基于注意力网络的操作维护优化框架：用于租赁制造系统的传感器驱动操作
最优化与控制
2025-03-25 v1
摘要
操作和维护（O&M）调度是租赁制造系统中的关键问题，对于运营效率、成本优化和机器可靠性具有重大影响。解决这一问题需要在多站点制造网络中，在机器级退化风险、生产吞吐量和维护团队物流之间进行复杂的权衡。传统方法依赖大规模混合整数规划（MIP）模型，虽然能够得到最优解，但 suffer from 长时间的计算耗时和可扩展性限制。为克服这些挑战，我们提出了AttenMfg，一个利用多头注意力（MHA）的 novel decision-making 框架，专为复杂优化问题而设计。该框架包含Several key innovations，包括 constraint-aware masking procedures和 novel reward functions，这些创新显式地将数学编程公式嵌入到MHA结构中。 resulting attention-based model（i）将解答时间从小时缩短到秒（ii）确保在操作和物流约束下生成的日程表是可行的（iii）在解题质量上与 exact MIP formulations持平（iv）在 diverse problem settings中 demonstrate strong generalizability。这些结果突出了注意力基于学习在租赁制造系统中 revolutionizing O&M调度的潜力。
引用
@article{arxiv.2503.18780,
title = {AttenMfg: An Attention Network Based Optimization Framework for Sensor-Driven Operations & Maintenance in Manufacturing Systems},
author = {Iman Kazemian and Murat Yildirim and Paritosh Ramanan},
journal= {arXiv preprint arXiv:2503.18780},
year = {2025}
}