@article{FalkElGhayedvandeSandetal.2023, author = {Falk, Constantin and El Ghayed, Tarek and van de Sand, Ron and Reiff-Stephan, J{\"o}rg}, title = {A Data-Driven Approach Towards the Application of Reinforcement Learning Based HVAC Control}, series = {Journal of the Nigerian Society of Physical Sciences}, volume = {5}, journal = {Journal of the Nigerian Society of Physical Sciences}, number = {1}, publisher = {Department of Physics, Federal University Lafia Nasarawa State, Nigeria ; Nigerian Society of Physical Sciences}, issn = {2714-4704}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:526-opus4-17066}, year = {2023}, abstract = {Refrigeration applications consume a significant share of total electricity demand, with a high indirect impact on global warming through greenhouse gas emissions. Modern technology can help reduce the high power consumption and optimize the cooling control. This paper presents a case study of machine-learning for controlling a commercial refrigeration system. In particular, an approach to reinforcement learning is implemented, trained and validated utilizing a model of a real chiller plant. The reinforcement-learning controller learns to operate the plant based on its interactions with the modeled environment. The validation demonstrates the functionality of the approach, saving around 7\% of the energy demand of the reference control. Limitations of the approach were identified in the discretization of the real environment and further model-based simplifications and should be addressed in future research.}, language = {en} } @inproceedings{ElGhayedFalkWilbersetal.2023, author = {El Ghayed, Tarek and Falk, Constantin and Wilbers, Simon and van de Sand, Ron and Reiff-Stephan, J{\"o}rg}, title = {Modellansatz zur Prozessoptimierung beim hydroadh{\"a}siven Greifen}, series = {Tagungsband AALE 2023 : Mit Automatisierungstechnik gegen den Klimawandel}, booktitle = {Tagungsband AALE 2023 : Mit Automatisierungstechnik gegen den Klimawandel}, publisher = {Hochschule f{\"u}r Technik, Wirtschaft und Kultur}, address = {Leipzig}, isbn = {978-3-910103-01-6}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:526-opus4-17150}, pages = {1 -- 10}, year = {2023}, abstract = {Der Produktlebenszyklus von Kleidung ist vor allem durch lange Lieferketten von Niedriglohnl{\"a}ndern in Hochlohnl{\"a}nder gekennzeichnet. Die Eliminierung solcher Transportwege k{\"o}nnte dazu f{\"u}hren, dass der komplette Lebenszyklus von Kleidungsware nachhaltiger und umweltfreundlicher wird. Der Aufbau von Produktionsst{\"a}tten in Hochlohnl{\"a}ndern wird aktuell durch technische Herausforderungen des Produktionsprozesses von Kleidung bzw. allgemein biegeschlaffen Materialien verhindert. Aufgrund der Eigenschaften biegeschlaffer Materialien k{\"o}nnen die Entnahme bzw. definierte Ablage von Textilteilen heutzutage nur teilautomatisiert bzw. mit einem hohen Anteil manueller T{\"a}tigkeiten gel{\"o}st werden. Das Hydroadh{\"a}sive Greifen k{\"o}nnte eine L{\"o}sung sein, die oben genannten Prozesse zu automatisieren und die Produktion f{\"u}r Hochlohnl{\"a}nder zu verg{\"u}nstigen. Jedoch verf{\"u}gt das Verfahren noch {\"u}ber lange Zykluszeiten und die Haltekr{\"a}fte sind nicht reproduzierbar. Weiterhin ist die Findung von Einstellparametern sehr zeitaufwendig und komplex. Die L{\"o}sung k{\"o}nnte eine intelligente Steuerung sein, dessen Kernst{\"u}ck ein datengetriebenes Modell f{\"u}r die Parameteroptimierung und -findung ist. Im Rahmen der Forschungsarbeiten wird ein Modellansatz zur Optimierung der Taktzeit beim hydroadh{\"a}siven Greifen erarbeitet. Dabei wird die Gewinnung der Datengrundlage, das zu entwickelnde Modell sowie die eigentliche Validierung diskutiert.}, language = {de} }