論文の概要: Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes
- arxiv url: http://arxiv.org/abs/2205.04461v2
- Date: Thu, 12 May 2022 09:38:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-16 00:51:24.173454
- Title: Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes
- Title(参考訳): エージェントによる生産・補助プロセスの分散・統合スケジューリングの概念とアルゴリズム
- Authors: Felix Gehlhoff, Alexander Fay
- Abstract要約: 本稿ではエージェントベースの分散型統合スケジューリング手法について述べる。
要求の一部は、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、工業的要件に基づいた例を使って説明されます。
- 参考スコア(独自算出の注目度): 78.120734120667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Individualized products and shorter product life cycles have driven companies
to rethink traditional mass production. New concepts like Industry 4.0 foster
the advent of decentralized production control and distribution of information.
A promising technology for realizing such scenarios are Multi-agent systems.
This contribution analyses the requirements for an agent-based decentralized
and integrated scheduling approach. Part of the requirements is to develop a
linearly scaling communication architecture, as the communication between the
agents is a major driver of the scheduling execution time. The approach
schedules production, transportation, buffering and shared resource operations
such as tools in an integrated manner to account for interdependencies between
them. Part of the logistics requirements reflect constraints for large
workpieces such as buffer scarcity. The approach aims at providing a general
solution that is also applicable to large system sizes that, for example, can
be found in production networks with multiple companies. Further, it is
applicable for different kinds of factory organization (flow shop, job shop
etc.). The approach is explained using an example based on industrial
requirements. Experiments have been conducted to evaluate the scheduling
execution time. The results show the approach's linear scaling behavior. Also,
analyses of the concurrent negotiation ability are conducted.
- Abstract(参考訳): 個別の製品と短い製品ライフサイクルは、企業が伝統的な大量生産を再考するきっかけとなった。
industry 4.0のような新しい概念は、分散生産制御と情報の分散の出現を促進する。
このようなシナリオを実現するための有望な技術はマルチエージェントシステムである。
この貢献はエージェントベースの分散型および統合型スケジューリングアプローチの要件を分析する。
要求の一部は、エージェント間の通信がスケジューリング実行時間の主要なドライバであるため、線形にスケールする通信アーキテクチャを開発することである。
このアプローチは、運用、輸送、バッファリング、ツールなどの共有リソース操作を統合的にスケジュールし、それらの相互依存性を考慮します。
ロジスティクス要件の一部は、バッファ不足のような大きなワークピースの制約を反映している。
このアプローチは、例えば複数の企業からなるプロダクションネットワークで見られるような、大規模なシステムサイズにも適用可能な、一般的なソリューションを提供することを目的としている。
また、異なる種類の工場組織(フローショップ、求人店など)にも適用できる。
このアプローチは、産業要件に基づいた例を使って説明されます。
スケジューリングの実行時間を評価する実験が行われている。
結果は,アプローチの線形スケーリング挙動を示す。
また、同時交渉能力の分析を行う。
関連論文リスト
- Scalable Multi-agent Reinforcement Learning for Factory-wide Dynamic Scheduling [14.947820507112136]
本稿では,MARL(Lead-follower multi-agent RL)の概念を適用して,望ましいコーディネーションを求める。
本稿では,エージェントのエラーによる生産能力の壊滅的損失を防止するためのルールベース変換アルゴリズムを提案する。
全体として、提案したMARLベースのスケジューリングモデルは、リアルタイムスケジューリング問題に対する有望な解決策を提供する。
論文 参考訳(メタデータ) (2024-09-20T15:16:37Z) - Optimizing Job Shop Scheduling in the Furniture Industry: A Reinforcement Learning Approach Considering Machine Setup, Batch Variability, and Intralogistics [0.0]
本稿では,家具産業におけるDeep Reinforcement Learningの活用の可能性について考察する。
スケジューリングの精度と効率を向上させるために,より詳細な情報を提供するモデルの概念を提案する。
このモデルは、ジョブボリューム、バッファ管理、輸送時間、マシンセットアップ時間を含む、JSSPへの従来のアプローチを拡張している。
論文 参考訳(メタデータ) (2024-09-18T09:12:40Z) - Control and Automation for Industrial Production Storage Zone: Generation of Optimal Route Using Image Processing [49.1574468325115]
本稿では,DIPを用いた生産ラインモデルのゾーンに対する産業自動化手法の開発に焦点をあてる。
新カスケード法は、それぞれの段階を適切な方法で定義し、関連する手法を開発に含めることを可能にした。
システムはOpenCVライブラリをベースとしており、Java言語に基づいたオブジェクト指向プログラミング(OOP)プラットフォーム上に実装された人工視覚に焦点を当てたツールである。
論文 参考訳(メタデータ) (2024-03-15T06:50:19Z) - Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach [47.00450933765504]
本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。
このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。
その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
論文 参考訳(メタデータ) (2023-07-22T20:03:16Z) - 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) - A Memetic Algorithm with Reinforcement Learning for Sociotechnical
Production Scheduling [0.0]
本稿では、フレキシブルジョブショップスケジューリング問題(DRC-FJSSP)に深層強化学習(DRL)を適用したメメティックアルゴリズムを提案する。
産業における研究プロジェクトから、フレキシブルマシン、フレキシブルなヒューマンワーカー、作業能力、セットアップと処理操作、材料到着時間、材料製造の請求書の並列タスク、シーケンス依存のセットアップ時間、人間と機械のコラボレーションにおける(一部)自動化タスクを検討する必要性を認識します。
論文 参考訳(メタデータ) (2022-12-21T11:24:32Z) - A Generative Approach for Production-Aware Industrial Network Traffic
Modeling [70.46446906513677]
ドイツにあるTrumpf工場に配備されたレーザー切断機から発生するネットワークトラフィックデータについて検討した。
我々は、トラフィック統計を分析し、マシンの内部状態間の依存関係をキャプチャし、ネットワークトラフィックを生産状態依存プロセスとしてモデル化する。
可変オートエンコーダ(VAE)、条件付き可変オートエンコーダ(CVAE)、生成逆ネットワーク(GAN)など、様々な生成モデルの性能の比較を行った。
論文 参考訳(メタデータ) (2022-11-11T09:46:58Z) - Asynchronous Parallel Incremental Block-Coordinate Descent for
Decentralized Machine Learning [55.198301429316125]
機械学習(ML)は、巨大なIoT(Internet of Things)ベースのインテリジェントでユビキタスなコンピューティングのビッグデータ駆動モデリングと分析のための重要なテクニックである。
急成長するアプリケーションやデータ量にとって、分散学習は有望な新興パラダイムである。
本稿では,多くのユーザデバイスに分散した分散システム上でMLモデルをトレーニングする問題について検討する。
論文 参考訳(メタデータ) (2022-02-07T15:04:15Z) - Exact and Metaheuristic Approaches for the Production Leveling Problem [5.510992382274775]
本稿では,生産水準問題(Product Leveling Problem)と呼ぶ生産計画分野における新たな問題を紹介する。
タスクは、各期間の負荷と各生産資源のバランスが取れ、容量制限が越えられず、注文の優先順位が考慮されるように、生産期間に注文を割り当てることである。
問題の公式モデルを提案し、Bin Backingからの還元によりNP硬度を示す。
論文 参考訳(メタデータ) (2020-06-15T20:04:59Z)
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。