В исследовании исследователи сказали компьютерную программу, которая проанализировала оценки эксперта по сельскому хозяйству, помог бизнес-подразделению в Доу, которого AgroSciences улучшают точность его прогнозов, приводя к увеличению прибыли 2 – 3 процентов и уменьшения в затратах на 6 – 7 процентов, сказал Сорэбх Бэнсэл, доцент управления цепями поставок в Колледже Государственного университета Пенсильвании Smeal Бизнеса.Команда работала с производственным экспертом от Доу управление AgroSciences, чтобы улучшить предсказания в подразделении зерна семени компании.Производство зерна семени, которое фермеры в конечном счете используют в качестве семян, чтобы произвести их собственные зерновые культуры, может быть хитрым усилием с несколькими факторами, включая пользующиеся спросом изменения и погода, увеличив неуверенность, по словам исследователей.«Каждый год компания должна выяснить, сколько акров земли они собираются использовать, чтобы произвести зерно семени», сказал Бэнсэл. «Но в этой конкурентоспособной промышленности, много вариантов зерна семени новые, и у компании нет большого опыта в росте нового типа.
В результате это не знает то, чем урожай был бы, или сколько бушелей зерна они доберутся от его областей. Все же оценка урожая необходима, чтобы оптимизировать ресурсы, используемые для роста зерна семени».Компании часто полагаются на менеджеров как на экспертов, чтобы обеспечить оценки будущих событий и деятельности, потому что это более экономически выгодно, чем отправка исследователей в область, чтобы провести исследования, чтобы собрать информацию. Однако эти эксперты, которые склонны делать эти предсказания на основе умственных моделей оттянутыми с лет опыта, часто вводят свои собственные уклоны, которые могут изменить прогнозы.
«Всем нравится утверждать, что они – эксперты, все же в глубине души мы знаем, что некоторые эксперты лучше, чем другие», сказал Бэнсэл. «До сих пор не было никакой объективной меры, лучше ли этот эксперт, чем другой и сколько. То, что мы были в состоянии сделать, подходится с определенными метриками, которые позволяют нам определять количество экспертных знаний».Исследователи, которые сообщают о результатах в предстоящей проблеме Операционного Исследования, доступного онлайн теперь, развивали компьютерную модель, чтобы оценить риск, связанный с урожаем. Они сначала собрали суждения для квантилей урожая от эксперта по области.
Например, эксперт мог бы оценить, что есть 50-процентный шанс, что фирма получит 55 бушелей за акр.Затем исследователь использовал математическую модель, чтобы перевести оценки квантиля на среднее и стандартное отклонение урожая.
«Среднее обеспечивает оценки для того, сколько бушелей фирма может ожидать в среднем, в то время как стандартное отклонение захватывает ожидаемую изменчивость в процессе роста», сказал Бэнсэл, который работал с Хенаро Х. Гутьерресом, адъюнкт-профессором информации, риска, и операционного менеджмента в Техасском университете в Остине и Джона Р. Кейсера, Доу AgroSciences.После сравнения исторических данных с предсказаниями эксперта программа может тогда обеспечить понимание уклона собственных умственных моделей эксперта, по словам исследователей.Они добавляют, что при помощи этого сравнения модель определяет количество экспертных знаний – или ценность экспертных оценок – как являющийся равным определенному количеству точек данных, собранных в области.
«Перед этим мы действительно не знали, как сравнить информацию, предоставленную экспертами и данными», сказал Бэнсэл. «Эта модель позволяет нам делать просто это и позволяет нам сказать, что, например, этот эксперт стоит забрать 35 точек данных из образцов в области, которая является гораздо более объективным измерением».Он добавил, что это также сильно, потому что это позволяет чиновникам компании сравнивать и выбирать экспертов, определять, должны ли они обратиться за советом специалиста, или собирать данные, а также определять количество, насколько эффективный их обучение для экспертов.
Бэнсэл сказал, что в будущем модель могла быть осуществлена, чтобы помочь улучшить руководство от экспертов в других отраслях промышленности, включая промышленность биотоплива и полупроводниковую промышленность, которые, как правило, работают под тяжелой неуверенностью поставки.