Primer paso…
crear el modelo correctoComo crear modelos programáticamente? La primera funcionalidad desarrollada en Ernest fue la capacidad de definir la estructura de familias de modelos, usando una representación gráfica de esta estructura en un objeto llamado metamodelo. El metamodelo captura la estructura del modelo y facilita la validación de la construcción de modelos para escenarios de datos específicos. La técnica de metamodelación aportó dos beneficios importantes:
- Reducción del tiempo de construcción y validación de modelos
-
Flexibilidad para ajustar el modelo a la necesidad de cada aplicación requerida
Segundo paso…
Diseño y organización de aplicaciones.Una vez resuelto el problema de crear modelos programáticamente, la funcionalidad de Ernest se enfocó en crear una: estructura genérica para el desarrollo de aplicaciones. Se organizo el manejo de múltiples escenarios de datos y la asociación de soluciones a escenarios, la comparación de soluciones y el enfoque en la interpretación de los resultados.
Tercer paso…
Una forma diferente de pensar... optimizar no es suficienteLa práctica de uso llevo a la clasificación de soluciones y su organización mediante el árbol de soluciones para sustentar la toma de decisiones. Esto permite analizar el comportamiento de los modelos bajo diferentes criterios de optimización lo que a su vez condujo a desarrollar estrategias para el balance de objetivos contrapuestos. La funcionalidad de árbol de soluciones se volvió la base para nuevas estrategias de solución y administración de recursos computacionales
Cuarto paso…
Estrategias de solución... Resolviendo problemas complejosAl llegar a esta etapa, la tecnología de Ernest contaba con capacidad para crear sofisticadas aplicaciones que pusieran al alcance de usuarios no especializados las técnicas de modelación y optimización necesarias para resolver complejos problemas prácticos. La siguiente etapa se enfocó al máximo aprovechamiento de las capacidades algorítmicas de los solvers. En esta etapa se desarrolló la librería de rutinas avanzadas de interacción con solvers (SI).El objetivo de estas rutinas es hacer el uso más eficiente de las capacidades algorítmicas para resolver problemas grandes y complejos mediante estrategias de solución difíciles de implementar acezando directamente las funcionalidades del solver.
Las estrategias de solución permiten resolver eficientemente problemas mediante el encadenamiento de modelos en los que sus soluciones se relacionan o tienen interdependencias o mediante la modificación dinámica de modelos
Los tiempos de respuesta para las estrategias de solución son menores que el uso discrecional de modelos independientesTambién habilitan la interacción usuario-modelo y la implementación de un paradigma de optimización en línea
