Знаете ли какво използва Amazon за оптимизиране на логистиката или Google Maps, за да намери най-добрия път в задръстванията? Във всички тези процеси участват само две технологии: машинно обучение и изследване на операциите.

И двата инструмента могат да се комбинират или използват поотделно, но неизменно резултатът от тях е укрепване на бизнеса и повишаване на ефективността на неговите процеси. Антон Ларин, директор на проекта на F5Devs и автор на канала „Има мисли“ – за това кога и как да прилагаме ML и OR. 

Какво е ML и OR

Машинното обучение и изследването на операциите са две сложни усъвършенствани аналитични технологии, използвани в широка гама от решения. И вие трябва да познавате спецификата на всеки, за да го прилагате правилно във всеки един от бизнес секторите.

Машинно обучение (ML) 

Инструмент, с който можете да намерите модели във входните данни и по този начин да решите проблема.

Тази технология се използва най-успешно в задачи, при които е необходимо да се предвиди нещо – историческите данни са най-подходящи за това, в които алгоритъмът намира определена логика, модел.

ML се използва в много индустрии, от медицината до индустрията:

  • в медицината ML помага за разпознаване на заболявания въз основа на резултатите от ултразвук, рентгенови лъчи или ЯМР,
  • в промишлеността с помощта на тази технология  се  откриват минерални находища.

Изследване на операциите (OR)

Дейности, насочени към математическо моделиране на процеси и търсене на оптимални решения.

Този подход отдавна се използва в чужбина и се използва главно в големи производствени компании, където малка промяна от един процент може да доведе до значителен ефект.

Това е например оптимизация:

  • разпространение на приложения на логистична компания, което може да спести както времето на специалистите, така и разходите за управление на транспорта,
  • производство на торове, където базирано на ИЛИ решение може да реагира по-бързо на пазарните промени и да планира производството на торове без ръчни изчисления.

Ако говорим за Русия, тогава този инструмент се използва, но по-малко популярен: също защото най-известните инструменти за ИЛИ идват от чужбина (Gurobi, IBM) и нямат вътрешни аналози. Често се обръщаме към разработка по поръчка. 

По правило човек не може да изпълнява задачи от такъв мащаб ръчно: има твърде много опции, за да се изчисли правилната.

Основни разлики

Накратко, използвайки ML, можете да идентифицирате параметри и зависимости, но само ИЛИ ще ви каже оптималното решение.

Ето още три разлики.

Вид на използвания анализ

Има три вида анализи:

  1. Описателен: дава представа какво се е случило в миналото или се случва в настоящето.
  2. Предсказващ: позволява ви да предвидите какво да очаквате в бъдеще.
  3. Предписващо: Помага ви да решите какво трябва да направите, за да постигнете бизнес целите си.

Факт е, че ML е инструмент за прогнозен анализ , с който можете да обработвате огромни количества данни и да се учите от тях. Крайният резултат от работата с машинно обучение е прогноза, която може да се използва за вземане на решение .

И ИЛИ се отнася до прескриптивен анализ . Тук се използват:

  • математически модел, който изброява всички ограничения на процеса, които искате да минимизирате или максимизирате,
  • решаващ за решаване на този модел.

Резултатът от този подход няма да бъде прогноза, а оптимално решение въз основа на наличните данни и входния проблем.

Тоест с помощта на машинното обучение можете да получите прогноза за продажбите през следващото тримесечие, но с помощта на оперативни изследвания ще научите какво точно трябва да се подобри в производството, за да увеличите максимално приходите през следващото тримесечие.

Приложения

Изпитваме въздействието на машинното обучение в ежедневието:

  • използване на разпознаване на реч и изображения в смартфон,
  • виртуални асистенти.

Изследването на операциите се използва широко в различни бизнес области за решаване на мащабни проблеми:

  • планиране на производството,
  • планиране на персонала,
  • маршрутизиране на товари,
  • дистрибуция на стоки или електроенергия. 

Разликата е, че базираните на ML продукти са по-ориентирани към потребителите и следователно са по-популярни и разбираеми, докато базираните на ИЛИ инструменти са по-малко видими, тъй като се използват предимно в бизнеса.

адаптивност

И двете технологии работят по различен начин при внезапни промени. 

Например, ако нещо се промени драматично в работната среда, приложенията за машинно обучение, базирани на исторически данни, могат да дадат по-малко точна прогноза. 

Видяхме  това през 2019 г.  по време на пандемията – търсенето на продукти за лична хигиена  скочи , което остави рафтовете в магазините празни, а компаниите не успяха веднага да се приспособят към новите реалности.

В случай на услуги, базирани на ИЛИ , ситуацията е различна. Тъй като използва подробен математически модел на процеса, данните могат да бъдат заменени с действителни, а резултатът ще съответства на променените условия.

В авиоиндустрията, поради променящите се метеорологични условия или необходимостта от поддръжка, често се случват смущения в графика. Air France използва математическа оптимизация, за да планира полетите по такъв начин, че закъсненията на полетите и оперативните разходи да бъдат значително  намалени . 

Комбиниран подход

Определено една компания може да получи много ползи от комбинацията от ML и OR.

Например, математически модел за вземане на решение може да бъде обогатен с модел за прогнозиране и тогава решението ще бъде още по-оптимално и балансирано. 

Или да вземем оптимизирането на производствения график, за което вече говорихме.

  1. можете да създадете ML модел, който ще вземе предвид историческите данни и ще прогнозира търсенето в зависимост от сезона и други фактори,
  2. и след това създайте ИЛИ модел, който ще създаде оптималния график за производство на продукти, където комбинацията от разходите за създаване и съхранение, като се вземе предвид потреблението, ще бъде минимална.

И много компании вече използват този комбиниран подход.

Amazon, например, комбинира големи данни, машинно обучение и оперативни изследвания , за да оптимизира логистиката . В Google Maps ML се използва за прогнозиране на бъдещ трафик , докато OR предлага най-добрия път до дестинация. 

ML или OR? 4 съвета за избор на техника

1. Започнете от задачата

Машинното обучение и изследването на операциите отговарят на различни видове проблеми.

Технологиите, използващи ML, ще ви помогнат да предвидите нещо или да направите заключение въз основа на много данни: да предскажете потребителското търсене или да диагностицирате оборудване.

А оперативните изследвания ще ви помогнат бързо да вземете най-доброто от много възможни решения: например да оптимизирате работата на транспорта или да разпределите ресурси.

2. Обърнете внимание на данните

За ML високото качество на данните е много важно – резултатът зависи пряко от това.

В случая на OR са важни задълбочените познания за вътрешните процеси и способността за изграждане на математически модел – тук е особено важна работата на представители на отделите, участващи в процесите, и работата на анализатори и математици.

3. Фокусирайте се върху резултата, който искате да получите от технологията

ML разкрива параметри и зависимости, но крайното решение за тях се взема от човек. ИЛИ дава най-оптималното решение, от което става ясно какво трябва да се направи за подобряване на процесите. 

4. Използвайте силата на синергията или не е нужно да избирате само един

И двете технологии не се изключват взаимно, а се допълват. Те могат да бъдат комбинирани и да създават мощни услуги за решаване на стратегическите и оперативни цели на компанията.