|
|
客户和案例研究
世界上最复杂问题背后的建模应用程序。 AMPL建模系统已在全球数百个业务运营中使用。应用存在于制造、运输、能源、金融和许多其他行业，在这些领域必须做出复杂的决策，以最大限度地降低成本并最大限度地提高效率。
真实结果我们帮助客户取得真正的成果。
管理电网方案通过使用行业公认的模拟方法，先进的分析方法将发电、输电、负载、燃料和市场经济结合到一个集成框架中，以提供与位置相关的市场指标、输电系统可靠性和市场绩效指数。 AMPL x ABB使用混合整数线性求解器构建了优化模型，涉及数百万个变量和数万个整数变量，求解时间为10分钟。 影响使用C++ API，该模型可以轻松地嵌入到ABB的GridView产品中。该解决方案已部署到30 +公司和数百个客户端用户。
管理大型电网的最大挑战之一涉及两个决策：何时打开和关闭发电厂;以及如何通过电网传输电力以满足需求。
指派销售代表目标为每个代表分配相似数量和质量的客户，同时优先分配更高质量的客户。 方案选择AMPL是基于其易用性，速度，可靠性和处理大型问题的能力。综合数据表明每个客户的质量得分，如果由代表联系，预测收入增加，以及每个代表的位置。AMPL支持最大化所有分配帐户的总分，并且代表之间在分配帐户的数量和质量方面的差异不超过15%。 影响通过将AMPL嵌入到Dropbox的系统中，从Salesforce中提取客户数据，并使用scikit-learn Python工具箱计算客户分数。AMPL脚本读取分数数据文件，优化结果将写入Excel电子表格。
在 Dropbox，每天有超过 5亿用户上传超过 1 亿个文件。Dropbox 拥有数以万计的大型企业客户帐户，以及全球数百名销售代表，足以覆盖其大部分（但不是全部）客户帐户。 供应链管理目标目标是确定所有商店的所有发货量，以便为公司整体提供最大的利益。我们需要确定每种尺寸的发货数量，以及这些尺寸的预期销售额。 方案加州大学洛杉矶分校和麻省理工学院的研究人员与Zara公司技术人员的合作导致使用混合整数线性求解器与AMPL基于模型的优化来创建预测模型方法。这取代了商店经理和仓库分配团队的传统方法...... 影响经过两年的实施、测试和部署，我们推出了一个客户端应用程序，仓库分配团队的 60 名员工可以使用需求预测以及仓库和商店库存来创建装运。
Zara仓库每周向1500家商店运送服装。不同物品的发货量每周都会发生变化，多达 3000 种不同的服装和多达 8 种不同的尺寸。需要在收到销售数据后的数小时内做出决定。 包装货件目标目标是为一天的订单生成良好的包装计划，而不使用过多的货架，并及时完成订单。 方案选择AMPL是因为它具有更好的解决方案和求解器的选择。优化解决方案实现了 AMPL 模型、数据和脚本的使用，最小问题大小为数千个变量和约束的低 100 个，最大问题大小为 100 亿个变量和约束，求解时间约为 10-45 分钟。 影响开发了一个经过 VBA 修改的电子表格，用于数据准备和结果报告，一位补货专家每天多次使用，从而大大减少了人员、更快的货架装载速度和所需的卡车。
Young's Plant Farm种植各种类型和大小的植物，为Lowe's和沃尔玛等大型零售商提供产品，方法是将植物包装在特殊的滚动架上，然后装载到卡车上进行运输。
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
400-621-1085
