01
برنامههای دستی مدام میشکنند
هر بار که شیفت، بازدید، تحویل یا سفارش تغییر میکند، یک نفر کار را دوباره مرتب میکند.
Finite Field
تشخیص ۳۰ ثانیهای
این صفحه هنوز به این زبان در دسترس نیست.
مهندسی سامانههای ریاضی
برای برنامههایی که هر روز دوباره ساخته میشوند، بگذارید سامانه برنامهریزی کند
شیفتها، زمانبندی بازدیدها، اعزام، گامهای تولید و تخصیص کارکنان. تصمیمهای پیچیده متکی بر اکسل و اپراتورهای باتجربه را به مدلهای ریاضی تبدیل میکنیم و سپس آنها را به سامانههای وب و اپ کاربردی برای میدان اجرا میکنیم.
نمونه اولیه از دو هفته
وب، iOS و Android
ساختهشده بر پایه قواعد خاص محل
حلکننده قیود
بهینهشده · ۰٫۳۸ ثانیه
زمانبندی بازدید / ۲۰ ژوئن
نمونه اولیه از دو هفته
Aoki
Ito
Sato
Hayashi
09:00
V-012شمال / مراقبت
V-008شرق / توانبخشی
11:00
V-003مرکز / روان
V-021غرب / کودک
13:00
V-017شمال / توانبخشی
V-026جنوب / روان
مشکلات قیود
۰
کل سفر
۸۴ دقیقه
نرخ تخصیص
100%
min Σ cᵢxᵢ + λΣ vⱼ
s.t. Ax ≤ b
مسائلی که حل میکنیم
زمانبندیبهزودی
کار میدانیبهزودی
مسیریابیبهزودی
تطبیقبهزودی
مسائلی که حل میکنیم
وقتی کار پر از قید است، توسعه معمولی سامانه اصل موضوع را از دست میدهد.
Finite Field روی عملیاتی کار میکند که برای یک سامانه فرم ساده بیش از حد قاعدهمند و برای یک نرمافزار عمومی بیش از حد خاص است.
02
دیدن قواعد دشوار است
قواعد مهارت، ظرفیت، مکان، موعد و اولویت وجود دارند، اما میان صفحهگستردهها و حافظه افراد پراکندهاند.
03
خبرهها پیچیدگی را جذب میکنند
همان داده میان اکسل، گفتوگو و سامانهها کپی میشود و سپس همان خبره آن را اصلاح میکند.
04
سامانه تصمیم نمیگیرد
سامانهای وجود دارد، اما فقط نتایج را ثبت میکند. بخش دشوار هنوز بیرون از سامانه رخ میدهد.
پاسخ فقط یک صفحه زیباتر نیست. مدلی است که میتواند تصمیم بگیرد و توضیح دهد.
با این موارد مانند سامانههای ریاضی برخورد میکنیم: تصمیم را مدل کنید، قیود را بیازمایید، نتیجه را توضیح دهید و رابط عملیات را پیرامون آن منطق بسازید.
از قواعد کسبوکار تا مدل سامانه
وقتی تصمیمها تکرار میشوند، سامانه به یک لایه ریاضی نیاز دارد.
Finite Field با فهرست صفحهها شروع نمیکند. ابتدا تصمیمهای میدانی را به متغیرها، قیود، اهداف و نیازهای توضیح میشکند و سپس سامانه را طراحی میکند.
متغیرها
نیروها، بازدیدها، ماشینها، سفارشها، خودروها، بازههای زمانی، مهارتها، ظرفیت و تاریخها به دادههای صریح تبدیل میشوند.
قیود
مهارتها، مهلتها، مکانها، سقف بار، اولویتها، زمانهای عدم دسترسی و استثناهای کسبوکار بهصورت قاعده نوشته میشوند.
اهداف
کاهش سفر، تعادل کار، بهبود تناسب ترجیحی، محافظت از موعدها یا آشکار کردن بدهبستانها برای اپراتورها.
از فهرست صفحهها شروع نمیکنیم. ابتدا متغیرهای تصمیم، قیود، اهداف و نیازهای توضیح را تعریف میکنیم و سپس آنها را به محصولی تبدیل میکنیم که مردم بتوانند با آن کار کنند.
نمایش تعاملی تخصیص
ببینید یک زمانبندی پر از قاعده وقتی به مدل ریاضی تبدیل میشود چگونه تغییر میکند.
این نمایش مرورگری فقط برای توضیح است و دادههای شما را از این صفحه خارج نمیکند.
برنامهریز زمانبندی بازدید
هدف را تغییر دهید و برنامهریز را اجرا کنید.
برنامه دستی: دو قید نیاز به اصلاح دارد
نمونه: ۹ بازدید / ۵ نیرو
حوزههای راهکار
ما پیرامون تصمیم میسازیم، نه پیرامون یک دسته عمومی از صفحهها.
بر کارهای برنامهریزی تمرکز میکنیم که هر روز دوباره ساخته میشوند: شیفتها، بازدیدها، اعزام، گامهای تولید و تخصیص کارکنان.
زمانبندی
بهینهسازی شیفت و نیروی انسانی
مهارتها، بازههای زمانی، قواعد استراحت و انصاف را به برنامهای قابل بازبینی تبدیل کنید.
کار میدانی
زمانبندی بازدید و مسیر
بازدیدها و کار میدانی را با توجه به سفر، تناسب مهارت، نیروی ترجیحی و پنجرههای زمانی تخصیص دهید.
مسیریابی
مسیریابی خودرو و برنامهریزی تحویل
خودروها، تحویلها و توقفها را زیر قیود ظرفیت، توالی و خدمت برنامهریزی کنید.
تطبیق
سامانههای تخصیص و تطبیق
افراد، پروندهها، سفارشها یا منابع را با اولویتها و استثناهای قابل توضیح تطبیق دهید.
فرایند تحویل
اول مدل، بعد نمونه اولیه، و تولید فقط پس از روشن شدن تناسب.
گام اول را به اندازهای محدود نگه میداریم که مدل پیش از تعهد به سامانه تولیدی اعتبارسنجی شود.
01
فهرستبرداری از قواعد و دادهها
صفحهگستردهها، قواعد، نمونهها و استثناهای فعلی را جمعآوری میکنیم و مشخص میکنیم تصمیم واقعاً کجا گرفته میشود.
02
ساخت مدل
جریان کاری را به متغیرها، قیود، اهداف و نیازهای توضیح تبدیل میکنیم تا قابل بازبینی باشد.
03
نمونهسازی عملیات
یک رابط کوچک پیرامون مدل میسازیم تا اپراتورها جریان کاری را لمس کنند و قواعد جاافتاده را بیابند.
04
برنامهریزی توسعه تولیدی
دامنه تولیدی را فقط پس از روشن شدن داده، مدل، کاربردپذیری و فرضهای ریسک تعیین میکنیم.
گام نخست
کوچک شروع کنید، سپس تصمیم بگیرید آیا سامانه کامل ساخته شود یا نه.
برای جریانهای کاری نامطمئن، با نمونه اولیه محدود شروع میکنیم: قواعد را مدل میکنیم، یک رابط کوچک میسازیم و میسنجیم آیا منطق ارزش توسعه تولیدی دارد یا نه.
نمونه اولیه از ۲۹۸٬۰۰۰ ین
نمونه اولیه امکانپذیری و دامنه را روشن میکند. اثر تجاری را تضمین نمیکند.
فهرست قواعد و دادهها
مدل کوچک بهینهسازی یا تطبیق
نمونه جریان کاری قابل لمس
پیشنهاد دامنه بعدی با ریسکها و فرضها
از پژوهش تا محصول
مدلسازی، راستیآزمایی، بهرهبرداری
NPA
راستیآزمایی
محصولات
Math Lab
پژوهش را نزدیک به اجرا نگه میداریم.
آزمایشگاه، مدلسازی ریاضی، تفکر مبتنی بر اثبات و تحویل نرمافزار را به هم وصل میکند. صفحه اصلی جهتگیری را معرفی میکند و خوانندگان فنیتر را به NPA و کارهای مرتبط هدایت میکند.
محتوای پژوهش از قضاوت مهندسی پشتیبانی میکند و جایگزین اعتبارسنجی تولیدی یا ابزارهای رسمی اثبات نیست.
درباره NPA بخوانیدبهزودیFAQ
پرسشهای رایج پیش از نخستین مشاوره
پاسخها برای تیمهایی نوشته شدهاند که بررسی میکنند آیا تصمیمهای عملیاتی باید به نرمافزار تبدیل شوند یا نه.
چه نوع کاری میتواند به سامانه ریاضی تبدیل شود؟
زمانبندی، تخصیص، مسیریابی، تطبیق، برنامهریزی تولید و جریانهای کاری دیگر با قیود فراوان مناسباند. ابتدا قواعد کسبوکار را به یک مدل کوچک تبدیل میکنیم و سپس تصمیم میگیریم چه چیزی ساخته شود.
آیا نتیجه تجاری را تضمین میکنید؟
خیر. نمونه اولیه و نمایش، منطق ممکن، نیازهای داده و تجربه کاربر را روشن میکنند. آنها اثر تجاری را تضمین نمیکنند.
آیا میتوانیم پیش از قطعی شدن همه نیازمندیها شروع کنیم؟
بله. معمولاً گام اول را کوچک نگه میداریم: بررسی داده، ساماندهی قواعد و نمونهای قابل لمس. توسعه تولیدی کامل پس از روشن شدن مدل و تناسب عملیاتی آغاز میشود.
تصمیمهای پر از قاعده را به سامانهای بیاورید که قابل توضیح، آزمون و بهرهبرداری باشد.
با یک مدل کوچک و نمونهای قابل لمس شروع کنید. ما جدا میکنیم چه چیزی باید خودکار شود و چه چیزی باید در قلمرو قضاوت انسانی بماند.