Оптимізація часу виробництва за допомогою методу навчання з підкріпленням як частинний випадок підвищення ефективності автоматизованих виробничих ліній
| dc.contributor.author | Ковальов, С. Г. | |
| dc.date.accessioned | 2025-04-15T19:36:34Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | У статті розглянуто застосування методу навчання з підкріпленням для оптимізації часу роботи автоматизованої виробничої лінії. Лінія моделюється у вигляді графу, де вершини представляють обладнання, здатне виконувати одну або кілька виробничих операцій. Такий підхід дозволяє не лише будувати точну модель середовища функціонування агента, але й реалізовувати комп’ютерну симуляцію, що слугує основою для аналізу ефективності методів навчання з підкріпленням. Завдяки симуляціям оцінюється можливість інтеграції цих методів у реальні виробничі лінії з метою підвищення їхньої ефективності, оптимізації використання ресурсів та забезпечення надійності функціонування. This article examines the application of reinforcement learning methods to optimize the production time of an automated production line modeled as a graph. In this graph representation, nodes correspond to pieces of equipment capable of performing one or multiple manufacturing operations. Such an approach not only creates a precise model of the agent's operating environment but also enables the implementation of computer simulations. These simulations serve as a critical foundation for assessing the potential effectiveness of reinforcement learning methods in optimizing real-world production lines. By adopting this approach, the study explores opportunities to improve efficiency, optimize resource utilization, and enhance the reliability of production systems. A key focus of the article is the detailed investigation of the stages involved in the computer simulation of production time optimization. The simulation process consisted of several integral stages: preparation of input data, design and implementation of the simulation environment, construction of a Deep Q-Network (DQN) agent, execution of the learning algorithm, and evaluation of optimization efficiency. These stages are thoroughly analyzed, demonstrating the systematic approach required to integrate reinforcement learning into manufacturing processes. | |
| dc.identifier.citation | Ковальов, С. Г. Оптимізація часу виробництва за допомогою методу навчання з підкріпленням як частинний випадок підвищення ефективності автоматизованих виробничих ліній / С. Г. Ковальов // Центральноукраїнський науковий вісник. Технічні науки : зб. наук. пр. - Кропивницький : ЦНТУ, 2025. - Вип. 11(42). - Ч. 1. - С. 198-205. | |
| dc.identifier.doi | https://doi.org/10.32515/2664-262X.2025.11(42).1.198-205 | |
| dc.identifier.uri | https://dspace.kntu.kr.ua/handle/123456789/16385 | |
| dc.language.iso | uk | |
| dc.publisher | ЦНТУ | |
| dc.subject | виробнича лінія | |
| dc.subject | оптимізація ефективність використання | |
| dc.subject | штучний інтелект | |
| dc.subject | час виробництва | |
| dc.subject | моделювання лінії як системи | |
| dc.subject | графи станів | |
| dc.subject | production lines | |
| dc.subject | optimization of utilization efficiency | |
| dc.subject | artificial intelligence | |
| dc.subject | production time | |
| dc.subject | modeling the line as a system | |
| dc.subject | state graphs | |
| dc.title | Оптимізація часу виробництва за допомогою методу навчання з підкріпленням як частинний випадок підвищення ефективності автоматизованих виробничих ліній | |
| dc.title.alternative | Optimization of Production Time using the Reinforcement Learning Method as a Particular Case Of Improving the Efficiency of Automated Production Lines | |
| dc.type | Article |