Data-driven control of a production system by using marking-dependent threshold policy

Üretim alanı verileri daha erişilebilir olduğunda, veriye dayalı kontrol yöntemleri kullanılarak üretim sistemleri daha etkin bir şekilde kontrol edilebilir. Bu tezde şu sorulara odaklanılmıştır: bir üretim sisteminde gerçek zamanlı bilgilere istinaden, üretme veya üretmeme kararı nasıl verilebilir? Elimizeki veriler doğrudan politika parametrelerini optimize etmekte nasıl kullanılabilir? Farklı bilgi kaynakları kullanmanın sistem performansı üzerindeki etkisi nedir? Bu seçim nasıl yapılır? Bu soruları cevaplamak için, rasgele talebi karşılamak üzere stoğa üretım yapan bir üretim / envanter sistemi ele alınmıştır. Bu sistem tam olarak gözlemlenmemekte ancak işaret (marking) olarak adlandırılan kısmi üretim ve talep bilgileri kullanılabilmektedir. Herhangi bir zamanda envanter ve üretim durumuna ek olarak, gözlemlenen işaretlere dayanarak üretime karar vermek için işarete bağlı eşik politikasını kullanmayı öneriyoruz. Üretim, talep ve bilgi varışları işaretli Markov varış süreci olarak modellendiğinde, işarete bağımlı eşik politikası ile kontrol edilen bir üretim sistemini analiz etmek için matris geometrik bir yöntem kullanan analitik bir yöntem geliştirilmiştir. Optimal eşikleri belirlemek için karışık tamsayılı programlama formülasyonu sunulmaktadır. Sonrasında bütünleşik benzetim ve eniyileme (BBE) için gerçek zamanlı alan verilerini kullanan bir matematiksel programlama formülasyonu sunulmuştur. Sayısal deneyler kullanarak BBE yönteminin performansı analitik çözümlerle karşılaştırılmıştır. Sonuçlar burada sunulan işarete bağlı politikanın mevcut kısmi bilgileri etkin bir şekilde kullanabildiğini ve veriye dayalı bütünleşik benzetim ve eniyilemenin, kontrol parametrelerini ayarlamak için etkili bir yöntem olduğunu göstermektedir. Daha sonra işarete bağlı politikalarla kontrol edilen sistemlerin optimizasyonunu kolaylaştırmak ve bir dizi yapay öğrenme yönteminin performansını karşılaştırmak için yapay öğrenme yöntemlerinin nasıl kullanılabileceği araştırılmıştır. Sayısal deneyler sayesinde yapay öğrenmenin ve aktif öğrenmenin kullanılmasının, zaman alıcı optimizasyon problemlerini hızlandırarak karmaşık üretim sistemlerinin performansını artırabileceği gösterilmiştir. Son olarak, bu tezde sunulan yaklaşımlar bir Lego üretim sistemine uygulanmış ve Lego üretim sistemlerinin veri odaklı kontrol ile ilgili eğitim ve araştırmalarda nasıl kullanılabileceği tartışılmıştır.