Efektivní organizace výrobních procesů patří mezi klíčové faktory určující konkurenceschopnost moderního průmyslu. Úloha plánování strojů, lidí a zdrojů se velmi rychle stává vysoce složitou výzvou. Řešení těchto problémů vyžaduje pokročilé matematické metody a specializované softwarové nástroje, které dokáží analyzovat nespočet možností a identifikovat nejefektivnější řešení. Úspěšná spolupráce společnosti ScheduleOpt a výzkumníků z CIIRC ČVUT v Praze vedla k špičkovým výsledkům při řešení známých problémů plánování, které jsou studovány po desetiletí.
Společná práce CIIRC ČVUT a ScheduleOpt s novým pokročilým Constraint Programming (CP) solverem OptalCP byla publikována v prestižním mezinárodním časopise Computers & Industrial Engineering, který je podle Google Scholar řazen mezi světovou špičku v oblasti operačního výzkumu. Již před oficiální publikací studie přitahovala pozornost odborníků – v březnu se dokonce na čas stala nejstahovanějším článkem ve své kategorii na preprintové platformě SSRN za poslední dva měsíce. Výzkumné týmy se soustředily na dlouhodobou výzvu, tedy nejen nalézt kvalitní řešení problémů plánování, ale také být schopni prokázat, že řešení je optimální. Tato fáze bývá často nejnáročnější pro stávající solvery.
O jakou inovaci se tedy konkrétně jedná? I když matematické solvery mohou většině lidí připadat abstraktní, jsou skrytým motorem mnoha dnešních rozhodovacích procesů při složitém plánování a organizaci výroby po celém světě. Constraint Programming představuje výkonný přístup k řešení vysoce složitých optimalizačních problémů v plánování, například u výrobních linek.
Místo manuální definice každého kroku jsou pravidla a požadavky, tzv. omezení (constraints), zadány deklarativně a solver automaticky vyhledává řešení, která tato omezení splňují.
V této konkrétní studii byl kladen důraz na zlepšení schopnosti solveru garantovat optimálnost řešení, což je fáze, kde moderní solvery často spotřebují většinu výpočetního času, protože prokázat optimálnost je obtížnější než najít kvalitní řešení. Integrací frameworku reinforcement learning založeného na algoritmech Multi-Armed Bandit se podařilo přibližně dvojnásobně zrychlit dobu dokazování optimálnosti ve srovnání s předchozí verzí OptalCP, přičemž byly překonány i aktuální možnosti IBM CPOptimizer, který je tržním lídrem.
A dopad této práce rozhodně nezůstal bez povšimnutí. Koncem března získal preprint výzkumu značnou pozornost na platformě SSRN, umístil se v top 10 v několika kategoriích za posledních 60 dní a dokonce se dostal na první místo v žebříčku OPER: Discrete. Nedávno byla práce oficiálně publikována v prestižním časopise Computers & Industrial Engineering, který je aktuálně podle Google Scholar na 3. místě na světě v kategorii Operační výzkum.
Tento úspěch ukazuje, jak projekt ROBOPROX podporuje spolupráci akademické sféry s průmyslem a spojuje špičkové algoritmy s reálnou solver technologií, čímž přináší zlepšení v řešení složitých problémů.
Nejde tedy jen o teoretický výsledek. Chytřejší a rychlejší solvery, jako OptalCP, mohou mít přímý dopad na plánování výrobních systémů po celém světě, od výrobních linek po logistiku a další oblasti. Projekt ROBOPROX tak opět ukazuje hodnotu propojení akademického výzkumu a průmyslové praxe a otevírá cestu k reálným zlepšením efektivity a konkurenceschopnosti.