You are here: Home → Proceedings
Document Actions

Proceedings

Entwicklung einer KI-basierten Reihenfolgestrategie für Hochregallager mit autonomen Fahrzeugen

Development of an AI-based sequencing policy for autonomous vehicle storage and retrieval systems

  1. M.Sc. Franziska Schloz Institut für Fördertechnik und Logistik, Fakultät für Konstruktions-, Produktions- und Fahrzeugtechnik, Universität Stuttgart
  2. M.Eng. Thomas Kriehn Professur Materialfluss und Logistikplanung, Fakultät Technische Prozesse, Hochschule Heilbronn
  3. Univ.-Prof. Dr.-Ing. Robert Schulz Institut für Fördertechnik und Logistik, Fakultät für Konstruktions-, Produktions- und Fahrzeugtechnik, Universität Stuttgart
  4. Prof. Dr.-Ing. Markus Fittinghoff Professur Materialfluss und Logistikplanung, Fakultät Technische Prozesse, Hochschule Heilbronn

Abstracts

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.

Using Artificial Intelligence (AI) in particular machine learning algorithms to solve problems in practice and research is widespread and established in several areas. However, there is still a research gap in the formation of storage strategies in high-bay warehouses with autonomous vehicles (AVS/RS). One of the AI methods that has recently attracted attention is Reinforcement Learning (RL), which includes deep learning. This paper presents how deep reinforcement learning can be used to develop a sequencing policy for AVS/RS.

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.