抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
産業4.0技術のアベイラビリティにより,自動化システムへの大きなデータ分析の応用が可能である。倉庫または倉庫内の製品の分布は,産業4.0技術に基づく自動化から利益を得ることができる地域である。本論文では,倉庫内の自動誘導車のための動的経路計画システムの開発に焦点を当てた。本研究では,実時間障害物による動的ルーティング問題を考察した。この研究分野における重要問題は,限られた計算資源を有する自動誘導車両に関する実装に適したリアルタイム経路計画アルゴリズムの欠如である。問題のための操作経路を決定するための機械学習方法論と同様に,最適化モデルを提案した。大きな消費者製品ディストリビュータの倉庫の内部レイアウトを用いて,方法論の性能を試験した。Gazeboに基づくシミュレーション環境を開発し,経路計画システムの実装をテストするために使用した。計算結果は,提案した機械学習方法論が18の貯蔵ラックと67の経路セグメントを有する倉庫の実際の内部レイアウトのために98%までの試験精度を有する経路を作り出すことができることを示した。機械学習構成が予測精度にいかに影響するかについての経営的洞察も提供した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】