بررسی یادگیری ماشین و بهینه سازی برای زمان بندی مجدد تولید در صنعت۴.۰

با ظهور انقلاب صنعتی چهارم، ابزارهای جدیدی از حوزه های بهینه سازی، اینترنت اشیا، علم داده و هوش مصنوعی، فرصت های تازه ای در مدیریت تولید به وجود آورده اند. فرآیندهای تولید معمولا تصادفی هستند و تصمیمات تغییر برنامه ریزی باید در شرایط عدم قطعیت اتخاذ شوند، که این امر تصمیم گیری درباره ارزش تغییر برنامه ریزی را پیچیده می کند و غالبا به صورت موقتی انجام می شود. برای یافتن تعادل بین دفعات تغییر برنامه ریزی و انباشت تاخیرها، ما یک چارچوب برای تغییر برنامه ریزی پیشنهاد می کنیم که شامل تکنیک های یادگیری ماشین و الگوریتم های بهینه سازی است. برای نشان دادن کارایی این روش، ابتدا مساله ای به نام "برنامه ریزی شغلی انعطاف پذیر" (FJSP) را با توجه به راه اندازی وابسته به توالی و منابع محدود مدل سازی می کنیم که از یک کاربرد صنعتی الهام گرفته شده است. سپس این مساله را با استفاده از یک رویکرد متاهوریستیک ترکیبی حل می کنیم. همچنین، مدل طبقه بندی یادگیری ماشین را برای شناسایی الگوهای تغییر برنامه ریزی آموزش می دهیم. در نهایت، عملکرد تغییر برنامه ریزی این روش را با رویکردهای دوره ای مقایسه می کنیم.

کلیدواژه ها:

یادگیری ماشین ، بهینه سازی ، تولید ، صنعت۴.۰