راه‌حلی نوین برای کاهش زمان‌بندی فرایندها در صنایع تولیدی با الگوریتم‌های هوشمند
به گزارش گروه علم و فناوری شبکه خبری ایران ۲۴، علی سعداله، عضو هیئت‌علمی گروه مهندسی مکانیک و معاون پژوهش و فناوری دانشگاه علم و فرهنگ، به همراه پژوهشگرانی از کشور چین، موفق به توسعه راهکارهایی نوین برای کاهش زمان‌بندی فرایندها در کارگاه‌های مونتاژ توزیع‌شده شده‌اند. این پژوهش در مجله معتبر Engineering Applications of Artificial Intelligence منتشر شده و نشان می‌دهد که استفاده از الگوریتم‌های یادگیری تقویتی می‌تواند تاثیر زیادی بر افزایش بهره‌وری صنایع تولیدی داشته باشد.
این مقاله به بررسی مشکلات زمان‌بندی در کارگاه‌های مونتاژ توزیع‌شده پرداخته است، جایی که فرایندها به صورت توزیع‌شده و در مقیاس‌های بزرگ انجام می‌شوند. دکتر سعداله و همکارانش در این تحقیق با توسعه الگوریتم‌های تکاملی و استفاده از روش‌های یادگیری تقویتی، توانسته‌اند راهکارهایی برای بهینه‌سازی زمان‌بندی ارائه دهند که در کاهش زمان انجام فرایندها بسیار موثر است.
این تحقیق شامل طراحی سه الگوریتم تکاملی به همراه نسخه‌های تقویت‌شده آنها است که برای حل مسائل زمان‌بندی در صنایع تولیدی طراحی شده‌اند. این پژوهش با استفاده از شش عملگر جستجوی محلی بهینه‌سازی شده است تا عملکرد الگوریتم‌ها به حداکثر برسد. این روش‌ها پس از آزمایش بر روی ۸۱ مسئله بزرگ‌مقیاس، توانسته‌اند به نتایج چشمگیری دست یابند.
نتایج این تحقیق می‌تواند برای بهبود بهره‌وری در صنایع تولیدی و کاهش زمان‌بندی فرایندها در سیستم‌های تولیدی مختلف کاربرد‌های گسترده‌ای داشته باشد.
انتهای پیام/
