ਲਾਭ:
- ਸਪਲਾਈ ਚੇਨ ਨੈੱਟਵਰਕ ਡਿਜ਼ਾਈਨ, ਰੂਟ ਅਤੇ ਵੇਅਰਹਾਊਸ ਲੇਆਉਟ ਸਮੱਸਿਆਵਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਦ੍ਰਿਸ਼ ਬਣਾਉਣ, ਪਾਬੰਦੀ ਸੂਚੀ ਅਤੇ ਅਨੁਕੂਲਨ ਮਾਡਲ ਨਿਰਮਾਣ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਲਾਗਤ, ਸਮਰੱਥਾ ਅਤੇ ਡਿਲਿਵਰੀ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਦੇ ਨਾਲ ਸੁਝਾਏ ਗਏ ਹੱਲਾਂ ਨੂੰ AI ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਸਪਲਾਈ ਲੜੀ ਕੱਚੇ ਮਾਲ ਤੋਂ ਅੰਤਮ ਗਾਹਕ ਤੱਕ ਸਮੱਗਰੀ, ਜਾਣਕਾਰੀ ਅਤੇ ਪੈਸੇ ਦਾ ਸਾਰਾ ਪ੍ਰਵਾਹ ਹੈ। ਇਸ ਨੈੱਟਵਰਕ ਦਾ ਹਰ ਫੈਸਲਾ (ਸਰੋਤ ਕਿੱਥੇ ਕਰਨਾ ਹੈ, ਕਿਹੜਾ ਵੇਅਰਹਾਊਸ ਸਟਾਕ ਕਰਨਾ ਹੈ, ਜਹਾਜ਼ ਦਾ ਕਿਹੜਾ ਰਸਤਾ) ਲਾਗਤ, ਗਤੀ ਅਤੇ ਟਿਕਾਊਤਾ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਰੱਖਦਾ ਹੈ। ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਇੱਥੇ ਜਾਦੂ ਨਹੀਂ ਹੈ, ਇਸਦਾ ਅਰਥ ਹੈ ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪਰਿਭਾਸ਼ਿਤ ਉਦੇਸ਼ ਫੰਕਸ਼ਨ ਅਤੇ ਰੁਕਾਵਟਾਂ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇਸ ਖੇਤਰ ਵਿੱਚ ਸਮੱਸਿਆ ਨੂੰ ਢਾਂਚਾ ਬਣਾਉਣ, ਦ੍ਰਿਸ਼ ਬਣਾਉਣ, ਅੜਚਨਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰਨ ਅਤੇ ਅਨੁਕੂਲਨ ਮਾਡਲ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ; ਪਰ "ਸਭ ਤੋਂ ਵਧੀਆ ਹੱਲ" ਦਾਅਵਿਆਂ ਨੂੰ ਹਮੇਸ਼ਾ ਰੁਕਾਵਟਾਂ ਅਤੇ ਅਸਲ ਲਾਗਤਾਂ ਦੇ ਵਿਰੁੱਧ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਏਆਈ ਸਹਾਇਤਾ ਨਾਲ ਨੈੱਟਵਰਕ ਡਿਜ਼ਾਈਨ, ਰੂਟ ਅਨੁਕੂਲਨ ਅਤੇ ਵੇਅਰਹਾਊਸ ਫੈਸਲਿਆਂ ਬਾਰੇ ਚਰਚਾ ਕਰਾਂਗੇ।
ਸਪਲਾਈ ਚੇਨ ਔਪਟੀਮਾਈਜੇਸ਼ਨ ਸਮੱਸਿਆਵਾਂ ਦਾ ਨਕਸ਼ਾ
ਅਨੁਕੂਲਨ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਪਛਾਣਨਾ ਸਹੀ ਮਾਡਲ ਬਣਾਉਣ ਦਾ ਪਹਿਲਾ ਕਦਮ ਹੈ।
ਸਮੱਸਿਆ
ਫੈਸਲਾ ਵੇਰੀਏਬਲ
ਆਮ ਮਕਸਦ
ਨੈੱਟਵਰਕ ਡਿਜ਼ਾਈਨ
ਕਿਹੜੀ ਸਹੂਲਤ/ਵੇਅਰਹਾਊਸ ਖੋਲ੍ਹਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ?
ਕੁੱਲ ਸਥਿਰ + ਪਰਿਵਰਤਨਸ਼ੀਲ ਲਾਗਤ ਘੱਟੋ-ਘੱਟ
ਅਸਾਈਨਮੈਂਟ/ਅਲੋਕੇਸ਼ਨ
ਕਿਹੜਾ ਗਾਹਕ ਕਿਹੜੇ ਗੋਦਾਮ ਤੋਂ?
ਆਵਾਜਾਈ ਦੀ ਲਾਗਤ ਘੱਟੋ-ਘੱਟ
ਵਾਹਨ ਰੂਟਿੰਗ (VRP)
ਕਿਹੜਾ ਵਾਹਨ ਕਿਸ ਕ੍ਰਮ ਵਿੱਚ ਰੁਕਦਾ ਹੈ?
ਕੁੱਲ ਦੂਰੀ/ਸਮਾਂ ਮਿੰਟ
ਵੇਅਰਹਾਊਸ ਲੇਆਉਟ
ਉਤਪਾਦ ਕਿੱਥੇ ਰੱਖੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ?
ਚੁਣਨ ਦੀ ਦੂਰੀ ਘੱਟੋ-ਘੱਟ
ਟ੍ਰਾਂਸਪੋਰਟ ਮੋਡ ਦੀ ਚੋਣ
ਜ਼ਮੀਨ/ਸਮੁੰਦਰ/ਹਵਾ
ਲਾਗਤ-ਗਤੀ ਸੰਤੁਲਨ
ਹਰ ਸਮੱਸਿਆ ਦਾ ਸਾਂਝਾ ਢਾਂਚਾ ਇੱਕੋ ਜਿਹਾ ਹੁੰਦਾ ਹੈ: ਫੈਸਲੇ ਵੇਰੀਏਬਲ, ਉਦੇਸ਼ ਫੰਕਸ਼ਨ, ਰੁਕਾਵਟਾਂ। AI ਦਾ ਸਭ ਤੋਂ ਕੀਮਤੀ ਯੋਗਦਾਨ ਇਹ ਹੈ ਕਿ ਇਹ ਇਹਨਾਂ ਤਿੰਨ ਹਿੱਸਿਆਂ ਵਿੱਚ ਇੱਕ ਵਪਾਰਕ ਸਮੱਸਿਆ ਦਾ ਅਨੁਵਾਦ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ।
ਭੂਮਿਕਾ: ਤੁਸੀਂ ਸਪਲਾਈ ਚੇਨ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਵਿੱਚ ਮਾਹਰ ਇੱਕ ਉਦਯੋਗਿਕ ਇੰਜੀਨੀਅਰ ਹੋ। ਟਾਸਕ: ਨਿਮਨਲਿਖਤ ਵਪਾਰਕ ਸਮੱਸਿਆ ਦਾ ਇੱਕ ਅਨੁਕੂਲਨ ਮਾਡਲ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰੋ। ਨਿਸ਼ਚਿਤ ਕਰੋ: (1) ਫੈਸਲੇ ਵੇਰੀਏਬਲ, (2) ਉਦੇਸ਼ ਫੰਕਸ਼ਨ, (3) ਰੁਕਾਵਟਾਂ (ਸਮਰੱਥਾ, ਮੰਗ ਸੰਤੁਸ਼ਟੀ, ਗੈਰ-ਨਕਾਰਾਤਮਕਤਾ), (4) ਇਸ ਸਮੱਸਿਆ ਦੀ ਕਿਸਮ। ਸਮੱਸਿਆ: "ਸਾਡੇ ਕੋਲ 3 ਫੈਕਟਰੀਆਂ ਅਤੇ 5 ਵੰਡ ਕੇਂਦਰ ਹਨ। ਹਰੇਕ ਫੈਕਟਰੀ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਹਰੇਕ ਕੇਂਦਰ ਦੀ ਮੰਗ ਨਿਸ਼ਚਿਤ ਹੈ। ਫੈਕਟਰੀ ਤੋਂ ਕੇਂਦਰ ਤੱਕ ਟ੍ਰਾਂਸਪੋਰਟੇਸ਼ਨ ਯੂਨਿਟ ਦੀਆਂ ਲਾਗਤਾਂ ਵੱਖਰੀਆਂ ਹਨ। ਕੁੱਲ ਆਵਾਜਾਈ ਲਾਗਤ ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਕਰੋ ਅਸੀਂ ਇਸਨੂੰ ਡਾਊਨਲੋਡ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਾਂ। "ਨਿਯਮ: ਮਾਡਲ ਦੀ ਕਿਸਮ ਦਾ ਨਾਮ ਦਿਓ (ਜਿਵੇਂ ਕਿ ਆਵਾਜਾਈ ਦੀ ਸਮੱਸਿਆ), ਧਾਰਨਾਵਾਂ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਲਿਖੋ।
ਇਹ ਇੱਕ ਕਲਾਸਿਕ ਆਵਾਜਾਈ ਸਮੱਸਿਆ ਹੈ. AI ਇਸ ਨੂੰ ਪਛਾਣ ਸਕਦਾ ਹੈ ਅਤੇ ਸਹੀ ਗਣਿਤਿਕ ਪਿੰਜਰ ਬਣਾ ਸਕਦਾ ਹੈ; ਤੁਸੀਂ ਅਸਲ ਸਮਰੱਥਾ ਅਤੇ ਮੰਗ ਡੇਟਾ ਵੀ ਰੱਖਦੇ ਹੋ.
ਰੂਟ ਓਪਟੀਮਾਈਜੇਸ਼ਨ (VRP) ਅਤੇ ਰੁਕਾਵਟਾਂ ਦੀ ਮਹੱਤਤਾ
ਵਾਹਨ ਰੂਟਿੰਗ ਅਭਿਆਸ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਅਕਸਰ ਆਈ ਅਤੇ ਗਲਤ ਢੰਗ ਨਾਲ ਸਥਾਪਤ ਸਮੱਸਿਆ ਹੈ। ਸਧਾਰਨ "ਛੋਟਾ ਮਾਰਗ" (TSP) ਅਤੇ ਸੱਚੇ VRP ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਅੰਤਰ ਹੈ: ਵਾਹਨ ਦੀ ਸਮਰੱਥਾ, ਸਮਾਂ ਵਿੰਡੋਜ਼ (ਘੰਟੇ ਜਦੋਂ ਗਾਹਕ ਚੁੱਕ ਸਕਦਾ ਹੈ), ਡਰਾਈਵਿੰਗ ਸਮਾਂ ਸੀਮਾਵਾਂ, ਬਹੁ-ਵਾਹਨ।
ਸਾਵਧਾਨ: ਜਦੋਂ AI ਕਿਸੇ ਰੂਟ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਹ ਅਕਸਰ "ਭੁੱਲ ਜਾਂਦਾ ਹੈ" ਜਾਂ ਸਮਰੱਥਾ ਅਤੇ ਸਮਾਂ ਵਿੰਡੋ ਦੀਆਂ ਕਮੀਆਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਂਦਾ ਹੈ। ਇੱਕ ਵਾਹਨ ਤੋਂ ਵੱਧ ਮਾਲ ਨਾਲ ਭਰਿਆ ਰਸਤਾ "ਛੋਟਾ" ਲੱਗ ਸਕਦਾ ਹੈ ਪਰ ਅਵਿਵਹਾਰਕ ਹੈ। ਕੁੱਲ ਲੋਡ ≤ ਸਮਰੱਥਾ ਅਤੇ ਪਹੁੰਚਣ ਦਾ ਸਮਾਂ ∈ ਸਮਾਂ ਵਿੰਡੋ ਲਈ ਹਰੇਕ ਰੂਟ ਦੀ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰੋ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਹਨਾਂ 8 ਸਟਾਪਾਂ ਲਈ ਸਭ ਤੋਂ ਛੋਟਾ ਰਸਤਾ ਦਿਓ।
ਜੇਕਰ ਕੋਈ ਸਮਰੱਥਾ, ਸਮਾਂ ਵਿੰਡੋ ਅਤੇ ਵਾਹਨਾਂ ਦੀ ਗਿਣਤੀ ਨਹੀਂ ਹੈ, ਤਾਂ AI ਇੱਕ ਸਧਾਰਨ ਦਰਜਾਬੰਦੀ ਦਿੰਦਾ ਹੈ; ਇਹ ਅਸਲ ਕਾਰਵਾਈ ਵਿੱਚ ਬਰਕਰਾਰ ਨਹੀਂ ਹੈ.
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਹੇਠਾਂ ਦਿੱਤੇ 8 ਗਾਹਕਾਂ ਲਈ ਰੂਟ ਪਲਾਨ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਇੱਥੇ 2 ਵਾਹਨ ਹਨ, ਹਰੇਕ ਦੀ ਸਮਰੱਥਾ 100 ਯੂਨਿਟ ਹੈ। ਹਰੇਕ ਗਾਹਕ ਦੀ ਮੰਗ ਅਤੇ ਸਮਾਂ ਵਿੰਡੋ ਨੱਥੀ ਹੈ। ਵੇਅਰਹਾਊਸ ਤੋਂ ਚੈੱਕ-ਆਊਟ ਕਰੋ 08:00। ਔਸਤ ਗਤੀ 40 ਕਿਲੋਮੀਟਰ ਪ੍ਰਤੀ ਘੰਟਾ ਮੰਨ ਲਓ। ਆਉਟਪੁੱਟ: ਹਰੇਕ ਵਾਹਨ ਲਈ ਸਟਾਪਾਂ ਦਾ ਕ੍ਰਮ, ਸੰਚਤ ਲੋਡ (ਸਮਰੱਥਾ ਤੋਂ ਵੱਧ ਨਾ ਹੋਣਾ), ਅੰਦਾਜ਼ਨ ਪਹੁੰਚਣ ਦਾ ਸਮਾਂ (ਸਮਾਂ ਵਿੰਡੋ ਨੂੰ ਫਿੱਟ ਕਰਨ ਲਈ), ਕੁੱਲ ਦੂਰੀ। ਜੇਕਰ ਕੋਈ ਪਾਬੰਦੀ ਦੀ ਉਲੰਘਣਾ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਦੱਸੋ ਅਤੇ ਇੱਕ ਵਿਕਲਪ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਡੇਟਾ: {{ ... }}
ਦੂਜਾ ਪ੍ਰੋਂਪਟ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਪਾਬੰਦੀਆਂ ਲਾਉਂਦਾ ਹੈ ਅਤੇ AI ਤੋਂ ਉਲੰਘਣਾ ਦੀ ਜਾਂਚ ਲਈ ਬੇਨਤੀ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਨਤੀਜੇ ਨੂੰ ਹੱਲ ਕਰਨ ਵਾਲੇ ਜਾਂ ਹੱਥੀਂ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ; AI ਪੂਰਨ ਅਨੁਕੂਲਤਾ ਦੀ ਗਰੰਟੀ ਨਹੀਂ ਦਿੰਦਾ।
ਅਨੁਕੂਲ ਜਾਂ ਸਿਰਫ਼ "ਚੰਗਾ"?
ਇੱਥੇ ਇੱਕ ਨਾਜ਼ੁਕ ਸੰਕਲਪ ਹੈ: AI (ਅਤੇ ਸਭ ਤੋਂ ਵਿਹਾਰਕ ਵਿਧੀਆਂ) ਜੋ ਹੱਲ ਲੱਭਦਾ ਹੈ ਉਹ ਅਕਸਰ ਇੱਕ ਵਧੀਆ ਹੱਲ ਹੁੰਦਾ ਹੈ (ਹਿਊਰੀਸਟਿਕ), ਇੱਕ ਅਨੁਕੂਲ ਨਹੀਂ। ਸਹੀ ਅਨੁਕੂਲਤਾ ਇੱਕ ਗਣਿਤਿਕ ਹੱਲ ਕਰਨ ਵਾਲੇ (ਜਿਵੇਂ ਕਿ OR-ਟੂਲਜ਼, ਗੁਰੋਬੀ, PULP) ਦੁਆਰਾ ਸਹੀ ਢੰਗ ਨਾਲ ਬਣਾਏ ਮਾਡਲ ਨੂੰ ਹੱਲ ਕਰਨ ਦੁਆਰਾ ਪਾਇਆ ਜਾਂਦਾ ਹੈ। ਏਆਈ ਦੀ ਭੂਮਿਕਾ ਮਾਡਲ ਬਣਾਉਣਾ ਹੈ, ਇਸ ਨੂੰ ਹੱਲ ਕਰਨਾ ਨਹੀਂ।
Python PuLP ਨਾਲ ਨਿਮਨਲਿਖਤ ਆਵਾਜਾਈ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਮਾਡਲ ਪਿੰਜਰ ਲਿਖੋ:- ਨਿਰਣਾਇਕ ਵੇਰੀਏਬਲ x[i][j] (i ਫੈਕਟਰੀ, j ਕੇਂਦਰ)- ਉਦੇਸ਼: ਕੁੱਲ ਲਾਗਤ ਘੱਟੋ-ਘੱਟ: ਪਾਬੰਦੀ: ਹਰੇਕ ਫੈਕਟਰੀ ਦੀ ਸਪਲਾਈ, ਹਰੇਕ ਕੇਂਦਰ ਦੀ ਮੰਗ, x >= 0 ਟਿੱਪਣੀਆਂ ਦੇ ਨਾਲ ਕੋਡ ਦੀ ਵਿਆਖਿਆ ਕਰੋ, ਪਰ ਮੈਂ ਸੰਖਿਆਤਮਕ ਡੇਟਾ ਦਰਜ ਕਰਾਂਗਾ। ਇਹ ਵੀ: ਸੂਚੀ ਬਣਾਓ ਕਿ ਜਦੋਂ ਹੱਲ ਨਿਕਲਦਾ ਹੈ ਤਾਂ ਮੈਨੂੰ ਕਿਹੜੀਆਂ ਜਾਂਚਾਂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।
ਸੁਝਾਅ: AI ਨੂੰ "ਕੋਡ ਲਿਖੋ ਅਤੇ ਇਸਦਾ ਪਤਾ ਲਗਾਓ" ਕਹਿਣ ਦੀ ਬਜਾਏ, ਇਸਨੂੰ ਕਹੋ "ਕੋਡ ਲਿਖੋ ਅਤੇ ਮੈਂ ਇਸਨੂੰ ਚਲਾਵਾਂਗਾ।" ਇਹ ਅਨੁਕੂਲਤਾ ਨੂੰ ਇੱਕ ਸੱਚਾ ਹੱਲ ਕਰਨ ਵਾਲਾ ਬਣਾਉਂਦਾ ਹੈ; ਤੁਸੀਂ AI-ਬਣਾਏ (ਅਤੇ ਅਣ-ਪ੍ਰਮਾਣਿਤ) ਨੰਬਰਾਂ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕਰਦੇ ਹੋ ਕਿ "ਇਹ ਮੇਰਾ ਹੱਲ ਹੈ"।
ਵੇਅਰਹਾਊਸ ਅਤੇ ਸਥਾਨ ਦੇ ਫੈਸਲੇ
ਵੇਅਰਹਾਊਸ ਵਿੱਚ ਉਤਪਾਦ ਪਲੇਸਮੈਂਟ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਚੁੱਕਣ ਦੀ ਦੂਰੀ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਮੁਢਲਾ ਸਿਧਾਂਤ ਪਿਕਿੰਗ ਪੁਆਇੰਟ (ਏਬੀਸੀ ਪਲੇਸਮੈਂਟ) ਦੇ ਨੇੜੇ ਅਕਸਰ ਮੂਵ (ਉੱਚ ਟਰਨਓਵਰ) ਆਈਟਮਾਂ ਦੀ ਸਥਿਤੀ ਕਰਨਾ ਹੈ। AI ਉਤਪਾਦ ਅੰਦੋਲਨ ਡੇਟਾ ਦੇ ਨਾਲ ਇੱਕ ਖਾਕਾ ਪ੍ਰਸਤਾਵ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ; ਹਾਲਾਂਕਿ, ਭੌਤਿਕ ਰੁਕਾਵਟਾਂ (ਸ਼ੈਲਫ ਦਾ ਆਕਾਰ, ਭਾਰ, ਖਤਰਨਾਕ ਸਮੱਗਰੀ ਨੂੰ ਵੱਖ ਕਰਨਾ, ਕੋਲਡ ਚੇਨ) ਮਨੁੱਖਾਂ ਦੁਆਰਾ ਨਿਗਰਾਨੀ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
ਮਿੰਨੀ ਕੇਸ: ਕਾਗਜ਼ 'ਤੇ ਛੋਟਾ, ਖੇਤਰ ਵਿੱਚ ਅਸੰਭਵ
ਇੱਕ ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ ਕੰਪਨੀ 3 ਵਾਹਨਾਂ ਨਾਲ ਪ੍ਰਤੀ ਦਿਨ 40 ਡਲਿਵਰੀ ਕਰਦੀ ਹੈ। ਉਦਯੋਗਿਕ ਇੰਜੀਨੀਅਰ ਸੇਲਿਨ AI ਨੂੰ ਸਟਾਪ, ਬੇਨਤੀਆਂ ਅਤੇ ਵਾਹਨ ਦੀ ਸਮਰੱਥਾ ਦਿੰਦਾ ਹੈ ਅਤੇ ਰੂਟ ਪਲਾਨ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ। AI ਇੱਕ ਸ਼ਾਟ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਵਧੀਆ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਕੁੱਲ ਦੂਰੀ ਘੱਟ ਹੁੰਦੀ ਹੈ। ਪਰ ਜਦੋਂ ਸੇਲਿਨ ਜਾਂਚ ਕਰਦੀ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਅਹਿਸਾਸ ਹੁੰਦਾ ਹੈ ਕਿ ਵਾਹਨ ਦੇ ਰੂਟ 'ਤੇ ਸੰਚਤ ਲੋਡ ਸਮਰੱਥਾ ਤੋਂ 15% ਵੱਧ ਹੈ; ਇੱਥੇ ਦੋ ਸਟਾਪ ਵੀ ਹਨ ਜਿੱਥੇ ਗਾਹਕ ਦੁਪਹਿਰ ਨੂੰ ਚੁੱਕ ਸਕਦਾ ਹੈ ਪਰ ਸਵੇਰੇ ਤਹਿ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਸੇਲਿਨ ਪ੍ਰੋਂਪਟ 'ਤੇ ਰੁਕਾਵਟਾਂ ਨੂੰ ਵਧੇਰੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਫਿਰ OR-ਟੂਲਸ ਨਾਲ ਯੋਜਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ। ਨਤੀਜਾ ਸੰਭਵ ਹੋ ਜਾਂਦਾ ਹੈ. ਸਬਕ: ਉਹ ਯੋਜਨਾ ਜਿਸ ਨੂੰ AI ਨੇ "ਸਭ ਤੋਂ ਛੋਟਾ" ਕਿਹਾ, ਅਸਲ ਵਿੱਚ ਸਭ ਤੋਂ ਛੋਟਾ ਨਹੀਂ ਸੀ ਅਤੇ ਪਾਬੰਦੀਆਂ ਦੀ ਉਲੰਘਣਾ ਕਰਕੇ ਵੀ ਅਵੈਧ ਸੀ।
ਆਮ ਗਲਤੀਆਂ
- ਰੁਕਾਵਟਾਂ ਨੂੰ ਨਿਰਧਾਰਿਤ ਨਾ ਕਰਨਾ: ਸਮਰੱਥਾ, ਸਮਾਂ ਵਿੰਡੋ ਅਤੇ ਵਾਹਨਾਂ ਦੀ ਗਿਣਤੀ ਤੋਂ ਬਿਨਾਂ ਰੂਟ ਦੀ ਬੇਨਤੀ ਕਰਨਾ।
- ਇੱਕ ਹੱਲ ਕਰਨ ਵਾਲੇ ਲਈ AI ਨੂੰ ਗਲਤ ਕਰਨਾ: AI ਦੁਆਰਾ ਇੱਕ ਅਸਲ ਹੱਲ ਕਰਨ ਵਾਲੇ ਆਉਟਪੁੱਟ ਦੇ ਰੂਪ ਵਿੱਚ ਦਿੱਤੇ ਗਏ "ਅਨੁਕੂਲ" ਹੱਲ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ।
- ਪਾਬੰਦੀਆਂ ਦੀ ਉਲੰਘਣਾ ਦੀ ਜਾਂਚ ਨਾ ਕਰਨਾ: ਸੰਚਤ ਲੋਡ ਅਤੇ ਪਹੁੰਚਣ ਦੇ ਸਮੇਂ ਦੀ ਜਾਂਚ ਕੀਤੇ ਬਿਨਾਂ ਯੋਜਨਾ ਨੂੰ ਲਾਗੂ ਕਰਨਾ।
- ਇੱਕ ਟੀਚੇ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਨਾ: ਸਿਰਫ ਲਾਗਤ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣਾ ਅਤੇ ਟਿਕਾਊਤਾ/ਜੋਖਮ ਨੂੰ ਭੁੱਲਣਾ (ਸਿੰਗਲ ਸਪਲਾਇਰ ਨਿਰਭਰਤਾ)।
- ਅਸਲ ਲਾਗਤਾਂ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰਨਾ: ਡਿਫਾਲਟ/ਫੈਬਰੀਕੇਟਿਡ ਯੂਨਿਟ ਲਾਗਤਾਂ ਦੇ ਨਾਲ ਇੱਕ ਮਾਡਲ ਬਣਾਉਣਾ ਅਤੇ ਇਸਨੂੰ ਅਸਲ ਡੇਟਾ ਨਾਲ ਅਪਡੇਟ ਨਾ ਕਰਨਾ।
ਸੰਖੇਪ ਵਿੱਚ
- ਹਰ ਸਪਲਾਈ ਚੇਨ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਤਿੰਨ ਹਿੱਸਿਆਂ ਵਿੱਚ ਉਬਲਦੀ ਹੈ: ਫੈਸਲੇ ਵੇਰੀਏਬਲ, ਉਦੇਸ਼ ਫੰਕਸ਼ਨ, ਰੁਕਾਵਟਾਂ।
- AI ਦਾ ਸਭ ਤੋਂ ਕੀਮਤੀ ਯੋਗਦਾਨ ਕਾਰੋਬਾਰੀ ਸਮੱਸਿਆ ਦਾ ਸਹੀ ਮਾਡਲ ਕਿਸਮ (ਆਵਾਜਾਈ, VRP, ਅਸਾਈਨਮੈਂਟ) ਵਿੱਚ ਅਨੁਵਾਦ ਕਰ ਰਿਹਾ ਹੈ।
- VRP ਵਿੱਚ ਸਮਰੱਥਾ ਅਤੇ ਸਮਾਂ ਵਿੰਡੋ ਦੀਆਂ ਕਮੀਆਂ ਮਹੱਤਵਪੂਰਨ ਹਨ; AI ਇਹਨਾਂ ਨੂੰ ਅਕਸਰ ਛੱਡਦਾ ਹੈ, ਇਹਨਾਂ ਦੀ ਜਾਂਚ ਕਰਨਾ ਯਕੀਨੀ ਬਣਾਓ।
- AI ਬਣਾਉਂਦਾ ਹੈ, ਹੱਲ ਨਹੀਂ ਕਰਦਾ; ਇੱਕ ਹੱਲ ਕਰਨ ਵਾਲੇ (PuLP, OR-ਟੂਲਜ਼) ਨੂੰ ਅਸਲ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
- ਲਾਗਤ ਤੋਂ ਇਲਾਵਾ, ਟਿਕਾਊਤਾ ਅਤੇ ਜੋਖਮ ਵੀ ਉਦੇਸ਼ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ; ਸਿੰਗਲ ਸਪਲਾਇਰ/ਸਿੰਗਲ ਰੂਟ ਨਿਰਭਰਤਾ ਇੱਕ ਲੁਕਵੀਂ ਲਾਗਤ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਸਪਲਾਈ/ਵੰਡ ਦੀ ਸਮੱਸਿਆ ਦਾ ਨਿਰਮਾਣ ਕਰੋ (ਜਿਵੇਂ ਕਿ 3 ਵੇਅਰਹਾਊਸ, 5-8 ਗਾਹਕ, ਮੰਗਾਂ ਅਤੇ ਵਾਹਨ ਦੀ ਸਮਰੱਥਾ)। ਪਹਿਲਾਂ, AI ਮਾਡਲ ਨੂੰ ਇੱਕ ਫੈਸਲੇ ਵੇਰੀਏਬਲ, ਟੀਚਾ, ਅਤੇ ਰੁਕਾਵਟ ਦੇ ਰੂਪ ਵਿੱਚ ਸਮੱਸਿਆ ਦਾ ਨਾਮ ਦਿਓ ਅਤੇ ਸਮੱਸਿਆ ਦੀ ਕਿਸਮ ਦਾ ਨਾਮ ਦਿਓ। ਫਿਰ ਇੱਕ VRP ਦ੍ਰਿਸ਼ ਦਿਓ ਅਤੇ ਇੱਕ ਰੂਟ ਯੋਜਨਾ ਦੀ ਮੰਗ ਕਰੋ; ਆਉਟਪੁੱਟ ਵਿੱਚ ਹਰੇਕ ਵਾਹਨ ਦੇ ਸੰਚਤ ਲੋਡ ਅਤੇ ਪਹੁੰਚਣ ਦੇ ਸਮੇਂ ਦੀ ਖੁਦ ਜਾਂਚ ਕਰੋ। ਨਾਜ਼ੁਕ ਤਸਦੀਕ: ਘੱਟੋ-ਘੱਟ ਇੱਕ ਵਾਹਨ ਦੇ ਕੁੱਲ ਲੋਡ ਨੂੰ ਹੱਥੀਂ ਜੋੜੋ ਅਤੇ ਇਸਦੀ ਸਮਰੱਥਾ ਨਾਲ ਤੁਲਨਾ ਕਰੋ ਅਤੇ ਪਾਬੰਦੀ ਦੀ ਉਲੰਘਣਾ ਦੀ ਭਾਲ ਕਰੋ। ਅੰਤ ਵਿੱਚ, AI ਨੂੰ ਹੱਲ ਕਰਨ ਵਾਲਾ (PuLP) ਕੋਡ ਪਿੰਜਰ ਲਿਖਣ ਅਤੇ ਇੱਕ ਵਰਕਫਲੋ ਡਿਜ਼ਾਈਨ ਕਰਨ ਲਈ ਕਹੋ ਜੋ AI ਨੂੰ ਜਾਅਲੀ ਨੰਬਰ ਬਣਾਉਣ ਤੋਂ ਰੋਕਦਾ ਹੈ, "ਮੈਂ ਹੱਲ ਚਲਾਵਾਂਗਾ" ਪਹੁੰਚ ਨਾਲ।