Scheduling · Simulation · Decision Support

多节点运输调度

无状态调度原型。场景参数、航次安排、甘特计划、库存趋势与排程解释同屏更新。

能力主线
决策建模
角色
调度算法与全栈实现
作品形态
可交互 Demo · 虚构数据
交叉印证
系统集成
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

  • 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
Stack
求解
最早断供优先启发式库存风险预测无状态排程
服务
FastAPIPydantic 校验容器镜像
前端
React甘特视图SVG 节点网络
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。

  1. 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。

  2. 02库存风险预测

    按消耗速率推演各节点的预计断供时点,得到一份可以排序的风险清单。

  3. 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。

  4. 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。

  5. 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

系统对接

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

业务与开发分工

业务沟通和规则解释由人工完成;实现、重构与测试由 AI 辅助。

业务沟通与解释
  • 与调度人员确认优先级、风险口径和例外场景
  • 解释运力分配、库存风险与计划变化
AI 辅助开发
  • 生成类型化启发式实现与前端可视化
  • 生成虚构场景和接口边界测试
查看开发方式与自动化检查
Production path

后续扩展

基于当前模块边界的工程扩展,不计入已完成功能。

  • 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

数据与公开范围

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。