PT Journal
AU Kreutz, M
   Ait Alla, A
   Lütjen, M
   Freitag, M
TI Energieeffizientes eKanban-System mit autonomen Sensormodulen zur Füllstandsmessung und Reinforcement Learning zur Messintervallanpassung
SO Logistics Journal : Proceedings
PY 2021
VL 2021
IS 17
DI 10.2195/lj_Proc_kreutz_de_202112_01
DE Bestandserfassung; Reinforcement Learning; Volumenmessung; e-Kanban; inventory control; volume measurement
AB Trotz der Fortschritte der Digitalisierung in der Industrie finden bei der Bestandserfassung immer noch manuelle Trigger Einsatz, da bestehende Lösungen zur Automatisierung des Prozesses mit hohen Kosten und Integrationsaufwand verbunden sind. In diesem Beitrag wird ein Ansatz für die Lösung dieses Problems dargestellt, welcher kostengünstige, autonome Sensormodule für die Füllstandsmessung zur Grundlage hat. Die Messung erfolgt hierbei nicht in festgelegten Intervallen, sondern wird auf Basis der Entnahmeintervalle der zu messenden Ladungsträger sowie der aktuellen Auftragslage von einem Reinforcement Learning Ansatz dynamisch und intelligent getriggert. Die ersten Hardware-Prototypen für die Messung der Entnahmeintervalle sowie für die Sensormodule werden ebenfalls im Beitrag vorgestellt.
ER