메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
오승헌 (서울대학교) 조영인 (서울대학교) 남소현 (서울대학교) 조기영 (서울대학교) 윤희창 (서울대학교) 우종훈 (서울대학교)
저널정보
대한산업공학회 대한산업공학회 춘계공동학술대회 논문집 2022년 대한산업공학회 춘계공동학술대회 논문집 [2개 학회 공동주최]
발행연도
2022.6
수록면
2,541 - 2,547 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
생산 스케줄링에 대한 강화학습 적용을 위해서 시뮬레이션 환경을 적절하게 모델링하는 것은 중요한 과정이다. 이산 사건 시뮬레이션 (DES; Discrete-Event Simulation)은 강화학습을 이용한 스케줄링 최적화 문제에 대하여 정교한 환경 모델링에 사용될 수 있다. 기존의 연구들은 상태 변화에 대한 통계 모델이 적용된 마르코프 결정 과정(MDP) 모델을 이용하여 최적화 연구를 수행해 왔다. 하지만, 실제 생산 현장에 대한 적용을 고려한다면, 학습부터 적용까지 일련의 과정 중 대부분의 시간을 차지하는 시뮬레이션에 대한 성능 최적화도 알고리즘이나 MDP 최적화에 못지 않게 중요한 부분이다. 본 연구에서는 생산 스케줄링에 강화학습을 적용하기 위해 DES 툴이 갖춰야 할 4가지 사항(신뢰성, 신속성, 상호운용성, 비용 효율성)을 도출하였다. 또한, 4가지 사항을 갖춘 DES 툴인 SimPy를 기반으로 한 강화학습-시뮬레이션 프레임워크를 제안한다. 마지막으로 해당 프레임워크를 이용한 생산 스케줄링 강화학습 적용사례를 소개한다.

목차

Abstract
1. Introduction
2. 시뮬레이션 기반 강화학습을 위한 4-factors
3. 생산 시스템에 대한 이산 사건 시뮬레이션 프레임워크
4. APPLICATIONS
5. CONCLUSIONS
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-530-001515214