論文の概要: Bayesian dynamic scheduling of multipurpose batch processes under incomplete look-ahead information

• arxiv url: http://arxiv.org/abs/2512.01093v1
• Date: Sun, 30 Nov 2025 21:27:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.578064
• Title: Bayesian dynamic scheduling of multipurpose batch processes under incomplete look-ahead information
• Title（参考訳）: 不完全ルックアヘッド情報に基づく多目的バッチプロセスのベイズ動的スケジューリング
• Authors: Taicheng Zheng, Dan Li, Jie Li,
• Abstract要約: 既存の手法では、スケジューリングの地平線上で完全なルックアヘッド情報を仮定する。 既存の方法に固執することは、最適以下の長期的コストと高レベルのシステムの緊張につながる可能性がある。 本手法は,障害の確率分布からベイズネットワークを学習することに依存する。
• 参考スコア（独自算出の注目度）: 5.201477341140657
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multipurpose batch processes become increasingly popular in manufacturing industries since they adapt to low-volume, high-value products and shifting demands. These processes often operate in a dynamic environment, which faces disturbances such as processing delays and demand changes. To minimise long-term cost and system nervousness (i.e., disruptive changes to schedules), schedulers must design rescheduling strategies to address such disturbances effectively. Existing methods often assume complete look-ahead information over the scheduling horizon. This assumption contrasts with realistic situations where schedulers can only access incomplete look-ahead information. Sticking with existing methods may lead to suboptimal long-term costs and high-level system nervousness. In this work we propose a Bayesian dynamic scheduling method. Our method relies on learning a Bayesian Network from the probability distribution of disturbances. Specifically, the Bayesian Network represents how likely each operation will be impacted by disturbances. During the online execution, when new disturbances become observed, this method updates the posterior distribution and therefore guides the rescheduling strategy. We compare our method with the existing periodic rescheduling strategy (which generates new schedules from scratch at fixed intervals) on four benchmark problems. Computational results show that our method achieves statistically better long-term costs and system nervousness. In the theoretical aspect, we prove that if disturbances are mutually independent, the impact-quantifying variables inherently satisfy the independence assumptions required by Bayesian Networks. As an implication, practitioners can extend the method to other scheduling problems (such as job shop scheduling and continuous processes), given that they define the problem-specific dependencies between operations.
• Abstract（参考訳）: 低体積で高価値な製品に適応し、需要をシフトさせるため、多目的バッチプロセスは製造業でますます人気が高まっている。 これらのプロセスは動的環境で動作し、処理の遅延や需要の変化といった障害に直面します。 長期的コストとシステムの神経性(スケジュールの破壊的な変更)を最小化するために、スケジューラはそのような障害に効果的に対処するためのスケジュール変更戦略を設計する必要がある。 既存の手法では、しばしばスケジューリングの地平線上で完全なルックアヘッド情報を仮定する。 この仮定は、スケジューラが不完全なルックアヘッド情報しかアクセスできない現実的な状況とは対照的である。 既存の方法に固執することは、最適以下の長期的コストと高レベルのシステムの緊張につながる可能性がある。 本研究では,ベイズ動的スケジューリング手法を提案する。 本手法は,障害の確率分布からベイズネットワークを学習することに依存する。 具体的には、ベイジアンネットワークは、各操作が障害によってどの程度影響を受けるかを示している。 オンライン実行中、新しい乱れが観測されると、この方法は後続分布を更新し、したがって再スケジュール戦略を導出する。 提案手法を4つのベンチマーク問題に対して,既存の周期的スケジューリング戦略(一定間隔でスクラッチから新しいスケジュールを生成する)と比較した。 計算結果から,本手法は統計的に長期的コストとシステムの緊張性を向上することが示された。 理論的側面では、外乱が相互に独立である場合、影響量子化変数は本質的にベイズネットワークが要求する独立性の仮定を満たすことが証明される。 結果として、実践者はメソッドを他のスケジューリング問題(ジョブショップのスケジューリングや継続的プロセスなど)に拡張することができる。

関連論文リスト

• Algorithms for dynamic scheduling in manufacturing, towards digital factories Improving Deadline Feasibility and Responsiveness via Temporal Networks [0.0]
  従来の決定論的スケジュールは、現実が名目上の計画から逸脱した時に崩壊する。 この論文は、オフラインの制約プログラミングとオンラインの時間的ネットワーク実行を組み合わせることで、最悪の不確実性の下で実現可能なスケジュールを作成する。
  論文  参考訳（メタデータ） (2025-10-16T17:28:25Z)
• The Road Less Scheduled [45.01813613035411]
  最適化停止ステップTの仕様を必要としない既存の学習率スケジュールは、Tに依存する学習率スケジュールにより大幅に改善される。 本稿では,スケジュールを全面的に活用することで,この停止時間を回避するアプローチを提案する。 我々のスケジュール自由アプローチは運動量を持つ標準スケジュールに余分なハイパーパラメータを導入しない。
  論文  参考訳（メタデータ） (2024-05-24T16:20:46Z)
• Decentralized Learning Strategies for Estimation Error Minimization with Graph Neural Networks [86.99017195607077]
  統計的に同一性を持つ無線ネットワークにおける自己回帰的マルコフ過程のサンプリングとリモート推定の課題に対処する。 我々のゴールは、分散化されたスケーラブルサンプリングおよび送信ポリシーを用いて、時間平均推定誤差と/または情報の年齢を最小化することである。
  論文  参考訳（メタデータ） (2024-04-04T06:24:11Z)
• Generating Dispatching Rules for the Interrupting Swap-Allowed Blocking Job Shop Problem Using Graph Neural Network and Reinforcement Learning [21.021840570685264]
  割り込みスワップ可能なブロッキングジョブショップ問題(ISBJSSP)は、多くの製造計画やロジスティクスアプリケーションを現実的にモデル化することができる。 連続的な削除や加算を受けるノードとエッジを特徴とする動的解離グラフの定式化を導入する。 ISBJSSP設定の割り込み、スワップ、ブロッキングをシミュレートするシミュレータが開発された。
  論文  参考訳（メタデータ） (2023-02-05T23:35:21Z)
• Continual Test-Time Domain Adaptation [94.51284735268597]
  テスト時ドメイン適応は、ソースデータを使用しずに、ソース事前訓練されたモデルをターゲットドメインに適応することを目的としている。 CoTTAは実装が容易で、市販の事前訓練モデルに簡単に組み込むことができる。
  論文  参考訳（メタデータ） (2022-03-25T11:42:02Z)
• Prescriptive Process Monitoring for Cost-Aware Cycle Time Reduction [0.7837881800517111]
  本稿では,ネットゲイン全体の最大化を図る方法として,時間短縮的介入をいつ引き起こすか,という課題に対処する。 本稿では,無作為林モデルを用いて時間短縮介入の因果効果を推定する規範的プロセスモニタリング手法を提案する。
  論文  参考訳（メタデータ） (2021-05-15T01:19:04Z)
• 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)
• Task-Agnostic Online Reinforcement Learning with an Infinite Mixture of Gaussian Processes [25.513074215377696]
  本稿では,連続的なオンラインモデルに基づく強化学習手法を提案する。 未知のタスク境界を持つタスク非依存の問題を解決するためには、事前トレーニングを必要としない。 実験では,本手法は非定常タスクにおける代替手法よりも優れている。
  論文  参考訳（メタデータ） (2020-06-19T23:52:45Z)

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。