Die Steuerung einer Werkstattfertigung ist von einer hohen Komplexität geprägt. Durch den Einsatz von Multiagentensystemen kann die Entscheidungsfindung dezentral gestaltet und damit die Komplexität reduziert werden. Dabei werden die Steuerungsentscheidungen allerdings ausschließlich basierend auf den dezentral verfügbaren Daten getroffen. Das globale Systemverhalten der Fertigung wird nicht berücksichtigt. Durch die Integration von Methoden des bestärkenden Lernens kann die dezentrale Entscheidungsfindung unter Berücksichtigung globaler Fertigungskennzahlen optimiert werden. In diesem Projekt wird daher eine agentenbasierte Fertigungssteuerung mittels Deep Q-Learning entwickelt und erforscht.
Beginn: 01.01.2020
Ende: 31.08.2023
Deutsche Forschungsgemeinschaft (DFG)
DE447/181-1
