Я пишу эту статью, чтобы объяснить, как я адаптировал научную информацию к реальной проблеме, используя подходы и методы, которые я узнал из онлайн-курса, и преимущества для меня, а также компания.

Мои мотивы написать эту статью:

  • Определение проблемы комплектации заказа на складе для логистической компании
  • Предоставление информации об онлайн-курсе с использованием научных подходов для реализации решений, которые включают основанные на правилах и эвристические алгоритмы в секторе розничной торговли.

Определение проблемы

Товар отгружается со склада в магазины, чтобы ежедневно пополнить проданный товар в новом сезоне. Когда большому количеству магазинов требуется продукт, запасы которого ограничены, возникает проблема оптимизации, в том числе какой продукт назначить каким магазинам и создание туров. (заказ на работу) с минимальным временем комплектования на внутреннем складе. Эти две части задачи оптимизации необходимо решать одновременно.

Экскурсии представляют собой последовательность действий рабочих заданий по подбору продуктов. Например, пусть у оператора есть список нарядов на работу и пронумерованная тележка с 10 глазами. Список заказов на работу включает продукты, которые будут размещены на каждой пронумерованной тележке, и адреса, по которым продукты хранятся. Оператор следует порядку списка и завершает тур. Как видно на рисунке 1, оператор ходит с тележкой по проходам и забирает продукты в определенных точках.

После объяснения, что такое тур, я собираюсь определить проблему. Как упоминалось выше, многие магазины могут потребовать товар, но запасы этого товара могут быть ограничены. Например, пусть магазины «Истинье Парк», «Беязит» и «Таксим» розничной компании требуют белых рубашек с длинными рукавами порядка 10, 20 и 20 соответственно, а их запас на складе составляет 30. Сценарии присвоения магазина-товара, которые показаны с помощью цветные стрелки можно увидеть на рисунке 2.

В этом случае не весь спрос удовлетворяется, и необходимо принять решение. Парк Истинье (10) и Беязит (20) или Парк Истинье (10) и Таксим (20) или Беязит (20) и Таксим (10) могут быть покрыты. Здесь, по каким парам магазинов будет распределен запас, является задачей оптимизации, и эта проблема аналогична «задаче о рюкзаке». Обратите внимание, что эта часть предназначена только для присвоения товара и магазина. В дополнение к этой проблеме, если добавлено создание туров в части кратчайшего расстояния, часть назначения примет более сложную структуру и ограничения увеличатся.

Решение этой проблемы с использованием классических моделей оптимизации занимает много времени с учетом товаров, востребованных всеми магазинами компании, и соответствующих складских запасов. Такие задачи в литературе называются комбинаторной оптимизацией, и для их решения требуется больше времени. Основная причина, по которой такие проблемы занимают много времени, - это большое количество переменных решения. Например, 500 магазинов имеют спрос на 1000 типов продуктов, и эти продукты хранятся в 1250 различных местах. В этом случае количество переменных решения составляет 625 миллионов. Модель, созданная этими переменными решения, решается с учетом операционных и теоретических ограничений, которые включают собственную динамику каждой фирмы.

В рамках этих ограничений посылки, отправляемые в каждый магазин, имеют определенную вместимость, и проблема должна быть решена таким образом, чтобы количество отправляемых посылок в магазины было максимальным, а количество посылок было минимальным.

Если бы мы добавили переменные решения о минимальном расстоянии и назначении тележки к математической модели, количество переменных решения достигло бы миллиардов. Следовательно, проблема не может быть решена быстро, а также решение становится практически невозможным. Компания намерена решить эту проблему за 3–5 минут за счет операций по пополнению запасов. Другими словами, новые продукты помещаются в места, пустые поля которых после операций комплектования, проходов на складе. Следовательно, туры должны формироваться путем решения проблемы в короткие сроки, поскольку запасы на складе меняются мгновенно.

Онлайн-курс по дискретной оптимизации

Хочу упомянуть о преимуществах курса Дискретная оптимизация, в котором представлены подходы и методы, позволяющие быстро решить проблему оптимизации комплектации заказов. Этот курс, который поможет вам улучшить свой алгоритм или использовать гибридные подходы, предлагает комплексные алгоритмы, модели и методы со сложными задачами. Уровень курса средний, его прохождение занимает восемь недель. Еженедельные задания включают различные измерения данных и разнообразие, относящееся к проблеме, и каждый подход к решению варьируется в зависимости от проблемы. Задания состоят из двух этапов:

  • Алгоритм построения конкретной проблемы
  • Алгоритм кодирования на Python и установка системы

Таким образом, с помощью этого курса ваш опыт разработки алгоритмов и кодирования может расшириться. Задания на определенной неделе не противоречат другим заданиям, и эти задания требуют вашего дополнительного изучения. Пока вы пытаетесь найти решение, вы можете досконально изучить и реализовать подходы. Вы сможете увидеть, что ваши алгоритмы или подходы решают задачи заданий без непосредственной реализации подходов курса. В зависимости от качества ваших подходов вы можете набрать 3, 7 и 10 баллов, где проходной балл - 7.

Курс требует базовых знаний по оптимизации и программирования на Python и включает методологические подходы к решению задачи о ранце, раскраски графиков, задачи коммивояжера (TSP), проблемы местоположения объекта и проблемы маршрутизации емкостных транспортных средств. Некоторые из этих подходов - это алгоритм ветвей и границ, оптимизация по ограничению и алгоритм локального поиска, и они хорошо объяснены с соответствующими примерами.

Личный вклад

Пока вы работаете над заданиями, вы можете понять, что проблема никогда не решается. С этого момента начинается самосовершенствование. Вы умеете без отчаяния решать задачи поставленных задач с поиском новых путей решения. Кроме того, вы можете улучшить гибридные модели с помощью различных моделей машинного обучения.

Например, решение TSP с большим количеством клиентов включает в себя группировку клиентов с помощью кластеризации k-средних и поиск маршрута с минимальным расстоянием с помощью имитации отжига на основе сгруппированных клиентов. Если вы попытаетесь решить без группировки клиентов, это займет полиномиальное время из-за большого количества клиентов в TSP. Точно так же вы можете улучшить свои подходы и улучшить себя с помощью других заданий курсов.

Сочетание реальной проблемы с теоретическими знаниями

Вдохновленный методом «большого соседства», который является последним предметом курса, я переработал алгоритм отбора, который принадлежит розничной компании. Эта разработка нового алгоритма привела к снижению затрат на операции комплектования на 1 процент по сравнению с предыдущим. Экономия (миллионы турецких лир) дает компании неоспоримое конкурентное преимущество. Если друзья, которые работают со мной в одной сфере, обратят особое внимание на этот курс, они сэкономят для своей компании. Помимо личного вклада, решение проблемы реального сектора с использованием теоретических знаний является для меня источником счастья. Желаю тебе такого же счастья ...

Позвольте мне сначала представиться. Я работаю специалистом по аналитике в ведущей розничной компании Турции. В мои обязанности входит улучшение и разработка алгоритмов, математическое моделирование и кодирование, бизнес-аналитика, анализ данных и статистическое моделирование (методы машинного обучения и т. Д.). Я использую T-SQL, Python или IBM ILOG CPLEX для решений и анализа данных. Я закончила математику (степень бакалавра) в Стамбульском коммерческом университете и менеджмент ( степень магистра) в Стамбульском техническом университете (ITU). Название моей диссертации было «Измерение индекса комфорта в общественном транспорте в Стамбуле». В настоящее время я сосредоточился на «Внедрение электромобилей в грузовых перевозках внутри города» во время моей докторской диссертации. учеба в ITU, которая скоро будет завершена.

Ükrü İMRE

Специалист по аналитике и оптимизации

Кандидат наук. (канд.) Стамбульский технический университет