سیدعلی یزدان پرست - دانشآموخته مقطع کارشناسی ارشد، دانشگاه تربیت مدرس؛
سیدحسام الدین ذگردی - استاد، دانشگاه تربیت مدرس؛
محمد احمدی - دانشجوی مقطع دکتری، دانشگاه تربیت مدرس؛

با افزایش فضای رقابتی برای تولید و تنوع طلبی مشتریان، کارخانه ها وارد فاز جدیدی از تولید شده اند. در این شرایط علاوه بر حفظ سرعت تولید پیشین، باید محصولات متنوعی در خطوط، تولید شوند. هدف از این پژوهش ارائه راهکارهایی برای زمان بندی بلادرنگ کارخانجات هوشمند است و مشتریان به صورت محدود در انتخاب محصولات خود نقش دارند. در این تحقیق با تغییر شرایط سیستم، به صورت برخط برنامه زمان بندی تغییر خواهد کرد. پس تحقیق در جهت آموزش عاملهای یادگیری است تا این کار به صورت مستقل و خودمختار توسط عوامل یادگیری با سرعت انجام شوند. وظیفه عوامل یادگیری با کمک دادهکاوی و یادگیری ماشین این است که با شرایط آنی وارد شدن سفارش ها مقابله کرده و زمان بندی را بلادرنگ تغییر دهند. در تحقیق ابتدا داده ها شبیه سازی میشوند، سپس همین داده ها که معرف حالت سیستم هستند، خوشه بندی میشوند. در انتها عوامل یادگیری-کیو برای زمان بندی ، با استفاده از چندین قاعده، شروع به یادگیری میکنند. دستاورد تحقیق ایجاد روش یادگیری، خاص محیط تولید محصولی با درنظرگیری چندین عامل خودآموز است. هر ایستگاه یک عامل یادگیری دارد و وظیفه ی انتخاب قاعده اعزام با آگاهی از انتخاب سایر عوامل، برای ایستگاه خود را بر عهده خواهد داشت، بدون اینکه یکپارچگی خط تولید به هم بخورد.

زمان بندی بلادرنگ، کارخانجات هوشمند، یادگیری ماشین، چند عامله، قواعد اعزام چندگانه