論文の概要: A Novel Multi-Agent Scheduling Mechanism for Adaptation of Production
Plans in Case of Supply Chain Disruptions
- arxiv url: http://arxiv.org/abs/2206.12413v1
- Date: Thu, 23 Jun 2022 10:28:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-28 16:24:15.808861
- Title: A Novel Multi-Agent Scheduling Mechanism for Adaptation of Production
Plans in Case of Supply Chain Disruptions
- Title（参考訳）: サプライチェーン崩壊時の生産計画適応のための新しいマルチエージェントスケジューリング機構
- Authors: Jing Tan and Lars Braubach and Kai Jander and Rongjun Xu and Kai Chen
- Abstract要約: 計画システムには高い計算要求があり、結果として数時間の計算が行われる。
部品納入の遅れや不良品等の予期せぬ混乱が発生した場合、計画されたスケジュールが無効となり、迅速に計画を立て直す必要がある。
本稿では,既存計画を用いて異なる種類の障害が発生した場合に,効果的かつ効率的に再計画を行うことが可能な新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 6.902097441259021
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Manufacturing companies typically use sophisticated production planning
systems optimizing production steps, often delivering near-optimal solutions.
As a downside for delivering a near-optimal schedule, planning systems have
high computational demands resulting in hours of computation. Under normal
circumstances this is not issue if there is enough buffer time before
implementation of the schedule (e.g. at night for the next day). However, in
case of unexpected disruptions such as delayed part deliveries or defectively
manufactured goods, the planned schedule may become invalid and swift
replanning becomes necessary. Such immediate replanning is unsuited for
existing optimal planners due to the computational requirements. This paper
proposes a novel solution that can effectively and efficiently perform
replanning in case of different types of disruptions using an existing plan.
The approach is based on the idea to adhere to the existing schedule as much as
possible, adapting it based on limited local changes. For that purpose an
agent-based scheduling mechanism has been devised, in which agents represent
materials and production sites and use local optimization techniques and
negotiations to generate an adapted (sufficient, but non-optimal) schedule. The
approach has been evaluated using real production data from Huawei, showing
that efficient schedules are produced in short time. The system has been
implemented as proof of concept and is currently reimplemented and transferred
to a production system based on the Jadex agent platform.
- Abstract（参考訳）: 製造業は通常、生産工程を最適化する高度な生産計画システムを使用し、しばしば最適に近いソリューションを提供する。
ほぼ最適スケジュールを提供するための欠点として、計画システムには高い計算要求があり、数時間の計算結果が得られる。
通常の状況では、スケジュールの実装の前に十分なバッファ時間がある場合(例えば、夜は翌日)、これは問題にならない。
しかし、部品の納入遅延や不良品などの予期せぬ混乱が発生した場合、予定日程が無効となり、迅速な再計画が必要となる。
このような即時再計画は、計算要件のために既存の最適プランナーには不向きである。
本稿では,既存の計画を用いて異なる種類の障害が発生した場合に,効果的かつ効率的に再計画を行うことのできる新しい解を提案する。
アプローチは、既存のスケジュールに可能な限り準拠するという考えに基づいており、限定的なローカル変更に基づいて適応する。
この目的のために、エージェントが材料と生産現場を表現し、局所最適化技術と交渉を使って適応した(不十分だが最適でない)スケジュールを生成するエージェントベースのスケジューリングメカニズムが考案された。
この手法はHuaweiの実際の生産データを用いて評価され、効率的なスケジュールが短時間で作成されることが示されている。
このシステムは概念実証として実装され、現在はJadexエージェントプラットフォームに基づいたプロダクションシステムに再実装されている。
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) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-02T10:07:17Z) - Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。
Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-10-12T17:59:50Z) - Lifted Sequential Planning with Lazy Constraint Generation Solvers [28.405198103927955]
本稿では,Lzy Clause Generation(LCG)に基づく制約プログラミング(CP)へのアプローチを用いて,オープンな可能性について検討する。
本稿では,いわゆるリフト型因果エンコーディングに基づく新しいCPモデルを提案する。
提案手法は,計画手順の少ない計画インスタンスに対して,最適な逐次計画における最先端の手法と非常によく比較可能であることを報告する。
論文 参考訳（メタデータ） (2023-07-17T04:54:58Z) - Optimization-based Learning for Dynamic Load Planning in Trucking Service Networks [14.972807276002465]
本稿では,フローと負荷計画の課題を共同で検討するアウトバウンド負荷計画問題(OLPP)について考察する。
本研究の目的は,ネットワーク上の端末で意思決定を行う計画立案者に対して,意思決定支援ツールを開発することである。
論文 参考訳（メタデータ） (2023-07-08T21:28:20Z) - AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。
本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。
幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
論文 参考訳（メタデータ） (2023-05-26T05:52:27Z) - A Hierarchical Temporal Planning-Based Approach for Dynamic Hoist
Scheduling Problems [11.66506213335498]
ホイストスケジューリングは、自律デバイスの開発で産業応用の電気めっきのボトルネックとなっている。
適応型PDDLの形で新しい時間計画問題としてホイストスケジューリング問題を定式化する。
この問題に対するソリューションメソッドの評価に使用できる実生活ベンチマークインスタンスのコレクションを提供する。
論文 参考訳（メタデータ） (2022-12-11T05:30:44Z) - Concepts and Algorithms for Agent-based Decentralized and Integrated
Scheduling of Production and Auxiliary Processes [78.120734120667]
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。
論文 参考訳（メタデータ） (2022-05-06T18:44:29Z) - A feasibility study of a hyperparameter tuning approach to automated
inverse planning in radiotherapy [68.8204255655161]
本研究の目的は,計画品質を保ちながら,逆計画プロセスを自動化し,積極的な計画時間を短縮することである。
本研究では, 線量パラメータの選択, ランダムおよびベイズ探索法, ユーティリティ関数形式が計画時間と計画品質に及ぼす影響について検討した。
100個のサンプルを用いて良好な計画品質が得られ、平均計画時間は2.3時間であった。
論文 参考訳（メタデータ） (2021-05-14T18:37:00Z) - Better than the Best: Gradient-based Improper Reinforcement Learning for
Network Scheduling [60.48359567964899]
パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。
我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
論文 参考訳（メタデータ） (2021-05-01T10:18:34Z)
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。