Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

In hoc articulo narrabimus tibi quomodo solverimus problema de defectu liberorum cellarum in horreis et progressu algorithmi discreti optimiizationis ad talem problema solvendum. Loquamur quomodo "aedificavimus" exemplar mathematicum quaestionis optimizationis, et de difficultatibus quas inopinato offendimus, cum notitias initus ad algorithmum expediendas.

Si interest applicationes mathematicae in negotiis et non times identitatem rigidam formularum transmutationes in gradu 5 gradu, tunc gratam cat!

Articulus utilis erit iis qui efficiunt WMS-systems, opera in horreis vel logisticis industriae productionibus, necnon programmatores qui sunt in applicationibus mathematicae in negotiis et in processuum inceptis, in negotio.

Pars introductoria

Haec publicatio continuat seriem articulorum in quibus nostrae felicitatis experientiae communicamus in exsequendo algorithmos optimiizationis in processibus horreis.

В articulus priorem describitur CELLA specialia in quibus nos implemented WMS-systema, et etiam cur opus erat solvere problema ligaturae batches reliquarum bonorum in implementation WMS—ratio, et quomodo id fecerimus.

Cum articulum de optimizatione algorithmorum conplessemus scriberemus, factum esse valde magnum, ut materiam congestam in partes 2 dividere decrevimus;

  • In prima parte (in hoc articulo) loquemur quomodo "aedificati sumus" exemplar mathematicum quaestionis, et de magnis difficultatibus inopinanter congressi sumus cum dispensando et mutando input notitias pro algorithmo.
  • In secunda parte exsequendum algorithmus in lingua latina singillatim considerabimus C ++experimentum computatorium agemus et experientiam compendiemus quam in exsequendis technologiarum "intelligentium" in processibus negotii emptoris consecuti sumus.

Quam legere articulus. Si priorem articulum legas, tunc statim ad capitulum "Operimentum solutionum existentium" potes ire: sin minus, tunc descriptio problematis solvenda est in praedo infra.

Descriptio problematis solvendis in horreis emptoris

Bottleneck in processibus

In MMXVIII, consilium ad effectum deducendi complevimus WMS-systems in horreis "Domus Trading "LD" in Chelyabinsk. Productum implevimus "1C-Logistics: Warehouse Management III" pro XX workplaces: operators WMSianitores, forklift muliones. CELLA mediocris circiter 4 milia m2 est, cellarum numerus est 5000 et numerus SKUs 4500. In thesauris globulorum valvularum horreorum nostrae variae magnitudinis productio ab 1 kg ad 400 kg. Inventarium in horreis batches reponitur, quia opus est bona eligere secundum FIFO.

In consilio processus automationis technicae horreorum, coram nobis erat cum problema exsistenti inventarii non-optimi. Grues peculiares recondendi ac iaciendi tales sunt ut una cellula repositionis unitas nonnisi res ex una massa contineat (cf. Fig. 1). Producta perveniunt ad horreum cottidianum et quilibet adventus separatum est batch. In summa, ex 1 mense warehouse operationis, batches 30 separatae creantur, non obstante quod singuli in cellula separata recondantur. Producta saepe seliguntur non in toto cursare, sed in frusta, et per consequens in zona delectu in multis cellulis haec imago conspicitur: in cella cum volumine plusquam 1 m3 gruum plura sunt fragmenta. 5-10% minus quam in cellula volumine.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Fig 1. Image of several pieces in a cell

Patet capacitatem repono non optime adhiberi. Scalam calamitatis fingere possum figuras dare: in mediocris, a 1 ad 3 cellularum cellularum exstant cum volumine plus quam 100 m300 cum "minusculis" per varias periodos operationis horrei. Cum horreum relative parvum sit, in horreis temporibus occupatus hoc factor "bottleneck" fit et processus horreorum acceptationis ac shipment valde retardat.

Quaestio solutio idea

Idea orta est: batchellae reliquiarum cum artissimis palmulis ad unam massam reduci debent, et reliquiae cum una massa compacta in una cellula vel in pluribus collocari debent, si non sufficit spatium in unum accommodare. totum numerum reliquiarum. Exemplum huiusmodi "compressionis" ostenditur in Figura II.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Fig.2. Propositum compressis residua in cellis

Hoc permittit ut signanter ad spatium horreorum occupatum reducendum pro novis bonis positis adhibeatur. In casu quo capacitas horreorum cumulatur, mensura talis perquam necessaria est, alioquin simpliciter non sit satis liberum spatium ad nova bona accommodanda, quae finem ducunt in processibus in horreis collocationis et repletionis et consequenter. sistere in acceptione et amet. Antea ante exsecutionem systematis WMS talis operatio manually fiebat, quae inefficax erat, quia processum quaerendi aptas stateras in cellis admodum longus erat. Nunc, cum systematis WMS inducta, processus automatere decrevimus, illum accelerare et intelligentem facere.

Processus solvendi talem quaestionem dividitur in 2 gradus;

  • in primo gradu invenimus catervas batches proximas in diem ad pressionem (hoc opus dedicatum articulus priorem);
  • in secundo gradu, pro singulis batches globorum reliquorum bonorum in cellis collocationem frequentissimam computamus.

In articulo currenti secundo algorithm stadio focus erit.

Recensere solutiones existentium

Priusquam progrediamur ad descriptionem algorithmatum quam enucleavimus, operaepretium est ducere brevem considerationem systematum in foro iam exsistentium. WMSquae efficiunt similem compressionem optimae functionis.

Primum notare necesse est productum “1C: Enterprise 8. WMS Logistics. CELLA administratione 4", quae possidetur et replicatur per 1C et ad quartam generationem pertinet WMSsystemata per AXELOT evoluta. Haec ratio compressionem functionis suae asserit, quae productum disparatum coniungendi manet in una communi cellula. Memorabile est compressionem functionis in tali systemate alias possibilitates etiam comprehendere, exempli gratia, emendandi collocationem bonorum in cellis secundum suas ABC classes, sed in illis non immorandum est.

Si codicem 1C resolvere: Enterprise 8. WMS Logistics ratio. CELLA administratione 4" (quae in hac parte functionis aperta est), sequentia concludere possumus. Compressio residua pressio algorithmus efficit logicam magis primitivam linearem et nulla potest esse mentio de aliqua compressione "optimalis". Nempe pampineis partibus non providet. Plures clientes, qui talem systema effectum impleverunt, conquesti sunt de consilio compressionis eventus. Exempli gratia, saepe in praxi in compressione, haec condicio occurrit: 100 quam at pede. Reliqua bona ab uno cella ad aliam cellam movere disponitur, ubi pars 1 sita est. bona, licet sit optima ex parte temporis ad contrarium.

Etiam, officialitas comprimendi reliqua bona in cellis in multis regionibus externis declaratur. WMS-systems, sed, proh dolor, nullas habemus veras opiniones de efficacia algorithms (hoc est commercium arcanum), multo minus ideam de profunditate suae logicae (quaestio proprietatis clausi-fontis), sic iudicare non possumus.

Quaere exemplum mathematicum quaestionis

Ad designandam algorithmorum qualitatem ad problema solvendum, primum necessarium est hanc quaestionem mathematice clare enuntiare, quod est id quod agimus.

Sunt plures cellulae Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)quae continent reliquiae aliquorum bonorum. In sequentibus, tales cellulas donatorem cellularum vocabimus. Sit scriptor sint Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) volumen de bonis in cellula Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)$.

Aliquam sit amet dicere unum solum productum unius massae, vel plures batches antea in botrum conjunctae (lege; prior articulus) quae debentur specialibus repositionis et repositionis bonorum. Diversi products vel diversae racemi massae propriae pressio distincti currere debent ratio.

Sunt plures cellulae Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)in quas residua ex cellulis donatoris potentia collocari potest. Tales cellulas continens cellulas porro appellabimus. Hae possunt esse vel liberae cellae in horreis vel ex variis cellulis donatoris Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I). Semper multa Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) Est subset Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I).

Nam quisque cellula Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) ex multis Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) Facultatem constrictas sunt profectus Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)mensus, dm3. Una dm3 cubus cum lateribus 10 cm. Producta in horreis condita satis ampla sunt, ergo in hoc casu talis discretizationis satis est.

Datum matrix brevissimarum distantiarum Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) in metris inter se par cellulis Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)quibus Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) и Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) convenire occidere Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) и Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) respectively.

Sit scriptor sint Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) "Aliqua" movendi bona e cellulaMathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) ad cellulam Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I). Sit scriptor sint Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) "Aliqua" eligens continens Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) residua ex aliis cellulis movere in eam. Quam exacte et in quibus signis mensurae valores computabuntur? Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) и Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) ulterius considerabimus (vide sectionem datam inputationem parandam), nunc enim satis est dicere tales valores proxime valores proportionales esse. Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) и Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) respectively.

"Demus" Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) variabilis quae accipit valorem 1 si residuum est e cellula Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) ad continens Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I), 0 aliter. "Demus" Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) variabilis, quae ad valorem accipit I si continens Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) reliqua bona continet, et 0 aliter.

Negotium sic declaratur: debes invenire tot continentia Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) et sic donator cellas ad cellulas continens ad munus obscurandum

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

sub angustiis

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Prorsus, cum solutionem problematis conferamus, nitimur;

  • Uno modo, ad salvandum capacitatem repono;
  • secundo, ut thesaurarii tempus conservet.

Postrema restrictio significat nos non posse bona movere in vase quod non eligimus, ac propterea "custus incurrere" non eligendo. Haec restrictio etiam significat volumen bonorum, quae e cellulis ad continentem moventur, capacitatem continentis non excedere. Solvendo quaestionem dicimus vasorum statuto Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) ac modos ad cellulas donatoris adnectendas continentibus.

Haec formula optimizationis quaestionis nova non est, et a multis mathematicis pervestigata est ab ineunte 80s saeculo superiore. In litteris externis sunt 2 problemata optimizationis cum exemplari mathematico apto; Unius Source Capacated facilius Location Problema и Multi-Source Capacitatus facilius Location Problema (de differentiis negotiorum postea loquemur). Dignum est dicere in litteris mathematicis talem formulam duarum optimizationum quaestionum proponi secundum situm inceptis in terra, unde nomen "Facilitas Location". Pleraque haec traditio tributa est, cum primum necessitas solvendi problemata huiusmodi combinatoriales e regione logistics orta est, maxime ex provincia militari-industriali in 50s superiore saeculo. In termini incepti locationis, talia munia efforantur ut sequitur:

  • Urbes numero finiti sunt, ubi potentia incepta fabricanda (infra postea ad urbes fabricandas referuntur). Pro unaquaque urbe fabricanda, sumptus ad inceptum aperiendum in ea specificantur, ac limitatio de facultate gignendi inceptum aperiendum.
  • Civitatum statuta finita est ubi clientes actu locati sunt (infra postea ad civitates clientes referuntur). Ut quaeque civitas client, summa postulatio productorum specificatur. Pro simplicitate, ponemus unum tantum productum ab inceptis productum et a clientibus consumtum.
  • Pro singulis par urbanis opificis et urbanis clientis, valor onerariorum sumptuum ad exiguum volumen rerum e fabrica ad clientem tradendum specificatur.

Invenire debes in quibus civitatibus negotia aperiendi et clientes ad talia negotia applicandi ut:

  • Totalis sumptibus inceptis aperiendis et invehendi sumptibus minimi erant;
  • Volumen postulationis a clientibus quibuslibet inceptis apertis assignatis facultatem productionis illius incepti non excessit.

Nunc memorabile est unicam differentiam in his duobus quaestionibus classicis;

  • Unius-Source Capacitatus Facility Location Problem - cliens ex una tantum facultate aperta praebetur;
  • Multi-Source Capacitatis Facility Location Problem - cliens ex pluribus apertis simul facultatibus suppleri potest.

Talis differentia duarum quaestionum prima specie parva est, sed re vera inducit structuram compositionis omnino diversam talium problematum et, consequenter, ad algorithmos omnino diversas solvendas. Differentiae officiorum in figura infra demonstrantur.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Fig.3. a) Multi-Source Capacated facilius Location Problema

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Fig.3. b) Unius Source Capacated facilius Location Problema

utrumque opus Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)-difficile, hoc est, algorithmus exactus non est qui talem problema solveret in tempore polynomiae in magnitudine datae initus. Simplicioribus verbis, omnes algorithmi exacti ad problema solvendum in tempore exponentiali laborabunt, fortasse citius quam integram optionum inquisitionem. Cum negotium Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)- Difficilis ergo considerabimus modo Heuristicos approximatos, hoc est, algorithmos, qui solutiones optime ad optimales constanter computabunt et satis cito laborabunt. Si hoc negotium es interested, bene videre potes in Russian hic.

Si ad terminologiam problematum melioris compressionis bonorum in cellis transferamus, tunc:

  • huius civitates donatorem cellulae Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) cum reliquis bonis;
  • urbes faciens - continens cellulas Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)in quo reliquae ex aliis cellis collocandae existimantur;
  • onerariis sumptibus - tempus sumptibus Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) storekeeper ad movendum volumine bona a donatoris cell Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) in vas cellula Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I);
  • costs of negotium agemus - sumptibus eligendi continens Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)aequale volumine continentis cellae Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I), ducta quodam coefficiente ad libera volumina salva (valor coëfficientis semper est > 1) (vide sectionem input datam apparantem).

Post analogiam cum notis classicis solutionibus quaestionis adhibitis, respondere oportet quaestioni magni momenti, ex qua electio solutionis algorithmi architecturae dependet: reliquiae e cellae donatore movendi nonnisi ad unum fieri possunt. et unum tantum continens (Single-Source) an residuum movere potest in plures cellulas (Multi-Source)?

Notatu dignum est in praxi utriusque quaestionis formulae locum habere. Praesentes pros et cons omnes infrascriptis positis pro quolibet tali;

Quaestio variant Pros ex optione Incommoda optio
Unius Source Operationes motus bonae computatae utentes hanc permutationem quaestionis:

  • minore temperamento ex parte cellarii (omnia ab una cellula sumpsit, omnia in alio vase cellam posuit), quae pericula eliminat: errores recalculando bonorum quantitatem operationum faciendorum "Pone in cellam"; errores intrandi quantitatem calculi in TSD;
  • Nullum tempus requiri potest ad numerum bonorum calculare, cum operationes "Pone in cellam" exercentes et in TSD ingrediantur
Multi-Source Compressiones computatae utentes hac problematis versione plerumque 10-15% magis compactae sunt comparatae ad compressiones quae in optione "Single-Source" utuntur. Sed notamus etiam, quod minorem numerum residua in cellulis donatoris, tanto minore in compactionis differentia Operationes motus bonae computatae utentes hanc permutationem quaestionis:

  • maiorem moderationem require ex parte cellarii (necesse est computare quantitatem bonorum in singulas cellulas ordinatas continens), quod periculum errorum excludit in recalculando quantitatem bonorum et intrando notitias in TSD faciendo ". In cellula "res"
  • Tempus est recalculare numerum bonorum cum faciendo "Pone in cellam" operationes
  • Vacat "caput" (siste, vade ad grabatum, scan barcode continentis cellae) faciendo "Pone in cellam" operationes.
  • Interdum algorithmus quantitatem paene integrae grabati potest inter plures cellulas continentis iam idoneam productam habere, quae, ex parte emptoris, ingrata erat.

Tabula 1. Pros et cons of Single-Source and Multi-Source options.

Cum optio Unius-Source plus commoda habeat, et etiam ratione habita quod pauciores residua in cellulis donatoris, tanto minor differentia in gradu compressionis compactionis, quae pro utroque variante problemati computata est, electionem nostram incidit in Unius Source optionis..

Valet dicere solutionem optionis Multi-fontis etiam fieri. Plurimi sunt algorithmi efficaces ad eam solvendam, quarum pleraeque ad plures problemata oneraria solvenda descendunt. Sunt etiam algorithmi non tantum efficientes, sed etiam elegantes, v.gr. hic.

Praeparans Input Data

Priusquam incipiamus analysim et algorithmum enucleare ad problema solvendum, diiudicare necesse est quaenam notitia et qua forma eam tamquam input pascemus. Nullae quaestiones cum codice reliquiarum bonorum in cellulis donatoris et capacitatis cellulis continentis, cum hoc leve sit — tales quantitates in m3 mensurabuntur, sed sumptibus utendi cellae continentis et matricis constantis moventis, non omnia. tam simplex!

Intueamur primum calculum costs movendi bona a cellula donatoris ad cellam continens. Imprimis dijudicare necesse est in quibus unitatibus mensurarum motus sumptus computabimus. Duae optiones manifestissimae sunt metra et secunda. Nullo sensui computare itinera peregrinationes in metris "puris". Hoc ostendamus exemplo. Sit cellula Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) sita in primo ordine, cell Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) remota per XXX metra et sita in secundo ordine;

  • Movere ab Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) в Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) magis pretiosa quam movere a Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) в Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)cum descensus a secundo ordine (1,5-2 metrorum a pavimento) facilior sit quam ascensus ad secundum, licet spatium idem erit;
  • Move 1 pc. bona ex cellula Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) в Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) Facilius erit quam movere 10 solidos. idem productum, quamvis idem erit spatium.

Melius est considerare in secundis sumptibus moventes, quia hoc permittit considerare tam differentiam in gradibus quam differentiam quantitatis mobilium bonorum. Ad rationem sumptus motus in secundis, motus operationem in elementa elementa corrumpi oportet et mensuras temporis sumere ad singulas partes elementarias exequendas.

Fiat de cellula Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) movet Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) PC. bona in vas Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)... sit Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) - mediocris celeritas motus artificis in horreis, mensuratus in m/sec. Let Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) и Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) - Mediocris celeritatum unius temporis operationum accipio et pone, respective pro volumine bonorum ad 4 dm3 (medium volumen quod operarius tempore in horreis operationibus exercendis accipit). Let Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) и Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) altitudinem cellularum ex quibus sumendi et ponendi geruntur, resp. Exempli gratia, mediocris altitudo primi ordinis est 1 m, secundi ordinis est 2 m, etc. Deinde formula computandi totum tempus ad operationem movendam perficiendam est Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) deinde:

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Tabula II ostendit statisticam in tempore exsecutionis uniuscuiusque operationis elementariae, a conductoribus horreis collectae, ratione habita particularium bonorum reconditorum.

nomen operandi designatio medium
Mediocris celeritas laborantis currendo in CELLA Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) 1,5 m/s
Mediocris unius operationis celeritas ponendi (pro productum volumine ex 4 dm3) Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) 2,4 seconds

Mensam 2. Mediocris spatium horreis operationibus

De methodo calculandi sumptus movendi decrevimus. Nunc opus est figurare quomodo calculare costs eligens vas cellula. Multa hic omnia, multo magis complicata quam mobilia gratuita, quia;

  • Uno modo, impensae debent esse immediate a volumine cellae - idem volumen residuarum e cellulis donatoris translatis melius collocari in vase minoris voluminis quam in magno vase, dummodo tale volumen in utroque vase penitus cohaereat. Ita summas impensas eligendi continentes, "vix" liberam capacitatem repono in area eligendis conservare contendimus ad operationes subsequentes collocandi bona in cellis facienda. Figura 4 optiones demonstrat transferendi residua in vascula magna et parva et consequentia harum optionum translationis in operationibus horreis subsequentibus.
  • secundo, cum in solvendo originali problemate prorsus summas impensas extenuandi, et haec summa utriusque sumptus movendi et sumptuum continentiae eligendae, tum cellae volumina in metris cubicis aliquo modo cum secundis coniungi debent; quod abest a levibus.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Renatus. 4. Optiones movendi reliquias in vasa diversarum facultatum.

Figura 4 voluminis reliquiarum rubro ostendit quod in secundo stadio sequentium bonorum collocandi in continente non amplius convenit.

Iuvat metra cubica coniungi sumptuum ad vas eligendum cum secundis sumptibus ad movendum sequentia requisita ad problema solutiones computatae:

  • Statera donatoris bin moveatur necesse est ut quovis casu bin continens, si totum numerum continentis binarii in quo reducuntur.
  • Oportet stateram servare inter codicem continentium et tempus movendi, verbi gratia, si in nova solutione problemati praecedenti solutioni comparata, lucrum in volumine magnum est, at temporis iactura parva est. ergo necesse est novam eligere optionem.

Incipiamus cum ultima postulatione. Ad ambiguum verbum "stateram" illustrandum, percontatio conductorum horreorum ad hoc cognoscendum perduximus. Sit cellula voluminis continens Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I), cui motus reliquorum bonorum ex cellulis donatoris assignatur et tempus totum talium motuum aequatur Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I). Plures sint optiones oppositae ad eandem quantitatem bonorum ab eodem donatore cellas collocandas in alia vasa, ubi quisque collocatio suas aestimationes habet. Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)quibus Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)<Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) и Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)quibus Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)>Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I).

Proponitur quaestio: quid sit minimum quaestus in volumine Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) acceptum, dato tempore damnum valorem Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)? Explicemus exemplo. Initio, reliquiae in vase positae sunt cum volumine 1000 dm3 (1 m 3) et translatio temporis 70 secundis. Optionem residua est in alio vase collocare cum volumine 500 dm3 et tempore 130 secundis. Quaeritur: parati sumusne plus 60 secundis thesaurarii tempus consumere in movendis bonis ad salvandum 500 dm3 voluminis gratis? Ex eventibus percontationum conductorum horreorum, sequenti schemate exaratum est.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Renatus. 5. Tabula dependentiae minimi compendiorum liciti voluminis, aucta differentia in operatione temporis

Hoc est, si accessiones temporis 40 secundis sumptibus sunt, tunc parati sumus eas tantum consumere cum quaestus in volumine est saltem 500 dm3. Quamvis leve sit nonlinearium in dependentia, pro simplicitate ulteriorum calculorum ponemus dependentiam inter quantitatum linearem et inaequalitatem describi.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

In figura infra, modos ponendi bona in vasis consideramus.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Renatus. 6. Option (a): 2 continentia, volumen totum 400 dm3, totalis tempus 150 sec.
Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Renatus. 6. Option (b): 2 continentia, volumen totum 600 dm3, totum tempus 190 sec.
Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)
Renatus. 6. Option (c): continens volumen totum 1 dm400, totum tempus 3 sec.

Optio (a) ad receptacula eligenda potior est quam optio originalis, quia inaequalitas tenet: (800-400)/10>=150-120, quae implicat 40 >= 30. Optio minus potior est quam originali. optio, quia inaequalitas non tenet: (800-600)/10> = 190-150 quae importat 20>= 40. Sed optio talis non convenit in logicam! Hanc optionem fusius consideremus. Ex altera parte, inaequalitas (800-400)/10>=200-120, quae significat inaequalitatem 40 >= 80 non satisfacit, quae innuit lucrum in volumine tanti temporis detrimentum non valere.

At contra, in hac optione (c) non solum totum volumen occupatum minuimus, sed etiam numerum cellularum occupatarum minuimus, quae prima duo momenta requiruntur ad solutiones computabiles problematum supra enumeratarum. Uti patet, ad hoc quod implendum incoepit, necesse est addere inaequalitatem in parte sinistra positivam constantem. Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)ac tam constantem necessitatem adiiciendum, nisi cum numerus continentium decrescat. Admonemus te quod Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) est variabilis aequalis I cum continens Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) electus et 0 cum vas Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) non electus. Demus Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) - multa continentia in solutione initiali et Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) - multa vasa in nova solutione. In universum nova inaequalitas sic erit.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

inaequalitatem supra mutans, nos obtinemus

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Secundum hoc, formulam habemus pro colligendis totali pretio Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) aliqua solutio ad quaestionem:

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Sed iam quaeriturquid valuit tam constans? Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)? Uti patet, eius valor satis magnus esse debet ut prima responsio solutionis quaestionis semper occurrat. Profecto valorem constantis aequalem 103 vel 106 accipere potes, sed tales "numeros magicas" evitare velim. Si specialia operationum horreorum perficiendi consideramus, plures aestimationes numerales bene fundatae quanti talis constantis computare possumus.

fiat Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) - Maximam distantiam inter cellas cellae unius zonae ABC, aequale in casu nostro ad 100 m Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) - maximum volumen continens cellam in horreis aequalem in casu nostro 1000 dm3.

Primus modus computandi valorem Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I). Consideremus statum ubi sunt 2 continentia in primo ordine, in quo bona iam corporaliter sita sunt, hoc est, ipsae sunt cellae donatoris, et sumptus movendi bona eisdem cellis naturaliter = 0. It. necesse est invenire talem valorem pro constanti Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I), in quo utile foret semper reliquias a vase 1 ad continens movere 2. valores substituentes Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) и Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) In inaequalitate supra posita.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

unde sequitur

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Valores mediocris temporis substituendi operationes elementarias perficiendi in formulam supra dabimus

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Secundus modus computandi valorem Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I). Consideremus statum ubi Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) ex quibus donatoris cellas bona movere disponitur in vas 1. Demus" Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) - procul a cellula donatoris Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) ad continens 1. Est etiam continens 2, quod iam bona continet, et volumen quod permittit tibi ad reliqua omnia accommodare Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) cellas. Pro simplicitate, ponamus volumen bonorum, a cellulis donatoris ad continentia motum, eundem esse ac aequalem Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I). Oportet invenire talem valorem constantis Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I), in quo positio omnium reliquiarum a Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) cellulae in receptaculo 2 semper utiliores essent quam in diversis vasis eas collocarent;

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Mutans inaequalitatem dabimus

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Ut "robore" valorem quantitatis Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)ponatur Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) = 0. Numerus cellularum mediocris plerumque in processu librarum horreorum comprimentium implicatus est 10. Substituens notas quantitatum valores, sequens valorem constantem habebimus.

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Maximum valorem pro unaquaque optione computatum accipimus, hic erit valor quantitatis Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) datis parametris horreis. Nunc, pro complemento, formulam scribamus pro calculandis sumptibus totalibus Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I) aliquot posse solutionem Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I):

Mathematica discreta pro WMS: algorithm comprimendo bona in cellulis (parte I)

Nunc postquam omnia Titanic nisus Mutando input data, dicere possumus omnia input data ad desideratam formam conversa esse et parata ad usum in algorithmo optimae.

conclusio,

Multiplicatio ac momentum scaenae praeparandi et commutandi inputa notitia pro usu algorithm saepe minoris aestimantur. In hoc articulo multam attentionem ad hoc stadium specialiter habuimus ut ostenderemus solas qualitates et mentes input notitias paratas posse facere decisiones quae algorithmus vere pretiosus clienti est. Multae derivationes formularum erant, sed te vel ante kata monuimus :)

In proximo articulo tandem veniemus ad ea quae in superioribus 2 publicationibus destinata sunt ad algorithmum discretum optimizationem.

Paravit articulum
Romanus Shangin, programmator inceptis department;
Primum comitatu Bit, Chelyabinsk


Source: www.habr.com

Add a comment