Задача
Создание веб-приложения для эффективного распределения ресурсов и персонала для уборки, а также минимизации затрат на уборку улиц,
Решение
Веб-приложение осуществляет интерпретацию картографических данных как ориентированный граф с петлями и несколькими ребрами. Далее алгоритм распределяет пул уборочной техники и оборудования по пулу транспортных средств и вычисляет рентабельный и оптимальный маршрут транспортного средства, состоящий из ребер и петель графа. Алгоритмы и системы управления позволяют предсказывать временные интервалы, когда уборка наиболее необходима, и предпринимать меры до того, как проблемы станут явными.
Приложение состоит из следующих модулей:
Приложение состоит из следующих модулей:
- Модуль маркировки данных (экономия на этапе разметки и предварительной обработки данных)
- Модуль аналитики в реальном времени (рекомендация шагов по обслуживанию активов)
- Модуль решения проблемы оптимизации
Достигнутые эффекты
- Повышение эффективности распределения ресурсов, эксплуатации уборочных машин и персонала для уборки
- Снижение вредных выбросов и общего негативного воздействия на окружающую среду
- Экономия времени, необходимого на согласовании задач по обслуживанию оборудования
- Снижение трат на ремонт из-за возможности прогнозирования проблем с оборудованием
- Уменьшение времени простоя и снижение издержек на топливо и обслуживание
- Повышение энергоэффективности за счет выбора оптимальных маршрутов
Направление
ProdTech
Дополнительная информация
Процесс разработки приложения для автоматизированного распределения ресурсов:
- Аналитика: разработка ТЗ, разработка алгоритма на основе реальных данных, UX/UI исследование
- Разработка прототипа, поддержка автоматического создания заданий, учёт числа полос для движения, учет ширины улиц, ширины захвата агрегатов, расхода используемого рабочего тела и т. д.
- Внедрение элементов машинного обучения, ролевая модель, разграничение прав. Учёт очерёдности исполнения заданий
- Дальнейшая оптимизация полученных решений с помощью метода чередующихся окрестностей и методов ML обучения с подкреплением