Оптимизация глобального планирования производства с использованием глубокого обучения с подкреплением

Optimization of global production scheduling with deep reinforcement learning
Lenz Belzner, Thomas Bauernhansl, Bernd Waschneck, André Reichstaller, Thomas Altenmüller, Alexander Knapp, Andreas Kyek
2018-01-01

глубокая сеть Q (DQN)кооперативные агенты DQNглубокое обучение с подкреплениемпланирование производствапроизводство полупроводников
Индустрия 4.0 предполагает децентрализованные, самоорганизующиеся и самообучающиеся системы управления производством. Одновременно новые алгоритмы машинного обучения становятся все более мощными и решают задачи реального мира. Мы применяем алгоритм агента Deep Q-Network (DQN) компании Google DeepMind для обучения с подкреплением (RL) к задаче планирования производства, чтобы реализовать концепцию управления производством в рамках Индустрии 4.0. В среде обучения с подкреплением кооперативные агенты DQN, использующие глубокие нейронные сети, обучаются по заданным пользователем целевым функциям для оптимизации планирования. Мы проверяем нашу систему с помощью имитационной модели небольшого предприятия, представляющей абстрагированное производство полупроводников на переднем участке технологической линии.
1
Кооперативные агенты DQN используют глубокие нейронные сети и заданные пользователем целевые функции для оптимизации расписаний в среде обучения с подкреплением.
2
Подход ориентирован на децентрализованное, самоорганизующееся и самообучающееся управление производством, однако в аннотации не приведены количественные сравнения или показатели эффективности.
3
Предложенная система проверена с помощью небольшой симуляции предприятия, моделирующей абстрагированное производство полупроводников на начальной стадии технологического процесса.
4
В исследовании алгоритм Deep Q Network компании Google DeepMind применяется к планированию производства в рамках управления Industrie 4.0.

абстрагированное производство полупроводников на переднем конце технологической линии, моделируемое небольшой симуляцией фабрики

оптимизация глобального производственного планирования по заданным пользователем целям с использованием кооперативных агентов глубокого обучения с подкреплением

Publication Details
Publication Date
2018-01-01
Journal
Publisher
ISSN
Cited by
389
Access Type
Author Information
Authors
Lenz Belzner
Thomas Bauernhansl
Bernd Waschneck
André Reichstaller
Thomas Altenmüller
Alexander Knapp
Andreas Kyek
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%