Prediction + Optimisation for scheduling and rostering with CMPpy
In today’s world, organizations across various industries face the challenge of efficiently scheduling their production processes and rostering their workforce optimally. However, despite consistent improvements in combinatorial o...
ver más
BES-2013-062658
APLICACIONES DE OPTIMIZACION COMBINATORIA: DISEÑO, IMPLEMENT...
84K€
Cerrado
TIN2010-20976-C02-02
METAHEURISTICAS PARA LA ESTABILIDAD Y ROBUSTEZ EN SCHEDULING...
90K€
Cerrado
PID2019-110886RB-I00
MATHEMATICAL OPTIMIZATION FOR DATA-DRIVEN DEICSION-MAKING
97K€
Cerrado
TIN2009-07727
METAHEURISTICAS MONO- Y MULTI-OBJETIVO PARA APLICACIONES REA...
147K€
Cerrado
PRE2020-092262
MATHEMATICAL OPTIMIZATION FOR DATA-DRIVEN DEICSION-MAKING
99K€
Cerrado
PID2021-126605NB-I00
NUEVA METODOLOGIA HOLISTICA PARA LA CONFIGURACION, COMPARACI...
127K€
Cerrado
Últimas noticias
27-11-2024:
Videojuegos y creaci...
Se abre la línea de ayuda pública: Ayudas para la promoción del sector del videojuego, del pódcast y otras formas de creación digital
27-11-2024:
DGIPYME
En las últimas 48 horas el Organismo DGIPYME ha otorgado 1 concesiones
Descripción del proyecto
In today’s world, organizations across various industries face the challenge of efficiently scheduling their production processes and rostering their workforce optimally. However, despite consistent improvements in combinatorial optimization software for scheduling and rostering, the complexity of this task continues to grow due to uncertainty about multiple factors such as employee availability, demand fluctuations, supplier variability, variable prices, the impact of weather and the increasing need for energy efficiency. Machine learning can be used to make estimates about these uncertain factors, but the real challenge is in integrating predictions and the optimization of scheduling and rostering problems. Or more precisely *that predictions and optimization over these predictions need to be developed and evaluated together*.
While many combinatorial optimisation solvers for solving scheduling and rostering exists, including Constraint Programming and Mixed Integer Programming solvers; few of these solvers can be easily integrated with machine learning libraries. Futhermore, in a machine learning pipeline, the requirements for the solver change. What is needed is a framework for solving prediction + optimization problems that bridges the machine learning and combinatorial optimization solving tools. It should allow actors to discover what a data-driven approach can signifigy to their scheduling and rostering problem, by allowing them to easily experiment and prototype, both on the learning side, the solving side and the combination of the two.
In my ERC Consolidator project 'Conversational Human-Aware Technology for Optimisation', we started building such a library: CPMpy. We notice an increasing industrial interest in solving Prediction + Optimisation problems, but a lack of unified tools to do so. This proposal sets out to increase the Technological Readiness Level of CPMpy from TRL 4 to 6; and to demonstrate its potential and align it with industry needs.
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.