Determinación del subconjunto de soluciones no dominadas para la priorización de los criterios de optimización en procesos de producción de base biológica

Abstract

[ES] El objetivo de este TFM es el desarrollo de un programa que automáticamente detecta las soluciones empleando un conjunto de criterios, también grafica las soluciones y busca las óptimas, utilizando el lenguaje de programación Python, en Google Colab. También se emplea Scikit-learn que es una librería que se usa más para machine-learning, para analizar y extraer los valores para cada uno de los criterios, es decir la estadística sobre los criterios de 0 a 6. Los criterios que se van a considerar son 7, relativos a la producción, conservación y administración de los productos biológicos con aplicaciones farmacológicas (temperatura, número de dosis, duración, edad, humedad, presión y punto de rocío). El programa calcula todas las soluciones en cada línea y luego va a ordenarlas de la mejor hasta la peor, porque el método de Pareto busca las soluciones no dominadas (las mejores). Todo esto para llegar al objetivo número uno del trabajo, que es tener resultados reales que nos ayuden a poder interpretar las soluciones óptimas en el contexto de procesos de producción de base biológica.

[EN] The objective of this project is the development of a program that automatically detects the number of criteria and solutions, also graphs the solutions and searches for the optimal ones, using the Python programming language, in Google Colab. Scikit-learn is also used, which is a library that is used more for machine-learning, to analyze and extract the values for each of the criteria, that is, the statistics on the criteria from 0 to 6. The criteria that are going to be considered are 7, related to the production, conservation, and administration of biological products with pharmacological applications (temperature, number of doses, duration, age, humidity, pressure, and dew point). The program calculates all the solutions in each line and then it will order them from the best to the worst because the Pareto method looks for the non-dominated (best) solutions. All this is to reach the main objective of the work, which is to have real results that help us to be able to interpret the optimal solutions in the context of biological-based production processes.