هائد توکلی مقدم - دانش آموخته کارشناسی ارشد، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران
سیدحسام الدین ذگردی - استاد، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران

زمانبندی و برنامه ریزی تولید کلید اصلی موفقیت در شرکت های تولیدی در رقابت جهانی است. برنامه ریزی بهتر فرآیند، با کاهش هزینه تولید و افزایش بهره وری منجر به مزیت رقابتی می شود. رقابت جهانی ها را وادار کرده است که سرمایه گذاری خود را در سیستم های جدید تولید هزینه کنند. با ظهور این سیستم های جدید، بسیاری از مشکلات تولیدی ظاهر شده است مانند مشکلات برنامه ریزی و زمانبندی مورد توجه محققان قرار گرفته است. بسیاری از محققان از یادگیری ماشین برای زمانبندی کارگاه صنعتی استفاده می کنند زیرا حجم عظیمی از داده در سیستم های هوشمند موجود است. با استخراج و کشف دانش از این داده های کارگاه ها صنعتی و کارخانه ها، متخصین توانایی برنامه ریزی برای آینده را خواهند داشت. بسیاری از روش ها فرض می کردند که نتایج زمان بندی برای محیط های ایستا اعمال می شود، اما کل محیط ها در دنیای واقعی همیشه پویا هستند. علاوه بر این، بسیاری از رویدادهای غیرمنتظره مانند خرابی ماشین، بر زمانبندی اولیه کار تاثیر منفی می گذارد. در این مقاله، با استفاده از داده های نت و به دست آوردن بینش از این داده ها از طریق رویکردهای علم داده و یادگیری ماشین، مدل احتمال خرابی ماشین ها را در سطح کارگاه در آینده تخمین زده می شود و با بهره گیری از این مدل نت در مدل یادگیری تقویتی، فرآیند توالی و زمانبندی کارهایی که به صورت بلادرنگ (آنی) وارد سطح کف کارگاه می شوند، فرایند توزیع کارها انجام می شود. مدل نت پیشگویانه، با چهار روش مدل سازی یادگیری مورد ارزیابی و کیفیت مدل ها مورد بررسی قرار می گیرد. با انتخاب و اضافه کردن بهترین مدل خرابی ماشین به مدل یادگیری تقویتی زمانبندی، کارهای بلادرنگ وارد شده به کارگاه، به ماشین ها تخصیص داده می شوند. با مقایسه روش مطرح شده و روش های پیشین مشخص شد که بهترین عملکرد را از خود نشان داده است.

زمانبندی بلادرنگ (آنی)؛ نگهداری و تعمیرات (نت) پیشگویانه؛ یادگیری ماشین؛ یادگیری تقویتی.