SolverPort

SolverPort — پورتفوی خودکار انتخاب solver — انتخاب خودکار solver و پیکربندی بر اساس ویژگی نمونه برای پورتفوی الگوریتم‌های OR.

این صفحه دموی POC است، نه سامانه تحویلی. خدمت متناظر: بهینه‌سازی عملیاتی · هاب دموها.

دموی نمونه تعاملی

برای مدیر: نتیجه کسب‌وکار

قبل

یک solver پیش‌فرض برای همه نمونه‌ها استفاده می‌شد و روی بعضی خانواده‌ها timeout می‌خورد.

بعد

مدل انتخاب روی ویژگی نمونه؛ پورتفوی solver با عملکرد ثبت‌شده در dataset.

  • ویژگی نمونه
  • عملکرد solver
  • انتخاب خودکار
  • پورتفوی الگوریتم

«solver را به نمونه می‌دهیم — نه یک موتور برای همه مسائل.»

— OR Researcher (ناشناس)

مستندات عمومی

چه می‌کند؟

SolverPort 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 SolverPort 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. تیم‌های OR که تنوع مسئله بالا دارند و یک solver کافی نیست.

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 → feature extract → selection model → solver+config → performance log

solver-selectionportfoliometa-learningmilpor

معماری مرجع: Instance → feature extract → selection model → solver+config → performance 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

بنچمارکجزئیاتنتیجه
Featuresinstancedataset
Performancesolver runslogged
Outputsolver + configyes
Useportfolioauto

سوالات پرتکرار

SolverPort چه مسئله‌ای را حل می‌کند؟

SolverPort برای «انتخاب درگاه solver مناسب برای مسئله ورودی» است. انتخاب خودکار solver و پیکربندی بر اساس ویژگی نمونه برای پورتفوی الگوریتم‌های OR. این صفحه دموی POC است نه سامانه تحویلی.

ورودی و خروجی SolverPort چیست؟

ورودی: ویژگی مسئله و محدودیت مجوز/زمان. خروجی قابل نقل‌قول: پیشنهاد solver. متریک Hub بدون حجم نمونه سازمان SLA نیست.

آیا Space عمومی SolverPort جایگزین استقرار سازمانی است؟

خیر. Hugging Face برای ارزیابی است. شکست رایج: solver تجاری وقتی منبع باز کافی است. 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.

ورودی و خروجی SolverPort چیست؟

ورودی: ویژگی مسئله و محدودیت مجوز/زمان. خروجی قابل نقل‌قول: پیشنهاد solver. متریک Hub بدون حجم نمونه سازمان SLA نیست.

آیا Space عمومی SolverPort جایگزین استقرار سازمانی است؟

خیر. Hugging Face برای ارزیابی است. شکست رایج: solver تجاری وقتی منبع باز کافی است. 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.

لینک‌های Hugging Face

درخواست پایلوت

برای استقرار on-prem، یکپارچه‌سازی با سامانه‌های موجود یا fine-tune روی داده سازمان خود تماس بگیرید.