Un modèle de prise de décision par réseau de neurones pour la planification dans un atelier de production

La planification dans un système d'atelier est une tâche difficile. La modélisation par simulation est une approche bien connue pour évaluer les plans de planification d'un système d'atelier ; cependant, elle est coûteuse et chronophage, et le développement d'un modèle et l'interprétation des résultats nécessitent une expertise. Comme alternative, nous avons développé un modèle de réseau de neurones (NN) axé sur la planification détaillée qui fournit un cadre d'analyse de planification d'atelier polyvalent pour permettre à la direction d'évaluer facilement différents scénarios de planification possibles en fonction de contraintes internes ou externes. Une nouvelle approche est également proposée pour améliorer la qualité des données d'entraînement afin d'optimiser les performances. Les précédents modèles NN en planification se concentrent principalement sur la séquence de travail et le flux d'opérations simples, et peuvent ne pas tenir compte des complexités des opérations réelles. La sortie du modèle proposé s'est révélée statistiquement équivalente aux résultats du modèle de simulation. L'étude a été réalisée à l'aide d'une analyse de sensibilité pour mesurer l'efficacité des variables d'entrée du modèle NN et leur impact sur la sortie, révélant que la variable de taille de lot avait un impact significatif sur les résultats de planification par rapport à d'autres variables.