Please use this identifier to cite or link to this item: https://doi.org/10.48548/pubdata-712
Resource typeDissertation
Title(s)Methode zur dynamischen Anpassung von Reihenfolgeregeln mit bestärkendem Lernen
Alternative title(s)Method for dynamically adjusting sequencing rules with reinforcement learning
DOI10.48548/pubdata-712
Handle20.500.14123/750
CreatorVoß, Thomas  0000-0002-2929-954X  170280616
RefereeHeger, Jens  0000-0002-4863-5000  1065275706
Schmidt, Matthias
Funk, Burkhardt  0000-0001-5855-2666  105142156X
AdvisorHeger, Jens  0000-0002-4863-5000  1065275706
AbstractDue to the fourth industrial revolution, the central element of product manufacturing - production planning and control – has been subject to various new challenges as well as opportunities. The literature review shows that topics like complexity, dynamics, and new organizational forms are already being focused on. Still, aspects such as derivation of actions and the transfer of knowledge in unknown situations are among the greatest challenges for existing methods. The method developed in this thesis addresses these challenges and investigates possible solution strategies. Additionally, the new method is evaluated over a variety of scenarios and compared to other methods. Different characteristics and complexity levels of actions, the observation space, and the amounts of data required for successful training are analyzed. Finally, it is shown that the new method can fulfill the requirements of production planning and control and perform well in unknown scenarios. Additionally, the method is capable of human-like performance and can be used in a real-world scenario.

Die Einführung von Industrie 4.0 und der damit verbundene Wandel des Produktionsumfeldes führen zu neuen Herausforderungen, bieten auf der anderen Seite aber auch neue Möglichkeiten für Unternehmen. Ausgehend von den Herausforderungen der Produktionsplanung und Steuerung als zentrales Element der Produktherstellung, z.B. Komplexität, Dynamik und neue Organisationsformen, werden bestehenden Methoden der Reihenfolgeplanung auf ihre Tauglichkeit zur Verwendung hin geprüft. Die Analyse zeigt, dass Aspekte wie die Ableitung von Handlungen und der Transfer von Wissen in unbekannten Situationen zu den größten Herausforderungen für bestehende Verfahren zählen. Die in der Arbeit neu entwickelte Methode zur dynamischen Auswahl und Anpassung von Reihenfolgeregeln in komplexen Fertigungssystemen mit bestärkendem Lernen greift diese Herausforderungen auf und untersucht mögliche Lösungsstrategien. Die im Rahmen der Arbeit neu entwickelte Methode wird über ein Spektrum an unterschiedlichsten Szenarien evaluiert und mit anderen Methoden verglichen. Dabei werden verschiedene Ausprägungen und Komplexitäts-Niveaus von Handlungen, der Beobachtungsraum und die Mengen an benötigten Daten detailliert analysiert. Schlussendlich zeigt sich, dass die neue Methode in der Lage ist, die Anforderungen an die Produktionsplanung- und Steuerung zu erfüllen und in bekannten wie in unbekannten Szenarien gut Leistung zu erbringen. Zusätzlich ist die Methode in der Lage menschenähnliche Leistungen zu bringen und kann in einem realen Anwendungsfall zur Unterstützung der Produktionsplanung und -Steuerung genutzt werden.
LanguageGerman
Date of defense2022-09-06
Year of publication in PubData2023
Publishing typeFirst publication
Date issued2023-06-07
Creation contextResearch
Granting InstitutionLeuphana Universität Lüneburg
Published byMedien- und Informationszentrum, Leuphana Universität Lüneburg
Files in This Item:
File SizeFormat 

Dissertation_2022_Voss_Methode.pdf
MD5: f46554d6d7ed3072f53fd19df0d59586
License:  Nutzung nach Urheberrecht
open-access

4.7 MB

Adobe PDF
View/Open

Items in PubData are protected by copyright, with all rights reserved, unless otherwise indicated.

Citation formats
Access statistics

Page view(s): 167

Download(s): 107