Lernen, was gelernt werden muss.
Den Rest exakt lösen.

Graybox-Optimierung verbindet beides. kint schätzt die Teile, die nur frühere Daten zeigen können, jeweils mit ihrer Unsicherheit und einem Holdout-Score. Dann löst es die Entscheidung exakt, in einem Modell, das Ihre Fachleute lesen können. Eine Entscheidung mit mehreren Ebenen bleibt ein einziges Modell, in dem die Kopplung zwischen den Ebenen ausgeschrieben ist.

Modell 03 von 4 · graybox und kombinierte Modelle
aus der Historie geschätzt · exakt gelöstein Modell, zwei Arten von Wissen
Graybox erklärt

Schätzen, was die Historie weiß. Den Rest exakt lösen.

Die meisten echten Entscheidungen vereinen beides. Liegeplatzfenster und Krananzahl sind Regeln, die Sie aufschreiben können. Wie schnell ein Kran an einem bestimmten Schiff arbeitet, wissen nur Ihre Betriebsdaten.

Sch. ASch. BSch. CSch. DSch. E
Beispielhaft · Kranbewegungen pro Stunde je Schiff, mit Intervall
01 · schätzen

schätzen, was nur die Historie weiß

Jeder gelernte Teil wird aus den Daten geschätzt, an Daten geprüft, die er nicht gesehen hat, und trägt seine Unsicherheit mit sich. Lücken werden gefüllt und als Schätzung gekennzeichnet.je Teil: Unsicherheit · Holdout-Score · Datenstand
  • EingabeRate(v) = geschätzte Rate, untere Intervallgrenze
  • RegelUmschläge(v) ≤ Rate(v) × Kranstunden(v)
  • RegelKranstunden(v) ≤ Fenster(v) × Krane(v)
  • RegelKrane im Einsatz(t) ≤ verfügbare Krane
  • Zielminimieren: Krane + Transporter im Einsatz
Beispielhafter Ausschnitt · v = Schiff, t = Stunde
02 · lösen

die Entscheidung exakt lösen

Die geschätzten Teile gehen als Eingaben in ein exaktes Modell ein. Der Solver durchsucht jeden Plan, den die Regeln zulassen, und meldet Schranke und Optimalitätslücke.je Lauf: Schranke und Optimalitätslücke · Modellversion · verwendete geschätzte Teile
Hierarchisch und mehrstufig

Liegeplatz, dann Kran, dann Lager. Gekoppelt in einem Modell.

Viele Entscheidungen sind verschachtelt. kint löst sie Ebene für Ebene und schreibt die Kopplung zwischen den Ebenen als Nebenbedingungen aus. Eine Änderung auf einer Ebene wird dann auf den anderen sichtbar.

EBENE 1 · LIEGEPLATZEBENE 2 · KAIKRANEEBENE 3 · LAGERwelches Schiff,wann, wowelcher Kranauf welchem Schiffwo jede Boxgestapelt wirdSchiff A · Liegeplatz 1Schiff C · Liegeplatz 1Schiff B · Liegeplatz 2↓ Liegeplatzfenster legen fest, wann Krane arbeitenKran 1Kran 2Kran 3Kran 4ACABBCAC↓ Kranleistungen bestimmen den LagerzuflussBlock 1Block 2Block 3Block 4Block 6Block 5 · fast voll↑ Lagerplatz begrenzt die Kranleistung
Beispielhaftes Terminal · drei EbenenKopplung als Nebenbedingungen ausgeschrieben · bindende Verbindung markiert
Robust und multikriteriell

Pläne, die halten. Zielkonflikte, die Sie sehen.

Personalplanhält bei der SpitzeNachfrageszenarienMoSo
Robust

Eine Entscheidung, die hält, wenn die Historie die Zukunft nicht festlegt.

Der Plan wird gegen die Bandbreite der Zukunftsszenarien gelöst, die die Daten zulassen. So übersteht ein Personalplan eine Nachfragespitze, statt an ihr zu scheitern. Die geschätzten Intervalle aus dem Graybox-Schritt fließen direkt ein.

Beispielhafte Szenarien

Kosten →Servicegrad
Multikriteriell

die Front, dann Ihre Wahl.

Kosten gegen Servicegrad: kint liefert die Menge der besten Kompromisse. Ihr Team wählt den Punkt, das Protokoll hält fest, warum.

Beispielhafte Front

Granularität

Antworten auf ihrer eigenen Ebene.

Jedes Modell antwortet auf einer Ebene: Terminal, Schicht, Schiff, Kran oder Umschlag. Eine Frage auf einer anderen Ebene erhält eine benannte Ablehnung mit Begründung statt einer Zahl, die nur richtig aussieht.

  1. TerminalDurchsatz pro Woche
  2. SchichtKrane und Transporter je SchichtModellebene
  3. SchiffUmschläge und Kranstunden je SchiffModellebene
  4. KranAbfolge je Kran
  5. Umschlageinzelne Containerumschlägehier gefragt
FrageWann hebt Kran 3 Box 41 auf Schiff B?

Abgelehnt: Granularität passt nicht. Dieses Modell antwortet je Schicht und Schiff. Die Frage zielt auf einzelne Umschläge. Ein Ablaufmodell auf Kranebene beantwortet sie.

Beispielhafte Frage und Antwort

Modellfamilien

Eine Plattform, die passende Familie für jeden Teil.

kint wählt die Familie gemeinsam mit Ihrem Team, Teil für Teil. Jede Familie liefert dasselbe Antwortformat und landet im selben Protokoll.

Modellfamilien im Vergleich
FamilieAusgangspunktErgebnisBeispielSeite
whiteboxRegeln, die Sie aufschreiben könnenOptimal für das formulierte Modell, sobald die Lücke 0,0 % erreicht, Schranke und Optimalitätslücke gespeichertDie Produktionsmischung nächster Woche aus den laufenden Stücklisten im Planungssystemwhitebox →
blackboxFrühere Entscheidungen und ErgebnisseBestes gefundenes Ergebnis auf dem gelernten Modell, mit UnsicherheitsbereichProzesseinstellungen abstimmen, wenn ein Simulationslauf Stunden dauertblackbox →
grayboxRegeln plus Teile, die nur die Historie kenntExakte Lösung auf geschätzten Teilen, jeweils mit Unsicherheit und Holdout-ScoreKranproduktivität gelernt, dann der Schichtplan exakt gelöstdiese Seite
robustEine Zukunft, die die Historie nicht festlegtEine Entscheidung, die über die Bandbreite hält, die die Daten zulassenEin Personalplan, der eine Nachfragespitze überstehtoben ↑
hierarchischEine verschachtelte EntscheidungJede Ebene gelöst, Kopplung ausgeschriebenLiegeplatz, dann Kaikran, dann Lageroben ↑
multikriteriellZiele, die gegeneinander wirkenDie Zielkonflikt-Front, aus der Sie wählenKosten gegen Servicegradoben ↑
simulationEin Plan und was passieren könnteErgebnisse je Szenario, im VergleichDer Schichtplan geprüft gegen einen ausgefallenen Kransimulation →

Bringen Sie eine Entscheidung mit einem Teil, das niemand aufschreiben kann.

Bringen Sie die Regeln Ihrer Planer und die Historie mit, die den Rest kennt. Wir schätzen, was gelernt werden muss, lösen exakt, was sich exakt lösen lässt, und zeigen Ihnen beides.

Familien
whitebox · blackbox · graybox · simulation
Geschätzte Teile
Unsicherheit und Holdout-Score je Teil
Optimalitätslücke
Schranke und Optimalitätslücke, mit dem Lauf gespeichert
Kontakt
hello@kint.pro