InventOpt
InventOpt — بهینهسازی موجودی و سفارشگذاری — سیاست موجودی ایمنی، نقطه سفارش و MIP چندکالایی با شبیهسازی مونتکارلو سطح خدمت.
این صفحه دموی POC است، نه سامانه تحویلی. خدمت متناظر: بهینهسازی عملیاتی · هاب دموها.
دموی نمونه تعاملیبرای مدیر: نتیجه کسبوکار
برنامهریزان با قاعده سرانگشتی اکسل سفارش میدادند؛ کمبود و موجودی راکد همزمان رخ میداد.
نقطه سفارش دادهمحور برای هر SKU؛ fill rate هدف ۹۵٪+؛ کاهش هزینه ۱۸–۳۲٪ در دمو.
- Fill rate ≥ ۹۵٪
- ۱۸–۳۲٪ کاهش هزینه
- ۶ سناریو تنش
- < ۳ s توصیه سفارش
«هر SKU نقطه سفارش، مقدار و احتمال کمبود دارد — در کمتر از ۳ ثانیه.»
مستندات عمومی
چه میکند؟
InventOpt 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 InventOpt 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. کاهش کمبود و سرمایه راکد در توزیع، FMCG و قطعات یدکی.
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
SKU catalog → EOQ/Newsvendor/s,S → Pyomo+HiGHS MIP → Monte Carlo → Optuna SS → order plan
معماری مرجع: SKU catalog → EOQ/Newsvendor/s,S → Pyomo+HiGHS MIP → Monte Carlo → Optuna SS → order plan. 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 |
|---|---|---|
| Fill rate | target service | 95%+ |
| Cost vs naive | demo | 18–32% |
| Stress tests | spike/delay/budget | 6 |
| Engine | Pyomo + HiGHS | yes |
سوالات پرتکرار
InventOpt چه مسئلهای را حل میکند؟
InventOpt برای «سیاست موجودی ایمنی، نقطه سفارش و MIP چندکالایی با شبیهسازی مونتکارلو سطح خدمت.» است. سیاست موجودی ایمنی، نقطه سفارش و MIP چندکالایی با شبیهسازی مونتکارلو سطح خدمت. این صفحه دموی POC است نه سامانه تحویلی.
ورودی و خروجی InventOpt چیست؟
ورودی: نمونه ورودی سازگار با کارت دمو. خروجی قابل نقلقول: خروجی قابل بازبینی انسان. متریک Hub بدون حجم نمونه سازمان SLA نیست.
آیا Space عمومی InventOpt جایگزین استقرار سازمانی است؟
خیر. Hugging Face برای ارزیابی است. شکست رایج: اتکا به خروجی دمو بدون صف تأیید. 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.