弗吉尼亚大学的研究人员通过开发人工智能驱动的系统，可以改变工厂的运营方式，在制造技术方面取得了重大进步。使用多智能体强化学习 (MARL)，该团队创建了一种更有效的方法来优化制造系统，提高速度和质量，同时减少浪费。

他们的创新方法，发表在制造系统杂志，集成人工智能代理，共同优化生产流程。通过协调多个代理实时管理任务，系统会自动调整，随着时间的推移学习并提高性能。这一突破可能会导致从汽车到电子等各行业加快生产速度、减少停机时间并提高产品质量。

首席研究员、机械与航空航天工程教授 Qing“Cindy”Chang 解释道：“我们正在解决现代制造的复杂性。我们的系统不是孤立地优化单个流程，而是着眼于全局，即同时协调一切。是更智能、更快速、适应性更强的制造。”

该团队的算法——信用分配多智能体 Actor-Attention-Critic (C-MAAC) 和物理引导多智能体 Actor-Attention-Critic (P-MAAC) 是取得这一进步的关键。这些算法使系统能够考虑机械的物理约束和不可预测的生产中断。他们的工作在生产力和系统稳健性方面取得了显着的进步。

联合研究员、机械与航空航天工程博士。学生陈莉重点介绍了实际应用：“通过集成系统级和工艺级参数，该系统可以优化产量并动态适应变化，例如机器故障或生产调整，而无需人工干预。这是智能制造的重大飞跃”。

这项研究是与关键行业合作伙伴通用汽车合作进行的，通用汽车为人工智能系统提供了宝贵的见解和实际应用。通用汽车的参与有助于确保该技术解决现代制造的实际挑战。

“我们的合作与 UVA 的合作使我们能够探索能够提高整个生产效率的创新解决方案汽车工业”，通用汽车研发部研究员范华子表示。此次合作凸显了行业领导者在推动制造业尖端进步方面所发挥的关键作用。

该团队相信，这种人工智能驱动的控制系统可以为以下领域建立新的基准：制造业效率，特别是在复杂的多阶段生产环境中。该研究为更智能、适应性更强的生产系统奠定了基础，在各个行业具有广泛的潜在应用。

除了提高生产率之外，该系统还具有显着的经济和环境优势。通过减少浪费、最大限度地减少停机时间并降低能源消耗，制造商可以在减少环境足迹的同时大幅节省成本。该技术为行业和可持续发展努力迈出了强有力的一步。

更多信息：Chen Li 等人，集成制造系统过程控制的多智能体强化学习，制造系统杂志（2024）。DOI：10.1016/j.jmsy.2024.08.021