Deep Reinforcement Learning heißt, ein Softwareagent lernt in einem spezifischen Umfeld optimale Entscheidungen zu treffen. Bisher wird das vor allem bei Computerspielen eingesetzt. Das Schweizer Unternehmen ProSim ist aber davon überzeugt, dass mit einem Deep RL-Ansatz auch Problemstellungen von Unternehmen gelöst werden können. Die Idee dahinter ist es, den „Agenten“ in der künstlichen Umgebung (Prozesssimulation) zu trainieren, damit er anschließend im realen Umfeld die bestmöglichen Entscheidungen trifft.
Mit Deep Reinforcement Learning zur effizienteren Produktion
Das Deep Reinforcement Learning ist ein Teilgebiet des Machine Learning und zielt darauf ab, Entscheidungen vom Computer mit Hilfe eines neuronalen Netzwerkes ausführen zu lassen. Anwendung findet es hauptsächlich bei Computerspielen und autonomem Fahren. Bekannteste Errungenschaft ist hierbei der Sieg des Computerprogramms AlphaGo gegen einen der weltbesten Go-Spieler. ProSim verfolgt nun aber einen neuen Ansatz. „Wir sind überzeugt, dass das Deep Reinforcement Learning Unternehmen vor allem im Bereich der Produktionsplanung helfen kann“, erklärt Patrick Kehrli, einer der beiden Geschäftsführer von ProSim.
Dafür wird die komplette Produktion zunächst in einem Simulationsmodell abgebildet. Diese Simulation kann bereits ohne künstliche Intelligenz dafür genutzt werden, die manuell erzeugten Produktionspläne zu validieren. „Noch interessanter wird es aber, wenn ein Algorithmus mittels der Simulation trainiert wird“, meint Kehrli. Dieser kann sich eine Strategie erlernen, mit welcher die Produktionsplanung verbessert werden kann. Sobald der Algorithmus gut genug ist – das heißt, besser als die bisherige Produktionsplanung – wird dieser für die Planung der Produktion genutzt.
Unternehmen können durch die Kombination von Deep Reinforcement Learning und Prozesssimulation ihre Produktionsplanung überprüfen und potenzielle Engpässe schon frühzeitig erkennen. Der Algorithmus ermöglicht so auf lange Sicht eine optimierte Produktionsplanung und erhöht dadurch auch die Wirtschaftlichkeit des Unternehmens.
Mehr Informationen unter www.prosim.ch.
Mit Deep Reinforcement Learning zur effizienteren Produktion
Das Deep Reinforcement Learning ist ein Teilgebiet des Machine Learning und zielt darauf ab, Entscheidungen vom Computer mit Hilfe eines neuronalen Netzwerkes ausführen zu lassen. Anwendung findet es hauptsächlich bei Computerspielen und autonomem Fahren. Bekannteste Errungenschaft ist hierbei der Sieg des Computerprogramms AlphaGo gegen einen der weltbesten Go-Spieler. ProSim verfolgt nun aber einen neuen Ansatz. „Wir sind überzeugt, dass das Deep Reinforcement Learning Unternehmen vor allem im Bereich der Produktionsplanung helfen kann“, erklärt Patrick Kehrli, einer der beiden Geschäftsführer von ProSim.
Dafür wird die komplette Produktion zunächst in einem Simulationsmodell abgebildet. Diese Simulation kann bereits ohne künstliche Intelligenz dafür genutzt werden, die manuell erzeugten Produktionspläne zu validieren. „Noch interessanter wird es aber, wenn ein Algorithmus mittels der Simulation trainiert wird“, meint Kehrli. Dieser kann sich eine Strategie erlernen, mit welcher die Produktionsplanung verbessert werden kann. Sobald der Algorithmus gut genug ist – das heißt, besser als die bisherige Produktionsplanung – wird dieser für die Planung der Produktion genutzt.
Unternehmen können durch die Kombination von Deep Reinforcement Learning und Prozesssimulation ihre Produktionsplanung überprüfen und potenzielle Engpässe schon frühzeitig erkennen. Der Algorithmus ermöglicht so auf lange Sicht eine optimierte Produktionsplanung und erhöht dadurch auch die Wirtschaftlichkeit des Unternehmens.
Mehr Informationen unter www.prosim.ch.
