Reinforcement Learning zur Planung von Arbeitsprozessen: Anwendung von Reinforcement Learning Methoden zur Planung von Arbeitsaufgaben im industriellen Bereich
Der Einsatz von digitalen Menschmodellen im industriellen Kontext ist eines der Kernziele des Projekts 'The Smart Virtual Worker'. Der Beitrag beschäftigt sich primär mit der Implementierung einer autonomen Handlungsselektion des 'kognitiven' virtuellen Arbeiters. Zur Simulation von industriellen Arbeitsvorgängen soll ein virtueller Avatar in die Lage versetzt werden, gestellte Aufgaben autonom unter Beachtung bestimmter Optimierungskriterien zu lösen. Für die Realisierung dieser autonomen Handlungsselektion wurde Q-Learning mit verschiedenen Erweiterungen untersucht, deren Realisierung und Performance in diesem Beitrag detaillierter vorgestellt werden.
%0 Journal Article
%1 DinkelbachSchusterHamker15im-gito
%A Dinkelbach, Helge Ülo
%A Schuster, Julia
%A Hamker, Fred H.
%D 2015
%J Industrie 4.0 Management
%K 01821 gito paper embedded ai factory user interaction requirements simulation agent plan learn test tool engineering
%N 1
%P 9--12
%T Reinforcement Learning zur Planung von Arbeitsprozessen: Anwendung von Reinforcement Learning Methoden zur Planung von Arbeitsaufgaben im industriellen Bereich
%V 31
%X Der Einsatz von digitalen Menschmodellen im industriellen Kontext ist eines der Kernziele des Projekts 'The Smart Virtual Worker'. Der Beitrag beschäftigt sich primär mit der Implementierung einer autonomen Handlungsselektion des 'kognitiven' virtuellen Arbeiters. Zur Simulation von industriellen Arbeitsvorgängen soll ein virtueller Avatar in die Lage versetzt werden, gestellte Aufgaben autonom unter Beachtung bestimmter Optimierungskriterien zu lösen. Für die Realisierung dieser autonomen Handlungsselektion wurde Q-Learning mit verschiedenen Erweiterungen untersucht, deren Realisierung und Performance in diesem Beitrag detaillierter vorgestellt werden.
@article{DinkelbachSchusterHamker15im-gito,
abstract = {Der Einsatz von digitalen Menschmodellen im industriellen Kontext ist eines der Kernziele des Projekts 'The Smart Virtual Worker'. Der Beitrag beschäftigt sich primär mit der Implementierung einer autonomen Handlungsselektion des 'kognitiven' virtuellen Arbeiters. Zur Simulation von industriellen Arbeitsvorgängen soll ein virtueller Avatar in die Lage versetzt werden, gestellte Aufgaben autonom unter Beachtung bestimmter Optimierungskriterien zu lösen. Für die Realisierung dieser autonomen Handlungsselektion wurde Q-Learning mit verschiedenen Erweiterungen untersucht, deren Realisierung und Performance in diesem Beitrag detaillierter vorgestellt werden.},
added-at = {2017-04-23T14:27:12.000+0200},
author = {Dinkelbach, Helge \"{U}lo and Schuster, Julia and Hamker, Fred H.},
biburl = {https://www.bibsonomy.org/bibtex/27a7a4cb4675dc196d5ad31d8d12675b6/flint63},
file = {Gito Download:2015/DinkelbachSchusterHamker15im-gito.pdf:PDF},
groups = {public},
interhash = {5696ae5bc26eb8e6bfab16599a77541f},
intrahash = {7a7a4cb4675dc196d5ad31d8d12675b6},
issn = {1434-1980},
journal = {Industrie 4.0 Management},
keywords = {01821 gito paper embedded ai factory user interaction requirements simulation agent plan learn test tool engineering},
number = 1,
pages = {9--12},
timestamp = {2018-04-16T11:59:34.000+0200},
title = {{Reinforcement Learning zur Planung von Arbeitsprozessen: Anwendung von Reinforcement Learning Methoden zur Planung von Arbeitsaufgaben im industriellen Bereich}},
username = {flint63},
volume = 31,
year = 2015
}