Does Size Generalization Imply Disruption Robustness? A Pre-Registered Study of GNN–PPO Scheduling Policies for the Dynamic Flexible Job-Shop Problem

तकनीकी सारांश: क्या आकार सामान्यीकरण (Size Generalization) व्यवधान सुदृढ़ता (Disruption Robustness) का संकेत देता है?

समस्या विवरण
यह अध्ययन डायनेमिक और स्टोकेस्टिक फ्लेक्सिबल जॉब-शॉप प्रॉब्लम (FJSP) को संबोधित करता है, जो एक कॉम्बिनेटरियल ऑप्टिमाइज़ेशन चुनौती है जहाँ ऑपरेशन्स को समय के साथ पात्र मशीनों पर असाइन किया जाना चाहिए। स्थिर नियत (static deterministic) संस्करणों के विपरीत, इस समस्या में तीन प्रकार की अनिश्चितताएं शामिल हैं: गतिशील जॉब आगमन (पॉइसन प्रक्रिया के रूप में मॉडल किया गया), स्टोकेस्टिक प्रोसेसिंग समय (लॉग-नॉर्मल मल्टीप्लायर्स), और मशीन ब्रेकडाउन (एक्सपोनेंशियल टाइम-टू-फेलियर के साथ लॉग-नॉर्मल रिपेयर टाइम)। जबकि डीप रिइन्फोर्समेंट लर्निंग (DRL) और ग्राफ न्यूरल नेटवर्क (GNN) के संयोजन ने बड़े इंस्टेंस साइज के लिए सामान्यीकरण करने और एकल प्रकार के व्यवधानों को संभालने में आशाजनक प्रदर्शन दिखाया है, यह अभी भी अपरीक्षित है कि क्या एक एकल पॉलिसी एक साथ आकार सामान्यीकरण (प्रशिक्षण में देखे गए इंस्टेंस से बड़े इंस्टेंस पर अच्छा प्रदर्शन करना) और बहु-व्यवधान सुदृढ़ता (मशीन ब्रेकडाउन, स्टोकेस्टिक समय और गतिशील आगमन के साथ एक साथ काम करना) प्राप्त कर सकती है।

कार्यप्रणाली (Methodology)
शोधकर्ताओं ने एक रिलेशनल ग्राफ आइसोमोर्फिज्म नेटवर्क (GIN) एनकोडर और एक प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) एजेंट का मूल्यांकन करने के लिए एक प्री-रजिस्टर्ड, सांख्यिकीय रूप से कठोर प्रोटोकॉल का उपयोग किया।

• आर्किटेक्चर: पॉलिसी एक रिलेशनल GIN का उपयोग करती है जो तीन प्रकार के एज (इंट्रा-जॉब प्रिसिडेंस, मशीन कॉम्पिटिशन, और ऑपरेशन-मशीन एलिजिबिलिटी) को एग्रीगेशन से पहले अलग-अलग लीनियर ट्रांसफॉर्मेशन के माध्यम से अलग करती है। यह डिज़ाइन पूरी तरह से होमोजेनियस और पूरी तरह से हेट्रोजेनियस ग्राफ रिप्रजेंटेशन के बीच का है। एक्टर हेड, ऑपरेशन्स की संख्या से स्वतंत्र पैरामीटर काउंट सुनिश्चित करते हुए, कैंडिडेट ऑपरेशन्स के लिए लॉजिट्स (logits) उत्पन्न करता है।
• ट्रेनिंग और रिवॉर्ड: एजेंट को MaskablePPO का उपयोग करके प्रशिक्षित किया गया था। सुदृढ़ता का परीक्षण करने के लिए, अध्ययन ने दो रिवॉर्ड स्ट्रक्चर का मूल्यांकन किया: एक बेस पोटेंशियल-बेस्ड रिवॉर्ड जो मेक्सपैन (makespan) को कम करता है, और एक विस्तारित संस्करण जिसमें व्यवधानों के बाद नियोजित स्टार्ट टाइम्स से विचलन को दंडित करने के लिए एक "इंस्टेबिलिटी पेनल्टी" ($\kappa \cdot \Delta_{inst}$) शामिल है।
• प्रायोगिक डिज़ाइन: अध्ययन ने HARKing (परिणामों के ज्ञात होने के बाद परिकल्पना करना) से बचने के लिए फ्रीज किए गए निर्णय नियमों के साथ पांच प्री-रजिस्टर्ड परिकल्पनाओं (H1–H5) का मूल्यांकन किया।
  • बेसलाइन्स: पॉलिसी की तुलना नौ प्रायोरिटी डिस्पैचिंग रूल्स (PDRs), एक ट्यून्ड जेनेटिक एल्गोरिदम (GA), और एक सटीक कंस्ट्रेंट प्रोग्रामिंग सॉल्वर (CP-SAT) से की गई।
  • बेंचमार्क्स: मूल्यांकन फिशर-थॉम्पसन और लॉरेंस परिवारों (JSSP) के 43 इंस्टेंस और ब्रैंडिमार्टे (FJSP) के सात इंस्टेंस, साथ ही सिंथेटिक एक्सटेंशन को कवर करता है।
  • सांख्यिकीय प्रोटोकॉल: तुलना के लिए पेयरवाइज विश्लेषण के लिए विल्कोक्सन साइन्ड-रैंक टेस्ट और मल्टी-मेथड रैंकिंग के लिए फ्राइडमैन-नेमेनी टेस्ट और क्रिटिकल-डिफरेंस डायग्राम का उपयोग किया गया। पूरे अध्ययन में इफेक्ट साइज रिपोर्ट किए गए।

मुख्य परिणाम
पांच में से चार प्री-रजिस्टर्ड परिकल्पनाओं को खारिज कर दिया गया, जबकि एक को स्वीकार किया गया। निष्कर्ष नीचे दिए गए हैं:

1. स्थिर प्रतिस्पर्धात्मकता (H1 - खारिज): GNN-PPO पॉलिसी स्थिर इंस्टेंस पर सर्वश्रेष्ठ डिस्पैचिंग नियम से बेहतर प्रदर्शन नहीं कर सकी। पॉलिसी का मीन रिलेटिव परसेंटेज डेविएशन (RPD) 24.82% था, जबकि सर्वश्रेष्ठ PDR (FIFO) का 18.96% था। यह सभी FJSP इंस्टेंस पर हार गई और केवल 18.6% JSSP इंस्टेंस पर जीती।
2. आकार सामान्यीकरण (H2 - स्वीकृत): पॉलिसी ने ट्रेनिंग सेट से 1.5× से 3.0× बड़े इंस्टेंस साइज के लिए सफलतापूर्वक सामान्यीकरण किया। हालांकि इसका एब्सोल्यूट RPD सर्वश्रेष्ठ PDR की तुलना में प्रतिस्पर्धी नहीं रहा, लेकिन दस विधियों के बीच इसकी रैंक किसी भी साइज टियर में सर्वश्रेष्ठ PDR की रैंक से काफी खराब नहीं थी। यह पूर्ण समाधान गुणवत्ता के बजाय सापेक्ष प्रतिस्पर्धात्मकता के हस्तांतरण को इंगित करता है।
3. बहु-व्यवधान सुदृढ़ता (H3 - खारिज): पॉलिसी नौ अलग-अलग व्यवधान व्यवस्थाओं (ब्रेकडाउन, स्टोकेस्टिक समय और आगमन के संयोजन) के तहत सुदृढ़ होने में विफल रही। सभी व्यवस्थाओं में, पॉलिसी का रोबस्टनेस इंडेक्स (RI) सर्वश्रेष्ठ PDRs की तुलना में काफी खराब था। "डायनेमिक अराइवल्स" अक्ष विशेष रूप से हानिकारक था, क्योंकि यह प्रशिक्षण के दौरान न देखा गया एक डिस्ट्रीब्यूशन शिफ्ट (मिड-एपिसोड जॉब इंसर्शन) का प्रतिनिधित्व करता था।
4. डिस्रप्शन-अवेयर रिवॉर्ड (H4 - खारिज): रिवॉर्ड को इंस्टेबिलिटी पेनल्टी ($\kappa > 0$) के साथ बढ़ाने से सुदृढ़ता में सुधार नहीं हुआ। इसके बजाय, इसने नोमिनल (अबाधित) प्रदर्शन में गिरावट पैदा की, जिससे RPD में 46.6 से 106.0 प्रतिशत अंक की वृद्धि हुई। अध्ययन ने इस विफलता का निदान केवल डोमेन-रैंडमाइज्ड डिसरप्शन एपिसोड पर प्रशिक्षण के कारण किया, बिना कभी अनडिस्टर्बड (नोमिनल) एपिसोड के एक्सपोजर के।
5. डिसीजन लेटेंसी (H5 - सख्त थ्रेशोल्ड के तहत खारिज): हालांकि पॉलिसी की डिसीजन लेटेंसी (4–11 ms) बड़े, कठिन इंस्टेंस पर CP-SAT की तुलना में कई गुना तेज थी, लेकिन यह 43 में से 42 इंस्टेंस के लिए सख्त प्री-रजिस्टर्ड थ्रेशोल्ड (CP-SAT के समय का <1% होना) को पूरा करने में विफल रही। यह विफलता मुख्य रूप से छोटे इंस्टेंस द्वारा संचालित थी जहाँ CP-SAT ने समस्या को लगभग तुरंत हल कर दिया, जिससे अनुपात में एक गणितीय आर्टिफैक्ट बन गया।

महत्व और दावे
पेपर का केंद्रीय योगदान समाधान की गुणवत्ता के संदर्भ में सकारात्मक परिणाम नहीं है, बल्कि GNN-PPO शेड्यूलिंग पॉलिसियों की सीमाओं का एक निदान किया गया, सांख्यिकीय रूप से कठोर लक्षण वर्णन है। लेखक तर्क देते हैं कि आकार सामान्यीकरण और बहु-व्यवधान सुदृढ़ता अलग-अलग गुण हैं, न कि एक "पैकेज डील" जो स्वतः ही एक ही आर्किटेक्चर से उभरती है।

• आर्किटेक्चरल ट्रांसफर बनाम कॉम्पिटिटिवनेस: अध्ययन प्रमाण प्रदान करता है कि साइज-इनवेरिएंट आर्किटेक्चर 'रैंक-रिलेटिव' प्रतिस्पर्धात्मकता को स्थानांतरित कर सकते हैं (एक पॉलिसी आकार बढ़ने के साथ अन्य के सापेक्ष "जितना अच्छा हो सके उतना" बना रह सकती है), भले ही मूल पॉलिसी पूर्ण संदर्भ में प्रतिस्पर्धी रूप से मजबूत न हो।
• संयुक्त उद्देश्यों की लागत: H3 और H4 की अस्वीकृति यह सुझाव देती है कि एक पॉलिसी विशिष्ट आर्किटेक्चरल या ट्रेनिंग रिजीम समायोजन के बिना कई प्रकार के व्यवधानों के लिए सुदृढ़ता और नोमिनल प्रदर्शन दोनों को एक साथ अनुकूलित नहीं कर सकती है। "इंस्टेबिलिटी पेनल्टी" विफल रही क्योंकि ट्रेनिंग रिजीम (नोमिनल एक्सपोजर के बिना डोमेन रैंडमाइजेशन) रिवॉर्ड डिज़ाइन के साथ असंगत था।
• मेथोडोलॉजिकल रिगर (Methodological Rigor): अपनी परिकल्पनाओं और निर्णय नियमों को प्री-रजिस्टर्ड करके, अध्ययन एक रक्षात्मक नकारात्मक परिणाम प्रदान करता है, जो अनस्पष्ट विफलताओं के रुझान का मुकाबला करता है। यह विफलता के ठोस तंत्रों (जैसे, नोमिनल एपिसोड को प्रशिक्षण से बाहर करने का विशिष्ट प्रभाव) की पहचान करता है, बजाय इसके कि अस्पष्ट "डिस्ट्रीब्यूशन शिफ्ट" का हवाला दिया जाए।

लेखक निष्कर्ष निकालते हैं कि चिकित्सकों को केवल आकार-सामान्यीकरण दावों से व्यवधान सुदृढ़ता का अनुमान नहीं लगाना चाहिए। इसके बजाय, इन क्षमताओं को अलग-अलग मूल्यांकन और इंजीनियरिंग की आवश्यकता वाले स्वतंत्र डिजाइन अक्षों के रूप में माना जाना चाहिए। अध्ययन एक संभावित हाइब्रिड परिनियोजन रणनीति का सुझाव देता है जहाँ एक तेज़, रिएक्टिव GNN पॉलिसी व्यवधानों के दौरान तत्काल फॉलबैक के रूप में कार्य करती है, जबकि धीमे, उच्च-गुणवत्ता वाले सॉल्वर (GA या CP-SAT) समानांतर में अनुकूलित शेड्यूल बनाने के लिए चलते हैं।