К основному содержанию
скилл CX Codex

fjsp-baseline-repair-with-downtime-and-policy: скилл Claude Code

Скилл fjsp-baseline-repair-with-downtime-and-policy восстанавливает расписание гибкого цеха (FJSP) с учётом окон простоя оборудования, порядка операций и ограничений на сдвиг времени.

Apache-2.0 32 установок ★ 1 933 обновлён 2026-10-24

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add benchflow-ai/skillsbench --skill fjsp-baseline-repair-with-downtime-and-policy -a claude-code
Открыть на GitHub

Что делает fjsp-baseline-repair-with-downtime-and-policy

Скилл чинит невалидный или неоптимальный базовый план в задаче гибкого цеха (FJSP). Алгоритм устраняет пересечения операций на одном станке, выдерживает окна простоя оборудования и гарантирует порядок end(j, o) <= start(j, o+1). При этом он удерживает число замен оборудования и суммарный сдвиг времени начала Shift_L1 в рамках заданного бюджета.

Процесс пересчёта опирается на пошаговое продвижение целочисленного таймлайна с шагом +1 от точки привязки anchor(j, o) = max(start_base(j, o), end_new(j, o-1)). Любая операция ставится не раньше базового старта. Прыжок через произвольные интервалы ломает условие минимальности сдвига, поэтому алгоритм перебирает каждую единицу времени.

Если базовый станок недопустим для конкретной операции, скилл выбирает разрешённый станок с минимальной длительностью обработки. Для экономии бюджета замен альтернативные станки проверяются только при превышении порога сдвига.

Какие задачи решает

  • Устранить пересечения операций в производственном расписании с окнами простоя
  • Исправить нарушения технологической последовательности операций
  • Ограничить суммарный сдвиг времени старта задач относительно базового плана
  • Заменить недопустимые станки без взрывного роста числа перестановок

Примеры запросов агенту

  • Почини базовое расписание цеха с учётом окон техобслуживания станков
  • Пересчитай операции FJSP так, чтобы суммарный сдвиг L1 не превысил лимит
  • Устрани наложение задач на станках и сохрани порядок операций

Как установить fjsp-baseline-repair-with-downtime-and-policy

1Через Skills CLI (Vercel)

npx skills add benchflow-ai/skillsbench --skill fjsp-baseline-repair-with-downtime-and-policy -a claude-code

2Вручную: положить файлы

~/.claude/skills/fjsp-baseline-repair-with-downtime-and-policy/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/fjsp-baseline-repair-with-downtime-and-policy/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о fjsp-baseline-repair-with-downtime-and-policy

Как установить fjsp-baseline-repair-with-downtime-and-policy в Claude Code?

Выполните команду npx skills add benchflow-ai/skillsbench --skill fjsp-baseline-repair-with-downtime-and-policy -a claude-code.

Что делает этот скилл?

Он преобразует некорректный базовый план FJSP в допустимое расписание, устраняя конфликты с окнами простоя и сохраняя бюджеты изменений.

Почему время старта проверяется шагом +1, а не прыжком к окну?

Простой прыжок к следующему окну без пошаговой проверки может нарушить минимальность задержки и привести к лишнему смещению операций.

Исходный текст

SKILL.md · Apache-2.0
---
name: fjsp-baseline-repair-with-downtime-and-policy
description: This skill should be considered when you need to repair an infeasible or non-optimal flexible job scheduling planning schedule into a downtime-feasible, precedence-feasible one while keep no worse policy budget.
---

This skill should be considered when you need to enhance a given infeasible or non-optimal fjsp baseline to a feasible schedule with less makespan considering downtime constraints, job precedence violations, policy budget constraints. The following constraints should be satisfied. end(j, o) <= start(j, o+1). Here j means the job index and o means the operation index. There should be no overlaps on the same machine or with downtime windows. Keep the number of machine changes and the total L1 start-time shift within the policy budgets. You can calculate the number of machine changes by MC = \sum_{(j,o)} [m_{new}(j,o) \ne m_{base}(j,o)]. You can calculate the total L1 start-time shift by Shift_{L1} = \sum_{(j,o)} |start_{new}(j,o) - start_{base}(j,o)|. To achieve this, never start any operation earlier than the baseline. When repairing operations in precedence-aware order, place each operation at the earliest feasible time. Anchor is calculated by anchor(j,o) = \max(start_{base}(j,o), end_{new}(j,o-1)), end_{new}(j,o-1) is end time of the previous operation of the same job at the new schedule. If start > anchor, then start-1 must be infeasible. You guarantee this by scanning integer time forward by +1 from anchor. Jumping to “next gap” without checking every integer may break minimality. If the given baseline is invalid, replace the machine with a feasible one.

Here is the pipeline. For each operation, first find the earliest time to start. It cannot start earlier than the baseline, and it cannot start before the previous operation of the same job finishes. Then list only the machines that are allowed for this operation, and use the processing time that belongs to each machine. For each candidate machine, find the allowed earliest time and pick the first start time that does not overlap with other work on that machine and does not fall into any downtime window. Choose the option that makes the smallest changes overall. Prefer not changing machines and keeping start-time shifts small, and make sure you stay within the policy budgets. After selecting a start time, immediately record this operation on the machine timeline in the same precedence-aware order, so the result matches the evaluator’s step-by-step simulation.

Here are reference codes.
```python
# sorted Downtime windows
downtime[m] = sorted([(start,end), ...])
def overlap(s,e,a,b):
    return s < b and a < e  
```

```python
# Precedence-aware repair order
def precedence_aware_order(base_list):
    base_map = {(r["job"], r["op"]): r for r in base_list}
    base_index = {(r["job"], r["op"]): i for i, r in enumerate(base_list)}
    keys = list(base_map.keys())
    keys.sort(key=lambda k: (k[1], base_map[k]["start"], base_index[k]))
    return keys
```

```python
def earliest_feasible_time(m, anchor, dur, machine_intervals, downtime, safety=200000):
    t = int(anchor)
    for _ in range(safety):
        if not has_conflict(m, t, t+dur, machine_intervals, downtime):
            return t
        t += 1
    return t
```

```python
def has_conflict(m, st, en, machine_intervals, downtime):
    for a,b in machine_intervals.get(m, []):
        if overlap(st,en,a,b):
            return True
    for a,b in downtime.get(m, []):
        if overlap(st,en,a,b):
            return True
    return False
```

```python
# Baseline machine may be illegal
base_m = base_map[(j,o)]["machine"]
if base_m not in allowed[(j,o)]:
    # baseline is invalid; pick a legal default (min duration is a good heuristic)
    base_m = min(allowed[(j,o)], key=lambda m: allowed[(j,o)][m])
base_d = allowed[(j,o)][base_m]
```

```python
#Use a lexicographic score that matches your priorities
machine_change = int(mm != base_m_orig)  
start_shift    = abs(st - base_start)
score = (machine_change, start_shift, st, mm)
#Then pick the smallest score, but respect remaining machine-change budget.
```

```python
#A naive “always keep baseline machine” can cause large start shifts. This often reduces `Shift_L1` enough to pass tight budgets without exploding machine changes. Use a simple trigger to consider alternates *only when it helps*:

THRESH = 6  # tune; small instances often 3~10 works
# First try baseline machine
cand = best_candidate_restricted_to([base_m])

# If shift is large and we still can change machines, search alternates
if (cand.start - base_start) >= THRESH and mc_used < max_mc:
    cand2 = best_candidate_over_all_allowed_machines()
    if cand2.start < cand.start:   # or cand2.shift < cand.shift
        cand = cand2
```

© benchflow-ai · Apache-2.0 · benchflow-ai/skillsbench

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
site-logistics-optimization datadrivenconstruction Скилл site-logistics-optimization оптимизирует логистику строительной площадки: расписание доставок материалов, позиционирование кранов, распределение складских зон и движение техники. CX Codex +1 118установок pymoo K-Dense-AI Работа с pymoo для решения задач оптимизации. Подбор алгоритма, постановка задачи, ограничения, разбор фронта Парето при конфликтующих целях. CX Codex +1 2 200установок arbor K-Dense-AI Скилл arbor для Claude Code, Codex, Cursor, GitHub Copilot и Gemini CLI, который запускает цикл автономной оптимизации через дерево гипотез. CX Codex +1 1 500установок scipy-best-practices Mindrally Скилл scipy-best-practices для Claude Code задаёт агенту правила научных вычислений на SciPy: оптимизация, линейная алгебра, статистика, сигналы. Покрывает Python-код, который считает числа. CX Codex +1 1 100установок ortools tondevrel Скилл для Google OR-Tools: агент собирает модели CP-SAT, считает маршруты и решает задачи линейного программирования на Python. CX Codex +1 221установок loop Alireza Rezvani Скилл loop для Claude Code, который запускает автономный цикл экспериментов autoresearch по расписанию. Задаётся интервал от 10 минут до месяца, дальше агент сам читает конфиг, правит код, коммитит и оценивает результат. CX Codex +1 1 557установок

Из того же набора22

Весь набор →
search-driving-distance Скилл search-driving-distance считает время, расстояние и примерную стоимость поездки на машине или такси между двумя городами по CSV-матрице расстояний из комплекта скилла. CX Codex +1 31установок glm-basics Скилл glm-basics для Claude Code помогает запускать General Lake Model и разбирать её входные файлы и параметры. Настраивает симуляцию температуры и перемешивания воды в озере. CX Codex +1 14установок pymatgen Скилл pymatgen автоматизирует анализ кристаллических структур, конвертацию форматов CIF и POSCAR, расчёт фазовых диаграмм и запросы к базе Materials Project. CX Codex +1 12установок trend-analysis Скилл trend-analysis помогает выявлять долгосрочные тренды во временных рядах параметрическими и непараметрическими методами. CX Codex +1 8установок threejs Разбирает граф сцены Three.js, разделяет модели на части и готовит OBJ-файлы или URDF. Экспортирует геометрию и связи между деталями. CX Codex +1 8установок reflow-machine-maintenance-guidance Скилл reflow-machine-maintenance-guidance отвечает на вопросы по обслуживанию печи оплавления: считает градиенты, время выше ликвидуса и скорость конвейера по термопарам, MES и справочнику. CX Codex +1 5установок text-to-speech Скилл text-to-speech помогает подготовить TTS-речь к видеомонтажу: убрать артефакты, выровнять громкость и свести сегменты по времени. CX Codex +1 4установок civ6lib Скилл civ6lib для Claude Code проверяет размещение районов в Civilization 6 и считает бонусы соседства. Анализирует карты и помогает планировать города. CX Codex +1 2установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой