IBM ILOG CPLEX CP Optimizer

Einsatz der Constraintprogrammierung zur Berechnung optimierter Zeitpläne und Lösung anderer schwieriger Optimierungsprobleme

IBM ILOG CPLEX CP Optimizer setzt auf Constraintprogrammierung zur Lösung detaillierter Zeitplanungsprobleme und anderer kombinatorischer Optimierungsprobleme

IBM ILOG CPLEX CP Optimizer bewältigt die Komplexität konkreter Einsatzplanungsprobleme bei Mitarbeitern, Maschinen oder Verarbeitungsschritten. Der IBM ILOG CPLEX CP Optimizer Constraintprogrammierungssolver ermöglicht die Modellierung und Ausführung einer Problemlösung mithilfe ausgefeilter Algorithmen zur Fortführung und Suche von Randbedingungen.

• Unterstützt die Geschäftsziele durch Optimierung der Kosten für verfrühte bzw. verspätete Lieferung, Laufzeit und Nichtausführung
• Modelliert den Projektstrukturplan der Zeitplanung, von Vorgangsabhängigkeiten sowie von mehrfachen Produktionsmodi.
• Modelliert Ressourcen und Lagerräume mit begrenzter Kapazität
• Modelliert Rüstzeiten zur Berechnung von Zeitplänen, die die optimale Größe für Chargen definieren
• Ermittelt optimierte Lösungen für kombinatorische Optimierungsprobleme, die sich auf die Betriebsabläufe auswirken
• IBM ILOG CPLEX CP Optimizer ist Teil des IBM ILOG CPLEX Optimization Studio, das die Produktangebote von IBM für die Entwicklung, Ausarbeitung und Bereitstellung von Optimierungsmodellen kombiniert und vereinfacht. In einer einzigen Suite werden alle Funktionen angeboten, die früher in verschiedenen Produkt- und Komponentenkonfigurationen zusammengestellt werden mussten. Jetzt sind alle Tools und Technologien während der Prototyperstellung und Entwicklung zentral verfügbar.
• IBM ILOG CPLEX Optimizer (US) umfasst flexible, leistungsfähige Solver zur mathematischen Programmierung in den Bereichen lineare Programmierung, quadratische Programmierung, quadratisch-beschränkte Programmierung und gemischt ganzahlige Programmierung.
• Neueste Version: IBM ILOG CPLEX Optimization Studio 12.2 bietet schnellere MIP-Lösungen, insbesondere auf Mehrprozessorsystemen, verbesserte Verbindung zu Modellierungstools von Drittanbietern, neue grafische Anzeigen in IDE mit Gantt-Diagrammen und kumulativen Funktionen, verbesserte Syntaxunterstützung für detaillierte Zeitplanungsmodelle und zusätzliche API-Unterstützung für die Suche und Weitergabe bei der Constraint-Programmierung.

Erfahren Sie mehr

• Weitere Produktinformationen (US)

Kaufen Sie IBM ILOG CPLEX CP Optimizer

MehrWeniger

• Support business goals by optimizing earliness and tardiness costs, duration costs and non-execution costs

• Model the work breakdown structure of the schedule, task dependencies as well as multiple production modes

• Model finite capacity resources and reservoirs

• Model setup times to compute schedules that define the best possible sizes for batches

• Find optimized solutions to combinatorial optimization problems affecting your operations

• IBM ILOG CPLEX CP Optimizer is a component of IBM ILOG CPLEX Optimization Studio, which combines and simplifies IBM’s product offerings for optimization model development, solving, and deployment. It offers in a single package, all the functionality that was previously available among an array of product and component configurations, making all tools and technologies available during prototyping and development.

• IBM ILOG CPLEX Optimizer provides a complimentary optimization technology based on mathematical programming that provides flexible, high-performance solving linear programming, quadratic programming, quadratically constrained programming and mixed integer programming problems.

• Latest version: IBM ILOG CPLEX Optimization Studio 12.4 offers improved access to predictive analytics tools with the connector to IBM SPSS Modeler. The connector enables CPLEX Optimization Studio to read data directly from SPSS Modeler streams and to visualize SPSS streams in CPLEX Optimization Studio's integrated development environment. This makes an integrated modeling environment for prescriptive and predictive analytics available to professionals using multiple advanced techniques. The CPLEX Optimizers offer significant performance gains both for mathematical- and constraint-programming. Additional enhancements include computation of dual values for second-order cone constraints in quadratic models, used especially in finance applications, and deterministic parallel search for constraint programming models, used especially in detailed scheduling. A new component, IBM ILOG CPLEX Enterprise Server, provides the capability to deploy OPL projects in enterprise environments using a client-server architecture, separating the computationally intensive algorithms of the CPLEX Optimizers onto dedicated hardware to alleviate the burden on more routine data handling and user interface tasks on database servers and desktop clients.

• For modeling activities or processes that may or may not be executed in the final schedule

• Tasks can be grouped to match the work breakdown structure of a problem

• Can model dependencies between tasks

• Can include a delay

• Can be applied to group of intervals

• Express typical scheduling costs such as tardiness costs, completion costs or total duration

• The presence status of an optional interval can be used to express completion costs or resource costs

• Can be applied to group of intervals

• Specify limits on the number of tasks that can be performed in parallel with a common resources

• Set constraints on inventory levels

• State that some tasks cannot start or end on some dates

• State that some tasks that cannot overlap some dates

• Define resource breaks

• State that resource productivity changes over time

• The all-different constraint: enforces uniqueness for each variable in an array

• The pack constraint: packs items into containers with finite capacity in one dimension (time, weight, budget etc.)

• The lexicographic constraint: enforces a lexical ordering between groups of decision variables and is convenient to break symmetries

• The count expression

• The standard deviation expression

• Define possible assignments for arrays of decision variables. They can be used, for instance, to model allowed transitions in a sequencing problem.

• Intro to CP

• CP vs. MP

• Practical Scheduling Examples

• Detailed Scheduling

• IBM ILOG CPLEX CP Optimizer Spec Sheet (PDF, 221KB)

• Learn more

• Library

• Discussion Forums

• Academic Initiative

• Partners

• DeveloperWorks