通过机器学习技术自动执行混凝土配送调度的可行性研究

目的 – 本文的目的是研究机器学习（ML）技术的实现，以便自动衡量进行预拌混凝土（RMC）调度工作的可行性。设计/方法论/途径 – 选择了六种机器学习技术，并对从开发的仿真模型中提取的数据进行了测试，这些数据由人类专家回答。结果 – 结果表明，绝大多数选定算法的性能相同，在所检查的案例中取得了大约80%的准确率。实际意义 – 该方法可以实际应用于匹配专家的决策。独创性/价值 – 本文研究了通过机器学习技术处理复杂混凝土配送问题的可行性。目前，大多数混凝土搅拌过程由机器完成。然而，RMC调度仍然依赖人力资源完成许多任务。本文作者旨在重建专家的决策作为唯一的实际解决方案.