Mondragon Unibertsitatea – Biltegirako lan-agindu optimizatuak sortzea
Mondragon Unibertsitatea
Sektorea: Logistika
Negozio-kasua
Erronka industriako ibilgailuen piezak banatzen dituen enpresa bateko langileentzako fabrikazio-agindu optimizatuak ematea da. Egun, agindu horiek eskuz sortzen dira ia beti eta sortzen dituen pertsonaren esperientziaren araberakoak izaten dira. Optimizazio-teknikak erabiltzeak aukera emango du pertsona edo rol hori zeregin horretatik libratzeko, eta enpresaren eta langileen beharretara hobeto egokitzen den lan-aginduak sortzeko.
Helburuak
Txanda bakoitzaren hasieran langileentzako lan-agindu optimizatuak proposatzen dituen eta agindu horiek ekoizpenaren plangintza-rolarentzat modu intuitiboan azaltzen dituen sistema garatzea.
Erabilera-kasua
Optimizazio-arazoa bi ikuspegitatik jorratu da: Reinforcement Learningeko (RL) eragileen entrenamenduaren bitartez eta hainbat helburu optimizatzeko eboluzio-algoritmoen erabileraren bitartez. Lortutako emaitzen arabera, GUI bat (mahaigaineko aplikazioa) ezartzea erabaki da. OMM (Decmo2) algoritmoaren bitartez lan-aginduak sortzeko aukera ematen du. Optimizazio-algoritmoa enpresan dagoeneko ezarrita dagoen datu-basearen bitartez elikatzen da.
Azpiegitura
On premise
Erabilitako teknologiak
Ikaskuntza Automatikoa edo Sakona
Erabilitako datuak
Enpresaren datu-basetik lortutako eta taula gisa jarritako datuak (pribatuak)
Erabilitako baliabideak
1 proiektu-arduradun, 1 ikerlari aditu RLn, 2 ikerlari aditu MOOn, 3 aditu domeinuan. Arazoa, helburuak eta mugak definitzeko prozesu iteratiboa.
Zailtasunak eta ikaskuntza
Objektuak eta muga argiak definitzeko zailtasuna. RL eragileak entrenatzeko eta erabilera-kasurako egokia den rewarding sistema definitzeko zailtasuna. Askotariko helburua optimizatzeko algoritmoen erabileran oinarritutako irtenbidea da gehien mantendu daitekeena eta RLn oinarritutako sistema batek baino baliabide gutxiago behar ditu.
KPIak (negozioan duen inpaktua eta ereduaren metrikak)
Optimizatzeko neurriak: Hiperbolumena, IGD. Paretoren aldeen ikuskapenak: scatter plot, chor plot, parallel coordinate plot. KPIak: gaizki maketatutako piezen kopurua, paketea betetzeko denborak.
Finantzaketa
Proiektua Gipuzkoako Foru Aldundiak finantzatu du Etorkizuna Eraikiz estrategiaren barruan.
Kolaboratzaileak
Proiektua Industrias Onyarbi SL. Gipuzkoako enpresarekin batera garatu da.
