デジタルツイン駆動の製造システムにおける意思決定支援のための信頼できる推奨モデルに基づく強化学習

デジタルツインは、さまざまな業界における意思決定プロセスを支援するために、インダストリー4.0と共に出現した有望な主要技術です。コストやリスクの削減、効率の改善、意思決定の支援など、潜在的な利益を可能にします。しかし、各シナリオのデジタルツインモデルを使用して独立に「もしも」シミュレーション研究を実施する意思決定アプローチは時間がかかり、大規模な計算リソースを必要とします。デジタルツイン駆動の意思決定支援フレームワーク内に推奨システムを統合することで、ターゲットシナリオの推奨を提供し、意思決定時間を短縮し、意思決定の効率を向上させることができます。しかし、推奨システムには、コールドスタート、データの希薄性、および予測精度といった固有の課題があります。推奨システムに信頼性と類似性の測定を統合することで、前述の課題が緩和され、機械学習技術の統合により人間の学習をシミュレーションする能力を通じてより良い推奨が可能になります。これを念頭に置いて、本論文では、強化学習技術と類似性測定を組み合わせた信頼性に基づく推奨アプローチを提案します。これは、デジタルツインベースの「もしも」シミュレーション意思決定支援システムに統合可能です。このアプローチは、バッテリーパック組立ラインの産業ケーススタディにおいて正確な推奨を実施することにより実験的に検証されました。結果は、特にコールドスタートやデータの希薄性シナリオにおいて、先進的な推奨アプローチに対する推奨シナリオのユーザーレーティング予測の精度に関して提案されたモデルの改善を示しています。