como spam? Del mismo modo, ¿debería clasificarse una puntuación del 32% como no spam?

Para asignar la salida de una regresión logística, o modelos de clasificación probabilística similares, en una categoría de clasificación binaria, debe definir un umbral de clasificación. Este umbral representa el límite de toma de decisiones. En el ejemplo anterior de nuestro clasificador de spam, los valores por encima de este umbral se asignarán a la categoría de spam, mientras que los que se encuentran a continuación o en el umbral se asignarán a la categoría no spam. La pregunta es cómo elige este umbral y qué implica esta elección.

Antes de que podamos responder a esta pregunta, tendremos que tomar un ligero desvío para comprender cómo medir los modelos. Un modelo como el nuestro que clasifica los correos electrónicos en spam o no spam puede evaluarse en estas 4 mediciones: verdaderos positivos, falsos positivos, verdaderos negativos y falsos negativos, que se definen en el 2×2 a continuación. Los cuadrantes verdes representan el acuerdo entre la realidad (verdad) y el modelo (predicción), mientras que el rojo representa la discordancia.

Imagen del autor

¿Cómo se clasifican los modelos?

Por ejemplo, cuándo despertarse, qué ponerse, a quién llamar, qué ruta tomar para viajar, cómo sentarse y la lista sigue y sigue. Si bien varios de estos son repetitivos y generalmente no nos damos cuenta (y permitimos que se haga inconscientemente), hay muchos otros que son nuevos y requieren un pensamiento consciente.

Las empresas, de manera similar, aplican su aprendizaje anterior a la toma de decisiones relacionadas con las operaciones y las nuevas iniciativas, p. Relacionado con la clasificación de clientes, productos, etc. Sin embargo, se vuelve un poco más complejo aquí, ya que hay múltiples partes interesadas involucradas. Además, las decisiones deben ser precisas debido a su impacto más amplio.

Con la evolución en la tecnología digital, los humanos han desarrollado múltiples activos; Las máquinas son una de ellas. Hemos aprendido (y continuamos) a usar máquinas para analizar datos utilizando estadísticas para generar ideas útiles que sirven como ayuda para tomar decisiones y pronósticos.

Las máquinas no realizan magia con datos, ¡más bien aplican estadísticas simples!

En este contexto, revisemos un par de algoritmos de aprendizaje automático comúnmente utilizados para la clasificación, e intentemos comprender cómo funcionan y compararnos entre sí. Pero primero, comprendamos algunos conceptos relacionados.

El aprendizaje supervisado se define como la categoría de análisis de datos donde el resultado objetivo es conocido o etiquetado, p. si el cliente compró un producto, o no lo hizo. Sin embargo, cuando la intención es agruparlos en función de lo que todos compró, entonces se vuelve sin supervisión. Esto se puede hacer para explorar la relación entre los clientes y lo que compran.

¿Qué es un modelo y cómo se clasifican?

Un modelo de clasificación comprende la lista de categorías, así como los recursos requeridos para clasificar los documentos en las clases definidas. Por ejemplo, un modelo puede permitir clasificar las sinopsas de películas con respecto a su género. El modelo incluiría categorías como Thriller, Terror o Romantic. Formalmente, cada categoría se identifica mediante un código y una etiqueta, una breve descripción del propósito de la categoría.

El proceso de clasificación se basa en un algoritmo híbrido que combina métodos estadísticos con reglas lingüísticas para lograr la máxima precisión y control de clasificación sobre los resultados. Por lo tanto, cada categoría incluye documentos de capacitación adicionales y/o reglas para clasificar documentos.

Cada categoría contiene campos adicionales para proporcionar texto de capacitación y definir cuatro conjuntos de reglas manuales, como términos relevantes o irrelevantes, que determinan el comportamiento del modelo de clasificación.

Significar Cloud proporciona algunos modelos para casos de uso comunes:

Códigos de asignaturas de IPTC: International Press Telecommunication Council es un consorcio internacional de las principales agencias de noticias del mundo, editores de noticias y proveedores de la industria de noticias. Mantiene varias taxonomías ampliamente adoptadas para la categorización de noticias, incluida esta sobre los sujetos. Las categorías de nivel superior incluyen temas como «deporte», «política» o «educación». Los códigos de sujetos de IPTC proporcionan aproximadamente 1400 categorías organizadas en un árbol de tres niveles. Si necesita información más detallada, consulte el estándar IPTC: [Definición] [Herramienta de navegación].
Eurovoc – Eurovoc es un tesauro multilingüe y multidisplinaria que cubre las actividades de la UE y el Parlamento Europeo. Aquí se proporciona como modelo de clasificación para indexar la documentación institucional en temas de temas.
Reputación comercial: se centra en las diferentes áreas que pueden afectar la reputación en línea de una empresa.
Taxonomía de IAB: modelo basado en el estándar IAB para la industria publicitaria que tiene como objetivo hacer que la clasificación de contenido sea consistente en toda la industria.
Redes sociales: este modelo proporciona una clasificación simple para clasificar de manera integral todas las publicaciones de redes sociales que desea analizar.

En la sección Modelos compatibles hay más detalles sobre estos modelos, las categorías definidas para cada uno de ellos y los idiomas en los que están disponibles.

¿Qué es ser un modelo?

Un modelo fotográfico es una persona que anuncia productos o servicios que usan su cuerpo, es decir, visualmente. Puede estar en la televisión, en carteles, cara a cara, en revistas, en línea o similar. Los modelos también se reservan para la demostración y presentación de productos de moda o belleza y estilo. Para la cifra óptima del modelo, un modelo debe hacer ejercicio regularmente y debe prestar especial atención a la nutrición. Aunque el cuerpo como lienzo está en primer plano durante el modelado, los gestos, las expresiones faciales, un aspecto intensivo en la cámara, la colocación y el carisma juegan un papel importante incluso en un modelo fotográfico. Las emociones son muy importantes para la publicidad, porque la promoción de ventas funciona a través de las emociones. Las emociones son generadas por las disciplinas anteriores, como expresiones faciales o gestos. Un modelo debe entrenar duro para poder implementar las disciplinas auténticamente con la presión simple de un botón. En los desfiles de moda, para la presentación de las colecciones de moda, las modelos también deben conocer las diferentes heces y presentar una coreografía en la pasarela, como un modelo fotográfico puro, esto generalmente no es necesario.

Ya hay pequeñas sugerencias que ayudan. Establezca algunos estados de ánimo para acostarse frente a cada toma fotográfica o antes de cada set. Por ejemplo, hay expresiones faciales pequeñas y muy efectivas, entre otras, para las mujeres:

Organiza tu cabeza hacia abajo. Luego busque y concéntrese en la cámara
Juegos de labios
Similar al punto 1, pero luego la vista desde (izquierda o derecha) afuera va a la habitación
Puedes cerrar los ojos y ‘sentir’
Ahora puedes parecer ‘tierno’, mirar o incluso ‘hermoso’
Dulce mirada, luego sonríe
Y no olvides: mueve tu cuerpo también

En el pasado, se ha hecho una distinción rigurosa entre el modelo del término foto y modelo de pasarela (también llamado maniquí). Hoy ambos caen dentro del modelo del término genérico. Por lo tanto, un modelo puede permanecer frente a la cámara para obtener servicios publicitarios y hacer una buena figura en la pasarela para los diseñadores. Por supuesto, hay varios «tipos de modelo», es decir, si un modelo tiene una buena figura, una cara grande y un carisma único, pero generalmente es demasiado pequeño para la pasarela, entonces puede funcionar como un modelo de fotos , pero está bastante menos reservado para la pasarela.

¿Cómo se clasifican los modelos matematicos en general?

Existen diferentes tipos de modelos matemáticos presentes. Algunos de ellos se enumeran a continuación:

Estática vs. dinámica
Lineal vs. no lineal
Explícito vs. implícito
Determinista versus probabilístico (o estocástico)
Discreto versus continuo
Flotante, inductivo o deductivo

Otro nombre para el modelo estático es el modelo de estado estacionario. Este modelo ayuda a calcular el sistema en equilibrio. Por lo tanto, es invariante en el tiempo. En contraste, los modelos dinámicos se utilizan principalmente para cambios dependientes del tiempo en un sistema. Por lo tanto, su representación es mediante ecuaciones de diferencia o ecuaciones diferenciales.

Se obtiene un modelo matemático lineal cuando todos los operadores exhiben linealidad. Por el contrario, se considera un modelo no lineal cuando un objeto no exhibe linealidad. Las descripciones de linealidad y no linealidad se basan principalmente en el contexto. Un objeto lineal podría tener algunas expresiones no lineales.

Por ejemplo, tome un modelo estadístico lineal. Su relación es lineal en algunos de los parámetros. Sin embargo, no es lineal en las variables predictoras. Del mismo modo, una ecuación diferencial contiene expresiones no lineales en ella. Pero, tiende a ser lineal mientras se escribe con operadores diferenciales lineales.

Un modelo de programación matemática se considera lineal si las restricciones y las funciones objetivas se describen completamente por ecuaciones lineales. El modelo se considera no lineal si hay muchas restricciones y las funciones objetivas se describen con una ecuación no lineal.

¿Cuáles son los tipos de modelos matemáticos?

Permite al usuario comprender las limitaciones del sistema en condiciones de trabajo extremas (por ejemplo, velocidad y par máxima)
El modelo se puede utilizar para el diseño del controlador de circuito cerrado (por ejemplo, PID)

El modelo matemático de un sistema es básicamente un conjunto de ecuaciones que describen el comportamiento del sistema y la relación entre las variables del sistema.

No se puede utilizar un modelo matemático particular de un sistema para aplicaciones generales, sino solo para aplicaciones especializadas. Construyendo un modelo matemático universal de un sistema, que puede ajustarse a todos los propósitos, es muy difícil, poco económico y poco práctico. Por ejemplo, el mismo modelo matemático de un vehículo, no se puede utilizar para estudios de comportamiento estructural, análisis de vibración y optimización del consumo de combustible. Para cada área de interés, se debe desarrollar un modelo matemático particular, para capturar los fenómenos físicos relevantes.

Un modelo matemático no lineal contiene ecuaciones diferenciales no lineales. Un modelo no lineal es un modelo para el cual no se aplica el principio de superposición.

Observe que la variable dependiente θ contiene una función no lineal, la función trigonométrica sin (θ). Es por eso que la ecuación diferencial no es lineal.

Un modelo matemático lineal se rige por ecuaciones diferenciales lineales. Un modelo lineal es un modelo para el cual se puede aplicar el principio de superposición.

El principio de superposición establece que, para un sistema lineal, la respuesta en el tiempo causada por dos o más estímulos es la suma de las respuestas que habrían sido causadas por cada estímulo individualmente. Esto significa que si la entrada U1 produce la respuesta Y1 y la entrada U2 produce la respuesta Y2, entonces la entrada (U1 + U2) produce respuesta (Y1 + Y2).

¿Cuáles son los métodos matemáticos?

Métodos numéricos comúnmente utilizados para resolver ecuaciones diferenciales ordinarias, como los métodos euler y trapezoidales (tanto explícitos como implícitos), runge -kutta y multiinteps se presentan y comparan entre sí en términos de precisión y estabilidad. La estabilidad de cualquier método dado es un factor crítico que determina si el método es útil. Se enfatiza que los métodos numéricos para modelos conservadores y no conservadores deben poseer diferentes características de estabilidad, y se muestra además que los métodos Runge -Kutta poseen ambas características. Se describe la idea de los métodos con un tamaño de paso adaptativo. Se explica el fenómeno de la rigidez numérica. Se mencionan comandos incorporados adecuados de MATLAB, y se da un ejemplo de su uso.

Se presentan métodos numéricos comúnmente utilizados para resolver ecuaciones diferenciales parciales del tipo de advección-difusión de reacción. Se enfatiza el uso de métodos implícitos (por ejemplo, Crank-Nicolson) y semi-implícitos como más eficientes en el tiempo que el de los métodos explícitos. Se consideran los principales tipos de condiciones límite. Se discuten brevemente los métodos de división y espectral de operadores, así como métodos para ecuaciones con dos dimensiones espaciales y para problemas hiperbólicos. Se presentan comandos integrados relevantes de MATLAB y sus homólogos en otros lenguajes de programación se mencionan brevemente.

Los métodos numéricos son adecuados para una amplia variedad de problemas hidrogeológicos; La integración de Euler es el método de seguimiento más simple. Para ilustrar las matemáticas, nuevamente usamos el movimiento de partículas en la dirección X como ejemplo, donde dx = Δx = xp-x0:

donde X0 es la posición inicial de la partícula y XP es la posición después del seguimiento durante un período de tiempo de ΔT. Las ecuaciones análogas se escriben para las coordenadas Y y Z. Los errores numéricos tienden a ser grandes a menos que se usen pequeños pasos de seguimiento (ΔT).