제조 현장에서는 제품을 효율적으로 생산하고 비용을 절감하기 위해 처리해야 하는 다양한 일정 수립 문제가 발생한다. 스마트 팩토리 기술의 발전에 따라 제조 현장의 많은 요소들이 무인화되고 더욱 복잡해졌다. 또한 하나의 생산 라인에서 여러 공정을 혼합하여 수행함에 따라, 자재의 효율적인 일정 수립에 대한 필요성이 대두되었다. 본 연구의 목적은 딥 강화학습을 사용하여 하이브리드 플로우숍 환경에서 다수 기계의 자재 일정 수립 문제를 해결하는 것이다. 기존 대부분의 연구는 실제 문제를 해결하는 데 중요했던 일부 조건을 무시해 왔다. 이러한 핵심 조건들은 일정을 더욱 복잡하고 풀기 어렵게 만든다. 그 결과 상태의 크기와 대규모 행동 공간이 확장되어, 다수의 기계가 있는 환경에서 학습이 어려워진다. 본 연구에서는 가공 시간 및 자재 이송과 같은 실용적 요인을 고려하는 강화학습 접근법을 개발하여 현실적인 제조 일정 수립 문제를 해결하였다. 아울러 고차원 환경 공간에서의 학습 문제를 해결하기 위해, 제조 현장에서 효율적인 학습을 위해 고차원 환경 공간을 단순화하는 방법을 확립하였다. 실험을 통해, 본 접근법이 다공정 라인에서의 자재 일정 수립을 최적으로 수행할 수 있음을 보였으며, 이는 현실적인 제조 지능에 기여한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.