Главная
Услуги
Обучение искусственного интеллекта (AI) на имитационных моделях

Обучение искусственного интеллекта (AI) на имитационных моделях

Официальные партнёры Компании AnyLogic по лицензированию, консалтингу и обучению

Подробнее

Технологии Искусственного Интеллекта (AI, Artificial Intelligence), такие как машинное обучение (ML, Machine Learning), глубокое обучение (DRL, Deep Reinforcement Learning) открывают новые возможности для повышения операционной эффективности бизнеса.

В отличие от средств аналитической оптимизации бизнес-систем, которые помогают:

найти одно «оптимальное» решение/политику;
для всего горизонта моделирования, ИИ может;
динамически адаптироваться;
под разные, в том числе непредвиденные ситуации и обучаться на своем опыте.

Это позволяет повысить степень автоматизации, снизить расходы и производственные риски, повысить объемы производства и пропускную способность складов.

Реализация самого алгоритма ИИ – только первый шаг. Наиболее важной является задача обучения искусственного интеллекта и его дальнейшее тестирование перед внедрением в реальной жизни.

Технология имитационного моделирования (SM, Simulation Modeling) помогает создать достоверную цифровую копию бизнес-системы, на которой будет обучаться Искусственный Интеллект.

Эксперты NFP разработают имитационную модель, которая поможет:

сгенерировать синтетические данные для машинного обучения (генерация чистых, детальных данных, покрывающих все возможные сценарии);
обучить искусственный интеллект в модели (особенно актуально для глубокого обучения с подкреплением – DRL, Deep Reinforcement Learning);
протестировать работу уже обученного ИИ в модели (перед внедрением в реальные процессы).

В наших проектах мы используем среду разработки имитационных моделей AnyLogic и собственную библиотеку интеграции машинного обучения с AnyLogic: «NFP Machine Learning Connector for AnyLogic». Она позволяет подключать к AnyLogic такие библиотеки, как SKIL (DL4J, RL4J), Weka, MOA и другие.

Пример: система управления балочными кранами на металлургическом производстве

Важнейшей задачей на металлургическом производстве является минимизация простоев печей. Часто эти простои вызваны неоптимальным распределением задач между кранами, которые перемещают ресурсы в цехе (ковши, чаши, короба с промежуточной/готовой продукцией и др.).

Решение этой задачи – синхронизация работы кранов и динамическое изменение приоритетов задач для каждого крана в зависимости от ситуации при помощи Искусственного Интеллекта.

Команда NFP разработала имитационную модель склада готовой продукции и встроила в нее алгоритмы Искусственного Интеллекта, которые распределяют задачи между кранами. Использование ИИ помогло добиться увеличения объемов отгрузки более чем на 70% по сравнению с исходным сценарием моделирования.