Am 21. Juni 2023 ist die Dissertation von Riventic-Mitgründer Prof. Dr.-Ing. Sebastian Lang bei Springer Vieweg erschienen: »Methoden des bestärkenden Lernens für die Produktionsablaufplanung«. Das Buch steht im Open Access frei zur Verfügung.
Worum es geht
Eine Produktion in Echtzeit zu planen heißt, ständig neu zu entscheiden, welcher Auftrag als Nächstes auf welcher Maschine läuft, während sich Termine, Rüstzeiten und Störungen ändern. Lang entwickelt dafür eine Methode, die bestärkendes Lernen (Reinforcement Learning) mit ereignisdiskreter Simulation verbindet. Ein lernender Agent trifft die Reihenfolgeentscheidungen; ein simuliertes Abbild der Fertigung dient ihm als Übungsumgebung und prüft jede Entscheidung gegen die realen Restriktionen. Die Arbeit beschreibt diese Methode und wertet sie an konkreten Planungsproblemen aus.
Entstehung und Begutachtung
Die Dissertation entstand an der Otto-von-Guericke-Universität Magdeburg; die Verteidigung fand am 25. Januar 2023 statt, bewertet mit dem Prädikat summa cum laude. Als Gutachter wirkten Prof. Dr.-Ing. Michael Schenk (OVGU Magdeburg) und Prof. Dr.-Ing. Sanja Lazarova-Molnar (Karlsruher Institut für Technologie).
Mehrfach ausgezeichnet
Die Arbeit wurde später mehrfach geehrt, unter anderem mit dem Wissenschaftspreis Logistik 2024 der Bundesvereinigung Logistik, dem Dissertationspreis der OVGU und dem VDI-Förderpreis 2023.
Bezug zu Riventic
Die hier entwickelte Verbindung aus Lernen und Simulation prägt den Ansatz, mit dem Riventic Produktionsplanung angeht. Im Produkt Riventic Flow koppelt der Optimierungskern eine ereignisdiskrete Simulation mit genetischen Algorithmen und mit Modellen, die auf den Fertigungsdaten jedes Kunden trainiert sind.
