Российский студент обучил нейронную сеть оптимизировать производственный процесс
Она в разы повысит эффективность мелкосерийного производства
Метод машинного обучения и нейронную сеть для улучшения эффективности работы оборудования мелкосерийного производства применял магистрант МАИ и студент кафедры «Системное моделирование и автоматизированное проектирование» Семен Беляев. Об этом сообщили в пресс-службе учебного учреждения.
Разработанная исследователем компьютерная имитационная модель способствует преодолению различных форм неопределенности, влияющих на быстроту смен задач. Отмечается, что переменный спрос рождает необходимость частой перенастройки оборудования, что и является одной из ключевых особенностей мелкосерийного производства.
«Обычные математические методы, которые применяются при оптимизации производственных процессов, часто не способны справиться с такой сложной задачей, поскольку строгие математические методы плохо работают с динамикой ввиду высоких временных и вычислительных затрат, требуют точных данных, которых может и не быть, и они не адаптивны – каждый раз надо подбирать новые параметры для описания системы», – отметил Беляев.
Машинное обучение с подкреплением, в частности нейронной сети архитектуры Deep Deterministic Policy Gradients, описывает производственный процесс целевой функции. По словам Беляева, им оказался цифровой двойник производства, отражающий его состояния и события в определенные моменты времени. Он учитывает типы оборудования, коэффициент загрузки, его конфигурацию и износ.
В результате кропотливой работы целевая функция мелкосерийного производства увеличилась на 30-40%. Загруженность станков получилось распределить более успешно, а между сменами номенклатуры производства уменьшились простои.
«Нейросеть показала большой потенциал обучаемости и способна к еще большей адаптивности, есть перспектива выстраивать не только текущее, но и будущее состояние производственной системы, реагировать на непредвиденные ситуации», – рассказал Беляев.
Несмотря на впечатляющие результаты, работа по улучшению архитектуры нейросети продолжится. Уже в следующем году исследователь применит не математические расчеты, а данные реального производства.
В прошлом месяце студент Московского авиационного института Кирилл Емельянов представил проект, позволяющий начать строительство жилых и технических помещений на Луне. За основу строительного материала он взял лунный грунт.
