You are here: Home Proceedings
Document Actions

Proceedings

Neural Network-Based Genetic Job Assignment for Automated Guided Vehicles

Auftragsvergabe basierend auf mit genetischen Algorithmen trainierten neuronalen Netzen für Fahrerlose Transportsysteme

  1. M.Sc. Paolo Pagani Institute for Material Handling and Logistics (IFL), Karlsruhe Institute of Technology (KIT)
  2. M.Sc. Dominik Colling Institute for Material Handling and Logistics (IFL), Karlsruhe Institute of Technology (KIT)
  3. Prof. Dr.-Ing. Kai Furmans Institute for Material Handling and Logistics (IFL), Karlsruhe Institute of Technology (KIT)

Abstracts

Automated guided vehicles are designed to autonomously transport material in production and warehouse environments. The loading/unloading process of the material on the vehicles occurs at dedicated stations, called material sources and destinations. Every time a vehicle is idle, a new transportation job, i.e. the transportation of some goods from a material source to a material destination, can be assigned to one of the vehicles, which represents the limiting resource. The policies, which are used for the job assignment, are several. In this paper, a new policy based on neural networks which were trained by genetic algorithms is proposed and evaluated. The results show that this new policy outperforms a policy which is a combination of the so called “First Come First Served” and the “Nearest Vehicle First” policy.

Fahrerlose Transportsysteme werden häufig für den innerbetrieblichen Materialtransport im Produktions- und Lagerumfeld genutzt. Die Be- und Entladung mit Material findet an bestimmten Stationen, den Quellen und Senken, statt. Transportaufträge führen immer von einer Quelle zu einer Senke. Diese werden den Fahrzeugen, die die begrenzte Ressource im System darstellen, zugeordnet. Dafür gibt es unterschiedliche Verfahren. In dieser Veröffentlichung wird ein neues Verfahren vorgestellt und evaluiert, das auf von genetischen Algorithmen trainierten neuronalen Netzen basiert. Die Versuche zeigen, dass das vorgestellte Verfahren bessere Ergebnisse liefert als ein Verfahren, das eine Kombination aus „First Come First Served“- und dem „Nearest Vehicle First“-Verfahren darstellt.

Keywords

Fulltext

License

Any party may pass on this Work by electronic means and make it available for download under the terms and conditions of the free Digital Peer Publishing License. The text of the license may be accessed and retrieved at http://www.dipp.nrw.de/lizenzen/dppl/fdppl/f-DPPL_v1_de_11-2004.html.

Number of citations

Visit Google Scholar to find out, how often this paper is cited.