Shop : Details
Shop
Details
Februar 2025
eBook (PDF)
Jan-Philipp Kaiser
Autonomous View Planning using Reinforcement Learning
Modeling and Application for Visual Inspection in Remanufacturing
Die vorliegende Arbeit beschäftigt sich mit der Automatisierung der visuellen Inspektion im Remanufacturing, einem Nischenbereich der Kreislaufwirtschaft. Im Remanufacturing werden Gebrauchtprodukte durch Demontage, Aufarbeitung und Reassemblierung von Komponenten in Form von aufgearbeiteten Gebrauchtprodukten weiter nutzbar gemacht. Ein zentraler Schritt ist die visuelle Inspektion, bei der entschieden wird, ob ein Produkt für die Wiederaufarbeitung geeignet ist. Dieser Prozess ist bislang manuell und teuer, was insbesondere in Hochlohnländern die Einführung von Remanufacturing erschwert.
In dieser Arbeit wird Künstliche Intelligenz (KI) und Robotik genutzt, um die visuelle Inspektion zu automatisieren. Ein besonderer Fokus liegt auf dem Sichtplanungsproblem, bei dem es darum geht, mit minimaler Anzahl von Erfassungen das Inspektionsziel zu erreichen. Da im Remanufacturing oft kein Vorwissen über die Produktgeometrie vorhanden ist, ist der Einsatz von Reinforcement Learning (RL) zur Lösung dieses Problems verfolgt worden. Die Ergebnisse zeigen, dass RL-Agenten einen guten Tradeoff zwischen benötigtem Vorwissen der Produktgeometrie des vorliegenden Inspektionsobjekts und Inspektionsgüte aufweisen.
Die vorliegende Arbeit liefert einen methodischen Ansatz zur Entwicklung autonomer visueller Inspektionssysteme, die ohne Vorwissen arbeiten und mittels RL-Algorithmen arbeiten. Sie stellt einen bedeutenden Schritt in Richtung effizienter Automatisierung im Remanufacturing dar.
In dieser Arbeit wird Künstliche Intelligenz (KI) und Robotik genutzt, um die visuelle Inspektion zu automatisieren. Ein besonderer Fokus liegt auf dem Sichtplanungsproblem, bei dem es darum geht, mit minimaler Anzahl von Erfassungen das Inspektionsziel zu erreichen. Da im Remanufacturing oft kein Vorwissen über die Produktgeometrie vorhanden ist, ist der Einsatz von Reinforcement Learning (RL) zur Lösung dieses Problems verfolgt worden. Die Ergebnisse zeigen, dass RL-Agenten einen guten Tradeoff zwischen benötigtem Vorwissen der Produktgeometrie des vorliegenden Inspektionsobjekts und Inspektionsgüte aufweisen.
Die vorliegende Arbeit liefert einen methodischen Ansatz zur Entwicklung autonomer visueller Inspektionssysteme, die ohne Vorwissen arbeiten und mittels RL-Algorithmen arbeiten. Sie stellt einen bedeutenden Schritt in Richtung effizienter Automatisierung im Remanufacturing dar.
Schlagwörter: Remanufacturing; Reinforcement Learning; wbk
Forschungsberichte aus dem wbk, Institut für Produktionstechnik, Karlsruher Institut für Technologie (KIT)
Herausgegeben von Prof. Dr.-Ing. Jürgen Fleischer, Prof. Dr.-Ing. Gisela Lanza und Prof. Dr.-Ing. habil. Volker Schulze, Karlsruhe
Band 294
Weitere Formate
Print-Version: 978-3-8440-9794-8
DOI 10.2370/9783844098884
Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.
Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.
| Dokument |  | Gesamtdokument | ||
| Dateiart |  | |||
| Kosten |  | 44,85 € | ||
| Aktion |  | Zahlungspflichtig kaufen und download der Datei | ||
| Dokument |  | Inhaltsverzeichnis | ||
| Dateiart | | |||
| Kosten |  | frei | ||
| Aktion |  | Download der Datei | ||
Benutzereinstellungen für registrierte Online-Kunden (Online-Dokumente)
Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.
Benutzer
Nicht angemeldet
Shaker Verlag GmbH
Am Langen Graben 15a
52353 Düren
Am Langen Graben 15a
52353 Düren
Mo. - Do. 8:00 Uhr bis 16:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Fr. 8:00 Uhr bis 15:00 Uhr
Kontaktieren Sie uns. Wir helfen Ihnen gerne weiter.
