Udvikling af matematiske systemer

Til planer, som mennesker genopbygger hver dag, lad systemet planlægge

Vagter, besøgsplaner, disponering, produktionstrin og personaletildeling. Vi omsætter komplekse beslutninger, der afhænger af Excel og erfarne operatører, til matematiske modeller og implementerer dem som brugbare web- og appsystemer til den daglige drift.

Prøv tildelingsdemoen

Prototype på helt ned til to uger Web, iOS og Android Bygget omkring stedsspecifikke regler

Begrænsningsløser

Optimeret · 0,38 s

Besøgsplan / 20. juni

Prototype på helt ned til to uger

Optimeret

Aoki

Ito

Sato

Hayashi

09:00

V-012Nord / Pleje

V-008Øst / Rehabilitering

11:00

V-003Central / Psykisk støtte

V-021Vest / Børnepasning

13:00

V-017Nord / Rehabilitering

V-026Syd / Psykisk støtte

Begrænsningsproblemer

Samlet rejsetid

84 min

Tildelingsgrad

100%

min Σ cᵢxᵢ + λΣ vⱼ
s.t. Ax ≤ b

Problemer vi løser

Planlægning Feltarbejde Rutelægning Matchning

Fremhævet løsning MPK Assurance

For kritisk Go-kode: stop ikke ved tests.

For kritisk Go-logik, der flytter penge, f.eks. refunderinger, gebyrer, saldi og reserver, kontrollerer vi mekanisk, om angivne egenskaber holder under klare antagelser og et eksplicit afgrænset område. Gemini genererer beviskandidater, og den uafhængige MPK-kerne træffer den endelige afgørelse.

Refunderinger Gebyrer Saldi Reserver Rabatter Fordelinger

Sikkerhed ud over tests

Kontrollér den angivne egenskab på tværs af hele målområdet, ikke kun udvalgte input.

Start med én Go-funktion

Start med en kritisk policy-funktion, ikke et særligt bevissprog.

Stol ikke direkte på AI

AI forbereder kandidater; den endelige accept ligger hos den uafhængige kerne.

Se MPK Assurance Se 30-sekundersdemoen om refundering

refund.go

func ApplyRefund(paid, refunded, amount int64) (int64, error) {
  if amount < 0 || refunded+amount > paid {
    return 0, errors.New("invalid refund")
  }
  return refunded + amount, nil
}

Egenskab der skal verificeres Samlede refunderinger ≤ betalt beløb

MODBEVIS FUNDET Viser konkrete input, hvor egenskaben brydes.

KERNEN HAR VERIFICERET Den uafhængige kerne accepterer certifikatet for den rettede version.

Go-funktion→Gemini forbereder kandidater→MPK kontrollerer uafhængigt

Begrænset til de første 5 virksomheder

MPK-tilbud for tidlige brugere

~~Normalpris JPY 198,000~~ JPY 49,800 ekskl. moms

For virksomheder, der vil dele ærlig feedback efter serviceforløbet og medvirke i en forhåndsgodkendt kundecase.

Se tilbuddet

Se betingelser og publikationsdetaljer på den dedikerede side.

Problemer vi løser

Når arbejdet er fyldt med begrænsninger, skyder almindelig systemudvikling forbi kernen.

Finite Field arbejder med drift, der er for regelstærk til et simpelt formularsystem og for specifik til et generisk SaaS-produkt.

Manuelle planer går hele tiden i stykker

En person omlægger arbejdet hver gang en vagt, et besøg, en levering eller en ordre ændrer sig.

Regler er svære at se

Regler for kompetencer, kapacitet, lokation, deadline og prioritet findes, men de er spredt ud over regneark og menneskers hukommelse.

Eksperter tager kompleksiteten på sig

De samme data kopieres mellem Excel, chat og systemer og rettes derefter af den samme ekspert.

Systemet træffer ikke beslutninger

Der findes et system, men det registrerer kun resultater. Den svære del sker stadig uden for systemet.

Svaret er ikke bare en pænere skærm. Det er en model, der kan beslutte og forklare.

Vi behandler dem som matematiske systemer: modellér beslutningen, test begrænsningerne, forklar resultatet, og byg brugerfladen til driften omkring den logik.

Fra forretningsregler til systemmodel

Når beslutninger gentages, har systemet brug for et matematisk lag.

Finite Field begynder ikke med en skærmliste. Vi opdeler først driftsbeslutninger i variabler, begrænsninger, mål og forklaringskrav og designer derefter systemet.

Variabler

Medarbejdere, besøg, maskiner, ordrer, køretøjer, tidsrum, kompetencer, kapacitet og datoer bliver eksplicitte data.

Begrænsninger

Kompetencer, deadlines, lokationer, belastningsgrænser, prioriteter, utilgængelige tider og forretningsundtagelser skrives som regler.

Mål

Reducér rejsetid, balancér arbejdet, forbedr match med ønsker, beskyt deadlines eller gør afvejninger synlige for operatører.

Vi starter ikke med en skærmliste. Vi definerer først beslutningsvariabler, begrænsninger, mål og forklaringskrav og omsætter dem derefter til et produkt, som mennesker kan betjene.

Interaktiv tildelingsdemo

Se, hvordan en regeltung plan ændrer sig, når den bliver en matematisk model.

Browserdemoen er forklarende. Den sender ikke dine data ud af denne side.

Planlægger for besøg

Skift målet, og kør planlæggeren.

Optimeringsmål

Manuel plan: to begrænsninger kræver rettelse

Eksempel: 9 besøg / 5 medarbejdere

Løsningsområder

Vi bygger omkring beslutningen, ikke omkring en generisk skærmkategori.

Vi fokuserer på planlægningsarbejde, der genopbygges hver dag: vagter, besøg, disponering, produktionstrin og personaletildeling.

Planlægning

Optimering af vagter og bemanding

Omsæt kompetencer, tidsrum, hviletidsregler og retfærdig fordeling til en plan, der kan gennemgås.

Feltarbejde

Planlægning af besøg og ruter

Tildel besøg og feltarbejde med hensyn til rejsetid, kompetencematch, ønskede medarbejdere og tidsvinduer.

Rutelægning

Køretøjsruter og leveringsplanlægning

Planlæg køretøjer, leverancer og stop under kapacitets-, rækkefølge- og servicebegrænsninger.

Matchning

Tildelings- og matchningssystemer

Match personer, sager, ordrer eller ressourcer med forklarbare prioriteter og undtagelser.

Leveringsproces

Model først, prototype derefter, produktion først når løsningen passer til driften.

Vi holder første skridt smalt nok til at validere modellen, før vi forpligter os til et produktionssystem.

Kortlæg regler og data

Indsaml nuværende regneark, regler, eksempler og undtagelser, og find ud af hvor beslutningerne faktisk sker.

Byg modellen

Omsæt arbejdsgangen til variabler, begrænsninger, mål og forklaringskrav, som kan gennemgås.

Lav prototype af driften

Skab en lille brugerflade omkring modellen, så operatører kan prøve arbejdsgangen og finde manglende regler.

Planlæg produktionsudvikling

Beslut først produktionsomfanget, når data, model, brugbarhed og risikoantagelser er synlige.

Første skridt

Start småt, og beslut derefter om hele systemet skal bygges.

Ved usikre arbejdsgange starter vi med en afgrænset prototype: modeller reglerne, byg en lille brugerflade, og afklar om logikken er værd at udvikle til produktion.

Prototype fra ¥298.000

Prototypen afklarer gennemførlighed og omfang. Den garanterer ikke forretningseffekter.

Kortlægning af regler og data

Lille optimerings- eller matchningsmodel

Prøvbar prototype af arbejdsgangen

Forslag til næste omfang med risici og antagelser

Fra forskning til produkt

Model, verificér, drift

NPA

Verifikation

Produkter

Matematiklab

Vi holder forskning tæt på implementering.

Laboratoriet forbinder matematisk modellering, bevisbaseret tænkning og softwareudvikling. Startsiden introducerer retningen og sender tekniske læsere videre til NPA og relateret arbejde.

Forskningsindhold understøtter teknisk vurdering; det erstatter ikke produktionsvalidering eller formelle bevisværktøjer.

Læs om NPA

Ofte stillede spørgsmål

Almindelige spørgsmål før første samtale

Svarene er skrevet til teams, der overvejer, om driftsbeslutninger bør blive til software.

Hvilken type arbejde kan blive et matematisk system?

Planlægning, tildeling, rutelægning, matchning, produktionsplanlægning og andre arbejdsgange med mange begrænsninger passer godt. Vi omsætter først forretningsreglerne til en lille model, før vi beslutter, hvad der skal bygges.

Garanterer I forretningsresultater?

Nej. Prototypen og demoen tydeliggør mulig logik, datakrav og brugeroplevelse. De garanterer ikke lavere omkostninger, højere salg eller andre forretningseffekter.

Kan vi starte, før alle krav er fastlagt?

Ja. Vi holder normalt første skridt lille: datatjek, strukturering af regler og en prototype, man kan prøve. Fuld produktionsudvikling starter først, når modellen passer til driften.

Bring regelstærke beslutninger ind i et system, der kan forklares, testes og drives.

Start med en lille model og en prototype, man kan prøve. Vi adskiller det, der bør automatiseres, fra det, der bør blive ved med at være menneskelig vurdering.

Kontakt os