최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국전자거래학회지 = The Journal of Society for e-Business Studies, v.24 no.3, 2019년, pp.19 - 33
유우식 (Department of Industrial and Management Engineering, Incheon National University) , 서주혁 (Department of Industrial and Management Engineering, Incheon National University) , 김다희 (Department of Industrial and Management Engineering, Incheon National University) , 김관호 (Department of Industrial and Management Engineering, Incheon National University)
Recently, manufacturers have been struggling to efficiently use production equipment as their production methods become more sophisticated and complex. Typical factors hindering the efficiency of the manufacturing process include setup cost due to job change. Especially, in the process of using expe...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
제조공정의 효율성을 방해하는 대표적인 요인은? | 최근 제조업체들은 제품의 생산방식이 고도화 되고 복잡해지면서 생산능력을 효율적으로 사용하는데 어려움을 겪고 있다[2]. 제조공정의 효율성을 방해하는 대표적인 요인들로는 작업물 종류변경(job change)으로 인한 작업 준비 비용(Setup Cost)이 있다[12]. 특히 반도체/LCD 공정과 같이 고가의 생산 장비를 사용하는 공정의 경우 장비의 효율적인 사용이 매우 중요하다. | |
강화학습은 어떤 방법인가? | 강화학습은 현재의 상태(State)에 따라 에이전트(Agent)가 미래의 기대되는 보상(Reward)을 최대화하기 위한 액션(Action)을 결정하는 인공지능의 한 방법이다. 이는 스케줄링 시 매 의사결정에 대한 가치는 명확하지 않지만, 최종적으로 주어진 보상 기준에 따라 더 좋은 스케줄 결과를 생성해야 하는 본 연구의 목표에 부합하는 방법론으로 판단된다. | |
Q-Network의 신경망 구조는 어떻게 되나요? | 학습에서 사용되는 Q-Network의 신경망 구조는 [Figure 4]과 같다. Q-Network는 1개의 입력 층, 4개의 은닉 층, 1개의 출력 층으로 구성되어 있다. 모든 레이어는 완전 연결 층(Fully connected layer)으로 구성되어 있으며, 활성 함수(Activation function)는 Relu(Rectified linear unit)를 사용하였다. 이 때 손실 함수(Loss function)으로는 평균 제곱 오차를 사용하였고, 학습 알고리즘(Optimizer)은 RMSProp optimizer를 사용하였다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.