METODOLOGIA DI APPROCCIO: Modelli di Conoscenza
La scelta della metodologia dei “Modelli di Conoscenza”, nasce dall’esigenza di controllare e ottimizzare la funzionalità di un processo complesso che, specialmente se presenta una sezione “biologica” e input (carichi) variabili quali-quantitativamente nel tempo, non può essere assimilato ad un processo ciclico ripetitivo.
Pertanto, si sceglie in questi casi di non seguire un tradizionale approccio statistico (v. ANOVA– ANalysis Of VAriance), in quanto basato essenzialmente su dati storici e in genere molto costoso, preferendo un approccio più vicino agli esperti di processo, basato sulla “fusione” interdisciplinare tra dati rilevati e conoscenza degli esperti: i Modelli di Conoscenza.
Principi Base del Metodo basato sui Modelli di Conoscenza
a) Approccio Sistemico: realtà suddivisa in processi unitari (input/output), interagenti tra loro
b) Significatività e Rappresentatività delle Misure: è molto importante assicurarsi che i campioni oggetti di indagine siano realmente rappresentativi della realtà operativa o di classi di esse; pertanto le prove vanno eseguite definendo i parametri di caratterizzazione, come ad es.: Valore X = ¦[Xmin, Xmax, Xmed, X+freq, durata(X+freq)]
c) Modellazione delle Inferenze Input/Output: algoritmi di correlazione sistemica.
CONFRONTO METODOLOGIE | PRO | CONTRO |
Modelli Statistici
|
|
|
Modelli di Conoscenza |
|
|