Entwicklung einer Methode zum Einsatz von Reinforcement Learning für die dynamische Fertigungsdurchlaufsteuerung
Abstract:
Ziel dieser Arbeit ist es, eine Methode zu entwickeln, mit der die Matrixproduktion im Falle einer Störung umgeplant werden kann. Zu diesem Zweck werden verschiedene Methoden der künstlichen Intelligenz in neuartiger Weise kombiniert. Die entwickelte Methode wird anhand eines theoretischen und einem realen Terminierungsfalles validiert.
Abstract (englisch):
This work aims to develop a method that can reschedule the matrix production in
the case of a disruption. For this purpose, different artificial intelligence methods
are combined in a novel way. The developed method is validated on a theoretical
and a real scheduling case.
the case of a disruption. For this purpose, different artificial intelligence methods
are combined in a novel way. The developed method is validated on a theoretical
and a real scheduling case.
| Zugehörige Institution(en) am KIT | Institut für Informationsmanagement im Ingenieurwesen (IMI) |
| Publikationstyp | Hochschulschrift |
| Publikationsdatum | 03.04.2023 |
| Sprache | Deutsch |
| Identifikator | ISBN: 978-3-7315-1282-0 ISSN: 1860-5990 KITopen-ID: 1000156002 |
| Verlag | KIT Scientific Publishing |
| Umfang | XVIII, 175 S. |
| Serie | Reihe Informationsmanagement im Engineering Karlsruhe / Hrsg.: Karlsruher Institut für Technologie, Institut für Informationsmanagement im Ingenieurwesen (IMI) ; 2023,1 |
| Art der Arbeit | Dissertation |
| Fakultät | Fakultät für Maschinenbau (MACH) |
| Institut | Institut für Informationsmanagement im Ingenieurwesen (IMI) |
| Prüfungsdatum | 15.12.2022 |
| Schlagwörter | Produktionssteuerung, Reinforcement Learning, Künstliche Intelligenz, Terminierung, Production control, Reinforcement Learning, artificial intelligence, scheduling |
| Referent/Betreuer | Ovtcharova, Jivka Ihlenfeldt, Steffen |