تلفیق شبیه سازی چند عاملی و یادگیری تقویت شده برای بهینه سازی لجستیک حمل و نقل درون کارخانه ای

هدف حمل و نقل، انتقال مواد از نقطه ای به نقطه دیگر، حذف برگشت به عقب، انتخاب کوتاه ترین مسیر و حداقل کردن حمل و نقلهای زاید و اتلاف وقت میباشد. اهمیت حمل و نقل مواد در کارخانه شامل، هزینه های تولید و هزینه های حمل ونقل می باشد، زمان تولید محصول در جریان حمل و نقل مصرف می شود و بهبود حمل و نقل در کارخانه می تواند تا حدود زیادی از هزینه های حمل و نقل را کاهش دهد. در این تحقیق سعی تلاش شده ا ست که تداخلات جرثقیلها بررسی کرده و راه حلهایی ارائه داده شود تا میزان تولید به حداکثر ظرفیت بر سد. مشکلاتی که در این زمینه وجود دارد عبارت ا ست از، تعمیرات نسبتا3 زیاد جرثقیلهای سقفی که هزینه کلانی در بر دارد و همچنین کاهش مدت انتظار در هنگام این تداخل ها می با شد. در این را ستا با ا ستفاده از بهینه سازی سازی مبتنی بر شبیه سازی مدلهای عامل بنیان مدل فرایند ذوب را در میحط نرم افزار AnyLogic پیادهسازی و سپس با الگوریتم یادگیری تقویتی بهترین مسیر برای مدل بررسی شده ا ست. نتایج حا صل از روش پیشنهادی بر روی مدل کارخانه ذوب مس بهترین مسیر مربوط به مسیری، از کوره ریورب 21 به جرثقیل 1 و سپس از جرثقیل 1 به کوره کنورتر 32 و سپس از کوره کنورتر 3 به جرثقیل 2 و در نهایت از جرثقیل 2 به کوره آند 13 میباشد. در نهایت با استفاده از تحلیل آماری دو مدل شبیه سازی شده و بهینه سازی شده برای میزان خروجی محصول کنورتر مقایسه میشود.

کلیدواژه ها:

مدل بهینه سازی مبتنی بر شبیه سازی ، مدلهای عامل بنیان ، فرایند ذوب مس ، تداخل جرثقیل ، یادگیری تقویتی