کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

بهینه‌سازی پویا در نگهداری تجهیزات صنعتی با الگوریتم‌های یادگیری تقویتی عمیق

نویسندگان :

زهرا رضوانی کاشانی¹ فریبا عزیزی²

1- دانشگاه الزهرا(س) 2- دانشگاه الزهرا(س)

کلمات کلیدی :

یادگیری تقویتی عمیق،نگهداری پیشگویانه،PPO،A2C،بهینه‌سازی پویا

چکیده :

در این پژوهش، چارچوبی هوشمند برای بهینه‌سازی زمان‌بندی نگهداری تجهیزات صنعتی ارائه می‌شود که از الگوریتم‌های تقویتی Actor-Critic (A2C) و Proximal Policy Optimization (PPO) بهره می‌گیرد. هدف، کاهش هزینه‌های کل و افزایش قابلیت اطمینان سیستم در محیط‌های پویا و نامطمئن است. ابتدا مدل تصمیم‌گیری نگهداری به‌صورت یک فرآیند تصمیم مارکوف فرموله شد و سپس با استفاده از الگوریتم‌های A2C و PPO ، سیاست‌های بهینه برای تصمیم‌گیری تعمیر یا تعویض استخراج گردید. نتایج شبیه‌سازی‌ها نشان می‌دهد که الگوریتم PPO عملکرد پایدارتر و همگرایی سریع‌تری نسبت به A2C دارد. یافته‌ها اثربخشی روش‌های یادگیری تقویتی در حوزه نگهداری پیشگویانه را تأیید می‌کند.