هوش مصنوعی

برنامه‌ریزی واقع‌بینانه با هوش مصنوعی و محدودیت‌های واقعی

تقویم، ظرفیت محدود و کارهای وابسته با یک مانع؛ کاور برنامه‌ریزی واقع‌بینانه
پیش‌نیازهای این درس و لینک مطالعه

مسیر کاربردی، سطح متوسط | درس 8 از ۱۵

برنامه‌ای که همه کارها را در خانه‌های رنگی جا می‌دهد، ممکن است اجراشدنی نباشد. این درس از مدلی شروع می‌کند که باید صریح بگوید چرا برنامه اولیه ناممکن است.

پیش‌نیاز: I01، I04. حاصل کار: تفکیک محدودیت سخت و ترجیح؛ تشخیص برنامه ناممکن.

محدودیت سخت را از ترجیح جدا کنید

در برنامه‌ریزی غرفه فرضی، ساعت پایان مجاز، تعداد افراد و وابستگی کارها محدودیت سخت‌اند. «بهتر است نوشتن متن را اول انجام دهیم» ترجیح است. ابزار نباید برای زیباترشدن برنامه، محدودیت سخت را بی‌اجازه به ترجیح تبدیل کند.

خط زمان با وابستگی و ظرفیت
نمودار آموزشی: خط زمان با وابستگی و ظرفیت

در این تمرین فقط یک نفر کار می‌کند و هم‌زمان دو فعالیت انجام نمی‌دهد. پنجره اولیه ساعت ۹ تا ۱۲ است، یعنی ۱۸۰ دقیقه. استراحت یا جابه‌جایی جدا در برآوردها منظور نشده؛ پس حتی برنامه‌ای با ظرفیت دقیقاً پرشده، حاشیه امن ندارد. برای طرح نهایی باید این موضوع را جدا مطرح کنیم.

ده کار و دو تعارض عمدی

A | مرور شرح غرفه | ۱۵ دقیقه | بدون وابستگی | ضروری
B | نهایی‌کردن طرح برچسب | ۳۰ دقیقه | بعد از A | ضروری
C | چاپ برچسب‌ها | ۲۰ دقیقه | بعد از B | ضروری
D | رسیدن تجهیزات | رویداد صفر دقیقه‌ای | ساعت ثابت ۱۱:۳۰ | ضروری
E | مونتاژ غرفه | ۶۰ دقیقه | بعد از D | ضروری
F | کنترل قیمت‌ها | ۱۵ دقیقه | بعد از A | ضروری
G | آزمون چیدمان | ۲۰ دقیقه | بعد از E و F | ضروری
H | بسته‌بندی اقلام | ۳۰ دقیقه | بعد از C | ضروری
I | نوشتن متن شبکه اجتماعی | ۱۵ دقیقه | بعد از A | قابل تعویق
J | بازبینی نهایی | ۱۵ دقیقه | بعد از G و H | ضروری
منبع کار: یک نفر. هم‌پوشانی فعالیت‌ها مجاز نیست.
پنجره کار: ۹:۰۰ تا ۱۲:۰۰. ساعت‌ها همگی محلی و در یک روزند.

جمع فعالیت‌های دارای مدت ۲۲۰ دقیقه است. بنابراین حتی اگر تجهیزات زود برسد، ۴۰ دقیقه بیش از ظرفیت داریم. تعارض دوم مستقل است: مونتاژ ۶۰دقیقه‌ای پس از ورود تجهیزات در ۱۱:۳۰، زودتر از ۱۲:۳۰ تمام نمی‌شود؛ سپس آزمون و بازبینی هم باقی است. حذف متن شبکه اجتماعی به‌تنهایی هیچ‌کدام را کامل حل نمی‌کند.

اگر مدل گفت تجهیزات را ساعت ۱۰ تحویل می‌گیرد، محدودیت را تغییر داده است. پیشنهاد تغییر مجاز است، اما نباید در برنامه قطعی پنهان شود. ستون «نیازمند تأیید» برای همین تفاوت لازم است.

پرامپت تحلیل امکان‌پذیری

پیش از زمان‌بندی، امکان‌پذیری این ده کار را بررسی کن.
یک نفر داریم و فعالیت‌ها نباید هم‌پوشانی داشته باشند.
پنجره ۹ تا ۱۲ و ورود تجهیزات ۱۱:۳۰ محدودیت سخت است.
جمع مدت، ظرفیت و زنجیره وابستگی را محاسبه کن.
اگر برنامه ناممکن است، صریح بگو و دو تعارض را با عدد نشان بده.
هیچ مدت یا ساعت ثابت را خودکار تغییر نده.
سپس سه گزینه اصلاحی پیشنهاد بده و تغییر لازم و ریسک هرکدام را بنویس.
برنامه اصلاحی را فقط «پیشنهاد منتظر تأیید» بنام.
هر کار حذف‌شده یا عقب‌افتاده باید با شناسه و دلیل ثبت شود.
[فهرست ده کار را اینجا قرار بده]

به‌جای درخواست «برنامه فشرده ولی شدنی»، اول امکان‌پذیری بخواهید. فشرده‌کردن زبان، زمان مونتاژ را کوتاه نمی‌کند. همچنین مدل نباید فرض کند چاپ بدون حضور فرد پیش می‌رود؛ اگر فعالیت منفعل است، باید در داده صریح باشد. در نسخه فعلی همه فعالیت‌های دارای مدت، وقت همان یک نفر را می‌گیرند.

سه راه اصلاح و بهای هر کدام

گزینه اول، گسترش پنجره کار است. اگر تجهیزات همچنان ۱۱:۳۰ برسد، باید پایان دیرتری برای مونتاژ، آزمون و بازبینی در نظر بگیریم. گزینه دوم، تغییر زمان تحویل تجهیزات است که به هماهنگی واقعی با تأمین‌کننده نیاز دارد. گزینه سوم، افزایش نیروی انسانی است؛ اما آن هم تنها وقتی کمک می‌کند که کارها تقسیم‌پذیر باشند و تجهیزات به موقع برسند.

حذف کار اختیاری I پانزده دقیقه آزاد می‌کند؛ از کسری ۴۰ دقیقه، هنوز ۲۵ دقیقه باقی می‌ماند. این محاسبه جلوی پیشنهاد ظاهراً ساده «پست شبکه اجتماعی را فردا بنویس» را می‌گیرد. پیشنهاد حذف باید اثر عددی داشته باشد.

برای ادامه آموزشی، فرض می‌کنیم دو تغییر تأیید شده‌اند: پنجره تا ۱۳ باز است و تجهیزات ساعت ۱۰ می‌رسد. این تأیید فقط جزئی از سناریوی ساختگی است؛ هیچ هماهنگی واقعی انجام نشده. اکنون ظرفیت ۲۴۰ دقیقه برای ۲۲۰ دقیقه کار داریم و می‌توان برنامه‌ای با ۲۰ دقیقه حاشیه ساخت.

اجرای تمرین در ChatGPT

در چت تازه ابتدا داده اولیه را وارد کنید و فقط تحلیل امکان‌پذیری بخواهید. اگر پاسخ مستقیم جدول زمان داد، از آن بخواهید جمع ۲۲۰ و ظرفیت ۱۸۰ را پیش از هر چیز تطبیق دهد. زمان پایان زنجیره D، E، G و J را نیز جدا کنترل کنید.

سپس تغییرهای آموزشی تأییدشده را در پیام دوم بدهید و بنویسید: «فقط این دو محدودیت تغییر کرده‌اند؛ مدت‌ها و وابستگی‌ها ثابت‌اند.» برنامه اصلاحی را با ستون شروع، پایان، مدت و پیش‌نیاز بخواهید. برای هر بازه، اختلاف پایان و شروع باید با مدت برابر باشد.

در مرحله بازبینی، از ChatGPT بخواهید فهرست نقض‌ها را بنویسد، نه اینکه صرفاً بگوید برنامه مناسب است. اگر هیچ نقضی پیدا نکرد، خودتان دست‌کم سه وابستگی C بعد از B، G بعد از E و J بعد از H را بررسی کنید.

اجرای تمرین در Claude

در Claude همان دو مرحله را با همان داده انجام دهید. نسخه اولیه و نسخه اصلاحی را جدا نگه دارید تا معلوم باشد کدام محدودیت با اجازه عوض شده است. اگر Claude نمودار یا جدول دیداری پیشنهاد کرد، ابتدا جدول عددی را تأیید کنید؛ نمودار باید از جدول درست ساخته شود.

برای این مسئله چت متنی کافی است و هیچ اتصال تقویم یا ابزار زمان‌بندی لازم نیست. هر دو پلتفرم ممکن است جدول متقاعدکننده اما دارای هم‌پوشانی بسازند. مقایسه منصفانه، تعداد نقض‌های واقعی و توانایی اعلام ناممکن‌بودن ورودی اول را می‌سنجد.

اگر برنامه طولانی شد، درخواست خلاصه کنید اما ستون وابستگی را حذف نکنید. در برنامه‌های واقعی، جزئیات رفت‌وآمد، استراحت، زمان آماده‌سازی و دسترسی دیگران هم باید به داده اضافه شوند؛ مدل حق ندارد آن‌ها را صفر فرض کند مگر شما دامنه را این‌گونه تعیین کرده باشید.

نمونه آموزشی برنامه اصلاح‌شده

۹:۰۰–۹:۱۵ | A مرور شرح
۹:۱۵–۹:۴۵ | B طرح برچسب
۹:۴۵–۱۰:۰۵ | C چاپ
۱۰:۰۰ | D رسیدن تجهیزات، رویداد بدون مصرف وقت در این سناریو
۱۰:۰۵–۱۱:۰۵ | E مونتاژ
۱۱:۰۵–۱۱:۲۰ | F کنترل قیمت
۱۱:۲۰–۱۱:۴۰ | G آزمون
۱۱:۴۰–۱۲:۱۰ | H بسته‌بندی
۱۲:۱۰–۱۲:۲۵ | I متن شبکه اجتماعی
۱۲:۲۵–۱۲:۴۰ | J بازبینی
۱۲:۴۰–۱۳:۰۰ | حاشیه زمانی

این نمونه تألیفی است و تنها با دو تغییر تأییدشده سناریو معتبر است. رویداد D در زمان چاپ رخ می‌دهد، اما چون در داده صفر دقیقه‌ای و بدون مصرف وقت فرد تعریف شده، هم‌پوشانی فعالیت محسوب نمی‌شود. اگر تحویل گرفتن تجهیزات ده دقیقه حضور بخواهد، باید مدت اضافه و برنامه دوباره محاسبه شود.

خروجی اشتباه عمدی، قرار دادن G از ۱۰:۴۵ تا ۱۱:۰۵ است؛ مونتاژ در آن لحظه هنوز تمام نشده. اصلاح مناسب جابه‌جایی G بعد از E و کنترل دوباره J است. فقط تغییر رنگ خانه جدول، وابستگی را اصلاح نمی‌کند.

تمرین دوم: آخر هفته با ظرفیت محدود

یک بزرگسال شنبه از ۹ تا ۱۲ وقت دارد. نظافت آشپزخانه ۴۵ دقیقه، شستن لباس‌ها ۲۰ دقیقه کار فعال، خشک‌شدن لباس‌ها ۶۰ دقیقه انتظار، جمع‌کردن لباس‌ها ۱۵ دقیقه بعد از خشک‌شدن، مطالعه ۴۰ دقیقه و خرید غیرضروری ۳۰ دقیقه است. در زمان خشک‌شدن می‌توان مطالعه یا نظافت کرد. خرید ترجیح است؛ جمع‌کردن لباس‌ها قبل از خشک‌شدن ممنوع است.

پرامپت را تغییر دهید تا زمان فعال و انتظار را جدا کند. یک پاسخ ممکن این است: ۹ تا ۹:۲۰ شستن، ۹:۲۰ تا ۱۰:۰۵ نظافت، ۱۰:۰۵ تا ۱۰:۴۵ مطالعه، ۱۰:۴۵ تا ۱۱ جمع‌کردن، ۱۱ تا ۱۱:۳۰ خرید، و نیم ساعت حاشیه. خشک‌شدن از ۹:۲۰ تا ۱۰:۲۰ ادامه دارد؛ جمع‌کردن در ۱۰:۴۵ وابستگی را رعایت می‌کند.

حالا پنجره را به ۹ تا ۱۰:۳۰ کاهش دهید. از مدل بخواهید دو مانع مستقل را نشان دهد: کار فعال بدون خرید ۱۲۰ دقیقه است و از ظرفیت ۹۰دقیقه‌ای بیشتر می‌شود؛ زنجیره شستن ۲۰، خشک‌شدن ۶۰ و جمع‌کردن ۱۵ دقیقه هم حداقل ۹۵ دقیقه طول می‌کشد و زودتر از ۱۰:۳۵ تمام نمی‌شود. پس حذف خرید یا کوتاه‌کردن مطالعه به‌تنهایی کافی نیست. باید با تأیید، شستن زودتر شروع شود، مهلت گسترش یابد یا جمع‌کردن به بعد موکول شود؛ در کنار آن، کار فعال دیگر نیز باید کم یا جابه‌جا شود. هیچ کار ضروری نباید بی‌صدا ناپدید شود. این آزمون نشان می‌دهد مدل فرق فعالیت فعال و انتظار را فهمیده یا فقط زمان‌ها را پشت هم چیده است.

معیار پذیرش برنامه

در ورودی اول باید ناممکن‌بودن و هر دو تعارض گزارش شود. در نسخه اصلاح‌شده، نقض محدودیت سخت باید صفر باشد، هر فعالیت فقط یک‌بار بیاید و جمع مدت‌ها ثابت بماند. همه تغییرهای پیشنهادی باید از تصمیم‌های تأییدشده جدا باشند.

جدول نهایی، فهرست تغییرها و دلیل حذف یا تعویق را ذخیره کنید. برای استفاده واقعی، زمان‌های برآوردی را با فرد انجام‌دهنده بررسی کنید؛ برنامه‌ای که روی مدت‌های نامعتبر ساخته شود، حتی با محاسبه درست هم قابل اتکا نیست.

دسترسی، حریم خصوصی و وضعیت نمونه‌ها

همه داده‌های تمرین ساختگی‌اند. خروجی‌های نشان‌داده‌شده نمونه آموزشی تألیفی هستند؛ این مقاله اجرای آن‌ها را در حساب واقعی دو پلتفرم گزارش نمی‌کند. قابلیت‌ها و سهمیه‌ها به طرح، تنظیمات و محیط کاری بستگی دارند. در بازبینی ۹ اکتبر ۲۰۲۶، ایران در فهرست رسمی مناطق پشتیبانی‌شده این دو ارائه‌دهنده نبود؛ آموزش روش دورزدن محدودیت نیست. می‌توانید بسته تمرین را آفلاین انجام دهید. برای کار واقعی، پیش از بارگذاری هر فایل، مجوز استفاده و سیاست داده سازمان را بررسی کنید.

منابع رسمی و درس‌های مرتبط

منابع قابلیت‌های محصول، بازبینی‌شده در ۹ اکتبر ۲۰۲۶؛ داده‌ها و معیارهای تمرین تألیفی‌اند.

تحلیل بازخورد مشتری فارسی با کدگذاری موضوعی | ساخت راهنمای کار و پاسخ‌های مستند از دانش تیم | نقشه راه آموزش هوش مصنوعی

author-avatar

درباره مهدی حبیبی

مهدی حبیبی، بنیان‌گذار طاووس وب و برنامه‌نویس فرانت‌اند با بیش از ۵ سال تجربه در طراحی سایت و بیش از ۵۰ پروژهٔ انجام‌شده. تخصصش وردپرس، المنتور، ووکامرس، سئو و بهینه‌سازی سرعت است و تجربهٔ پروژه‌های واقعی را در طاووس وب به زبان ساده آموزش می‌دهد. و البته مجنون قهوه!