TY - JOUR AU - Kreutz, Markus AU - Ait Alla, Abderrahim AU - Lütjen, Michael AU - Freitag, Michael PY - 2021 DA - 2021// TI - Energieeffizientes eKanban-System mit autonomen Sensormodulen zur Füllstandsmessung und Reinforcement Learning zur Messintervallanpassung JO - Logistics Journal : Proceedings VL - 2021 IS - 17 KW - Bestandserfassung KW - Reinforcement Learning KW - Volumenmessung KW - e-Kanban KW - inventory control KW - 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. SN - 2192-9084 UR - http://nbn-resolving.de/urn:nbn:de:0009-14-54245 DO - 10.2195/lj_Proc_kreutz_de_202112_01 ID - kreutz2021 ER -