Unikt datorprogram för konstgjord intelligens förbättrar produktions- och logistikproblem

Anna Syberfeldt, forskare vid Högskolan i Skövde, har skapat ett datorprogram för konstgjord intelligens.

Ett nytt datorprogram baserat på evolutionära principer kan hjälpa företag och organisationer att lösa svåra problem inom produktion och logistik. Datorprogrammet bygger på konstgjord intelligens och presenterades nyligen i en doktorsavhandling av Anna Syberfeldt, forskare i automatiseringsteknik vid Högskolan i Skövde.

Avhandlingen heter "A multi-objective evolutionary approach to simulation-based optimisation of real-world problems" och lades fram vid De Montfort University i England där Anna Syberfeldt utfört delar av sin forskning.
- Avhandlingen handlar om hur jag byggt ett datorsystem baserat på konstgjord intelligens. Produktionssystem kan till exempel vara väldigt komplexa och svåra för människor att förbättra. Datorer kan snabbt räkna ut hur man kan förbättra systemet med hjälp av konstgjord intelligens.

Darwins princip
Anna Syberfeldt har skapat ett datorprogram som baseras på evolutionära teorier, framför allt Darwins princip om att den bäst anpassade överlever. Man börjar med att skapa en population med enkla lösningar som datorprogrammet sedan förfinar i en evolutionär process.
-Även väldigt komplicerade problem kan lösas med denna teknik, säger Anna Syberfeldt.

Effektivare sophantering
Avhandlingen fokuserar på produktionssystem inom industrin, men tekniken är generell. Just nu arbetar Anna Syberfeldt med ett projekt tillsammans med Skövde kommun som handlar om att effektivisera sophämtningen i kommunen. Med hjälp av konstgjord intelligens räknar datorn ut snabbaste sättet att hämta och tömma sopor.
- Det finns miljoner sätt att göra detta på. För en människa är det nästan omöjligt att räkna ut, det skulle i så fall ta en hel livstid, men datorn klarar detta på ett par minuter.

Datorn evolutionerar
Även i det här fallet använder man samma principer som vid evolutionslära. Man definierar hur man väljer ut den bästa rutten och ger ramarna, sedan evolutionerar datorn av sig själv. Datorn tar hänsyn till alla förutsättningar som kan påverka, som till exempel olika årstider.

För alla branscher
Anna Syberfeldt har märkt att det finns ett stort intresse för hennes nya datorsystem i industrin.
- Produktionsindustrin har förstått nyttan med detta, men jag vill att det även ska spridas till andra branscher. Det här systemet kan användas till alla typer av transporter, till exempel ambulanstransporter och till alla slags logistikproblem, säger hon.

Från Hentorp
Anna Syberfeldt är född 1981 och började läsa datavetenskapligt program vid Högskolan i Skövde 2000. Numera ingår hon i forskningsgruppen för automatiseringsteknik vid Högskolan i Skövde. Hon är född och uppvuxen i Hentorp utanför Skövde.

För ytterligare information kontakta:
Anna Syberfeldt tfn 0701-40 80 51

Presskontakt:
Kristina Appelqvist tfn 0500-44 80 24

Teknisk beskrivning av avhandlingen
Avhandlingen presenterar en nydanande evolutionär algoritm för simulerings-baserad optimering. Denna algoritm integrerar på ett unikt sätt multi-målsoptimering, parallelisering, surrogatanvändning och brushantering för att tackla komplexa optimeringsproblem från den verkliga världen. För att hantera multipla, konflikterande optimeringsmål använder sig algoritmen av en paretostrategi som innebär att de bästa trade-off lösningarna eftersöks och så småningom presenteras för användaren.

Algoritmen stöder en hög grad av parallellisering genom att anamma en asynkron master-slave modell i kombination med en inkrementiell strategi för att förfina populationen. En surrogatutvärderingsfunktion används i algoritmen för att mycket snabbt identifiera lovande lösningar och filtrera ut lösningar med dålig kvalitet. En ny tenik baserad på arv används för att kompensera för den osäkerhet som generell är associerade med surrogatvärderingar. Vidare så används en ny teknik i algoritmen för att effektivt reducera det brus som ofta uppkommer vid lösningsutvärderingar till följd av stokastiska element i det system som optimeras. Denna teknik baseras på en dynamisk procedur där lösningar utvärderas upprepade gånger i en iterativ process.

Den föreslagna algoritmen utvärderas i avhandling med hjälp av ett antal benchmarkproblem och två produktionsproblem från den verkliga världen. Det första produktionsproblemet berör optimering av en tillverkningscell på Volvo Aero, medan det andra produktionsproblemet handlar om optimering av kamaxeltillverkning på Volvo Cars. Resultaten från utvärderingarna visar att den föreslagna algoritmen hittar bättre lösningar för samtliga problem jämfört med liknande existerande algoritmer. De nya teknikerna för att hantera surrogatosäkerhet och brus som används i algoritmen identifieras i avhandlingen som nyckelfaktorer för de goda resultat som algoritmen uppvisar.