Proceedings
Energieeffizientes eKanban-System mit autonomen Sensormodulen zur Füllstandsmessung und Reinforcement Learning zur Messintervallanpassung
Energy-efficient eKanban system with autonomous sensor modules for level measurement and reinforcement learning for measurement interval adaptation
-
M.Sc.
Markus Kreutz
Universität Bremen, Fachbereich Produktionstechnik, Bremen, Deutschland
-
Dr.-Ing.
Abderrahim Ait Alla
Universität Bremen, Fachbereich Produktionstechnik, Bremen, Deutschland
-
Dr.-Ing.
Michael Lütjen
Universität Bremen, Fachbereich Produktionstechnik, Bremen, Deutschland
-
Prof. Dr.-Ing.
Michael Freitag
Universität Bremen, Fachbereich Produktionstechnik, Bremen, Deutschland
Abstracts
Trotz der Fortschritte der Digitalisierung in der Industrie finden bei der Bestandserfassung immer noch manuelle Trigger Einsatz, da bestehende Lösungen zur Automatisierung des Prozesses mit hohen Kosten und Integrationsaufwand verbunden sind. In diesem Beitrag wird ein Ansatz für die Lösung dieses Problems dargestellt, welcher kostengünstige, autonome Sensormodule für die Füllstandsmessung zur Grundlage hat. Die Messung erfolgt hierbei nicht in festgelegten Intervallen, sondern wird auf Basis der Entnahmeintervalle der zu messenden Ladungsträger sowie der aktuellen Auftragslage von einem Reinforcement Learning Ansatz dynamisch und intelligent getriggert. Die ersten Hardware-Prototypen für die Messung der Entnahmeintervalle sowie für die Sensormodule werden ebenfalls im Beitrag vorgestellt.
Despite the progress of digitalization in industry, manual triggers are still used for inventory measurement, as existing solutions for automating the process are associated with high costs and integration efforts. This paper presents an approach for solving this problem, which is based on cost-effective, autonomous sensor modules for fill level measurement. The measurement is not performed at fixed intervals, but is triggered dynamically and intelligently by a reinforcement learning approach based on the intervals in which contents are taken from the relevant load carriers and the current order situation. The first hardware prototypes for measuring the access to load carriers for content removal and for the sensor modules are also presented in the article.
Keywords
Recommended citation
¶
Kreutz M, Ait Alla A, Lütjen M, Freitag M (2021). Energieeffizientes eKanban-System mit autonomen Sensormodulen zur Füllstandsmessung und Reinforcement Learning zur Messintervallanpassung. Logistics Journal : Proceedings, Vol. 2021. (urn:nbn:de:0009-14-54245)
Please provide the exact URL and date of your last visit when citing this article.
Number of citations
Visit Google Scholar to find out, how often this paper is cited.
Volltext als PDF
(
Size
2.9 MB
)