Mythbusters: determine la estrategia de abordaje óptima en función del tiempo y la puntuación de satisfacción

La mayoría de las aerolíneas abordan a los pasajeros comenzando desde la parte posterior del avión y luego avanzan hacia el frente (después de abordar las clases prioritarias y los pasajeros).

En un episodio de Mythbusters , Adam y Jamie pusieron a prueba el mito de que la estrategia de abordaje favorecida por la mayoría de las aerolíneas, de principio a fin , es la menos eficiente.

El mito fue confirmado, y estos fueron los resultados:

La estrategia aleatoria sin asientos es la más rápida, seguida por la estrategia directa WILMA . Sin embargo, la estrategia aleatoria sin asientos proporciona los puntajes de satisfacción más bajos.

La estrategia de pirámide inversa da el puntaje de satisfacción más alto a pesar de que es el cuarto más rápido.

¿Cómo se puede determinar la estrategia de abordaje óptima basada únicamente en los tiempos y los puntajes de satisfacción dados ( sin incluir cosas avanzadas como calcular las interferencias esperadas en el pasillo o el asiento )?

Parece que no puedo pensar en ningún tipo de conversión de unidades, excepto convertir el tiempo en segundos y luego multiplicarlo con el puntaje de satisfacción, por lo que es como si estuviéramos tratando de maximizar el producto del tiempo y el puntaje de satisfacción:

f (t, s) = t s

$f(t,s) = ts$

¿Cuáles son algunas de las ventajas o desventajas de hacer esto?

Una desventaja parece ser que la clasificación por producto del tiempo y la puntuación de satisfacción proporciona la misma clasificación por puntuación de satisfacción.

Que mas se podria hacer? Todo lo que parece venir a mi mente son productos, por lo que quizás podría maximizar algo como esto:

f (t, s) = t^{2} s

$f(t,s) = t^2s$

f (t, s) = t s^{1 / 2} (eliminating random no seats)

$f(t,s) = ts^{1/2} \text{(eliminating random no seats)}$

f (t, s) = t (s - s_{a v e})

$f(t,s) = t(s-s_{ave})$

Creo que tendremos que relacionar el tiempo y el puntaje de satisfacción con alguna unidad, como el dinero. Entonces, ¿uno tendría que encontrar alguna relación (por ejemplo, una relación lineal a través de la regresión lineal) entre el tiempo de embarque y el costo y luego otra entre el puntaje de satisfacción para abordar hoy y los ingresos del vuelo del próximo mes?

¿Tiene que ser algo así?

Me sugirieron puntuaciones z o algo así que intenté estandarizar, creo:

¿Por qué la suma de cuadrados de z resultó ser 6? ¿Hice algo mal? ¿Es ese el cuarto momento o algo así?

utility optimization statistics economic-measurement measuring-utility BCLC
fuente

El primer paso sería definir con precisión "óptimo". Por lo general, esto tomaría la forma de minimizar o maximizar cierta cantidad bajo algunas restricciones. Esto le dará dirección a su problema, que falta en este momento. Específicamente, ¿por qué una solución óptima maximizaría t * s? Esto significaría que cuando dos estrategias proporcionan cantidades iguales de satisfacción, es preferible la que cuesta más tiempo.

Si esto es realmente para fines aplicados (en la vida real), entonces es importante darse cuenta de que probablemente no haya una diferencia práctica entre las 14:07 y las 15:10. (Además, si el ejercicio de los caza mitos se llevara a cabo científicamente con múltiples repeticiones, estos números probablemente promediarían más o menos lo mismo). Entonces, probablemente solo haya 3 tiempos diferentes: 14:07 a 15:10 como una sola vez; 17:15 y 24:29. Del mismo modo, en la aplicación de la vida real, solo hay 3 puntuaciones de satisfacción diferentes: -5; 12-19; y 102-113. Cualquier modelo aplicado debería tener esa perspectiva si espera ser realmente útil.

Ochado

f (t, s) = t \times s

$f(t,s) = t \times s$

$TL$ $B$ $T_g$ $T_s$ $N$
$E$ $F_b$ $D$

f (T L, T g, T s, W, M, A, N) = (T L \times B) + (T G \times N + \frac{N}{3} W + \frac{N}{3} M + \frac{N}{3} A)

$f(TL, Tg, Ts, W, M, A, N) = (TL\times B)+(TG\times N + \frac{N}{3}W + \frac{N}{3}M + \frac{N}{3}A)$

f (E, F b, D) = E \times F b \times \frac{1}{D}

$f(E, Fb, D) = E \times Fb \times \frac{1}{D}$

boarding strategy score = f (T L, T g, T s, W, M, A, N) \times f (E, F b, D)

$\mbox{boarding strategy score}=f(TL, Tg, Ts, W, M, A, N) \times f(E, Fb, D)$

y comenzaría a asignar pesos mientras realizaba algunas simulaciones más (entendí que el ejemplo de Mythbusters se refiere a ensayos únicos solo para cada estrategia).

En mi opinión, las ventajas / desventajas no provienen de las ecuaciones en sí, sino de la metodología. Sin datos experimentales más sólidos, todas las ecuaciones anteriores, e incluso más factores, son discutibles y discutibles.

Tampoco agregaría "dinero" en el modelo, sino más bien valor agregado para la aerolínea frente al valor agregado para el pasajero , y las cosas se escalarán fácilmente: es posible que mantenga a la gente metida en túneles y en la fila esperando para ingresar al avión, o esperar en los aeropuertos por demoras o cancelaciones de vuelos, puede aumentar el tiempo de exposición para carteles publicitarios, por lo tanto, ingresos potenciales por servicios aeroportuarios, por lo tanto ... funciones de utilidad de demoras.

erpreciso
fuente

Mythbusters: determine la estrategia de abordaje óptima en función del tiempo y la puntuación de satisfacción

Respuestas: