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