Learning-based scheduling in a job shop

Abstract

A common way of dynamically scheduling jobs in a manufacturing system is by means of dispatching rules. The problem of this method is that the performance of these rules depends on the state the system is in at each moment, and no rule exists that overrules the rest in all the possible states that the system may be in. The system’s state is defined by a set of control attributes. It would therefore be interesting to use the most appropriate dispatching rule at each moment. To achieve this goal, a scheduling approach which uses machine learning is presented in this paper. By means of this technique, by analysing the previous performance of the system (training examples), a set of heuristic rules are generated that can be used to decide which is the most appropriate dispatching rule at each moment in time. This approach is applied to a job shop configuration. The results demonstrate that this approach produces an improvement in the performance of the system when compared to the traditional method of using dispatching rules.

Zusammenfassung

Die übliche Vorgangsweise bei der dynamischen Arbeitsplatzplanung in einem Herstellungssystem erfolgt mittels Verteilungsregeln. Das Problem dabei ist, dass deren Funktionseigenschaften jederzeit systemabhängig sind, und dass es keine Regel gibt, die alle anderen möglichen Systemzustände ausschaltet. Der Systemzustand wird durch eine Reihe von Regelmerkmalen ausgezeichnet. Daher wäre es interessant, jederzeit die geeignetste Regel zu verwenden. Der vorliegende Beitrag stellt eine Planungsannäherung mittels maschinellen Lernens vor. Durch diese Technik wird über die Analyse der vorhergehenden Systemleistung (Übungsbeispiele) ein Satz heuristischer Regeln hervorgebracht, der zur Bestimmung der jeweils geeignetsten Regel verwendet werden kann. Diese Annäherung kommt in einem Job Shop-Zusammenhang zur Anwendung. Die Ergebnisse zeigen auf, dass sie eine Verbesserung der Systemleistung im Vergleich zur traditionellen Verwendungsmethode von Verteilungsregeln herstellt.