Methoden des bestrkenden Lernens fr die Produktionsablaufplanung

In diesem Open-Access-Buch wird eine Methode zur Adaption, Integration und Anwendung von bestrkenden Lernverfahren (Reinforcement Learning) fr die Produktionsablaufplanung beschrieben. Die Methode wird anhand von typischen Problemstellungen der Produktionsablaufplanung hergeleitet und evaluiert. Die Produktionsablaufplanung ist eine Kernaufgabe der Produktion und Logistik, bei welcher Auftrge auf Ressourcen so verteilt und in Reihenfolge gebracht werden mssen, dass geforderte Nebenbedingungen der Planung erfllt werden. Entsprechende Optimierungsprobleme sind meist NP-schwer, wodurch eine optimale Lsung gewhnlich nicht unter wirtschaftlichen Bedingungen erzielbar ist. In der Industrie werden stattdessen Priorittsregeln, Heuristiken oder Metaheuristiken verwendet, die entweder zeiteffizient zu Lasten der Lsungsgte rechnen oder qualitativ hochwertige Lsungen unter hohem Rechenaufwand erzeugen. Das bestrkende Lernen ist eine Unterart des maschinellen Lernens und eine weitereKlasse potenzieller Lsungsstrategien. Probleme der Produktionsablaufplanung sind insoweit vergleichbar, als dass sie sich ebenfalls als stufenartige Entscheidungsketten modellieren lassen. Trotz ihrer Vorteile existiert bisher kaum allgemeines Wissen hinsichtlich der Anwendung des bestrkenden Lernens fr die Produktionsablaufplanung.