Машинное обучение на имитационных моделях
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.
Кейс NFP: Применение ИИ на заводе
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.
Связанные продукты
AnyLogic
Программная платформа для имитационного моделирования бизнеса любого масштаба и сложности ...
AnyLogic Cloud
Платформа AnyLogic Cloud позволяет запускать, анализировать и делиться имитационными моделями в режиме онлайн...
Библиотеки AnyLogic
Библиотеки балочных кранов, железной дороги и коннектор для машинного обучения. Блок для ...
AnyLogistix
Специализированный инструмент оптимизации цепей поставок и логистики от компании AnyLogic ...
Связанные услуги
