light box
امتیاز 2.58 اتوماسیون توازن بار برای برنامه ریزی گانت با استفاده از یادگیری تقویتی">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 28
تعداد کلمات : 7600
مجله : Engineering Applications of Artificial Intelligence
انتشار : 2021
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:اتوماسیون توازن  بار برای  برنامه ریزی گانت با استفاده از یادگیری تقویتی

 چکیده

  به طور معمول، در صنعت کشتی سازی، چندین کشتی به طور همزمان ساخته می شوند و یک برنامه تولید از طریق یک فرآیند برنامه ریزی سلسله مراتبی ایجاد می شود. این فرآیند عمدتاً شامل برنامه ریزی استراتژیک (بلند مدت) و برنامه ریزی اصلی (میان مدت) است. بخشی که بیشترین کار دستی برنامه ریز را می طلبد، متعادل کردن بار در مرحله برنامه ریزی اصلی است. موازنه بار برنامه ریزی اصلی حوزه ای است که در آن مطالعات بهینه سازی با استفاده از برنامه نویسی اعداد صحیح مختلط، الگوریتم های ژنتیک، الگوریتم های جستجوی ممنوعه و موارد دیگر به طور فعال در زمینه تحقیقات عملیاتی انجام شده است. با این حال، کاربرد عملی آن به دلیل پیچیدگی و ابعاد، که به کار دستی برنامه ریز وابسته است، موفقیت آمیز نبوده است. بنابراین، روش جدیدی که بتواند عملکرد کارآمد تصمیمات بهینه را تسهیل کند، مورد نیاز است و جایگزین روش‌های معمول برنامه‌ریزی تولید مبتنی بر کار دستی برنامه‌ریز می‌شود. با ظهور چهارمین انقلاب صنعتی در سال‌های اخیر، فناوری یادگیری ماشین مبتنی بر شبکه‌های عصبی عمیق به سرعت در حال توسعه بوده و برای طیف وسیعی از مسائل مهندسی به کار گرفته شده است. این مطالعه روشی را معرفی می‌کند که می‌تواند با استفاده از یک الگوریتم یادگیری تقویتی مبتنی بر شبکه عصبی عمیق در میان تکنیک‌های مختلف یادگیری ماشین، مشکل تعادل بار را در برنامه‌ریزی اصلی کارخانه کشتی‌سازی به سرعت بهبود بخشد. علاوه بر این، هدف ما بررسی امکان‌سنجی روش توسعه‌یافته با استفاده از داده‌های تولید بلوک کشتی یک کارخانه کشتی‌سازی واقعی است(اتوماسیون توازن بار).

Title: Automation of load balancing for Gantt planning usingreinforcement learning

Abstract

 Typically, in the shipbuilding industry, several vessels are built concurrently, and a production plan is established through a hierarchical planning process. This process largely comprises strategic planning (longterm) and master planning (mid-term) aspects. The portion that requires the most manual work of the planner is the load balancing in the master planning stage. The load balancing of master planning is an area where optimization studies using mixed integer programming, genetic algorithms, tabu search algorithms, and others have been actively conducted in the field of operational research. However, its practical application has not been successful due to the complexity and the curse of dimensionality, which is dependent on the manual work of the planner. Therefore, a new method that can facilitate the efficient action of optimal decisions is required, replacing conventional production planning methods based on the manual work of the planner. With the advent of the 4th industrial revolution in recent years, machine learning technology based on deep neural networks has been rapidly developing and applied to a wide range of engineering problems. This study introduces a methodology that can quickly improve the load balancing problem in shipyard master planning by using a deep neural network-based reinforcement learning algorithm among various machine learning techniques. Furthermore, we aim to verify the feasibility of the developed methodology using the ship block production data of an actual shipyard.

    دیدگاهها بسته است.

    محصولات مشابه
    کمبود(نقص) توجه و علائم ADHD در بزرگسالان مبتلا به بیماری فابری – یک مطالعه آزمایشی
    خـریـد محـصـول
    مرزهای جدید در مدیریت سرطان رکتوم اولیه و پیشرفته
    خـریـد محـصـول
    ریسک میوکاردیت و پریکاردیت در بزرگسالان جوان به دنبال واکسیناسیون mRNA COVID-19
    خـریـد محـصـول
    بروز میوکاردیت و پریکاردیت در بیماران واکسینه نشده پس از کووید-۱۹
    خـریـد محـصـول
    الگوریتم ازدحام آفتاب پرست کارآمد برای مسئله توزیع بار اقتصادی
    خـریـد محـصـول
    فرآیند بازآفرینی شهری: مورد یک مجتمع مسکونی در حومه رم، ایتالیا
    خـریـد محـصـول
    رابطه پویا بین شاخص سهام و قیمت دارایی: تجزیه و تحلیل بلندمدت
    خـریـد محـصـول
    تشخیص بیماری پوسیدگی طوقه در گندم در شرایط محیطی کنترل شده
    خـریـد محـصـول
    بکارگیری بهینه سازی برای حمایت از مدیریت تطبیقی آب رودخانه ها
    خـریـد محـصـول
    ارزیابی تأثیر آموزش زیست محیطی بر رفتار سازگار با محیط زیست
    خـریـد محـصـول
    ثبت اختراع یا انتشار مقاله

    در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. سامانه جستجوگر مالکیت فکری دارکوب به تازگی از پایگاه جستجو علائم تجاری خود نیز رونمایی کرده است که دارای امکانات تخصصی فراوانی می باشد.

    ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

    در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

    از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

     
    برو بالا