Ответы нужны мне, чтобы понять уровень интереса к этим темам, оценить, насколько часто они встречаются на практике, кто что вообще об этом знает. Ну и, в конечном итоге, подготовиться и привлечь внимание к своему докладу на Event 2019, где я хотел рассказать о практических решениях этих проблем. Мой собственный ответ вы сможете узнать, если проголосуете за доклад [ссылка].
При этом автор наиболее полного (по количеству названных общих свойств) ответа на вопрос в заголовке будет соответствующим образом вознагражден.
(1) Если под упаковкой подразумевается упомянутая выше тема, мы можем рассматривать оптимизацию расписания производства как заполнение коробки:
Есть ряд оформленных заказов от клиентов производственного предприятия, которые играют роль заполнителя коробки, а сама коробка представлена временным интервалом, будь то день, месяц, или пятилетка. Получается, заранее имея приблизительное представление о количестве времени, необходимом для выполнения того или иного заказа, мы можем рассчитать как распределить эти заказы во времени (в коробке) с учётом перенастройки оборудования, зная что для того чтобы перенастроить его с производства продукта А на продукт Б нужно потратить X минут, А на С -- Y минут и т.д. То есть аналогия здесь вполне очевидна, мы снова пытаемся максимально оптимально заполнить пространство с учётом разниц во времени перенастройки, которые постоянно меняются при комбинировании последовательностей разных заказов. Со своим опытом программирования и отсутствием производственного опыта мне ничего не приходит в голову кроме полного перебора и я бы очень хотел узнать, что за более качественная и быстрая идея у вас возникла.
(1) Тоже надо все "умять" получше чтоб оборудование и трудовые ресурсы полнее загрузить с целью наиболее эффективного достижения целевых показателей. Только что параметров анализа и комбинаций поболее будет чем габаритные размеры упаковки и содержимого.
1. Это классы задач в математике и экономике.
2. Они могут быть запрограммированы и в современных реалиях сложно разрешимы без вычислительных систем.
3. Результат решения этих задач используется в реальной практике. В т.ч. на производстве, в сфере услуг, доставке, хранении, логистике.
4. Оба класса задач относятся к задачам оптимизации.
5. Решений конкретной задачи нахождения упаковки или составления расписания может быть больше одного. Выбор оптимального решения зависит от поставленных задач, используемых ресурсов, методов решения, а результаты решений могут быть пересмотрены.
6. При выборе оптимального варианта решения в этих задачах необходимо учитывать множество факторов, принимать или отвергать установленные допущения. Например, для задачи нахождения оптимальной упаковки, в одном случае допускается минимальное наложение объектов друг на друга, в другом - оно неприемлемо. Так и при решении задачи составления расписания допускается использование алгоритма с простоем в производстве, если задача может быть решена за разумное время. Но наличие простоя в расписании не всегда целесообразно и возможно.
7. Обе задачи могут быть решены перебором всех возможных вариантов.
(2) Нет, это другой, новый подход. Нацеленный прежде всего на составление оптимальных расписаний. Но оказалось, его можно применить и к упомянутой по ссылке задаче. Решая задачу гораздо качественнее и быстрее. Правда, пришлось отойти от условия "на чистом 1С".
"нахождения оптимальной 3д упаковки" И "оптимизации составления расписания производства"
- каждое предложение состоит из 4 слов
- каждое стримится оптимизировать расходы и повысит эффеткивность
- уверен, каждое можно реализовать в 1С
- ...
)
Как у 3D упаковки есть три измерения, от которых зависят габариты упаковки: длина, ширина и высота, так и у производства есть величины, определяющие оптимальность выпуска: количество и сроки исполнения заказов, уровень обеспечения материалами и уровень загрузки и мощности ресурсов.