Refine
Document Type
- Article (1)
- Conference Proceeding (1)
Year of publication
- 2023 (2)
Institute
Has Fulltext
- yes (2)
Is part of the Bibliography
- yes (2)
Keywords
- Datengetriebenes Modell (1)
- Hydroadhäsives Greifen (1)
- KI (1)
- Q-learning (1)
- Validierung (1)
- cyber-physical system (1)
- optimized control (1)
- refrigeration system (1)
- reinforcement learning (1)
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.
Der Produktlebenszyklus von Kleidung ist vor allem durch lange Lieferketten von Niedriglohnländern in Hochlohnländer gekennzeichnet. Die Eliminierung solcher Transportwege könnte dazu führen, dass der komplette Lebenszyklus von Kleidungsware nachhaltiger und umweltfreundlicher wird. Der Aufbau von Produktionsstätten in Hochlohnländern wird aktuell durch technische Herausforderungen des Produktionsprozesses von Kleidung bzw. allgemein biegeschlaffen Materialien verhindert. Aufgrund der Eigenschaften biegeschlaffer Materialien können die Entnahme bzw. definierte Ablage von Textilteilen heutzutage nur teilautomatisiert bzw. mit einem hohen Anteil manueller Tätigkeiten gelöst werden. Das Hydroadhäsive Greifen könnte eine Lösung sein, die oben genannten Prozesse zu automatisieren und die Produktion für Hochlohnländer zu vergünstigen. Jedoch verfügt das Verfahren noch über lange Zykluszeiten und die Haltekräfte sind nicht reproduzierbar. Weiterhin ist die Findung von Einstellparametern sehr zeitaufwendig und komplex. Die Lösung könnte eine intelligente Steuerung sein, dessen Kernstück ein datengetriebenes Modell für die Parameteroptimierung und -findung ist. Im Rahmen der Forschungsarbeiten wird ein Modellansatz zur Optimierung der Taktzeit beim hydroadhäsiven Greifen erarbeitet. Dabei wird die Gewinnung der Datengrundlage, das zu entwickelnde Modell sowie die eigentliche Validierung diskutiert.