Proceedings
Entwicklung eines DRL-Agenten zur Reihenfolgeoptimierung für Hochregallager mit Shuttle-Fahrzeugen
Development of a DRL agent for sequence optimisation for high-rack warehouses with shuttle vehicles
-
M.Sc.
Ruben Noortwyck
Institut für Fördertechnik und Logistik, Universität Stuttgart
-
Univ.-Prof. Dr.-Ing.
Robert Schulz
Institut für Fördertechnik und Logistik, Universität Stuttgart
Abstracts
Aufgrund steigender Dynamik und Heterogenität in der Produktion sind auch die Anforderungen an die Intralogistik und im speziellen an Lagersysteme gestiegen. Lagersysteme müssen flexibel sein und einen hohen Durchsatz ermöglichen. Diese Anforderungen werden durch Shuttlesysteme erfüllt. Damit der Durchsatz von Shuttlesystemen softwarebasiert weiter gesteigert werden kann, wurden Konzepte entwickelt, welche mit Deep Reinforcement Learning (DRL) die Blockaden, welche z. B. beim Gassenwechsel oder bei mehreren Auslagerungen in einer Gasse auftreten, durch eine genänderte Auslagerungsreihenfolge minimieren. Die bisher entwickelten Konzepte betrachten ausschließlich eine sehr kleine Anzahl an Lagerplätzen. Reale Shuttlesysteme verfügen teilweise über mehrere tausend Lagerplätze pro Ebene. Daher wird in diesem Beitrag ein DRLKonzept entwickelt, welches in einem realen Shuttlesystem die Auslagerungsreihenfolge anpasst, um durch eine Minimierung der Blockaden eine Durchsatzsteigerung zu erreichen.
Due to increasing dynamics and heterogeneity in production, the demands on intralogistics and especially on storage systems have increased. Storage systems must be flexible and enable a high throughput. These requirements are fulfilled by shuttle systems. To be able to increase the throughput of shuttle systems on a software basis, concepts have been developed that use Deep Reinforcement Learning (DRL) to minimise the blockages that arise, e.g. when changing gears or when several withdrawals are made in one gear, by changing the retrieval sequence. These concepts only consider a very small number of storage locations. Real shuttle systems sometimes have several thousand storage locations per level. Therefore, this paper develops a DRL concept that adapts the retrieval sequence in a real shuttle system to minimise blockades and increase throughput.
Keywords
Recommended citation
¶
Noortwyck R, Schulz R (2022). Entwicklung eines DRL-Agenten zur Reihenfolgeoptimierung für Hochregallager mit Shuttle-Fahrzeugen. Logistics Journal : Proceedings, Vol. 2022. (urn:nbn:de:0009-14-55977)
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.