維吉尼亞大學的研究人員透過開發人工智慧驅動的系統，可以改變工廠的運作方式，在製造技術方面取得了重大進展。使用多智能體強化學習 (MARL)，團隊創建了一種更有效的方法來優化製造系統，提高速度和質量，同時減少浪費。

他們的創新方法，發表在製造系統雜誌，整合人工智慧代理，共同優化生產流程。透過協調多個代理程式即時管理任務，系統會自動調整，隨著時間的推移學習並提高效能。這項突破可能會導致從汽車到電子等各行業加快生產速度、減少停機時間並提高產品品質。

首席研究員、機械與航空航天工程教授 Qing“Cindy”Chang 解釋道：“我們正在解決現代製造的複雜性。我們的系統不是孤立地優化單一流程，而是著眼於全局，即同時協調一切。是更智慧、更快速、適應性更強的製造。

該團隊的演算法——信用分配多智能體 Actor-Attention-Critic (C-MAAC) 和實體引導多智能體 Actor-Attention-Critic (P-MAAC) 是這進步的關鍵。這些演算法使系統能夠考慮機械的物理約束和不可預測的生產中斷。他們的工作在生產力和系統穩健性方面取得了顯著的進展。

聯合研究員、機械與航空航天工程博士。學生陳莉重點介紹了實際應用：「透過整合系統級和製程級參數，該系統可以優化產量並動態適應變化，例如機器故障或生產調整，而無需人工幹預。這是智慧製造的重大飛躍」。

這項研究是與關鍵產業合作夥伴通用汽車合作進行的，通用汽車為人工智慧系統提供了寶貴的見解和實際應用。通用汽車的參與有助於確保該技術解決現代製造的實際挑戰。

“我們的合作與 UVA 的合作使我們能夠探索能夠提高整個生產效率的創新解決方案汽車工業”，通用汽車研發部研究員範華子表示。此次合作凸顯了行業領導者在推動製造業尖端進步方面所發揮的關鍵作用。

團隊相信，這種由人工智慧驅動的控制系統可以為以下領域建立新的基準：製造業效率，特別是在複雜的多階段生產環境。該研究為更智慧、更具適應性的生產系統奠定了基礎，在各行業中具有廣泛的潛在應用。

除了提高生產力之外，該系統還具有顯著的經濟和環境優勢。透過減少浪費、最大限度地減少停機時間並降低能源消耗，製造商可以在減少環境足跡的同時大幅節省成本。該技術為行業和永續發展努力邁出了強有力的一步。

更多資訊：Chen Li 等人，整合製造系統製程控制的多智能體強化學習，製造系統雜誌（2024）。DOI：10.1016/j.jmsy.2024.08.021