Dynamic capacitated lot sizing problem optimization with reinforcement learning

Günümüz hızlı tempolu üretim ve tedarik zinciri ortamlarında, kapasite kısıtları ve talep dalgalanmaları arasında üretim miktarlarını verimli bir şekilde yönetmek son derece önemlidir. Bu Yüksek Lisans tezi, bu zorluğun üstesinden gelmek için Pekiştirmeli Öğrenme'nin (RL) gücünden faydalanarak, geleneksel optimizasyon yaklaşımlarını yeniden tasarlamaktadır. RL, gelişmiş bir esneklik ve zeka sağlayarak, Dinamik Kapasiteli Lot Belirleme Problemi'ni (DCLSP) çözmek için uygulanmaktadır. Kapsamlı deneyler ve geleneksel yöntemlerle karşılaştırma sonuçları, RL tabanlı çerçevenin üstün performans sergilediğini, maliyetleri azalttığını ve üretim verimliliğini artırdığını göstermektedir. Bu araştırma, karmaşık üretim ortamlarında esnek karar verme süreçlerinin yeni bir çağını başlatırken, operasyon yönetimi alanında daha ileri çalışmalara kapı açmaktadır.