Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS

Prediction + Optimisation for scheduling and rostering with CMPpy

Projektbeschreibung

Verknüpfung von maschinellem Lernen und Optimierung

Unternehmen in verschiedenen Branchen stehen vor der Herausforderung, ihre Produktionsprozesse effizient zu planen und ihre Belegschaft optimal einzusetzen. Eine zusätzliche Herausforderung ist die Unsicherheit in Bezug auf Faktoren wie Nachfrageschwankungen und variable Kosten. Solche Faktoren können mithilfe des maschinellen Lernens geschätzt werden, wobei die eigentliche Herausforderung darin besteht, das Lernen, die Vorhersagen und die Zeitplanung eng miteinander zu verknüpfen. Es wird ein Rahmen für die Lösung von Vorhersage- und Optimierungsproblemen benötigt, der eine Brücke zwischen maschinellem Lernen und Werkzeugen für die kombinatorische Optimierung schlägt. Im ERC-Consolidator-Projekt „Conversational Human-Aware Technology for Optimisation“ wurde mit dem Aufbau einer solchen Bibliothek begonnen: CPMpy. Dieses Konzeptnachweis-Projekt wird den Technologie-Reifegrad von CPMpy erhöhen, um sein Potenzial zu demonstrieren und es auf die Bedürfnisse der Industrie abzustimmen.

Ziel

In today’s world, organizations across various industries face the challenge of efficiently scheduling their production processes and rostering their workforce optimally. However, despite consistent improvements in combinatorial optimization software for scheduling and rostering, the complexity of this task continues to grow due to uncertainty about multiple factors such as employee availability, demand fluctuations, supplier variability, variable prices, the impact of weather and the increasing need for energy efficiency. Machine learning can be used to make estimates about these uncertain factors, but the real challenge is in integrating predictions and the optimization of scheduling and rostering problems. Or more precisely *that predictions and optimization over these predictions need to be developed and evaluated together*.

While many combinatorial optimisation solvers for solving scheduling and rostering exists, including Constraint Programming and Mixed Integer Programming solvers; few of these solvers can be easily integrated with machine learning libraries. Futhermore, in a machine learning pipeline, the requirements for the solver change. What is needed is a framework for solving prediction + optimization problems that bridges the machine learning and combinatorial optimization solving tools. It should allow actors to discover what a data-driven approach can signifigy to their scheduling and rostering problem, by allowing them to easily experiment and prototype, both on the learning side, the solving side and the combination of the two.

In my ERC Consolidator project 'Conversational Human-Aware Technology for Optimisation', we started building such a library: CPMpy. We notice an increasing industrial interest in solving Prediction + Optimisation problems, but a lack of unified tools to do so. This proposal sets out to increase the Technological Readiness Level of CPMpy from TRL 4 to 6; and to demonstrate its potential and align it with industry needs.

Wissenschaftliches Gebiet (EuroSciVoc)

CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
Das Projektteam hat die Klassifizierung dieses Projekts bestätigt.

Schlüsselbegriffe

Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

(öffnet in neuem Fenster) ERC-2023-POC

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Gastgebende Einrichtung

KATHOLIEKE UNIVERSITEIT LEUVEN
Netto-EU-Beitrag

Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.

€ 150 000,00
Adresse
OUDE MARKT 13
3000 Leuven
Belgien

Auf der Karte ansehen

Region
Vlaams Gewest Prov. Vlaams-Brabant Arr. Leuven
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

Keine Daten

Begünstigte (1)

Mein Booklet 0 0