Agentenbasiertes Planungsmodell für die Grobplanung von Kommissioniersystemen

Rechnergestützte Modellansätze, die Logistiksysteme gestalten und generieren, sind eine hochkomplexe Aufgabenstellung. Die bisher in der Praxis existierenden Planungs- und Steuerungsmodelle für Intralogistiksysteme weisen für die aktuellen und zukünftigen Anforderungen wie der Komplexitätsbewältigung, Reaktionsschnelligkeit und Anpassungsfähigkeit Schwachstellen auf. – Ein innovativer Ansatz, diesen Ansprüchen gerecht zu werden, stellen Multiagentensysteme dar. Mit ihrem dezentralen und modularen Charakter sind sie für ein komplexes Problem mit einem geringen Grad an Strukturiertheit geeignet. Außerdem ermöglichen diese computergestützten intelligenten Systeme den Anwendern eine einfache und aufwandsarme Handhabung.

Performance Availability and Anticipatory Change Planning of Intralogistics Systems: A Simulation-Based Approach

In recent years, the ability to respond to real time changes in operations and reconfigurability in equipment are likely to become essential characteristics for next generation intralogistics systems as well as the level of automation, cost effectiveness and maximum throughput. In order to cope with turbulences and the increasing level of dynamic conditions, future intralogistics systems have to feature short reaction times, high flexibility in processes and the ability to adapt to frequent changes. The increasing autonomy and complexity in processes of today’s intralogistics systems requires new and innovative management approaches, which allow a fast response to (un)anticipated events and adaptation to changing environment in order to reduce the negative consequences of these events. The ability of a system to respond effectively a disruption depends more on the decisions taken before the event than those taken during or after. In this context, anticipatory change planning can be a usable approach for managers to make contingency plans for intralogistics systems to deal with the rapidly changing marketplace. This paper proposes a simulation-based decision making framework for the anticipatory change planning of intralogistics systems. This approach includes the quantitative assessments based on the simulation in defined scenarios as well as the analysis of performance availability that combines the flexibility corridors of different performance dimensions. The implementation of the approach is illustrated on a new intralogistics technology called the Cellular Transport System.

Simulations- und VR-basierte Steuerungsverifikation zellularer Intralogistiksysteme

Die hohe Komplexität zellularer intralogistischer Systeme und deren Steuerungsarchitektur legt die Verwendung moderner Simulations- und Visualisierungstechniken nahe, um schon im Vorfeld Aussagen über die Leistungsfähigkeit und Zukunftssicherheit eines geplanten Systems treffen zu können. In dieser Arbeit wird ein Konzept für ein Simulationssystem zur VR-basierten Steuerungsverifikation zellularer Intralogistiksysteme vorgestellt. Beschrieben wird die Erstellung eines Simulationsmodells für eine real existierende Anlage und es wird ein Überblick über die Bestandteile der Simulation, insbesondere die Anbindung der Steuerung des realen agentenbasierten Systems, gegeben.

Adaptive Materialbereitstellung in flexiblen Produktionssystemen auf Grundlage einer agentenbasierten Transportsteuerung

Zur Sicherstellung einer schnellen und flexiblen Anpassung an sich ändernde Anforderungen sind innerbetriebliche Materialbereitstellungskonzepte in immer stärkerem Maße zu flexibilisieren. Hierdurch kann die Erreichung logistischer Ziele in einem dynamischen Produktionsumfeld gesteigert werden. Der Beitrag stellt ein Konzept für eine adaptive Materialbereitstellung in flexiblen Produktionssystemen auf Grundlage einer agentenbasierten Transportplanung und -steuerung vor. Der Fokus liegt hierbei auf der Planung und Steuerung der auf Basis von Materialbedarfsmeldungen ausgelösten innerbetrieblichen Transporte. Neben Pendeltouren zur Versorgung des Produktionssystems findet auch das dynamische Pickup-and-Delivery-Problem Berücksichtigung. Das vorgestellte Konzept ist an den Anforderungen selbstorganisierender Produktionsprozesse ausgerichtet.

Interactive Curriculum Based on Models of Mind & Brain

What does it mean for curriculum to be interactive? It encourages student engagement and active participation in both individual and group work. It offers teachers a coherent set of materials to choose from that can enhance their classes. It is the product of on-going development and continuous improvement based on research and feedback from the field. This paper will introduce work in progress from the Center for Excellence in Education, Science, and Technology (CELEST), an NSF Science of Learning Center. Among its many goals, CELEST is developing a unique educational curriculum, an interactive curriculum based upon models of mind and brain. Teachers, administrators, and governments are naturally concerned with how students learn. Students are greatly concerned about how minds work, including how to learn. CELEST aims to introduce curricula that not only meet current U.S. standards in mathematics, science, and psychology but also influence plans to improve those standards. Software and support materials are in development and available at http://cns.bu.edu/celest/private/. Interested parties are invited to contact the author for access.

Learning Two-Person Interaction Models for Responsive Synthetic Humanoids

Imitation learning is a promising approach for generating life-like behaviors of virtual humans and humanoid robots. So far, however, imitation learning has been mostly restricted to single agent settings where observed motions are adapted to new environment conditions but not to the dynamic behavior of interaction partners. In this paper, we introduce a new imitation learning approach that is based on the simultaneous motion capture of two human interaction partners. From the observed interactions, low-dimensional motion models are extracted and a mapping between these motion models is learned. This interaction model allows the real-time generation of agent behaviors that are responsive to the body movements of an interaction partner. The interaction model can be applied both to the animation of virtual characters as well as to the behavior generation for humanoid robots.