Ein flexibles Framework für Reinforcement Learning

Zeitschrift für wirtschaftlichen Fabrikbetrieb, vol. 118, pp. 795–800

Abstract

Abstract In der Massivumformung stellen Qualitätsabweichungen infolge von Prozessinstabilitäten eine Herausforderung dar. Auf die Prozessinstabilitäten muss durch die Regelung des Prozesses reagiert werden. Dazu wird ein generalistisches Framework basierend auf einem Reinforcement Learning (RL)-Regler entwickelt. Mithilfe von historischen Daten und den geforderten Qualitätsmerkmalen wird ein Regressionsmodell erstellt, mit dem der Regler eine optimierte Parameterkonfiguration bestimmt. Das Framework ist auf verschiedene Prozesse anwendbar.

Authors 3

1. Chris R. Schönekehs corresponding Aachen Werkzeugmaschinenlabor WZL Campus-Boulevard 30

   RWTH Aachen University

   Affiliation as printed

   Werkzeugmaschinenlabor WZL der RWTH Aachen University; Campus-Boulevard 30 , Aachen ; Germany

   Campus-Boulevard 30, 52074 Aachen

   Germany

2. Ronja Witt Aachen Werkzeugmaschinenlabor WZL Campus-Boulevard 30

   RWTH Aachen University

   Affiliation as printed

   Werkzeugmaschinenlabor WZL der RWTH Aachen University; Campus-Boulevard 30 , Aachen ; Germany

   Campus-Boulevard 30, 52074 Aachen

   Germany

3. Robert Heinrich Schmitt Aachen Werkzeugmaschinenlabor WZL Campus-Boulevard 30

   RWTH Aachen University

   Affiliation as printed

   Werkzeugmaschinenlabor WZL der RWTH Aachen University; Campus-Boulevard 30 , Aachen ; Germany

   Campus-Boulevard 30, 52074 Aachen

   Germany