- 多运力、多节点联合排程，运力约束和节点需求同时进决策
- 先算出各节点的预计断供时点，再据此分配运力
- 指标、航次表、甘特图和节点网络四个视图互相印证
- 改一个参数就能重算，两套方案可以并排比对
多节点运输调度
一个无状态的调度决策原型。调完场景参数，航次安排、甘特计划、库存趋势和诊断信息会并排刷新，可以直接看到某一条约束的变化怎么把整个计划推翻重排。它展示的是情景分析这件事，单点求解质量在这里反而是次要的。
14–20 天可配置排程视野
多运力 × 多节点联合排程规模
4 类同屏解释视图
What it proves
核心成果
- 求解
- 服务
- 前端
System flow
工作步骤
只呈现通用的模块关系和每一步要解决的问题。可交互的项目可以从上方直接进 Demo。
- 01场景参数化
运力、节点、库存与视野长度都是可调输入。每做一次比较，背后都有一个说得清的场景定义。
- 02库存风险预测
按消耗速率推演各节点的预计断供时点。「哪里最先出问题」从此是个能排序的量。
- 03启发式任务分配
按最早断供优先分配运力。每一步分配都能追溯回当时的风险排序。
- 04航次计划生成
输出带时间窗的航次安排，同时检查有没有违反运力和节点侧的硬约束。
- 05多视图解释
同一份计划以指标、甘特、网络和库存趋势四种方式呈现，异常比较容易被人眼抓到。
Integration
怎么接进已有系统
当前 Demo 刻意不存状态，但接口是按能接生产的形式设计的：输入一份完整的场景快照，输出一份能比较的计划。这个形状很适合被周期性调度器驱动。
| 对接系统 | 方向 | 接口约定 |
|---|---|---|
| 生产计划系统 | 上游输入 | 消耗速率与检修窗口作为场景快照的一部分传入，服务内不持久化 |
| 库存 / 仓储系统 | 上游输入 | 各节点期初库存与安全水位随请求提供，同一快照可以反复求解 |
| 运力位置服务 | 上游输入 | 运力可用时点以时间戳传入，后续换成实时位置源不用改接口 |
| 调度器 / 计划下发 | 下游输出 | 计划以纯数据返回，发布、留存还是走人工审批由调用方决定 |
表中系统名称为通用角色，不指向任何具体厂商产品或内部平台。
AI leverage
这一次人和模型各做了什么
这里只写这一个项目的分工。完整的工作方式见 AI 协作一页。
- 定优先级规则、风险指标的算法，以及四个视图之间的验证关系
- 判定哪些约束必须是硬约束
- 把启发式伪代码落成带类型约束的实现
- 搭前端可视化脚手架与样例场景数据
- 补接口契约测试，覆盖极端场景参数
Production path
产业级可以做到什么
以下能力基于现有的模块边界和扩展点，是工程上的演进方向，和当前公开 Demo 已经实现的功能不是一回事。
- 接入实时位置与滚动订单后做周期性重排
- 把启发式换成混合整数规划或混合求解器
- 加上参数版本、回测与人工审批，才算能上生产
Privacy boundary
公开展示边界
演示中的节点、船舶、库存、批次、成本和时间参数全部为虚构内容。