Магистрант МАИ обучил нейронную сеть оптимизировать производство
Студент МАИ Семён Беляев предложил способ, как с помощью нейросети сделать мелкосерийное производство эффективнее.
Особенность такого производства — быстрая смена задач и частая перенастройка оборудования из-за меняющегося спроса. Обычные методы оптимизации не подходят, потому что требуют точных данных, которых может не быть. Поэтому Семён решил использовать метод машинного обучения с подкреплением и архитектуру Deep Deterministic Policy Gradients (DDPG).
Исследователь создал компьютерную модель производства, которая отражает его работу и события в определённые моменты времени. Модель учитывает параметры: типы оборудования, коэффициент загрузки, конфигурацию оборудования и его износ.
С помощью этой модели Семён Беляев обучил нейронную сеть и смог оптимизировать загруженность станков и уменьшить простои между сменами номенклатуры производства на 30-40%.
Нейросеть показала, что она может многому научиться и быстро адаптироваться к новым условиям. Она способна предсказывать будущее состояние производственной системы и реагировать на непредвиденные ситуации.
Автор идеи планирует улучшить архитектуру нейросети, используя данные реального производства.
Источник: МАИ
