Alat sumber terbuka yang dapat mengotomatiskan jadwal
togel

Alat sumber terbuka yang dapat mengotomatiskan jadwal

Setelah Geoffrey de Smet mempelajari konsep algoritme mesin aturan, ia menggunakan pengetahuannya untuk mengoptimalkan salah satu tugas administratif yang paling umum.

Alat sumber terbuka yang dapat mengotomatiskan jadwal

Salah satu elemen terpenting dari otomatisasi adalah optimasi. Pekerja di berbagai industri ingin menggunakannya untuk mengurangi tugas administratif yang monoton yang dapat dilakukan oleh algoritme cerdas – membiarkan manusia melakukan tugas yang membutuhkan lebih banyak pemikiran atau kreativitas.

Manusia Masa Depan

Bagi mereka yang tidak bekerja secara langsung dengan algoritme dan kode, mereka memerlukan semacam alat otomatisasi untuk mencapai hal ini. Di situlah orang-orang seperti Geoffrey De Smet dari Red Hat masuk.

De Smet adalah pemimpin dan pencipta OptaPlanner, pemecah kendala AI open-source yang dapat digunakan untuk memecahkan masalah perencanaan dan mengotomatisasi jadwal seperti perutean kendaraan, daftar karyawan, dan penjadwalan pemeliharaan.

“Pada tahun 2006, saya bekerja di sebuah kelompok penelitian yang berfokus pada metaheuristik dan algoritma AI lainnya,” katanya kepada SiliconRepublic.com.

“Presentasi di konferensi lokal mengajari saya tentang algoritma mesin aturan. Saya terinspirasi untuk menggabungkannya. Liburan panjang kemudian, OptaPlanner lahir.”

Membuat OptaPlanner

De Smet bekerja di OptaPlanner selama bertahun-tahun di waktu luangnya. Dia sering mengikuti tantangan penelitian operasi akademik untuk melihat apakah dia bisa menyelesaikannya dengan OptaPlanner.

“Bagaimanapun, seseorang harus membantu Sinterklas menemukan jalan terpendek untuk mengunjungi semua anak di planet ini,” katanya. “Kompetisi ini secara teratur memaparkan saya pada algoritme dan teknik implementasi yang lebih baik, yang dengan cepat saya asimilasi ke dalam OptaPlanner.

“Misalnya, dalam kompetisi sekitar tahun 2012, sebuah tim menggunakan algoritme penerimaan terlambat untuk mengalahkan hasil OptaPlanner. Algoritma metaheuristik ini, ditemukan oleh Yuri Bykov, rata-rata biasanya lebih baik daripada Tabu Search dan Simulated Annealing. Jadi saya menerapkannya untuk OptaPlanner juga.”

De Smet bergabung dengan Red Hat pada tahun 2010 dan pada tahun 2013, perusahaan perangkat lunak sumber terbuka telah mulai memproduksi OptaPlanner dan menawarkan dukungan perusahaan untuk itu. “Hobi saya menjadi pekerjaan penuh saya,” katanya.

Kasus penggunaan otomatisasi ini sekarang jauh jangkauannya. OptaPlanner mampu mengurangi waktu mengemudi armada kendaraan dengan memutuskan kendaraan mana yang pergi ke mana dan dalam urutan yang mana.

Dalam penjadwalan karyawan untuk pekerja shift seperti perawat, dokter, dan penjaga keamanan, algoritme menetapkan setiap shift kepada karyawan dengan mempertimbangkan keterampilan, afinitas, ketersediaan, dan kendala lainnya.

“Kasus penggunaan utama lainnya termasuk penjadwalan pemeliharaan, penjadwalan sekolah, perutean pengambilan pesanan, penjadwalan job shop, dan penjadwalan sidang pengadilan,” kata De Smet.

Masa depan otomatisasi

Sementara otomatisasi akan dapat mengoptimalkan banyak pekerjaan di berbagai industri, De Smet mengatakan bisnis harus dapat menyesuaikan diri dengan sering dan cepat agar otomatisasi benar-benar efektif.

“Misalnya model machine learning yang dilatih data penerbangan tahun lalu mungkin tidak relevan hari ini, sekarang pariwisata meningkat lagi,” ujarnya.

“Tren besar lainnya yang saya lihat adalah kebutuhan untuk secara jelas mengukur laba atas investasi (ROI) dari setiap implementasi teknologi AI. Waktu melambaikan tangan sudah berakhir. Pada saat yang sama, ROI dari banyak proyek AI sangat besar, tetapi begitu juga lompatan untuk mengambilnya. Seringkali, pengembalian tidak dapat diwujudkan dalam langkah-langkah kecil dan bertahap, hanya di akhir ketika itu sepenuhnya berfungsi – atau tidak.”

Dengan potensi hasil all-or-nothing ini, De Smet mengatakan pengalaman pay-as-you-go untuk pengembangan AI adalah sesuatu yang perlu diubah.

Dia juga mengatakan bahwa salah satu tantangan terbesar dalam industri AI secara keseluruhan adalah untuk meyakinkan pengguna bahwa bidang teknologi ini lebih dari sekadar pembelajaran mesin dan sangat penting bahwa alat yang tepat digunakan untuk pekerjaan yang tepat.

“Pembelajaran mesin, dan jaring saraf pembelajaran mendalam khususnya, sangat bagus untuk pengenalan pola: pengenalan gambar, pengenalan suara, dan sejenisnya – hal-hal yang dikuasai manusia,” katanya.

“Pembelajaran mesin secara konsisten lebih rendah dalam perencanaan dan penjadwalan. Gunakan algoritma metaheuristik dan optimasi matematika untuk kasus penggunaan seperti itu. Memukul sekrup mengarah pada hasil yang kurang optimal. ”

10 hal yang perlu Anda ketahui langsung ke kotak masuk Anda setiap hari kerja. Mendaftar untuk Ringkasan HarianIntisari dari berita sci-tech penting dari Silicon Republic.

Hasil prediksi bocoran hk malam ini merupakan Info perlu bagi para pemain togel sidney pools. Nomor keluaran sdy pools memegang peranan berarti gara-gara hasil live draw sdy prize merupakan penentu utama. Dimana taruhan para bettor kalah atau menang benar-benar terkait bersama dengan nomer pengeluaran sdy prize. Sehingga kami merangkum semua keluaran sdy pools ke di dalam sebuah tabel data sdy 2021 terlengkap untuk para bettor.