El aprendizaje por refuerzo profundo redujo la programación de portátiles de Lenovo de seis horas a 30 minutos.

LCFC, la mayor planta de portátiles de Lenovo en Hefei, programa las órdenes de producción en 43 líneas de montaje; su antiguo sistema manual no podía seguir el ritmo de la producción.

Lenovo Research lo sustituyó por una plataforma de aprendizaje por refuerzo profundo que equilibra el volumen, el costo de cambio y el cumplimiento, con enmascaramiento para imponer las restricciones operativas.

Resultados: un 20 por ciento menos de cartera de pedidos pendientes, una tasa de cumplimiento un 23 por ciento mejor y un tiempo de programación reducido de seis horas a 30 minutos; los ingresos de LCFC alcanzaron 1910 millones de dólares en 2019 y 2690 millones de dólares en 2020. INFORMS nombró a Lenovo finalista del Edelman en 2021.

Entrenar al propio programador en lugar de escribir las reglas a mano

La política aprendida se adapta a las cambiantes combinaciones de pedidos sin recodificar reglas.

El enmascaramiento de restricciones mantiene la búsqueda dentro de programas factibles.

La replanificación en minutos permite a la fábrica responder a los cambios dentro de un turno.

Para una decisión combinatoria recurrente, entrene un modelo sobre el objetivo y deje que una máscara imponga la factibilidad; el mismo programador entrenado puede reutilizarse a medida que cambian las condiciones de la fábrica.

Lenovo amplió la plataforma hacia su impulso de fabricación inteligente, y el caso se convirtió en un ejemplo emblemático del aprendizaje por refuerzo profundo en la programación industrial; INFORMS lo reconoció entre los finalistas del Edelman de 2021.