Optimization Solver Benchmark Lab
آزمایشگاه بنچمارک solverهای بهینهسازی — مقایسه HiGHS، CBC، CP-SAT، SCIP، Gurobi و MiniZinc روی ۹ خانواده مسئله با meta-model انتخاب solver.
این صفحه دموی POC است، نه سامانه تحویلی. خدمت متناظر: بهینهسازی عملیاتی · هاب دموها.
دموی نمونه تعاملیبرای مدیر: نتیجه کسبوکار
انتخاب solver حدسی بود؛ هزینه لایسنس بدون دانستن crossover کیفیت/زمان هدر میرفت.
بنچمارک ۹ خانواده؛ meta-model با ۸۵٪ دقت top-1 روی suite ترکیبی؛ ۴۰٪ تسریع انتخاب.
- ۹ خانواده مسئله
- ۶ solver
- ۸۵٪ top-1 meta-model
- ۶۰٪ موارد open-source کافی
«برای ۶۰٪ نمونهها open-source کافی است — لایسنس را جایی میخریم که gap واقعاً میارزد.»
مستندات عمومی
چه میکند؟
Optimization Solver Benchmark Lab 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 Optimization Solver Benchmark Lab 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. تیم OR و مهندسی که باید solver را برای تولید، لجستیک یا انرژی انتخاب کنند.
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
Instance features → run HiGHS/CBC/CP-SAT/SCIP/Gurobi/MiniZinc → quality/gap/time/memory → meta-model advise
معماری مرجع: Instance features → run HiGHS/CBC/CP-SAT/SCIP/Gurobi/MiniZinc → quality/gap/time/memory → meta-model advise. 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 families | KP/TSP/VRP/JSP/... | 9 |
| Solvers | open + commercial | 6 |
| Top-1 | synthetic suite | 85% |
| Selection time | pilot | −40% |
سوالات پرتکرار
Optimization Solver Benchmark Lab چه مسئلهای را حل میکند؟
Optimization Solver Benchmark Lab برای «فرامدل انتخاب/پیشبینی عملکرد solver روی بنچمارک» است. مقایسه HiGHS، CBC، CP-SAT، SCIP، Gurobi و MiniZinc روی ۹ خانواده مسئله با meta-model انتخاب solver. این صفحه دموی POC است نه سامانه تحویلی.
ورودی و خروجی Optimization Solver Benchmark Lab چیست؟
ورودی: ویژگی نمونه و تاریخچه solver. خروجی قابل نقلقول: پیشبینی زمان/کیفیت یا انتخاب. متریک Hub بدون حجم نمونه سازمان SLA نیست.
آیا Space عمومی Optimization Solver Benchmark Lab جایگزین استقرار سازمانی است؟
خیر. Hugging Face برای ارزیابی است. شکست رایج: انتخاب روی خانواده مسئله ندیده. 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.