生産システムにおける深層強化学習：体系的文献レビュー

製品開発サイクルの短縮と完全にカスタマイズ可能な製品は、生産システムにとって重要な課題です。これらは、増加する製品の多様性に対応するだけでなく、高いスループットを実現し、プロセスの変動や予期しない事象に対する高い適応性と頑健性を提供する必要があります。これらの課題を克服するために、深層強化学習（RL）が生産システムの最適化にますます適用されています。他の機械学習手法とは異なり、深層RLは最近収集されたセンサー データに基づいて環境と直接インタラクションし、システムの変化にリアルタイムで対応します。深層RLはすでに生産システムに導入されていますが、その結果の体系的なレビューはまだ確立されていません。本論文の主な貢献は、研究者や実務者にアプリケーションの概要を提供し、深層RLを支援する生産システムのさらなる実装と研究を促進することです。調査結果は、深層RLがさまざまな生産分野で適用されており、データ駆動型で柔軟なプロセスに貢献していることを示しています。ほとんどのアプリケーションでは、従来の手法が上回り、実装努力や人間の経験への依存が減少しました。それにもかかわらず、将来の研究は、得られた知見を現実のシステムに移転し、安全性要素を分析し、既存の条件下での信頼性を実証することにもっと焦点を当てる必要があります。