Universal Resource Scheduling Engine
موتور زمانبندی منابع جهانی — زمانبندی شغل روی منابع محدود با CP-SAT، الگوریتم ژنتیک و قوانین dispatch — گانت و KPI چندهدفه.
این صفحه دموی POC است، نه سامانه تحویلی. خدمت متناظر: بهینهسازی عملیاتی · هاب دموها.
دموی نمونه تعاملیبرای مدیر: نتیجه کسبوکار
برنامهریزی شیفت و ماشین دستی و طولانی بود؛ تأخیر بین واحدها دیده نمیشد.
۹ سناریو صنعتی؛ ۶ مدل زمانبندی؛ حدود ۳۵٪ کاهش چرخه برنامهریزی در پایلوت.
- ۹ سناریو صنعت
- ۶ مدل زمانبندی
- ۳۵٪ کاهش چرخه برنامهریزی
- fairness ≥ ۰.۸۵
«یک موتور برای کارخانه، بیمارستان و پروژه نرمافزار — با گانت قابل توضیح.»
مستندات عمومی
چه میکند؟
Universal Resource Scheduling Engine 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 Universal Resource Scheduling Engine 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. از خط تولید تا rostering پرستاری با همان موتور بهینهسازی.
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
Scenario → jobs/resources → CP-SAT / GA / SPT / EDD → Gantt + makespan/tardiness/utilization/fairness
معماری مرجع: Scenario → jobs/resources → CP-SAT / GA / SPT / EDD → Gantt + makespan/tardiness/utilization/fairness. 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 |
|---|---|---|
| Scenarios | industry templates | 9 |
| Models | JSP/FJSP/RCPSP/... | 6 |
| Planning cycle | pilot | −35% |
| Tardiness | vs manual | −28% |
سوالات پرتکرار
Universal Resource Scheduling Engine چه مسئلهای را حل میکند؟
Universal Resource Scheduling Engine برای «خانواده مدل/پیکربندی زمانبندی منبع سراسری» است. زمانبندی شغل روی منابع محدود با CP-SAT، الگوریتم ژنتیک و قوانین dispatch — گانت و KPI چندهدفه. این صفحه دموی POC است نه سامانه تحویلی.
ورودی و خروجی Universal Resource Scheduling Engine چیست؟
ورودی: تقاضا و تقویم منبع. خروجی قابل نقلقول: برنامه یا امتیاز شدنی بودن. متریک Hub بدون حجم نمونه سازمان SLA نیست.
آیا Space عمومی Universal Resource Scheduling Engine جایگزین استقرار سازمانی است؟
خیر. Hugging Face برای ارزیابی است. شکست رایج: یک پیکربندی برای همه صنایع. 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.