Energieeffizientes eKanban-System mit autonomen Sensormodulen zur Füllstandsmessung und Reinforcement Learning zur Messintervallanpassung Kreutz Markus Ait Alla Abderrahim Lütjen Michael Freitag Michael 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. Bestandserfassung Reinforcement Learning Volumenmessung e-Kanban inventory control volume measurement 620 periodical academic journal Logistics Journal : Proceedings 2021 17 2021 2192-9084 urn:nbn:de:0009-14-54245 10.2195/lj_Proc_kreutz_de_202112_01 http://nbn-resolving.de/urn:nbn:de:0009-14-54245 kreutz2021