Overview
- Dies ist ein Open-Access-Buch, was bedeutet, dass Sie freien und uneingeschränkten Zugang haben
Buy print copy
Tax calculation will be finalised at checkout
Table of contents (7 chapters)
-
Front Matter
-
Back Matter
Keywords
About this book
In diesem Open-Access-Buch wird eine Methode zur Adaption, Integration und Anwendung von bestärkenden Lernverfahren (Reinforcement Learning) für die Produktionsablaufplanung beschrieben. Die Methode wird anhand von typischen Problemstellungen der Produktionsablaufplanung hergeleitet und evaluiert. Die Produktionsablaufplanung ist eine Kernaufgabe der Produktion und Logistik, bei welcher Aufträge auf Ressourcen so verteilt und in Reihenfolge gebracht werden müssen, dass geforderte Nebenbedingungen der Planung erfüllt werden. Entsprechende Optimierungsprobleme sind meist NP-schwer, wodurch eine optimale Lösung gewöhnlich nicht unter wirtschaftlichen Bedingungen erzielbar ist. In der Industrie werden stattdessen Prioritätsregeln, Heuristiken oder Metaheuristiken verwendet, die entweder zeiteffizient zu Lasten der Lösungsgüte rechnen oder qualitativ hochwertige Lösungen unter hohem Rechenaufwand erzeugen. Das bestärkende Lernen ist eine Unterart des maschinellen Lernens und eine weitereKlasse potenzieller Lösungsstrategien. Probleme der Produktionsablaufplanung sind insoweit vergleichbar, als dass sie sich ebenfalls als stufenartige Entscheidungsketten modellieren lassen. Trotz ihrer Vorteile existiert bisher kaum allgemeines Wissen hinsichtlich der Anwendung des bestärkenden Lernens für die Produktionsablaufplanung.
Authors and Affiliations
About the author
Sebastian Lang ist als wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF in Magdeburg tätig.
Bibliographic Information
Book Title: Methoden des bestärkenden Lernens für die Produktionsablaufplanung
Authors: Sebastian Lang
DOI: https://doi.org/10.1007/978-3-658-41751-2
Publisher: Springer Vieweg Wiesbaden
eBook Packages: Life Science and Basic Disciplines (German Language)
Copyright Information: Der/die Herausgeber bzw. der/die Autor(en) 2023
Softcover ISBN: 978-3-658-41750-5Published: 23 June 2023
eBook ISBN: 978-3-658-41751-2Published: 21 June 2023
Edition Number: 1
Number of Pages: XXXIII, 286
Number of Illustrations: 20 b/w illustrations, 42 illustrations in colour
Topics: Machine Learning, Manufacturing, Machines, Tools, Processes, Industrial and Production Engineering