Aprendizaje por Refuerzo Profundo para la Programación de Talleres de Flujo Distribuido con Mantenimiento Flexible
Autores: Yan, Qi; Wu, Wenbin; Wang, Hongfeng
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Aprendizaje por Refuerzo Profundo para la Programación de Talleres de Flujo Distribuido con Mantenimiento Flexible
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Orden de procesamiento de trabajos
Problema de programación de flujo de permutación
Disponibilidad de máquinas
Efectos de deterioro de máquinas
Mantenimiento preventivo periódico
Redes de producción distribuidas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
Una situación común que surge en las fábricas de flujo es que el orden de procesamiento de los trabajos debe ser el mismo en cada máquina; esto se conoce como un problema de programación de fábricas de flujo de permutación (PFSSP). Aunque se han diseñado muchos algoritmos para resolver los PFSSP, la disponibilidad de las máquinas suele ser ignorada. Las condiciones saludables de las máquinas son esenciales para el proceso de producción, lo que puede garantizar la productividad y la calidad; por lo tanto, los efectos de deterioro de las máquinas y las actividades periódicas de mantenimiento preventivo (PM) se consideran en este documento. Además, las redes de producción distribuidas, que pueden fabricar productos rápidamente, son de creciente interés para las fábricas. Con este fin, este documento investiga una optimización integrada del PFSSP distribuido con PM flexible. Con la introducción de restricciones de mantenimiento de máquinas en la programación de producción de múltiples fábricas, la complejidad y el tiempo de cálculo para resolver el problema aumentan sustancialmente en casos aritméticos a gran escala. Para resolverlo, se diseña un marco de solución basado en una red Q profunda con una tasa codiciosa decreciente en este documento. El marco de solución propuesto se compara con el DQN con tasa codiciosa fija, además de dos algoritmos metaheurísticos bien conocidos, incluido el algoritmo genético y el algoritmo codicioso iterado. Los estudios numéricos muestran que la aplicación del enfoque propuesto en el problema de programación conjunta de producción y mantenimiento estudiado exhibe un fuerte rendimiento de solución y habilidades de generalización. Además, también se obtiene un intervalo de mantenimiento adecuado, además de algunas ideas de gestión.
Descripción
Una situación común que surge en las fábricas de flujo es que el orden de procesamiento de los trabajos debe ser el mismo en cada máquina; esto se conoce como un problema de programación de fábricas de flujo de permutación (PFSSP). Aunque se han diseñado muchos algoritmos para resolver los PFSSP, la disponibilidad de las máquinas suele ser ignorada. Las condiciones saludables de las máquinas son esenciales para el proceso de producción, lo que puede garantizar la productividad y la calidad; por lo tanto, los efectos de deterioro de las máquinas y las actividades periódicas de mantenimiento preventivo (PM) se consideran en este documento. Además, las redes de producción distribuidas, que pueden fabricar productos rápidamente, son de creciente interés para las fábricas. Con este fin, este documento investiga una optimización integrada del PFSSP distribuido con PM flexible. Con la introducción de restricciones de mantenimiento de máquinas en la programación de producción de múltiples fábricas, la complejidad y el tiempo de cálculo para resolver el problema aumentan sustancialmente en casos aritméticos a gran escala. Para resolverlo, se diseña un marco de solución basado en una red Q profunda con una tasa codiciosa decreciente en este documento. El marco de solución propuesto se compara con el DQN con tasa codiciosa fija, además de dos algoritmos metaheurísticos bien conocidos, incluido el algoritmo genético y el algoritmo codicioso iterado. Los estudios numéricos muestran que la aplicación del enfoque propuesto en el problema de programación conjunta de producción y mantenimiento estudiado exhibe un fuerte rendimiento de solución y habilidades de generalización. Además, también se obtiene un intervalo de mantenimiento adecuado, además de algunas ideas de gestión.