文献

J-GLOBAL ID：202102281726649671   整理番号：21A1821888

2機械1バッファ生産システムのための強化学習に基づく実時間制御ポリシー【JST・京大機械翻訳】

Reinforcement Learning Based Real-Time Control Policy for Two-Machine-One-Buffer Production System

著者 (3件)： Zheng Wei (Zhejiang University, Hanzhou, China) ,  Lei Yong (Zhejiang University, Hanzhou, China) ,  Chang Qing (SUNY - Stony Brook University, Stony Brook, NY)
資料名： ASME Conference Proceedings  (ASME Conference Proceedings)
号： MSEC2017  ページ： Null  発行年： 2017年 
JST資料番号： A0478C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生産のリアルタイム制御による製造システムの総コストを削減することは魅力的である。総コストは,主に生産コスト,永久生産損失のペナルティ,および労働省(WIP)在庫レベルコストから成る。しかし,飢餓およびブロック現象の複雑性,ランダム故障および保全プロセスのため,製造システムの解析モデルを導出することは難しい。したがって,正確な解析モデルのない製造システムのためのリアルタイム制御政策を見つけることは,必要不可欠である。本論文では,新しい強化学習ベース制御決定ポリシーを,各時間スロットの始動で機械を切り替える動作に基づいて提案する。最初に,シミュレーションモデルを,サンプルを収集するために,歴史データから評価したMTBFとMTTRによって開発した。次に,強化学習法,特に,最小Square-Poly-Iteration法を,準最適政策を得るために適用した。シミュレーション結果は,提案した方式が総コストの低減においてよく機能することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  故障 ,  シミュレーションモデル ,  *生産システム ,  製造原価 ,  保全 ,  MTBF ,  総原価 ,  在庫量 ,  ペナルティ ,  *強化学習 ,  解析モデル
準シソーラス用語： MTTR ,  タイムスロット ,  複雑性 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： バッファ ,  強化学習 ,  実時間制御