論文の概要: Flocking Behavior: An Innovative Inspiration for the Optimization of Production Plants

• arxiv url: http://arxiv.org/abs/2508.19963v1
• Date: Wed, 27 Aug 2025 15:17:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.678993
• Title: Flocking Behavior: An Innovative Inspiration for the Optimization of Production Plants
• Title（参考訳）: フラッキング・ビヘイビア : プラント最適化のためのイノベーティブ・インスピレーション
• Authors: M. Umlauft, M. Schranz,
• Abstract要約: ジョブショップの原理を使って近代的な生産プラントを最適化することは、既知の難しい問題である。 もうひとつのアプローチは、Swarmインテリジェンスアルゴリズムの利用だ。 本アルゴリズムは,生産プラント最適化におけるこれらの有効な考慮事項に対処する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optimizing modern production plants using the job-shop principle is a known hard problem. For very large plants, like semiconductor fabs, the problem becomes unsolvable on a plant-wide scale in a reasonable amount of time using classical linear optimization. An alternative approach is the use of swarm intelligence algorithms. These have been applied to the job-shop problem before, but often in a centrally calculated way where they are applied to the solution space, but they can be implemented in a bottom-up fashion to avoid global result computation as well. One of the problems in semiconductor production is that the production process requires a lot of switching between machines that process lots one after the other and machines that process batches of lots at once, often with long processing times. In this paper, we address this switching problem with the ``boids'' flocking algorithm that was originally used in robotics and movie industry. The flocking behavior is a bio-inspired algorithm that uses only local information and interaction based on simple heuristics. We show that this algorithm addresses these valid considerations in production plant optimization, as it reacts to the switching of machine kinds similar to how a swarm of flocking animals would react to obstacles in its course.
• Abstract（参考訳）: ジョブショップの原理を用いて近代的な生産プラントを最適化することは、既知の難しい問題である。 半導体ファブのような非常に大きなプラントでは、古典的な線形最適化を用いて植物全体の規模で適切な時間で解けなくなる。 もうひとつのアプローチは、Swarmインテリジェンスアルゴリズムの利用だ。 これらは以前、ジョブショップ問題に適用されたことがあるが、しばしば中央的に計算された方法で解空間に適用されるが、大域的な結果計算を回避するためにボトムアップ方式で実装することができる。 半導体製造における問題の1つは、製造プロセスが、大量の処理を行うマシンと、大量のバッチを一度に処理するマシンとを、長い処理時間で切り替える必要があることである。 本稿では,ロボット工学や映画産業で最初に用いられた 'boids' フラッキングアルゴリズムを用いて,このスイッチング問題に対処する。 群れの挙動は、単純なヒューリスティックスに基づいた局所情報と相互作用のみを使用するバイオインスパイアされたアルゴリズムである。 このアルゴリズムは、群れの群れが障害物に対してどのように反応するかのような機械種の変化に反応するため、生産プラント最適化におけるこれらの有効な考慮事項に対処する。

関連論文リスト

• Grasping Partially Occluded Objects Using Autoencoder-Based Point Cloud Inpainting [50.4653584592824]
  実世界のアプリケーションには、シミュレーションや実験室の設定でテストされたソリューションを把握できないような課題が伴うことが多い。 本稿では,欠落した情報を再構成するアルゴリズムを提案する。 本手法は,ロバストなオブジェクトマッチング手法を現実に活用し,点計算の把握に役立てる。
  論文  参考訳（メタデータ） (2025-03-16T15:38:08Z)
• Fundamental Limitations on Subquadratic Alternatives to Transformers [3.514389461266844]
  文書類似性タスクに重点を置いており、入力された多くの文書として与えられ、最もよく似たペアを見つけたいと思っています。 我々はTransformerがこのタスクを実行できることを証明し、このタスクはどんなアルゴリズムでも真に四分数時間で実行できないことを証明した。
  論文  参考訳（メタデータ） (2024-10-05T19:21:13Z)
• Design of General Purpose Minimal-Auxiliary Ising Machines [0.0]
  Ising Machineは量子インスパイアされた処理インメモリコンピュータである。 我々はIsing問題に対する汎用的なアルゴリズム解を開発する。
  論文  参考訳（メタデータ） (2023-10-24T23:33:26Z)
• Computability of Optimizers [71.84486326350338]
  様々な状況において、チューリングマシンでは実現不可能であり、結果としてデジタルコンピュータでは実現不可能であることを示す。 我々は、人工知能、金融数学、情報理論など、非常に異なる分野からよく知られた様々な問題に対して、そのような結果を証明している。
  論文  参考訳（メタデータ） (2023-01-15T17:41:41Z)
• A Stable, Fast, and Fully Automatic Learning Algorithm for Predictive Coding Networks [65.34977803841007]
  予測符号化ネットワークは、ベイズ統計学と神経科学の両方にルーツを持つ神経科学にインスパイアされたモデルである。 シナプス重みに対する更新規則の時間的スケジュールを変更するだけで、元の規則よりもずっと効率的で安定したアルゴリズムが得られることを示す。
  論文  参考訳（メタデータ） (2022-11-16T00:11:04Z)
• Comparing Heuristics, Constraint Optimization, and Reinforcement Learning for an Industrial 2D Packing Problem [58.720142291102135]
  カットとパッケージングの問題は、ビジネスの収益に直接影響を与えるさまざまな業界で起きている。 機械学習は、このような問題を解決するためにますます使われています。
  論文  参考訳（メタデータ） (2021-10-27T15:47:47Z)
• An actor-critic algorithm with policy gradients to solve the job shop scheduling problem using deep double recurrent agents [1.3812010983144802]
  ジョブショップスケジューリング問題(JSSP)に対する深層強化学習手法を提案する。 目的は、ジョブやマシンの数によって異なるJSSPインスタンスのディストリビューションについて学べるgreedyのようなものを構築することである。 予想通り、モデルはある程度は、トレーニングで使用されるものと異なる分布から生じるより大きな問題やインスタンスに一般化することができる。
  論文  参考訳（メタデータ） (2021-10-18T07:55:39Z)
• Pre-Clustering Point Clouds of Crop Fields Using Scalable Methods [14.06711982797654]
  この問題に対する現在の最先端技術と、一般的な密度に基づくクラスタリングアルゴリズムであるQuickshiftの類似性を示す。 汎用的でスケーラブルなプラントセグメンテーションアルゴリズムを作成することを目的とした,新しいアプリケーション固有アルゴリズムを提案する。 フィールドスケールの表現型システムに組み込む場合、提案アルゴリズムは、結果の精度を大幅に向上させる代替品として機能する。
  論文  参考訳（メタデータ） (2021-07-22T22:47:22Z)
• Community detection using fast low-cardinality semidefinite programming [94.4878715085334]
  局所的な更新を一般化し、ライデン-k-カットから導かれる半定緩和を最大化する、新しい低カルチナリティアルゴリズムを提案する。 提案アルゴリズムはスケーラビリティが高く,最先端のアルゴリズムより優れ,実時間では性能が向上し,追加コストがほとんどない。
  論文  参考訳（メタデータ） (2020-12-04T15:46:30Z)
• Physarum Powered Differentiable Linear Programming Layers and Applications [48.77235931652611]
  一般線形プログラミング問題に対する効率的かつ微分可能な解法を提案する。 本稿では,ビデオセグメンテーションタスクとメタラーニングにおける問題解決手法について述べる。
  論文  参考訳（メタデータ） (2020-04-30T01:50:37Z)

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。