بهینه‌سازی مبتنی بر یادگیری با هوش مصنوعی عامل‌محور

یک چارچوب حلقه‌بسته برای برنامه‌ریزی تولید در صنایع انرژی‌بر. این راهکار، مدل‌های یادگیری ماشین، زمان‌بندی تولید با مدل برنامه‌ریزی عدد صحیح مختلط (MILP) و یک عامل هوش مصنوعی (Agent) را کنار هم قرار می‌دهد تا اثر کیفیت، انرژی، تعرفه و محدودیت‌های عملیاتی در تصمیم برنامه‌ریزی دیده شود.

در تولید انرژی‌بر، کیفیت محصول باید حفظ شود، در حالی که محدودیت‌ها مدام تغییر می‌کنند: تعرفهٔ انرژی نوسان دارد، قطعی‌های برنامه‌ریزی‌نشده رخ می‌دهد و رفتار فرایند را نمی‌توان به‌سادگی با یک مدل تحلیلی دقیق توصیف کرد. برنامه‌ای که بر فرض‌های ثابت بنا شده باشد، با تغییر این شرایط کارایی خود را از دست می‌دهد.

ابتدا از داده‌های فرایند، کیفیت و انرژی برای برآورد رفتار تولید استفاده می‌شود. این برآورد وارد مدل زمان‌بندی می‌شود تا گزینه‌های اجرایی بررسی شوند. عامل هوش مصنوعی نیز تغییرات وضعیت را پایش می‌کند و منطق انتخاب گزینه‌ها را برای برنامه‌ریز توضیح می‌دهد.

1. ۰۱

   سامانهٔ صنعتی

   فرایند تولید انرژی‌بر با محدودیت‌های عملیاتی.
2. ۰۲

   دادهٔ عملیاتی

   سیگنال‌های فرایند، کیفیت و انرژی که از عملیات گردآوری می‌شود.
3. ۰۳

   یادگیری ماشین / پیش‌بینی

   مدل‌های جانشین، رفتار فرایند و کیفیت را تقریب می‌زنند.
4. ۰۴

   بهینه‌سازی

   زمان‌بندی MILP با در نظر گرفتن محدودیت‌های کیفیت، انرژی، تعرفه و قطعی.
5. ۰۵

   عامل ناظر

   وضعیت را پایش می‌کند، حلقه را دوباره اجرا می‌کند و بده‌بستان گزینه‌ها را توضیح می‌دهد.
6. ۰۶

   تصمیم

   برنامهٔ تولیدی کیفیت‌آگاه و انرژی‌آگاه که برنامه‌ریز می‌تواند بر پایهٔ آن اقدام کند.

این ابتکار را به‌عنوان مدیر تحقیق و توسعه هدایت کردم: صورت‌بندی مسئلهٔ عملیاتی، تعریف رویکرد مدل‌سازی و بهینه‌سازی، طراحی معماری لایهٔ عامل‌محور و راهبری کار تا رسیدن به سامانهٔ در حال اجرا.

این راهکار در محیط خصوصی ارائه می‌شود؛ جزئیات فنی و داده‌های کارفرما عمومی نیست. در جلسهٔ معرفی، بخش‌های قابل‌نمایش و تناسب آن با مسئلهٔ شما را مرور می‌کنیم.

شاخص‌های عملکرد این پروژه عمومی نیستند. اگر انتشار نتیجه‌ای از نظر محرمانگی و دقت امکان‌پذیر شود، به این صفحه افزوده خواهد شد.

• یادگیری ماشین — مدل‌های جانشین
• MILP — زمان‌بندی تولید
• هوش مصنوعی عامل‌محور — عامل ناظر
• تحقیق در عملیات

این پروژه به یک مسیر پژوهشی مرتبط است. جزئیات آن پس از نهایی‌شدن وضعیت انتشار در این صفحه منتشر خواهد شد.