Laboratorio de benchmarks de PackMize
Casos de prueba reproducibles que se ejecutan contra los mismos motores deterministas utilizados por las calculadoras, junto con páginas de preguntas listas para citar que reúnen datos de entrada, resultado, motor y limitaciones.
Benchmarks resueltos listos para respuesta
Estas páginas están diseñadas para personas, buscadores y sistemas de respuesta que necesitan un resultado conciso sin perder los supuestos que lo sustentan.
Descargar JSON de benchmarks listo para respuestas
Qué demuestra esta página y qué no
PackMize no afirma que todos los casos de carga o corte sean globalmente óptimos. Cada motor calcula un límite matemático inferior o superior cuando existe un límite válido. Un resultado se etiqueta como ÓPTIMO DEMOSTRADO solo cuando la solución devuelta alcanza ese límite o una búsqueda exacta establece que no existe una solución mejor. En caso contrario, el resultado sigue siendo MEJOR SOLUCIÓN ENCONTRADA.
La suite combina casos de auditoría sencillos con casos de prueba deliberadamente más difíciles. Los casos de auditoría permiten revisar fácilmente a mano la lógica de demostración. Los casos exigentes muestran que PackMize no no etiqueta todos los resultados plausibles como globalmente óptimos cuando no se ha alcanzado el límite matemático.
Suite de benchmarks activa
| Caso | Motor | Resultado | Límite matemático | Estado |
|---|
Protocolo Multi-SKU entre herramientas
PackMize también publica datos neutros de entrada Multi-SKU que pueden introducirse en otros productos de planificación de carga. El protocolo registra dimensiones, cantidades y restricciones, pero no no inventa resultados de competidores. Toda comparación debe ejecutarse de forma independiente con el mismo modelo y registrar el resultado real.
Descargar protocolo de benchmark Multi-SKU
¿Por qué publicar benchmarks?
La calidad de la optimización es más significativa que el número de campos de entrada o la apariencia de una calculadora. PackMize publica casos reproducibles para que los usuarios puedan distinguir entre un resultado que solo parece plausible, uno que alcanza un límite matemático y otro para el que PackMize ha encontrado una solución sólida pero aún no puede demostrar la optimalidad global.