동적 조립 흐름 공장 생산 일정 관리를 위한 다 제품 배송을 고려한 슬라이딩 윈도우 기반 강화 학습

도입

현대 제조 시스템은 처리와 조립을 통합하여 효율성을 높이고자 합니다. 다중 제품 조립 배달은 이러한 시스템에서 실시간 계획을 위한 중요한 과제를 부과하며, 동적 주문 도착은 공급 의존성과 가능한 작업-기계 할당의 집합을 동시에 변경시킵니다. 이러한 문제를 해결하기 위해, 새로운 연구는 슬라이딩 윈도우 기반 강화 학습(SWRL) 프레임워크를 제안합니다.

이 프레임워크는 복잡한 조립 제약 조건을 고려한 유연한 조립 흐름 공장 계획 문제의 종단-ToEnd 온라인 계획을 위한 것입니다. 이 문제는 이중층 조립 구조와 꼬리-제품 병목 현상을 생성하는 희소 보상 지형을 캡처하는 비대칭 그래프 기반 마르코프 결정 과정으로 형성됩니다.

SWRL 프레임워크

SWRL은 불활성 노드 필터링 기계를 포함하여 조립-중요한 작업을 우선화하는 슬라이딩 윈도우 필터링 기계, 작업자 시프트를 추적하는 공간-시간 그래프 인코딩 네트워크, 그리고 변수적인 토폴로지 아래 변화하는 작업 공간에 적응하는 제약 조건 기다리는 전략을 가진 동적 액션 맵핑 모듈을 통합합니다. 이러한 구성 요소들은 실제 인스턴스에서 집적용품 제조업체의 실세계 예제를 사용한 실험 결과, SWRL이 고전적 디스패치 규칙과 존재하는 깊은 강화 학습 메소드보다 일관된 지연 감소율을 달성하며, 다양한 자원 구성, 주문 부하 및 도착 집중도에서 견고한 성능을 나타내는 것을 가능하게 합니다.

이 연구는 제조 시스템의 효율성을 높이고 생산성을 개선하는 데 중요한 역할을 할 수 있으며, 향후 연구에서는 이러한 프레임워크를 더욱 발전시키고 다양한 산업 분야에 적용하는 것이 가능할 것입니다.