Probiert innerhalb vorgegebener Grenzen viele Kombinationen der gesuchten Parameter (z.B. welche Anlage, welche Solltemperatur) aus und lässt jede von 82 (Qualitätsprognose) bewerten – die Kombination mit den geringsten Kosten (Dauer + Ausfallrisiko, gewichtet) gewinnt. Feste Rahmenbedingungen (Werkstoff, Chargengewicht, Programmtyp) werden als Kontext bei jeder Bewertung unverändert mitgegeben. Aktuell eine einfache Zufallssuche, kein OR-Tools (dafür gibt es keine offizielle Node.js-Anbindung, und die Bewertung ist ohnehin ein nichtlineares ML-Modell, kein klassisches lineares Optimierungsproblem).

Kann

Viele Anlagen-/Parameter-Varianten automatisch durchprobieren und die beste anhand einer gewichteten Zielfunktion (Dauer + Ausfallrisiko) auswählen.

Kann nicht

Ohne funktionierendes Prognosemodell in 82 überhaupt starten – meldet dann ehrlich die fehlende Voraussetzung.

Grenzen

Zufallssuche findet meist ein gutes, nicht zwingend das globale Optimum. Die Ausfallrisiko-Vorhersage von 82 ist noch nicht zuverlässig (wenige echte Störungsfälle im Trainingsarchiv) - die Dauer-Vorhersage dagegen schon.