Reinforcement Learning für Kreislauffabriken

Kurzbeschreibung

Kreislauffabriken arbeiten mit hohen Unsicherheiten. Daran scheitern klassische Methoden der Produktionsplanung. Gesucht ist ein neuer Weg, um die in der Produktion vorhandenen Produktionsstationen zu rekonfigurieren.

Aufgabenbeschreibung

In Kreislauffabriken werden gebrauchte Produkte in mehreren Schritten zunächst in ihre Einzelteile zerlegt, gereinigt, auf Funktionsweise geprüft. Anschließend werden noch verwendbare Einzelteile neu zusammengesetzt, bei Bedarf Teile getauscht, sodass ein wie neu funktionierendes Produkt entsteht.

Die simulationsbasierte Produktion besteht aus diversen Stationen, welche modular auf unterschiedliche Prozesse umgerüstet werden können. So kann eine Station nicht nur Einzelteile prüfen, sondern auch gewisse Demontage- oder Montagearbeiten übernehmen. Jedoch muss entschieden werden, welcher konkrete Prozess zu welchem Zeitpunkt aktiv sein soll.

Erschwert wird diese Aufgabe durch Unsicherheiten in Kreislauffabriken. Heute ist nicht bekannt, wie viele Produkte morgen in die Fabrik gelangen. Ziel ist also eine Strategie zu entwickeln, welche trotz dieser Unsicherheit eine effiziente Produktion ermöglicht. Der Handlungsspielraum besteht einzig darin, die Produktionsstationen intelligent zu rekonfigurieren.

Meine Arbeit

Als HiWi am wbk Institut für Produktionstechnik des KIT arbeite ich forschungsbegleitend an einem intelligenten Rekonfigurationsmanagement mit Reinforcement-Learning-Agenten.

Skills

• Reinforcement Learning
• Software-Entwicklung
• PPO
• Graph-RL
• PyTorch
• Python