Systèmes de planification et d’ordonnancement auto-adaptatifs

规划和布置自动适应系统

• 批准号: RGPIN-2014-04551
• 负责人: Gaudreault, Jonathan
• 金额: $ 1.46万
• 依托单位: Université Laval
• 依托单位国家: 加拿大
• 项目类别: Discovery Grants Program - Individual
• 财政年份: 2017
• 资助国家: 加拿大
• 起止时间: 2017-01-01 至 2018-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=636760
• 关键词: Syst; mes; de; planification; et

Planifier et ordonnancer les opérations dans le domaine des ressources naturelles revêt un défi particulier. Alors que les systèmes manufacturiers standards sont dits «convergents» (on assemble plusieurs composants pour obtenir un produit), dans le domaine des ressources naturelles on est plutôt en présence de flux «divergents» (plusieurs produits sont fabriqués simultanément à partir d’un seul et même intrant). Un exemple de co-production est la transformation d’un billot de bois en planches. Les propriétés physiques du billot définiront la combinaison des différents produits que nous obtiendrons (simultanément) en procédant au débitage. La transformation du billot contribue donc à satisfaire simultanément des commandes pour plusieurs produits différents. À l’inverse, un même produit peut être fabriqué à partir de différents billots alternatifs donnant des co-produits différents.Ce contexte (co-production en présence de processus de production alternatifs) rend la prise de décision passablement complexe. Lors de l’arrivée de nouvelles commandes, on ne peut se contenter d’ajouter de nouvelles opérations au plan de production. Il faut revoir de manière intégrée l’ensemble des opérations déjà choisies (planification) et leur ordonnancement afin de déterminer comment on va répondre au nouveau besoin tout en respectant les engagements passés. Il s’agit d’un problème que l’entreprise doit être en mesure de résoudre rapidement afin de pouvoir donner une réponse à son client. Comme il s’agit de problèmes combinatoires, chercher la solution optimale implique inévitablement de procéder par essai-erreur; affectant l’une après l’autre des valeurs aux variables définissant le problème. La stratégie de résolution choisie (l'ordre dans lequel les variables et leurs valeurs seront essayées) a un impact sur le temps de résolution. Dans le cadre de travaux précédents, nous avons développé des stratégies de résolution sur mesure pour certains problèmes (ex. séchage et rabotage du bois d’œuvre). Elles se sont avérées assez performantes pour être utilisées par l’industrie. Plusieurs de celles-ci ont été inspirées par les façons de faire des planificateurs humain avec qui nous avons collaboré. En effet, on trouve souvent en entreprise un expert qui a développé une habilité à résoudre un problème. Il est alors possible pour le chercheur de généraliser l’approche de l’expert pour tirer une stratégie de résolution qui sera ensuite utilisée pour trouver plus rapidement la solution optimale. Ce travail est cependant à refaire pour chaque nouveau problème et demande un niveau d’expertise scientifique élevé. C’est un frein à la mise en œuvre par l’industrie de systèmes de planification et d’ordonnancement utilisant l’optimisation, qui se contente alors d’heuristiques.Nous proposons maintenant de développer des algorithmes qui découvriront automatiquement de nouvelles stratégies de résolution par mimétisme, c'est-à-dire en observant comment un expert s'y prend pour résoudre un problème. Le défi est donc de pouvoir identifier automatiquement la relation statistique qui lie chaque décision prise par l’humain à l'état du système à ce moment, de manière à ce que l’ordinateur puisse reproduire la stratégie de l’humain dans un contexte d’optimisation.Nos analyses préliminaires indiquent que les approches employées par les experts ayant inspiré les stratégies que nous avons déjà publiées auraient pu être découvertes de cette manière. Nous allons donc automatiser le processus, afin de « redécouvrir » nos stratégies de résolution (à titre de preuve de concept) et ensuite appliquer l’engin d’apprentissage à de nouveaux problèmes pour découvrir de nouvelles stratégies.

对自然资源领域进行规划和管理，特别是对自然资源的管理。 de Flux «divergents» (plusieurs produits sont fabriqués simultanément àpartir d'un seul et même intrant) 是共同生产的一个例子，是 que nous obtiendrons 产品的转变。 (同时) en procédant au débitage. 帐单转型有助于同时满足不同产品的要求。 contexte（联合制作在生产替代过程中）通过决策综合体获得奖品。 choisies (planification) et leur ordonnancement afin de terminer comment on va répondre au nouveau besoin tout enspectant les约定过去的客户。影响问题和价值的变量。论文）对解决方案的影响。可能的工业用途。专家的通用方法是解决问题的策略，可快速实现最佳解决方案。 à la mise en œuvre par l'industrie de systèmes de planification and d'ordonnancement utilisant l'optimization, qui se contente alors d'heuristiques.这是最重要的，是专家的敏锐评论，可以解决问题。优化环境下的人类战略。 Redécouvrir » nos stratégies de résolution (à titre de preuve de Concept) et ensuite appliquer l’engin d’apprentissage à de nouveaux Problems pour nouvelles stratégies.