PT Journal
AU Schloz, F
   Kriehn, T
   Schulz, R
   Fittinghoff, M
TI Entwicklung einer KI-basierten Reihenfolgestrategie für Hochregallager mit autonomen Fahrzeugen
SO Logistics Journal : Proceedings
PY 2019
VL 2019
IS 12
DI 10.2195/lj_Proc_schloz_de_201912_01
DE Deep Reinforcement Learning; Durchsatzoptimierung; Lagerstrategien; Shuttle-System
AB Die Nutzung der Künstlichen Intelligenz (KI), insbesondere von Algorithmen des maschinellen Lernens zur Lösung von Problemen in der Praxis und der Forschung ist weit verbreitet und in vielen Bereichen etabliert. Im Bereich der Bildung von Lagerstrategien in Hochregallagern mit autonomen Fahrzeugen (Shuttle-Systemen) besteht jedoch noch eine Forschungslücke. Eines der KI-Verfahren, das in letzter Zeit für Aufmerksamkeit gesorgt hat, ist das Reinforcement Learning mit der Verknüpfung zu Deep Learning. In diesem Beitrag wird eine Möglichkeit aufgezeigt, wie das Deep Reinforcement Learning genutzt werden kann, um eine Auslagerstrategie für Shuttle-Systeme zu entwickeln.
ER