본문으로 건너뛰기

"Multi-objective reinforcement learning" 태그로 연결된 1개 게시물개의 게시물이 있습니다.

다중 목표 강화학습

모든 태그 보기

Optimization of Fiber Radiation Processes Using Multi-Objective Reinforcement Learning

· 약 5분
Hye Kyung Choi
성균관대학교 연구원
Whan Lee
성균관대학교 연구원
Seyed Mohammad Mehdi Sajadieh
연구원
Seung Bum Sim
연구원
Sang Do Noh
성균관대학교 교수

논문 정보

  • 제목: Optimization of Fiber Radiation Processes Using Multi-Objective Reinforcement Learning
  • 저자: Hye Kyung Choi (Sungkyunkwan University), Whan Lee (Sungkyunkwan University), Seyed Mohammad Mehdi Sajadieh (Sungkyunkwan University), Seung Bum Sim (Korea Textile Development Institute), Wu chang Jung (Korea Textile Development Institute), Jeong Ho Jeong (Korea Textile Development Institute), Sang Do Noh (Sungkyunkwan University)
  • 학회/저널: International Journal of Precision Engineering and Manufacturing-Green Technology
  • 발행일: 2024-07-26
  • DOI: 10.1007/s40684-024-00644-6
  • 주요 연구 내용: 본 연구는 전통적인 섬유 방사 공정의 디지털 전환을 위해 다중 목표 강화 학습(MORL) 프레임워크를 제안함. 공정 데이터로부터 유의미한 변수를 추출하고, LSTM 기반의 예측 모델로 섬유의 강도와 신도를 예측한 후, Q-러닝 알고리즘을 사용하여 품질과 생산성을 동시에 최적화하는 공정 파라미터 레시피를 추천함.
  • 주요 결과 및 결론: 제안된 LSTM 예측 모델은 섬유 강도 예측에서 85.24%, 신도 예측에서 87.02%의 높은 정확도(r2r^2-score)를 달성함. 다중 목표 최적화를 통해 기존 공정 대비 평균 7.25%의 생산성 향상을 이루었으며, 작업자의 노하우나 시행착오에 대한 의존도를 크게 낮춤.
  • 기여점: 전통적인 제조업에 데이터 기반 AI 기술을 적용하여 디지털 전환을 이룰 수 있는 실질적인 방법론을 제시함. 특히 품질과 생산성이라는 상충 관계에 있는 두 목표 사이의 최적 균형점을 찾는 강화 학습 모델을 통해, 복잡한 공정 의사결정을 자동화하고 효율화하는 방안을 구체화함.