Institute for Technologies and Management of Digital Transformation

Schlably-Framework: Tutorial auf YouTube

28.03.2023|12:49 Uhr

Nach der Veröffentlichung unseres Code-Frameworks Schlably auf GitHub demonstriert unser Wissenschaftlicher Mitarbeiter Constantin Waubert de Puiseau die wichtigsten Funktionen in einem Tutorial auf YouTube.

Ein Ausschnitt aus dem Youtube-Video mit Constantin Waubert de Puiseau.

In dem YouTube-Video werden unter anderem folgende Funktionen erklärt:

• Generierung eigener Scheduling-Instanzen

• Ausbildung eines Reinforcement-Learning-Agenten

• Evaluation eines Reinforcement-Learning-Agenten

 

Motivation für Schlably

Die Forschung zu Deep Reinforcement Learning (DRL) basierter Produktionsplanung (PS) hat in den letzten Jahren viel Aufmerksamkeit erlangt, vor allem aufgrund der hohen Nachfrage nach optimierten Planungsproblemen in verschiedenen Industriebereichen. Zahlreiche Studien werden als eigenständige Experimente durchgeführt und veröffentlicht, die sich oft nur geringfügig in Bezug auf Problemstellungen und Lösungsansätze unterscheiden. Der programmatische Kern dieser Experimente ist in der Regel sehr ähnlich.

Trotz dieser Tatsache konnte bisher kein standardisierter und belastbarer Rahmen für die Erprobung von PS-Problemen mit DRL-Algorithmen geschaffen werden. An dieser Stelle kommt Schlably ins Spiel. Schlably ist ein Python-basiertes Framework, das Forschern ein umfassendes Toolset zur Verfügung stellt, um die Entwicklung von PS-Lösungsstrategien auf Basis von DRL zu erleichtern. Es eliminiert den redundanten Overhead, den die Erstellung eines robusten und flexiblen Backbones erfordert, und erhöht die Vergleichbarkeit und Wiederverwendbarkeit der durchgeführten Forschungsarbeiten.

Schlably ist ein Ergebnis des vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) geförderten Forschungsprojekts AlphaMES.

Weitere Infos zum Schwerpunkt Deep Reinforcement Learning in der Produktionsplanung

Weitere Infos über #UniWuppertal: