文献

J-GLOBAL ID：202002233350709791   整理番号：20A2456581

産業4.0におけるフレキシブルショップフロアのための混合ルールによる深層強化学習ベースAGVsリアルタイムスケジューリング【JST・京大機械翻訳】

Deep reinforcement learning based AGVs real-time scheduling with mixed rule for flexible shop floor in industry 4.0

著者 (5件)： Hu Hao (School of Mechanical Engineering, Northwestern Polytechnical University, 127 West Youyi Road, Beilin District, Xi’an, Shaanxi 710072, PR China) ,  Jia Xiaoliang (School of Mechanical Engineering, Northwestern Polytechnical University, 127 West Youyi Road, Beilin District, Xi’an, Shaanxi 710072, PR China) ,  He Qixuan (School of Mechanical Engineering, Northwestern Polytechnical University, 127 West Youyi Road, Beilin District, Xi’an, Shaanxi 710072, PR China) ,  Fu Shifeng (School of Mechanical Engineering, Northwestern Polytechnical University, 127 West Youyi Road, Beilin District, Xi’an, Shaanxi 710072, PR China) ,  Liu Kuo (School of Mechanical Engineering, Northwestern Polytechnical University, 127 West Youyi Road, Beilin District, Xi’an, Shaanxi 710072, PR China)
資料名： Computers & Industrial Engineering  (Computers & Industrial Engineering)
巻： 149  ページ： Null  発行年： 2020年 
JST資料番号： D0502B  ISSN： 0360-8352  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 産業4.0と産業人工知能の最近の進歩により,自動誘導車両(AGV)は,材料取扱いのためのフレキシブルショップフロアで広く使用されてきた。しかし,ショップフロア環境の高い動力学,複雑性,および不確実性によって喚起される大きな課題は,まだAGVリアルタイムスケジューリングに存在している。これらの課題に取り組むために,混合ルールによる適応深層強化学習(DRL)ベースのAGVリアルタイムスケジューリングアプローチを,メイクスパンと遅延比を最小化するために柔軟なショップフロアに提案する。最初に,AGVsリアルタイムスケジューリングの問題を,状態表現,行動表現,報酬関数,および最適混合ルールポリシーを詳細に記述するMarkov決定プロセス(MDP)として定式化した。次に,新しい深いqネットワーク(DQN)法を,適切なディスパッチング規則とAGVが,様々な状態に向けてスケジューリングを実行するように選択できる最適混合ルールポリシーを達成するために,さらに開発した。最後に,実世界のフレキシブルショップフロアに基づく事例研究を例証し,その結果,提案した方法の実現可能性と有効性を検証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *スケジューリング ,  ディスパッチング ,  ネットワーク ,  不確実性 ,  マテリアルハンドリング ,  人工知能 ,  無人搬送車 ,  事例研究 ,  有効性 ,  定式化
準シソーラス用語： メイクスパン ,  複雑性 ,  *リアルタイムスケジューリング ,  報酬関数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 自動誘導車両 ,  リアルタイムスケジューリング ,  深層強化学習 ,  産業4.0

分類 (1件)： 工程管理  (KB03030P)

タイトルに関連する用語 (4件)： 産業 ,  ルール ,  深層強化学習 ,  リアルタイムスケジューリング