Application of surrogate models for production management at dairy processing plants

Abstract

The results of the study indicate that the use of surrogate models—specifically Gaussian processes and deep neural networks—in combination with Bayesian optimization is an effective tool for optimizing production schedules at dairy processing plants. This approach allows for the consideration of the stochasticity of input parameters (quality and quantity of raw materials), the nonlinearity of technological processes, and limited storage times, which are critical factors for this industry.Результати дослідження свідчать, що використання сурогатних моделей, зокрема гауссових процесів та глибоких нейронних мереж, у поєднанні з байєсівською оптимізацією є ефективним інструментом для оптимізації виробничих графіків на молокопереробних підприємствах. Такий підхід дозволяє враховувати стохастичність вхідних параметрів (якість та кількість сировини), нелінійність технологічних процесів та обмежені терміни зберігання, що є критичними факторами для цієї галузі.