• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Automation Science and Engineering >Toward data-driven modeling of material flow simulation: automatic parameter calibration of multiple agents from sparse production log
【24h】

Toward data-driven modeling of material flow simulation: automatic parameter calibration of multiple agents from sparse production log

机译：进行数据驱动的物料流模拟建模：从稀疏生产日志中自动对多个代理商进行参数校准

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Modeling accurate material flow simulation is a time-consuming task and requires high expertise about both simulation techniques and production system. Recently, data-driven modeling approaches that build simulation models from production log are gathering attentions to automate the modeling process. However, in most practical cases, production log does not have enough resolution to specify the input and output of each agent in material flow simulation such as processing time agent and dispatching agent. For the issue, we proposed a novel approach and method that models multiple agents simultaneously from sparse production log. In our method, agents are described as machine learning models, then parameters in the models are calibrated to minimize simulation error. We confirmed the usefulness of the proposed method through experiments with virtual production system.
机译：对精确的物料流模拟进行建模是一项耗时的任务，并且需要有关模拟技术和生产系统的专业知识。最近，从生产日志中构建仿真模型的数据驱动建模方法引起了人们的注意，以使建模过程自动化。但是，在大多数实际情况下，生产日志没有足够的分辨率来指定物料流模拟中每个代理的输入和输出，例如处理时间代理和调度代理。针对此问题，我们提出了一种新颖的方法和方法，可以根据稀疏的生产日志同时对多个代理进行建模。在我们的方法中，将代理描述为机器学习模型，然后对模型中的参数进行校准以最大程度地减少模拟误差。通过虚拟生产系统的实验，我们证实了该方法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号