Home  | Impressum | Datenschutz | Sitemap | KIT

Machine Learning zur Steigerung der Energieeffizienz beim dezentral gesteuerten FlexFörderer

Machine Learning zur Steigerung der Energieeffizienz beim dezentral gesteuerten FlexFörderer
Forschungsthema:Steuerungstechnik
Typ:Masterarbeit
Datum:ab sofort
Betreuer:

Dennis Asi

Links:Ausschreibung PDF

Rahmen: Um die Flexibilität in der Intralogistik zu erhöhen, wurde das dezentral gesteuerte, Plug & Play-fähige Materialflusssystem FlexFörderer entwickelt.

Problemstellung: Aktuell ist der dezentral gesteuerte Flex- Förderer nicht energieeffizient. So werden zum Beispiel Stausituationen / Auslastung, Energieverbrauch, Verschleiß, Geräuschentwicklung etc. bei der Routenplanung nicht berücksichtigt.

Aufgabe ist die Anwendung von Machine Learning-Verfahren, um globale (oder lokale) Optima in der Routenberechnung des Flex- Förderers durch Auswertung von aktuellen und historischen Daten und Messungen zu finden. Hierfür können Parameter wie Layout, Auslastung, Anzahl Transportaufträge, Gewicht der Fördereinheiten, gemessene Energieverbrauch und Emissionen etc. verwendet werden.

Voraussetzung Zur Durchführung sind eine strukturierte Herangehensweise und analytisches Denken vorteilhaft.

Geboten wird eine spannende und abwechslungsreiche Arbeit, in der eigene Vorschläge und Ideen ausdrücklich gewünscht sind. Zur Simulation kommen z.B. Tools wie Anylogic oder Demo3D zum Einsatz. Experimente an realen Anlagen sind ebenfalls möglich. Darüber hinaus bietet die Arbeit reale Einblicke in die Geschäftsprozesse des Unternehmens flexlog. Weiterführende Arbeiten in dem Themengebiet sowie in Kooperation mit flexlog sind denkbar.