Thema

Titel: Steuerung ereignisdiskreter Prozesse mithilfe von Reinforcement-Learning
Typ:
  • Studienarbeit
  • Masterarbeit
  • Diplomarbeit
Betreuer:
Status:

Hintergrund

Der Trend zu immer kürzeren Produktzykluszeiten, bei gleichzeitig wachsender Variantenvielfalt und steigender Qualitätsanforderungen, erhöht die Anforderungen an die Produktionstechnik. Um trotz der verkürzten Produktzyklen konkurrenzfähig zu bleiben, muss auch die Zeit zur Planung und Produktionsvorbereitung verkürzt werden. Durch den Einsatz von Hardware-in-the-Loop Simulationen sind Anlagensteuerungen und Materialflussprozesse leichter zu realisieren. Um eine Anlage in Betrieb zu nehmen, sind jedoch noch immer viele händische Ablaufplanungs und –optimierungseingriffe notwendig.

Problemstellung

In Fertigungsstraßen werden in sich gesteuerte und ablaufoptimierte Bearbeitungsstation miteinander verkettet. Der Gesamtablauf zwischen den verketteten Anlagen ist zumeist anlagenspezifisch und damit sehr individuell. Die Steuerung des Gesamtprozesses wird daher für jede Anlage spezifisch programmiert und muss aufwendig, simulativ verifiziert werden. Dabei sind zur Ablaufprogrammierung und Verifizierung viele Iterationsschritte notwendig.

Aufgabe

Die Ablauf-Strategie eines Materialflusssystems soll innerhalb einer Simulationsumgebung durch einen Reinforcement-Learning Ansatz erlernt werden. Die Anforderungen des Lernansatzes an die Simulationsumgebung sollen identifiziert und Lösungsansätze integriert werden. Des Weiteren soll eine geeignete Lernmethode ausgewählt und implementiert werden, sodass ein Demonstrator zur Verdeutlichung des Ansatzes realisiert werden kann.

Anforderung

  • Programmierkenntnisse
  • Selbstständiges Arbeiten
  • Gute Englisch Kenntnisse

Kenntnisgewinn

  • Wissenschaftliches Arbeiten
  • (Echtzeit-) Simulation mithilfe von ISG Virtuos
  • Maschinelles Lernen