Proceedings
Self-Learning Problem Prioritization for Operating Tugger Train Systems
Selbstlernende Problempriorisierung für den Betrieb von Routenzugsystemen
-
M.Sc.
Philipp Wuddi
Lehrstuhl für Fördertechnik Materialfluss Logistik, Technische Universität München
-
Prof.Dr.-Ing.
Johannes Fottner
Lehrstuhl für Fördertechnik Materialfluss Logistik, Technische Universität München
Zusammenfassungen
For the operational control of logistics systems, the application of optimization methods using self-learning algorithms is increasingly the subject of research and development. Knowledge management systems, which address the specific reaction to deviations, i. e. disturbances and fluctuations of system parameters, form a special application use case. This paper discusses in detail, how such a system can evaluate, which present deviation in the logistic system should ideally be subject to the reaction of the control system. Several ideas are part of the discussion and narrow down to four different approaches. An overall evaluation and a synthesis of the individual approaches to a universally valid and applicable approach follow. Furthermore, future possibilities for enhancement complete the paper
Für die operative Steuerung logistischer Systemen ist der Einsatz von Optimierungsmethoden unter der Nutzung selbstlernender Algorithmen zunehmend Gegenstand von Forschungs- und Entwicklungsaufgaben. Einen besonderen Anwendungsfall bilden an dieser Stelle selbstlernende Wissensmanagementsysteme, welche die zielgerichtete Reaktion auf Abweichungen, also Störungen und Schwankungen von Systemkennwerten, adressieren. In diesem Beitrag wird im Detail darauf eingegangen, wie ein solches System bewerten kann, auf welches in der Regelstrecke vorliegende Problem idealerweise zu reagieren ist. Hierzu werden zunächst vier verschiedene Ansätze hergeleitet und diskutiert. Anschließend erfolgt eine gesamtheitliche Bewertung und eine Synthese der einzelnen Ansätze hin zu einem allgemeingültigen bzw. allgemein anwendbaren Ansatz. Weitere Verbesserungsmöglichkeiten bilden den Abschluss des Papers.
Keywords
Empfohlene Zitierweise
¶
Wuddi P, Fottner J (2021). Self-Learning Problem Prioritization for Operating Tugger Train Systems. Logistics Journal : Proceedings, Vol. 2021. (urn:nbn:de:0009-14-54492)
Bitte geben Sie beim Zitieren dieses Artikels die exakte URL und das Datum Ihres letzten Besuchs bei dieser Online-Adresse an.
Anzahl der Zitationen
Besuchen Sie Google Scholar um herauszufinden, wie oft dieser Artikel zitiert wurde.