Как проверить результат перед показом

Проверка нужна не для того, чтобы получить большее число, а чтобы убедиться, что число измеряет именно то, что написано рядом с ним.

Проверка нужна не для того, чтобы получить большее число, а чтобы убедиться, что число измеряет именно то, что написано рядом с ним.

Шаги

1. Проверьте код:

   .venv/bin/python -m pytest

   Особенно важны инварианты пропускной способности: они защищают от учёта хвоста расчёта как KPI и от двойного учёта nonsort.

2. Повторите штатный запуск с фиксированной случайной последовательностью:

   .venv/bin/python -m robozon.runner scenarios/production-12-lines.json \
     --policies balanced-load --json > /tmp/result-a.json
   .venv/bin/python -m robozon.runner scenarios/production-12-lines.json \
     --policies balanced-load --json > /tmp/result-b.json
   cmp /tmp/result-a.json /tmp/result-b.json

   При одинаковых seed и CV файлы должны совпасть. Это проверяет воспроизводимость одного случайного прогона, а не отсутствие разброса в реальной работе.

3. Для каждого показателя ответьте:

   1. Это вход, выход сортировки или сквозной выход?
   2. Какова длительность рабочего окна и прогрева?
   3. Не включён ли хвост расчёта в KPI? Для KPI ответ всегда «нет».
   4. В каких единицах число: товары, КТЯ или палеты?
   5. Откуда взялся норматив, если это площадь или персонал?

4. Проверьте материальный баланс. Сквозной выход может быть немного выше или ниже выхода сортировки в отдельном окне из-за незавершённой работы на его границах. Для палет используйте связь палеты × КТЯ на палете × товары в КТЯ. nonsort не добавляйте повторно к основному тракту.

5. Запустите чувствительность и Монте-Карло. Честный вывод включает не только лучший режим, но и условие его устойчивости: 12 линий для штатной загрузки не выше 85% и 13 линий для строгого N+1.