論文の概要: A Shop Floor Production Scheduling Case based on RFID-supported Smart Factory

• arxiv url: http://arxiv.org/abs/2608.16626v1
• Date: Mon, 17 Aug 2026 14:29:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.744392
• Title: A Shop Floor Production Scheduling Case based on RFID-supported Smart Factory
• Title（参考訳）: RFID対応スマートファクトリに基づく店舗床生産スケジューリング事例
• Abstract要約: 本稿では,RFID技術を搭載した実店舗スマートファクトリーにおける動的店舗フロアスケジューリングの問題に対処する。 RFIDコンパイルされた生産データに基づいて、生産シーケンスマイニングとリアルタイム処理速度推定を行う。 RFIDデータ解析に基づく深層強化学習手法を,店舗フロア生産スケジューリングのために提案する。
• 参考スコア（独自算出の注目度）: 14.496364660547867
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radio frequency identification (RFID) technology has been widely implemented for real-time data collection in manufacturing shop floors, which, in turn, can be used to support dynamic shop floor production planning and scheduling. Within such an environment, uncertainty in operation and production processes collectively contribute to the dynamicity in manufacturing, thereby hampering the scheduling system from achieving maximal utility. To highlight the importance of handling such uncertainty, this paper addresses the problem of dynamic shop floor scheduling for a real-life case smart factory equipped with RFID technology. Feasible production sequence mining and real-time processing rate estimation are conducted on RFID-collected production data to quantify the operation and production uncertainties. A deep reinforcement learning approach based on the RFID data analysis is then presented for shop floor production scheduling. Simulation studies based on real-life case data have demonstrated the feasibility and practicality of the proposed dynamic production scheduling framework. Specifically, it is observed that the proposed framework outperforms existing dispatch methods in terms of minimizing operation makespan, including first in first out (FIFO), last in first out (LIFO) and deep Q network (DQN).
• Abstract（参考訳）: 無線周波数識別(RFID)技術は,製造現場におけるリアルタイムデータ収集のために広く実装されている。 このような環境の中では、運転・製造工程の不確実性が製造の動的性に一括して寄与し、スケジューリングシステムが最大の実用性を達成するのを妨げている。 このような不確実性に対処することの重要性を強調するために,RFID技術を備えた実店舗スマートファクトリーにおける動的店舗フロアスケジューリングの問題に対処する。 RFIDコンパイルされた生産データに基づいて、生産シーケンスマイニングとリアルタイム処理率推定を行い、運用と生産の不確実性を定量化する。 RFIDデータ解析に基づく深層強化学習手法を,店舗フロア生産スケジューリングのために提案する。 実生活事例データに基づくシミュレーション研究は,提案した動的生産スケジューリングフレームワークの実現可能性と実用性を示した。 具体的には、FIFO(First in first out)、LIFO(Last in first out)、DQN(Deep Q network)など、既存のディスパッチ手法よりも優れた性能を示す。

関連論文リスト

• Perspective: Towards sustainable exploration of chemical spaces with machine learning [49.29528647472741]
  持続可能な進歩は、オープンデータとモデル、再利用可能なデータセット、ドメイン固有のAIシステムに依存します。 我々は、汎用機械学習(ML)モデル、多要素アプローチ、モデルの蒸留、アクティブラーニングなど、効率を高めるための新たな戦略を強調した。
  論文  参考訳（メタデータ） (2026-03-31T13:29:20Z)
• Smart Manufacturing: MLOps-Enabled Event-Driven Architecture for Enhanced Control in Steel Production [2.087827281461409]
  鉄鋼プラントのサステナビリティ, 効率, コスト効果を改善するために, スマートマニュファクチャリングのためのディジタルツインベースのアプローチについて検討する。 当社のシステムは,プロセスからリアルタイムセンサデータを,収束したネットワークインフラストラクチャ上でディジタルツインに取り込み,マイクロサービスエッジ計算プラットフォームを基盤としている。 当社のアプローチの鍵となるのは、機械学習操作(MLOps)駆動システムで使用されているDeep Reinforcement学習ベースのエージェントで、システム状態とデジタルツインを自律的に関連付け、プラントの電力設定を最適化することを目的とした修正動作を特定する。
  論文  参考訳（メタデータ） (2025-11-19T05:29:43Z)
• Automated Constraint Specification for Job Scheduling by Regulating Generative Model with Domain-Specific Representation [38.193536141447254]
  本稿では,大規模言語モデル (LLM) を規定する制約中心アーキテクチャを提案する。 自動生産シナリオ適応アルゴリズムを設計,展開し,アーキテクチャを特定の製造構成に合わせて効率的にカスタマイズする。実験結果から,提案手法はLCMの生成能力と製造システムの信頼性要件とのバランスをとることができた。
  論文  参考訳（メタデータ） (2025-10-03T02:34:11Z)
• Optimizing Fairness in Production Planning: A Human-Centric Approach to Machine and Workforce Allocation [55.71151342699622]
  提案システムは,自動車業界のドメインエキスパートによる16のテストセッションを通じて検証される。 その結果,CPをベースとしたスケジューリング手法は,信頼性の低いコンパクトで実現可能な生産計画を生成することが示唆された。
  論文  参考訳（メタデータ） (2025-10-01T16:41:18Z)
• Pretrained LLMs as Real-Time Controllers for Robot Operated Serial Production Line [5.647265893402412]
  本研究では,大規模言語モデル(LLM),特に GPT-4 を,製造システム,特に移動ロボットスケジューリングを制御するための,単純で適応可能なソリューションとして用いることの実現可能性について検討する。 ロボットによる連続生産ラインにおいて,移動ロボットを異なるマシンに割り当てるLLMベースの制御フレームワークを導入し,システムスループットの観点からその性能を評価する。 MARL(Multi-Agent Reinforcement Learning)のような最先端の手法と同等のパフォーマンスを実現するが、大規模なリトレーニングを必要とせずに、同等のスループットを提供するという、明確な利点を提供する。
  論文  参考訳（メタデータ） (2025-03-05T20:43:49Z)
• 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)
• IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
  ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。 本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。 このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
  論文  参考訳（メタデータ） (2024-04-23T13:38:01Z)
• 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)
• 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)
• 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 Research Agenda for Artificial Intelligence in the Field of Flexible Production Systems [53.47496941841855]
  生産会社は、需要変動や要求の変化に対して生産制御を迅速に適応することに関して、問題に直面します。 サービスという意味で生産機能をカプセル化することを目的とした制御手法は,サイバー物理生産システムの柔軟性を高めるために有望であることが示されている。 しかし、そのようなアプローチの既存の課題は、要求された機能と提供された機能の間に直接(統語的)一致がない場合に、一連の要求に対して提供された機能に基づいて生産計画を見つけることである。
  論文  参考訳（メタデータ） (2021-12-31T14:38:31Z)

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。