Добивки:
- Способност да се идентификуваат проблемите со дизајнот на мрежата на синџирот на снабдување, маршрутата и распоредот на складиштето
- Способност да се користи вештачка интелигенција при создавање на сценарија, листа на ограничувања и конструкција на модели за оптимизација
- Способност да се потврдат предложените решенија со вештачка интелигенција со ограничувања на трошоците, капацитетот и испораката
Синџирот на снабдување е целиот проток на материјали, информации и пари од суровини до крајниот клиент. Секоја одлука во оваа мрежа (од каде да се набави, кој магацин да се складира, кој пат до брод) постигнува рамнотежа помеѓу цената, брзината и издржливоста. Овде оптимизацијата не е магија, тоа значи добро дефинирана целна функција и ограничувања. Вештачката интелигенција е многу моќна во оваа област во структурирање на проблемот, генерирање сценарија, наведување на ограничувања и изготвување на моделот за оптимизација; Но, тврдењата за „најдобро решение“ секогаш треба да се потврдат во однос на ограничувањата и реалните трошоци. Во оваа единица, ќе разговараме за дизајнот на мрежата, оптимизацијата на маршрутата и одлуките за складиште со поддршка за вештачка интелигенција.
Карта на проблеми со оптимизација на синџирот на снабдување
Препознавањето на проблемите за оптимизација е првиот чекор во градењето на вистинскиот модел.
проблем
променлива за одлука
Типична цел
мрежен дизајн
Кој објект/магацин треба да се отвори?
Вкупен фиксен + променлив трошок мин
Доделување/распределба
Кој клиент од кој магацин?
Трошоци за транспорт мин
Рутирање на возила (VRP)
Кое возило кое запира, по кој редослед?
Вкупно растојание/време мин
распоред на магацин
Каде треба да се стават производите?
Растојание на избор мин
Избор на режим на транспорт
Земја/море/воздух
Баланс на трошоци и брзина
Заедничката рамка на секој проблем е иста: променливи за одлучување, целна функција, ограничувања. Највредниот придонес на ВИ е тоа што ви помага да го преведете деловниот проблем во овие три компоненти.
Улога: Вие сте индустриски инженер специјализиран за оптимизација на синџирот на снабдување. Задача: Преведете го следниов деловен проблем во модел за оптимизација. Наведете: (1) променливи за одлучување, (2) целна функција, (3) ограничувања (капацитет, задоволување на побарувачката, ненегативност), (4) тип на овој проблем. Проблем: "Имаме 3 фабрики и 5 дистрибутивни центри. Капацитетот на секоја фабрика и побарувачката на секој центар се одредени. Транспортните единечни трошоци од фабрика до центар се различни. Минимизирајте ги вкупните трошоци за транспорт Сакаме да го преземеме." Правило: наведете го типот на моделот (на пр. проблем со транспортот), напишете ги јасно претпоставките.
Ова е класичен транспортен проблем. ВИ може да го препознае ова и да го изгради точниот математички скелет; Исто така, поставувате податоци за вистински капацитет и побарувачка.
Оптимизација на рутата (VRP) и важноста на ограничувањата
Трасата на возилата е најчесто сретнуван и погрешно воспоставен проблем во практиката. Постои голема разлика помеѓу едноставниот „најкраток пат“ (TSP) и вистинскиот VRP: капацитет на возилото, временски прозорци (часови кога клиентот може да ги подигне), временски ограничувања за возење, повеќе возила.
Внимание: кога вештачката интелигенција препорачува маршрута, таа често ги „заборава“ или приближува ограничувањата на капацитетот и временскиот прозорец. Рутата натоварена со повеќе товар отколку што може да носи возило може да изгледа „кратка“, но е непрактична. Проверете ја секоја рута поединечно за вкупно оптоварување ≤ капацитет и време на пристигнување ∈ временски прозорец.
Слаба навестување / Силен навестување
Слаба навестување:
Наведете ја најкратката рута за овие 8 постојки.
Ако нема капацитет, временски прозорец и број на возила, вештачката интелигенција дава едноставно рангирање; Не држи во реално работење.
Моќен потсетник:
Предложете план за маршрута за следните 8 клиенти. Има 2 возила, капацитетот на секое е 100 единици. Побарувачката на секој клиент и временскиот прозорец се прикачени. Одјавување од магацин 08:00 часот. Претпоставете просечна брзина од 40 km/h. Излез: редослед на застанувања за секое возило, кумулативно оптоварување (да не го надминува капацитетот), проценети времиња на пристигнување (за да одговара на временскиот прозорец), вкупно растојание. Ако има прекршување на ограничувањата, наведете го јасно и предложете алтернатива. Податоци: {{ ... }}
Вториот промпт експлицитно наметнува ограничувања и бара проверка на прекршоци од вештачката интелигенција. Сепак, од суштинско значење е да се потврди резултатот со решавач или рачно; ВИ не гарантира апсолутна оптималност.
Оптимално или само „добро“?
Овде има критичен концепт: решението што го наоѓа вештачката интелигенција (и повеќето практични методи) е често добро решение (хеуристичко), а не оптимално. Вистинскиот оптимален го наоѓа математички решавач (како OR-Tools, Gurobi, PuLP) решавајќи го правилно конструираниот модел. Улогата на вештачката интелигенција е да го изгради моделот, а не да го решава.
Напишете модел на скелет за да го решите следниот транспортен проблем со Python PuLP:- Променливи за одлучување x[i][j] (i фабрика, j центар)- Цел: минимизирање на вкупните трошоци- Ограничување: понуда на секоја фабрика, побарувачка на секој центар, x >= 0Објаснете го кодот со коментари, но јас ќе ги внесам нумеричките податоци. Исто така: наведете какви проверки треба да направам кога решението ќе излезе.
Совет: Наместо да ѝ кажете на вештачката интелигенција „да го напише кодот и да го сфати“, кажете му „напиши го кодот и јас ќе го извршам“. Ова ја прави оптимизацијата вистински решавач; Не им верувате на броеви изработени од вештачка интелигенција (и непроверени) кои велат „еве го моето решение“.
Одлуки за складиште и локација
Поставувањето на производот во магацин директно влијае на растојанието за берење. Основниот принцип е да се позиционираат често поместуваните (висок промет) артикли блиску до точката на берење (поставување ABC). Вештачката интелигенција може да произведе преглед на предлог за распоред со податоци за движењето на производот; Меѓутоа, физичките ограничувања (големина на полицата, тежина, одвојување на опасниот материјал, ладен ланец) мора да бидат надгледувани од луѓе.
Мини случај: Кратко на хартија, невозможно на терен
Дистрибутивна компанија врши 40 испораки дневно со 3 возила. Индустрискиот инженер Селин ги дава запирањата, барањата и капацитетите на возилата на вештачката интелигенција и бара план за рута. ВИ создава кадар што изгледа убаво и има мало вкупно растојание. Но, кога Селин проверува, таа сфаќа дека кумулативното оптоварување на трасата на возилото го надминува капацитетот за 15%; Има и две постојки каде што клиентот може да ги земе попладне, но е закажана наутро. Селин ги запишува ограничувањата појасно на промптот и ги репродуцира, а потоа го потврдува планот со ИЛИ-Алатки. Резултатот станува остварлив. Поука: Планот што вештачката интелигенција го нарече „најкраток“ всушност не беше најкраток и дури беше неважечки поради прекршување на ограничувањата.
Вообичаени грешки
- Не специфицирање на ограничувања: Барање маршрута без капацитет, временски прозорец и број на возила.
- Грешка на вештачката интелигенција за решавач: Прифаќање на „оптималното“ решение дадено од ВИ како излез на вистински решавач.
- Непроверување за прекршување на ограничувањата: Спроведување на планот без проверка на кумулативното оптоварување и времето на пристигнување.
- Фокусирање на една цел: оптимизирање само на трошоците и заборавање на издржливоста/ризикот (зависност од еден добавувач).
- Некористење реални трошоци: Изградба на модел со стандардни/фабрикувани единечни трошоци и не ажурирање со реални податоци.
Сумирано
- Секоја оптимизација на синџирот на снабдување се сведува на три компоненти: променливи за одлучување, целна функција, ограничувања.
- Највредниот придонес на вештачката интелигенција е преточување на деловниот проблем во вистинскиот тип на модел (транспорт, VRP, задача).
- Ограничувањата на капацитетот и временскиот прозорец се клучни во VRP; Вештачката интелигенција често ги прескокнува, проверете ги.
- ВИ гради, не решава; Решавачот (PuLP, OR-Tools) треба да ја направи вистинската оптимизација.
- Покрај трошоците, целта треба да биде и издржливоста и ризикот; Зависноста од еден добавувач/поединечна рута е скриена цена.
Задача за апликација
Изградете проблем со снабдување/дистрибуција (на пр. 3 магацини, 5-8 клиенти, барања и капацитет на возилото). Прво, AI да го моделира проблемот како променлива за одлука, цел и ограничување и наведете го типот на проблемот. Потоа дајте VRP сценарио и побарајте план за рута; Проверете го кумулативното оптоварување и времето на пристигнување на секое возило сами на излезот. Критична проверка: рачно соберете го вкупното оптоварување на најмалку едно возило и споредете го со капацитетот и побарајте прекршување на ограничувањата. Конечно, нека вештачката интелигенција да го напише скелетот на кодот на решавачот (PuLP) и да дизајнира работен тек што ја спречува вештачката интелигенција да генерира лажни броеви, со пристапот „Јас ќе го извршам решението“.