Abschlussarbeit: Einsatz von Reinforcement Learning für die effiziente Gestaltung von Fabriklayouts

Wir, die Fraunhofer-Einrichtung Forschungsfertigung Batteriezelle FFB, haben es uns zur Aufgabe gemacht, zum Zentrum der Entwicklung einer modernen und skalierbaren Batteriezellproduktion für Deutschland und Europa zu werden. Dabei arbeiten wir täglich daran, eine Infrastruktur zu schaffen, mit der Unternehmen und Forschungseinrichtungen die seriennahe Produktion neuer Batterien erproben, umsetzen und optimieren können. So gestalten wir die Batteriezellproduktion von morgen.

Die effiziente Planung von Fabriklayouts ist entscheidend für die Produktivität und Wirtschaftlichkeit in der modernen Fertigung. Mit der zunehmenden Komplexität von Produktionsprozessen und der Notwendigkeit, flexibel auf Marktveränderungen zu reagieren, wird der Einsatz von innovativen Methoden immer wichtiger. Reinforcement Learning (RL) bietet vielversprechende Ansätze zur Optimierung von Layouts durch maschinelles Lernen. Diese Abschlussarbeit zielt darauf ab, die Anwendung von RL-Techniken zur Verbesserung der Layoutplanung zu erforschen und anhand von echten Fabriklayouts zu validieren.

Hier sorgst Du für Veränderung

• Das Ziel der Arbeit soll sein mithilfe von Reinforcement Learning die Gestaltung von Fabriklayouts zu optimieren.
• Zur Erkenntnisgewinnung führst du zunächst eine Analyse bestehender Methoden der Layoutplanung durch und identifizierst Optimierungspotenziale.
• Du entwickelst und implementierst darauf aufbauend RL-Modelle und passende Kostenfunktionen zur Optimierung von Fabriklayouts mit Fokus auf Batteriezellfabriken.
• Du erarbeitest verschiedene Kostenfunktionen basierend auf individuellen Anforderungen und evaluierst diese in unterschiedlichen Szenarien, bezogen auf Batteriezellfabriken.
• Zuletzt dokumentierst du deine Ergebnisse im Rahmen deiner Abschlussarbeit.