LLM-modell förbättrar schemaläggning i fabriker med upp till 46%
arXiv cs.AI
Forskare har använt en stor språkmodell (LLM) för att förutsäga framtida jobbankomster i dynamisk fabriksschemaläggning – ett problem där dåliga beslut snöar på varandra och driver upp förseningskostnader. Systemet, kallat AWMP, frågar bara LLM:en när verkligheten avviker märkbart från prognosen, vilket håller nere beräkningskostnaden. Resultaten är konkreta: 6–21% lägre viktad försening i standardfabrikstester och hela 22–46% i mer flexibla produktionsmiljöer, jämfört med de bästa klassiska regelbaserade metoderna.