論文の概要: A Deep Reinforcement Learning Based Multi-Criteria Decision Support System for Textile Manufacturing Process Optimization

• arxiv url: http://arxiv.org/abs/2012.14794v1
• Date: Tue, 29 Dec 2020 15:09:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-18 20:47:40.184981
• Title: A Deep Reinforcement Learning Based Multi-Criteria Decision Support System for Textile Manufacturing Process Optimization
• Title（参考訳）: 繊維加工プロセス最適化のための深層強化学習に基づく多階層決定支援システム
• Authors: Zhenglei He (GEMTEX), Kim Phuc Tran (GEMTEX), Sebastien Thomassey (GEMTEX), Xianyi Zeng (GEMTEX), Jie Xu, Chang Haiyi
• Abstract要約: 本論文では、インテリジェントデータに基づくランダムフォレスト(RF)モデルと、人知に基づく分析階層プロセス(AHP)構造を組み合わせた意思決定支援システムを提案する。 このシステムの有効性は,織物のオゾン処理を最適化する事例で検証されている。
• 参考スコア（独自算出の注目度）: 5.900286890213338
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Textile manufacturing is a typical traditional industry involving high complexity in interconnected processes with limited capacity on the application of modern technologies. Decision-making in this domain generally takes multiple criteria into consideration, which usually arouses more complexity. To address this issue, the present paper proposes a decision support system that combines the intelligent data-based random forest (RF) models and a human knowledge based analytical hierarchical process (AHP) multi-criteria structure in accordance to the objective and the subjective factors of the textile manufacturing process. More importantly, the textile manufacturing process is described as the Markov decision process (MDP) paradigm, and a deep reinforcement learning scheme, the Deep Q-networks (DQN), is employed to optimize it. The effectiveness of this system has been validated in a case study of optimizing a textile ozonation process, showing that it can better master the challenging decision-making tasks in textile manufacturing processes.
• Abstract（参考訳）: 繊維製造業は、近代技術の適用能力に乏しい相互接続プロセスにおいて、高い複雑さを伴う伝統的な産業である。 この領域での意思決定は、通常、複数の基準を考慮に入れ、より複雑さを引き起こす。 そこで本研究では,知能データに基づくランダム・フォレスト(RF)モデルと,繊維製造プロセスの目的と主観的要因に応じて,人間の知識に基づく解析的階層構造(AHP)を組み合わせた意思決定支援システムを提案する。 さらに重要なことに、繊維製造プロセスはマルコフ決定プロセス(MDP)パラダイムとして記述され、それを最適化するために深層強化学習スキームであるディープQネットワークス(DQN)が使用される。 本システムの有効性は, 織物のオゾン化過程を最適化するケーススタディで検証され, 繊維製造プロセスにおいて, 難しい意思決定タスクを習得できることを示した。

関連論文リスト

• Enhancing Multi-Step Reasoning Abilities of Language Models through Direct Q-Function Optimization [50.485788083202124]
  強化学習(Reinforcement Learning, RL)は、大規模言語モデルを人間の好みと整合させ、複雑なタスクを遂行する能力を向上させる上で重要な役割を担っている。 反応生成過程をマルコフ決定プロセス(MDP)として定式化し,ソフトアクター・クリティック(SAC)フレームワークを用いて,言語モデルによって直接パラメータ化されたQ関数を最適化する,直接Q関数最適化(DQO)を提案する。 GSM8KとMATHという2つの数学問題解決データセットの実験結果から、DQOは従来の手法よりも優れており、言語モデルを整合させるための有望なオフライン強化学習手法として確立されている。
  論文  参考訳（メタデータ） (2024-10-11T23:29:20Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• Machine learning for structure-guided materials and process design [0.602276990341246]
  本稿では, 材料工学におけるプロセス構造-プロパティチェーン全体をカバーする, 総合的, 汎用的な最適化手法を提案する。 本手法では,材料設計問題とプロセス設計問題という2つの重要な識別問題に機械学習を用いて対処する。 本手法は, 模擬金属成形プロセスにおいて, 所望の特性を有する結晶テクスチャの製造において有効であることを示す。
  論文  参考訳（メタデータ） (2023-12-22T09:28:30Z)
• Flexible Job Shop Scheduling via Dual Attention Network Based Reinforcement Learning [73.19312285906891]
  フレキシブルなジョブショップスケジューリング問題(FJSP)では、複数のマシンで操作を処理でき、操作とマシンの間の複雑な関係が生じる。 近年, 深層強化学習(DRL)を用いて, FJSP解決のための優先派遣規則(PDR)を学習している。 本稿では,Deep機能抽出のための自己注意モデルと,スケーラブルな意思決定のためのDRLの利点を生かした,エンドツーエンド学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-09T01:35:48Z)
• An enhanced simulation-based multi-objective optimization approach with knowledge discovery for reconfigurable manufacturing systems [0.6824747267214372]
  本研究では、ワークステーションへのワークタスクとリソース割り当てと、RMSのバッファ容量割り当てについて検討する。 目的は、プロダクションボリュームとキャパシティの変更の下で、総バッファ容量を同時に最大化し、最小化することである。 シミュレーションをカスタマイズした多目的最適化(SMO)手法を提案する。
  論文  参考訳（メタデータ） (2022-11-30T10:30:07Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Distributional Reinforcement Learning for Scheduling of (Bio)chemical Production Processes [0.0]
  強化学習(Reinforcement Learning, RL)は、最近、プロセスシステム工学と制御コミュニティから大きな注目を集めている。 本稿では,生産スケジューリング問題に共通して課される優先的制約と解離的制約に対処するRL手法を提案する。
  論文  参考訳（メタデータ） (2022-03-01T17:25:40Z)
• Monte Carlo Tree Search for high precision manufacturing [55.60116686945561]
  我々は、専門家ベースのシミュレータを使用し、MCTSのデフォルトポリシーを適用して製造プロセスに対処する。 一般的な理由は、プロセスの効率的なシミュレータが存在しないことや、MCTSをプロセスの複雑な規則に適用する際の問題があることである。
  論文  参考訳（メタデータ） (2021-07-28T14:56:17Z)
• Multi-Objective Optimization of the Textile Manufacturing Process Using Deep-Q-Network Based Multi-Agent Reinforcement Learning [5.900286890213338]
  本稿では,最適化プロセスをゲームに変換するマルチエージェント強化学習(MARL)フレームワークを提案する。 このゲームでは,複数平衡の中断を避けるために実用的選択機構が採用された。 提案したMARLシステムは,繊維のオゾン化プロセスの最適解を実現することが可能であり,従来の手法よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2020-12-02T11:37:44Z)
• AI-based Modeling and Data-driven Evaluation for Smart Manufacturing Processes [56.65379135797867]
  本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。 本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-08-29T14:57:53Z)
• A reinforcement learning based decision support system in textile manufacturing process [0.0]
  本稿では,繊維製造工程における強化学習支援システムについて紹介する。 提案したMDPモデルは,繊維製造プロセスの最適化問題をよく表している。
  論文  参考訳（メタデータ） (2020-05-20T06:33:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。