بهینه سازی بر اساس مدل های آماری

   در بسیاری از مسائل کاری و غیرکاری عوامل متعدد و متنوعی دخیل هستند. مثلا در تاثیرگذاری یک محصول دارویی، عواملی چون نوع مواد اولیه، روش تتولید، روش بسته بندی، نحوه نگهداری قبل از مصرف و زمان سپری شده از تاریخ تولید آن، موثر است. بنا بر این اگر ما بخواهیم اثربخشی محصول دارویی مذکور را بهبود بخشیم، بایستی در عوامل دخیل در آن تغییراتی دهیم تا به شرایط بهبود یافته تری دست یابیم. شایان ذکر است که گاهی استفاده از این روش بهینه سازی ناگزیر می گردد. به این معنی که در مواردی مانند بسیاری از مسائل اجتماعی، اصولا عامل تاثیرپذیر در اختیار ما نیست که بخواهیم آن را به دلخواه خود تغییر دهیم. اما سوالی که مطرح می شود، میزان و نوع این تغییرات است که ما را به شرایط بهبود یافته برساند.

در مواردی مثل مثال فوق که در آن یک عامل از عوامل متعدد دیگری اثر می پذیرد، با مدل بندی این تاثیر گذاریها می توان شرایطی را یافت که در آن با تغییرات مناسب در عوامل اثر گذار، عامل اثرپذیر بهینه شود. این روش بهینه سازی كه در آن با تغییر دادن بعضی از عوامل كه در اختیار ما هستند، عامل دیگری را بهبود می دهیم، در بسیاری از زمینه ها مانند کاهش هزینه های عملیاتی، افزایش تولید، بهبود عملکرد کارکنان، بهبود نگرشهای اجتماعی، ارتقای فروش و … كاربرد دارد.

روش حل مساله

در روش بهینه سازی بر اساس مدل های آماری، گروه کیمن(Keyman) با نمونه گیری از جامعه با روش های علمی، زمینه مدل بندی عوامل را پدید می آورد. در گام بعد، با استفاده از روش های آماری مناسب نسبت به پالایش داده ها از اختلالات احتمالی، اقدام می گردد. در برخی موارد به دلیل وجود مشکلات متعدد در داده ها، فرایند پالایش داده ها بایستی چندین بار تکرار گردد. در مرحله بعد، با بهره گیری از داده های به دست آمده نسبت به مدل بندی اولیه آنها اقدام می گردد. گام بعد شامل ارزیابی نتایج به دست آمده است. به دلیل وجود برخی اختلالات احتمالی در مدل به دست آمده، ممکن است لازم باشد مجددا مرحله مدل بندی تکرار شده و اصلاحاتی در مدل صورت گیرد. در نهایت مدلی به دست می آید که با اعتمادپذیری بالا بتوان با آن، در مورد نحوه بهینه سازی تصمیم گرفت. مدلهای رگرسیونی از جمله این مدل ها محسوب می گردند که به طور گسترده در بهینه سازی ها به کار می روند.