یک محقق ایرانی موفق به استفاده از روشهای یادگیری تقویتی در بهینسازی فرآیندهای تولید صنعتی شده و دستاوردهای چشمگیری در زمینه زمانبندی و مدلسازی سامانههای تولیدی کسب کرده است.
به گزارش خبرگزاری مهر، یک محقق ایرانی با بهرهگیری از هوش مصنوعی و روشهای یادگیری تقویتی (Reinforcement Learning) موفق به توسعه راهکارهایی نوین برای بهبود فرآیندهای تولید در کارخانجات شده است.
این پژوهش که در مجلهی معتبر "Engineering Applications of Artificial Intelligence" به چاپ رسیده، به بررسی و ارائه راهکارهای مبتنی بر هوش مصنوعی برای بهینهسازی زمانبندی و مدلسازی جریانهای کاری ترکیبی در محیطهای تولیدی پرداخته است.
یکی از چالشهای مهم در صنایع تولیدی، بهینهسازی فرآیندها و تخصیص منابع به منظور کاهش هزینهها و افزایش بهرهوری است. این پژوهشگر با استفاده از الگوریتمهای پیشرفتهی یادگیری تقویتی، موفق به ارائه مدلی شده که قادر است به صورت خودکار و بهینه، منابع را تخصیص داده و زمانبندی تولید را بهبود بخشد.
یکی از نوآوریهای این تحقیق، ترکیب الگوریتمهای یادگیری تقویتی با الگوریتمهای تکاملی (Evolutionary Algorithms) است. این ترکیب، امکان بررسی و بهینهسازی همزمان چندین پارامتر را فراهم میکند و به نتایج بهتری نسبت به روشهای سنتی منجر میشود.
این الگوریتمهای ترکیبی قادرند با در نظر گرفتن محدودیتهای مختلف تولیدی، از جمله محدودیتهای زمانی و منابع، بهترین راهکار را ارائه دهند. بهینهسازی جریانهای کاری در کارخانهها، نیازمند تصمیمگیریهای پیچیده و چندوجهی است. این محقق ایرانی توانسته با استفاده از هوش مصنوعی، فرآیند تصمیمگیری را به صورت خودکار و با دقت بالا انجام دهد.
عنوان این مقالهی علمی "مدلسازی و زمانبندی جریانهای کاری ترکیبی توزیعشده با استفاده از الگوریتمهای تکاملی مبتنی بر یادگیری تقویتی" (Modelling and scheduling distributed assembly permutation flow-shops using reinforcement learning-based evolutionary algorithms) است و در نشریه Engineering Applications of Artificial Intelligence از انتشارات Elsevier در فهرست وب آو ساینس (Web of Science - ISI) با درجه Q1 به چاپ رسیده است.