MetaSolver-FJSP
MetaSolver — انتخاب solver برای FJSSP — انتخاب خودکار الگوریتم برای زمانبندی کارگاه منعطف (FJSSP) بر اساس ویژگی نمونه.
این صفحه دموی POC است، نه سامانه تحویلی. خدمت متناظر: بهینهسازی عملیاتی · هاب دموها.
دموی نمونه تعاملیبرای مدیر: نتیجه کسبوکار
برای هر سفارش FJSSP یک الگوریتم ثابت اجرا میشد و روی نمونههای شلوغ کیفیت افت میکرد.
ویژگی نمونه → مدل انتخاب → بهترین solver ثبتشده در جدول عملکرد.
- ویژگی FJSSP
- جدول عملکرد solver
- انتخاب خودکار
- کارگاه منعطف
«مسیر ماشین منعطف است؛ solver هم باید منعطف انتخاب شود.»
مستندات عمومی
چه میکند؟
MetaSolver-FJSP یکی از محصولات پورتفولیوی هوش مصنوعی آریا اِیآی است که برای تصمیمگیری عملیاتی سازمانهای ایرانی و بینالمللی طراحی شده. نسخه عمومی روی Hugging Face یک دموی نمونه است؛ نسخه تولید با یکپارچهسازی داده، SSO و audit trail استقرار مییابد.
مخاطب غیرفنی میتواند KPI قبل/بعد، کاربرد صنعت و مسیر پایلوت را ببیند؛ مخاطب فنی pipeline، متریک قابل بازتولید و لینک Space/Model/Dataset را دنبال میکند.
درخواست پایلوت از طریق فرم تماس سایت با ذکر علاقه به MetaSolver-FJSP ثبت میشود تا محدوده داده، قیود و معیار موفقیت مشخص گردد.
چه کسی از آن استفاده میکند؟
مدیران عملیات، CISO، برنامهریزان تولید، لجستیک، مالی و تیمهای مهندسی که باید تصمیم را هم برای هیئتمدیره و هم برای اجرای فنی توضیح دهند.
خروجی دمو «نمونه تعاملی» است؛ آپلود زنده فایل سازمانی روی Space عمومی توصیه نمیشود.
کاربرد در صنایع
تولید و کارخانه
زمانبندی ماشین، WIP، انرژی و نگهداری برای کاهش تأخیر و هزینه تغییر خط. قطعهسازی، ماشینکاری و کارگاههای چندمسیره.
لجستیک، انبار و توزیع
مسیریابی، موجودی، yard/dock و last-mile با قیود ظرفیت و SLA.
خردهفروشی و FMCG
قیمتگذاری پویا، موجودی چندکاناله و تخصیص سفارش با حاشیه سود.
انرژی، آب و محیط زیست
تخصیص منابع، کربن، نکسوس آب-انرژی-غذا و جمعآوری پسماند.
بهداشت، دارو و بیمارستان
زمانبندی OR، موجودی بالینی، spare parts و تخصیص سایت کارآزمایی.
حملونقل، بندر و هواپیمایی
جدول زمانی ترمینال، بازیابی اختلال پرواز و جریان کانتینر.
برای مهندس: Pipeline و معماری
FJSSP instance → features → selection model → solver run → makespan/tardiness log
معماری مرجع: FJSSP instance → features → selection model → solver run → makespan/tardiness log. اجزا روی CPU قابل اجرا هستند تا دمو و استقرار اولیه بدون GPU اجباری باشد.
خروجیها شامل امتیاز/برنامه، توضیحپذیری و ردپای تصمیم برای بازبینی انسانی است. آموزش و ارزیابی از corpus مستند پروژه پیروی میکند.
برای تولید: Docker، متغیر محیطی، و اتصال به سامانه موجود (ERP، SIEM، WMS، APS) طبق معماری هر repo انجام میشود.
پشته فنی
- Python
- OR-Tools / Pyomo / HiGHS
- NumPy
- SimPy
- Gradio
- Docker
متریکهای قابل بازتولید
| بنچمارک | جزئیات | نتیجه |
|---|---|---|
| Problem | FJSSP | yes |
| Selection | ML on features | yes |
| Performance | solver table | yes |
| Use | shop floor | scheduling |
سوالات پرتکرار
MetaSolver-FJSP چه مسئلهای را حل میکند؟
MetaSolver-FJSP برای «انتخاب solver یا پیکربندی برای کارگاه منعطف FJSSP» است. انتخاب خودکار الگوریتم برای زمانبندی کارگاه منعطف (FJSSP) بر اساس ویژگی نمونه. این صفحه دموی POC است نه سامانه تحویلی.
ورودی و خروجی MetaSolver-FJSP چیست؟
ورودی: ویژگی نمونه زمانبندی کارگاه. خروجی قابل نقلقول: پیشنهاد solver/پیکربندی. متریک Hub بدون حجم نمونه سازمان SLA نیست.
آیا Space عمومی MetaSolver-FJSP جایگزین استقرار سازمانی است؟
خیر. Hugging Face برای ارزیابی است. شکست رایج: solver نامناسب روی کارگاه بزرگ. production یعنی on-prem یا VPC و کنترل دسترسی.
چطور پایلوت را شروع کنیم؟
فرم تماس خانه (سازمان، صنعت، شرح مسئله) را بفرستید. قیمت در صفحه دمو اعلام نمیشود.