Use Cases for Simulation and AI

Pathmind는 복잡한 시뮬레이션에 적용할 수 있는 보다 강력하고 견고한 최적화 방법을 제공합니다. 때문에 다른 최적화 방법에 비해 Pathmind의 AI는 실세계의 복잡한 모델의 성공적인 학습에 더욱 적합합니다.
SIGN UP FOR FREE

What Makes Pathmind RL Different?

변동성에 대응

크고 복잡한 시스템 관리

상충되는 여러 목표의 균형 조정

Z

휴리스틱 디버그 및 성능 향상

변동성에 대응

강화학습 정책은 시스템의 가변성을 동적으로 조정할 수 있습니다. 예를 들어, 정책은 장비 고장 또는 예상치 못한 시스템 지연에 대응하여 시스템 오류를 사전에 완화하고 생산 목표를 항상 충족하도록 보장합니다.

Featured Case Study

Mining operation

AI 기반 최적화로 에너지 비용 10 % 절감

글로벌 엔지니어링 회사 A는 전기 가격 변동으로 인한 금속 가공 공장의 에너지 비용을 최소화해야 했습니다. 이러한 가격 변동으로 인해 생산 계획 수립에 어려움을 겪고 있었습니다.

Pathmind의 AI는 에너지 가격이 급등할 것이라는 지표를 파악하여 가격 상승을 예상하고 생산을 재조정해 총 에너지 비용을 10 % 절감했습니다.

Example Models Featuring Variability

Warehouse Putaway & Picking Processes Powered by Reinforcement Learning 

Deep Reinforcement Learning for Optimal Operation and Maintenance of Energy Systems 

Interconnected Call Center Using Reinforcement Learning  

Deep Reinforcement Learning for Order Sequencing  

크고 복잡한 시스템 관리

전통적인 휴리스틱 방법은 크고 복잡한 상태 공간(state spaces)을 최적화 하는데 어려움이 있습니다. 1,000,000개의 잠재적인 결과를 얻을 수 있는 의사 결정 트리를 상상해 봤을 때, 최적화가 가능하다고 할지라도 그 과정은 매우 힘들고 느릴것입니다. 강화학습은 여러 기계들의 동작을 함께 조정하여 이 작업을 더욱 간단하고 명료하게 만든다는 특징이 있습니다.

Featured Case Study

Two workers discuss machine scheduling on a factory floor

Princeton Consultants : AI를 통한 효율적인 Machine scheduling

Princeton Consultants 의 한 고객은 기계 스케줄링 문제로 어려움을 겪었습니다. 새로운 유형의 항목을 처리해야 할 때 기존 최적화 프로그램이 빠르게 대응하지 못했습니다. 심지어 새로운 유형이 추가 될 때마다 기존의 시스템을 항상 다시 계산해야 했고 때로는 전체 시스템을 다시 작성해야 하는데 몇 주가 걸렸습니다.

Princeton Consultants는 Pathmind와 협력하여 성공적으로 처리되는 아이템 수를 늘리는 동시에 새로운 아이템을 효율적으로 처리할 수 있는 AI 정책을 생성할 수 있었습니다.

Example Models Featuring Large and Complex Systems

Product Delivery Powered by Reinforcement Learning 

Automated Guided Vehicle (AGV) Powered by AI 

상충되는 여러 목표의 균형 조정

일반적으로 한 번에 하나의 KPI를 최적화하는 휴리스틱 방법에 비해, 강화학습 정책은 복잡한 시나리오에서도 다수의 독립적인 KPI를 동시에 최적화하도록 훈련될 수 있습니다. 강화학습 정책은 단지 수익을 극대화하는 것 외에도 또 하나의 목표인 탄소 배출을 최소화하는 방법을 동시에 제시합니다.

Featured Case Study

Vehicles in a traffic jam

Accenture: 탄소 배출 감소 및 효율성 극대화

 

Accenture의 Applied Intelligence 팀 은 Pathmind와 함께 탄소 배출 모니터링 기능을 추가하여 AnyLogic 제품 배송 시뮬레이션을 개선했습니다.

Pathmind AI를 통해 완성된 모델은 제품 배송 효율을 극대화하는 동시에 탄소 배출량을 최소화할 수 있었습니다.

Example Models Featuring Multiple, Conflicting Objectives

Deep RL for Optimal Sequential Decision Making 

AI Crane Warehouse 

휴리스틱 디버그 및 성능 향상

실제 운영 시스템에 강화학습 정책을 배포하는 것에 대해 고객들은 기존 시스템과의 안정성에 의문을 가질 수 있습니다. 한 가지 해결책으로, 기존 시스템에 정책을 배포하는 대신 현재 작동하는 시스템의 휴리스틱을 향상시키는 방법으로 강화학습 정책을 사용할 수 있습니다.

Pathmind Toolkit

Pathmind를 사용하면 강화학습의 최신의 기술을 즉시 사용할 수 있습니다.

  • 기존 시뮬레이션에 강화학습을 추가하는 간단한 플러그인
  • 싱글 및 멀티 강화 학습 에이전트 지원
  • 이산형, 연속형 및 튜플 행동 공간을 지원하는 실험
  • 하이퍼 파라미터 조정 및 알고리즘 선택 자동화
  • Pathmind 강화학습 전문가의 기술지원
ko_KRKorean