Das ABC der Optimierung
API
API steht für Application Programming Interface und bezeichnet eine Programmierschnittstelle. Genutzt werden APIs, um Drittprogramme auf Quelltext-Ebene an eine Software anzubinden. Beim Programmieren vereinheitlichen APIs die Datenübergabe zwischen einer Anwendung und einzelner Programmteile, den Modulen. Ziel von APIs ist es, die Programmierung durch Modularisierung zu vereinfachen. Hierzu werden einzelne Module vom eigentlichen Code abgekapselt und die Kommunikation erfolgt ausschließlich über die API.
Black-Box-Tuner vs. Gray-Box-Tuner
Ein klassischer Black-Box-Tuner berücksichtigt ausschließlich das Endergebnis eines Zielalgorithmuslaufs – nach Lösung der Probleminstanz oder bei Erreichen des Zeitlimits. Der innovative Gray-Box-Tuner nutzt Zwischenergebnisse, um die Qualität des Zielalgorithmuslaufs zur Laufzeit vorherzusagen. Auf diese Weise zielt er darauf ab, die Gesamtlaufzeit der Abstimmung zu reduzieren und gleichzeitig die gleiche Konfigurationsqualität wie sein Black-Box-Gegenstück zu gewährleisten. Der OPTANO Algorithmus Tuner unterstützt beide Tuning-Ansätze.
C#
C# (c sharp) ist eine objektorientierte Programmiersprache, die Anfang der 2000er Jahre als systemeigene Programmiersprache für Microsofts .NET Plattformen entwickelt wurde.
Descriptive Analytics
Die deskriptive bzw. beschreibende Analyse dient als vergangenheitsbezogene Zusammenfassung. Sie stellt die Frage „Was ist passiert?“. Vorhandene Informationen aus verschiedenen Systemen und Datenbanken werden so aufbereitet, dass die Komplexität verringert wird. Das Ergebnis sind Berichte, Diagramme, Dashboards aber auch Kennzahlen, die bei der Interpretation und der Entscheidungsfindung den Menschen unterstützen.
Typische Anwendungsfälle sind:
- Reporting von Kennzahlen
- Zustandsüberwachung
Diagnostic Analytics
- Identifikation von Betriebsstörungseffekten
- Ursachenfindung für Qualitätsmängel
Digitaler Zwilling (digital twin)
Ein digitaler Zwilling (digital twin) ist die digitale Darstellung eines materiellen oder immateriellen Objekts oder Systems aus der realen Welt. Mithilfe eines digitalen Zwillings können Prozesse analysiert, vorhergesagt und optimiert werden. Auf diesem Weg sollen bessere Geschäftsergebnisse und -leistungen im Unternehmen erzielt und Probleme frühzeitig erkannt werden. Digitale Zwillinge setzen sich aus einem Datenmodell, Algorithmen und Wissen zusammen.
Gurobi
Gurobi Optimizer ist ein hochmoderner Solver für die mathematische Programmierung. Mithilfe der Implementierung neuester Algorithmen wird er für die Lösung von Optimierungsproblemen eingesetzt. Als Gurobi Premier Partner kann OPTANO bereits auf eine langjährige Erfahrung in der Zusammenarbeit mit Gurobi zurückblicken.
Künstliche Intelligenz
Künstliche Intelligenz (KI) versetzt Maschinen, insbesondere Computersysteme, in die Lage autonom Aufgaben auszuführen, aus Erfahrung zu lernen und ihre Reaktion entsprechend anzupassen – ähnlich menschlicher Intelligenz. Basierend auf Algorithmen ist eine explizite Programmierung für diese Anpassungsfähigkeit nicht notwendig. Maschinelles Lernen ist ein Teilbereich der künstlichen Intelligenz.
Lineare Optimierung / Lineare Programmierung
Die lineare Optimierung oder lineare Programmierung ist die wichtigste Teildisziplin des Operations Research. Sie beschäftigt sich mit der Optimierung linearer Zielfunktionen über einer Menge, die durch lineare Gleichungen und Ungleichungen eingeschränkt ist. Die Modelle der linearen Optimierung bestehen aus einer linearen Zielfunktion, die minimiert oder maximiert wird, und einer Vielzahl linearer Restriktionen.
Maschinelles Lernen (Machine Learning)
Maschinelles Lernen (machine learning) ist ein Teilbereich der künstlichen Intelligenz. Mithilfe maschinellen Lernens werden IT-Systeme in die Lage versetzt, automatisiert Wissen zu generieren und sich zu verbessern, ohne explizit programmiert zu sein. Indem ML Muster und Zusammenhänge auf Basis vorhandener Datenbestände und mithilfe von Algorithmen – die zudem trainiert werden können – erkennt, wird quasi künstliches Wissen aus Erfahrung generiert. Die so gewonnenen Erkenntnisse können für die Analyse unbekannter Daten verwendet werden, um so Vorhersagen zu treffen, Probleme zu lösen und Prozesse zu optimieren.
Mathematische Optimierung
Optimierung im mathematischen Sinn bedeutet, optimale Parameter eines – meist komplexen – Systems zu finden. Mathematische Optimierung verwandelt ein Geschäftsproblem in ein mathematisches Modell und findet dann die beste Lösung.
.NET
.NET ist eine kostenlose, plattformübergreifende Open-Source-Entwicklerplattform mit der man Anwendungsprogramme erstellen und ausführen kann.
Operations Research (OR)
Operations Research (OR) ist eine analytische Methode zur Problemlösung und Entscheidungsfindung. Mit Hilfe mathematischer Methoden dient OR der Unterstützung von Entscheidungsprozessen, sowie zur Lösung bestehender oder zur Vorbeugung zukünftiger Probleme.
OPTANO Algorithm Tuner
Der OPTANO Algorithm Tuner ist eine .NET-API, die das Tuning jedes beliebigen Zielalgorithmus unterstützt. D. h. es werden hierfür nahezu optimale Parameter gesucht und gefunden. Dabei ist es egal, ob es sich um einen OR-Solver (wie beispielsweise Gurobi), ein maschinelles Lernverfahren oder einen anderen Algorithmus handelt. In vielerlei Hinsicht ist der OPTANO Algorithm Tuner ein flexibles Werkzeug. Er unterstützt mehrere preisgekrönte Tuning-Algorithmen wie GGA, GGA++, JADE und CMA-ES und sogar der zugrunde liegende Tuning-Ansatz kann leicht zwischen dem klassischen Black-Box- und einem innovativen Gray-Box-Ansatz umgeschaltet werden.
OPTANO Modeling
OPTANO Modeling ist die beste API für mathematische Programmierung in .net. Sie wurde von Softwareentwicklern erstellt, die hunderte von Optimierungsanwendungen entwickelt haben. Da OPTANO Modeling genau die Anforderungen von Softwareentwicklern erfüllt, unterscheidet sich unser Modul von Modellierungssystemen, die für Mathematiker entwickelt wurden.
OPTANO Modeling steht zum kostenlosen Download als NuGet Gallery-Paket zur Verfügung.
OPTANO Plattform
Die OPTANO Plattform ist eine Technologieplattform mit der Optimierungssysteme in der Planung erstellt werden. Ob Supply Chain-, Produktions- oder Netzwerkoptimierung – OPTANO macht Planungsprozesse effizient, übersichtlich und flexibel. Mithilfe von Prescriptive Analytics, konkreten Handlungsempfehlungen und What-If Szenarien unterstützt OPTANO bei Entscheidungs- und Planungsprozessen.
OPTANO Predictive Blueprint
Der OPTANO Predictive Blueprint ist eine Funktion des maschinellen Lernens, die es ermöglicht, Modelle des maschinellen Lernens für verschiedene Szenarien zu erstellen. Mit diesen Modellen können zukünftige Entwicklungen auf der Grundlage historischer Daten vorhergesagt werden.
Der Predictive Blueprint wird von ML.NET unterstützt – einer Open-Source-Plattform für maschinelles Lernen. Mit Auto ML wurde eine sehr moderne Funktion integriert. Somit stehen leistungsstarke Algorithmen für jegliche Prognosen zur Verfügung. Diese Daten können dann als Input für präskriptive Modelle in integrierten Lösungen verwendet werden.
OPTANO Production
OPTANO Production ist eine Anwendung speziell für den Bereich der Produktionsplanung. Ob taktische oder operative Planung – mit OPTANO production lassen sich einfach und schnell optimale Pläne erstellen und anpassen.
OPTANO Web Client
Der OPTANO Web Client kam mit OPTANO 6.0 erstmals zum Einsatz. Mit der Webanwendung haben wir die Einsatzmöglichkeiten unserer Optimierungssoftware nochmals stark erweitert, denn so ist der Zugriff auf Optimierungsprojekte schnell und einfach möglich.
Optimierungssolver
Optimierungssolver integrieren leistungsfähige Algorithmen zur Lösung von Optimierungsmodellen und helfen so bei Verbesserung der Entscheidungsfindung in Bezug auf Planung.
Predictive Analytics
Die prädiktive Analyse bzw. Vorhersageanalyse arbeitet vorausschauend. Ziel ist es hierbei aus historischen Daten Modelle abzuleiten und diese zur Vorhersage von unbekannten Ereignissen bzw. Normabweichungen in der Zukunft zu nutzen. Die Prognose von zukünftigen Trends und Zuständen befähigt frühzeitig einzugreifen und Unternehmens-prozesse zu optimieren. Auch Predictive Analytics erfordert Domänenwissen zur Ableitung von Handlungsempfehlungen. Doch schaffen Vorhersagen von Verläufen und progonostizierte Werte Transparenz, die das Abwägen von Risiken erleichtert und eine wichtige Grundlage für das Treffen von Entscheidungen bildet.
Typische Anwendungsfälle sind:
- Ressourcenanalyse
- Vorausschauende Wartung (Maintenance)
Prescriptive Analytics
Die präskriptive bzw. verordnende Analyse hat die Aufgabe Entscheidungsoptionen zu spezifizieren, um die prognostizierten Ergebnisse zu erreichen und ggf. zukünftig Risiken zu minimieren und Chancen zu maximieren. Sie stellt die Frage „Welche Maßnahmen sollen ergriffen werden?“. Ziel von Prescriptive Analytics ist das direkte Angebot von Handlungsempfehlungen, oder – als höchster Grad der Automatisierung – die direkte Ausführung von Handlungen und Optimierungen in vollständig automatisierten Unternehmen. Prescriptive Analytics zeigt also Handlungsoptionen auf und prognostiziert die Auswirkungen gewisser Entscheidungen auf die Zukunft, ohne dass die Entscheidungen tatsächlich gewählt werden. Hierzu werden Methoden wie Simulationen, mathematische Optimierung, Algorithmen sowie maschinelle Lernverfahren eingesetzt.
Typische Anwendungsfälle sind:
- Warenbeschaffung zur Vermeidung von Lieferengpässen und hohen Lagerbeständen
- Routenplanung für eine nachhaltige Logistik
Rucksackproblem (knapsack problem)
Das Rucksackproblem (knapsack problem) ist ein modellhaftes kombinatorisches Optimierungsproblem. Aus einer Menge an Objekten, für die jeweils ein Gewicht und ein Nutzwert definiert sind, soll die optimale Kombination von Objekten zusammengestellt werden. Ziel ist die Maximierung des Wertes der ausgewählten Objekte, wobei diese Teilmenge eine vorgegebene Gewichtsschranke nicht überschreiten darf.
Bildhaft übertragen besitzt man einen Rucksack mit einer maximalen Traglast (z. B. in kg) sowie eine Anzahl von Gegenständen jeweils mit Gewicht (z. B. in kg) und Wert (z. B. in Euro.) Unter Berücksichtigung der Traglast des Rucksacks soll der Wert der ausgewählten Gegenstände maximiert werden.
Szenarien
Szenarien sind mögliche Zukunftsbilder für ein Unternehmen. Sie beruhen auf hypothetischen Sequenzen von Ereignissen und deren Folgen in Bezug auf eine bestimmte Fragestellung.
Szenarien enthalten alle für die Analyse und Optimierung relevanten Daten. Wie in einem Sandkasten können Daten verändert und Möglichkeiten getestet werden, ohne die wertvollen Produktivdaten zu beeinflussen.
Szenarioanalyse
siehe Was-wäre-wenn Analyse / What If Analyse
Traveling Salesman Problem (TSP)
Das Traveling Salesman Problem (TSP) bzw. das Problem des Handlungsreisenden ist ein Optimierungsproblem des Operations Research und der theoretischen Informatik – genauer gesagt ein Tourenplanungsproblem. Die Aufgabe besteht darin, die Reihenfolge für den Besuch verschiedener Städte so zu wählen, dass jede Station nur einmal besucht wird, die Reisestrecke des Reisenden möglichst kurz ist und die letzte Stadt gleich der ersten.
UX/UI-Design
UX-Design bezeichnet den Begriff „User Experience Design“, während UI Design für „User Interface Design“ steht.
Das UX-Design konzentriert sich auf das Gesamterlebnis des Nutzers und somit auf die Benutzerfreundlichkeit. Das Ziel von UX-Design ist es, effiziente, intuitive und angenehme Erfahrungen für den Nutzer zu schaffen. UX-Design konzentriert sich auf die Festlegung, welche Elemente miteinander in Beziehung stehen sowie die Sicherstellung einer einheitlich organisierten Navigation.
UI-Design ist ein Teilbereich innerhalb der User Experience und trägt zur Benutzerfreundlichkeit einer Anwendung bei, indem die Benutzeroberfläche (User Interface) grafisch so gestaltet ist, dass dem Nutzer eine mühelose, intuitive Interaktion gelingt. Das Layout der Anwendungsoberfläche steht bei UI-Design im Mittelpunkt. Es umfasst alle visuellen, interaktiven Elemente wie Typografie, Icons, Schaltflächen, Farbschemata und Responsive Design.
Was-wäre-wenn Analyse / What-If Analyse
Bei der Was-wäre-wenn Analyse (What-If Analyse) oder Szenarioanalyse werden unterschiedliche Zukunftsszenarien erstellt und deren Auswirkungen betrachtet, um Handlungsempfehlungen und Entscheidungen daraus abzuleiten.
Die Was-wäre-wenn Analyse ist eine sehr gute Methode, um verschiedene Lösungswege miteinander zu vergleichen und Risiken zu bewerten. Beim Vergleich unterschiedlicher Lösungsansätze lassen sich Szenarien und Kennzahlen ermitteln, die bei der Entscheidungsfindung unterstützen. Bei der Risikoanalyse lassen sich so leichter potentielle Risiken und deren Auswirkungen einschätzen.
powered by Borlabs Cookie