RL-gestützte Produktionssteuerung für Recyclingmaterial

Abstract Der steigende Einsatz von Recyclingmaterialien führt zu Unsicherheiten hinsichtlich Qualität, Verfügbarkeit und Verarbeitbarkeit. Dies erfordert eine kostenoptimale Steuerung von Materialeinsatz, Prozesseinstellungen und Additivzugaben zur Einhaltung von Qualitäts- und Schadstoffvorgaben. Zur Abbildung dieser Komplexität wird eine entsprechende ereignisdiskrete Simulation aufgebaut. Zur Steuerung wird ein entsprechender Reinforcement-Learning-Ansatz entwickelt und anhand eines Use-Cases aus der Holzwerkstoffindustrie validiert.