2024年6月7日，西南交通大学机械工程学院的郭鹏副教授在9404教室带来了题为“数据智能驱动的复杂装备制造产线实时运行优化”的精彩学术报告，报告由科研副院长林剑教授主持，我院研究生和相关研究方向教师参加了此次讲座。郭教授深入探讨了复杂装备制造产线在网络协同制造中的优化挑战，展示了如何通过数据智能技术实现产线的实时运行优化，为与会者提供了一场充满前沿知识的学术盛宴。

郭鹏副教授长期从事运筹优化应用研究，主持了包括国家自然科学基金青年项目、科技部国际合作项目在内的多个重要科研项目，并在IEEE TII、TSM、TETCI、Omega、IJPR、ESWA等知名期刊发表论文30余篇。

当前，复杂装备制造企业在向网络协同制造模式转型过程中面临多重挑战，尤其在产线换型效率低、实时协同优化能力不足等方面。郭鹏副教授的报告针对这些问题，提出了基于云边协同架构的产线实时运行优化技术，旨在利用数据智能手段提升产线的灵活性和效率。

郭鹏副教授介绍了如何将深度强化学习与柔性作业车间调度、云边优化任务实时卸载等场景相结合，从而实现复杂装备制造产线的实时优化。报告详细阐述了大规模资源调度框架的构建过程，并讨论了系统集成的具体实现方式，解决了传统产线运行中存在的痛点问题。

郭教授指出，通过深度强化学习技术，系统能够在大规模资源调度中实现更高效的资源利用率与响应速度，从而满足复杂装备制造企业对实时协同优化的需求。这一研究为智能制造领域提供了全新的技术路径和实践范例。

在报告中，他分享了在欧盟创新框架X2Rail项目中主导的中高速铁路实时调度任务包的经验，这一全自动铁路货场管理系统受到了广泛关注，并获得人民铁道等媒体的专题报道。此外，郭教授的研究成果已经服务于华为、中车、铁建等大型装备制造企业，并获得了包括四川省科技进步三等奖、中物联科技进步二等奖、Omega最佳论文奖、川渝科技大会优秀论文奖等多个奖项。

郭鹏副教授的报告得到了与会者的高度评价。参加报告的师生和业内人士对复杂装备制造产线的实时优化技术有了更深入的理解，并对数据智能技术在智能制造中的应用前景充满期待。与会者纷纷表示，这场报告为他们在智能制造领域的研究和实践提供了新的思路和方法。

bat365将继续举办类似的学术活动，邀请更多国内外知名学者来校分享前沿研究成果，为师生搭建学习和交流的平台，共同推动机械工程与智能制造领域的发展。