Wir nutzen Cookies auf unserer Website. Einige von ihnen sind essenziell, während andere uns helfen, diese Website und Ihre Erfahrung zu verbessern. Sie können Cookies ablehnen, indem Sie Einstellungen Ihres Browsers ändern. Weitere Informationen zu den von uns verwendeten Cookies finden Sie in unserer Cookie-Richtlinie.

Akzeptieren
AnyLogic

Training von KI-Agenten mit Microsoft Project Bonsai

Durch unsere Zusammenarbeit mit Microsoft haben wir einen einfach zu bedienenden Konnektor entwickelt, der es Ihnen ermöglicht, AnyLogic-Modelle als Simulatoren in Verbindung mit der Bonsai-Plattform zu verwenden. Dieser innovative und neuartige Einsatz von geschäftsorientierten Simulationsmodellen bringt hochmoderne adaptive Steuerung und Deep Reinforcement Learning in den Produktions- und Betriebsalltag. Businessanalysten und Ingenieure sind somit in der Lage, fortschrittliche künstliche Intelligenz zu nutzen, ohne dabei selbst eine Data Scientist sein zu müssen.

Zurück zur KI-Seite

Reinforcement Learning basiert auf der Idee, Probleme als Markov-Entscheidungsprozess zu formulieren. Dabei lernt der KI-Agent Regelungsstrategien, um die beste Aktion für einen definierten Systemzustand zu wählen. Das System arbeitet idealerweise zufällig und dynamisch, so dass ein belohnungsbasierten Lernansatz im Vergleich zu traditionellen Regelungstheorien überlegen ist.

Project Bonsai ermöglicht es Fachexperten, selbst solchen ohne KI-Hintergrund, ihr Fachwissen einzubringen und KI-Modelle zu trainieren, wie man reale Geschäftsprobleme löst. Maschinelles Lernen, kombiniert mit Deep Reinforcement Learning, hilft Unternehmen, KI-Modelle zu erstellen, die leistungsstark genug sind, um reale Systeme zu optimieren und zu automatisieren.

Als Marktführer auf dem Gebiet der Simulationsmodellierung für Unternehmen verfügt AnyLogic über eine breite Nutzerbasis unter den Branchenführern verschiedenster Industriezweige, die die Simulation bereits für ihre hochkomplexen Probleme einsetzen. Die Ergänzung mit Deep Reinforcement Learning und die maschinellen Lernfähigkeiten von Projekt Bonsai eröffnet eine ganz neue Dimension für innovative simulationsbasierte Lösungen, die auf adaptive Regelungsstrategien ausgerichtet sind.

Projekt-Bonsai-Plattform

„RLExperiment“ für die einfache Projekt-Bonsai-Anbindung

Wir haben einen neuen Experimenttyp „RLExperiment“ zu allen AnyLogic-Versionen (Professional, Researcher und zur kostenlosen Personal-Learning-Edition) hinzugefügt, um eine einfache Überführung von Simulationsmodellen in Lernumgebungen zu ermöglichen (in der Projekt-Bonsai-Plattform auch „Simulator“ genannt). Mit RLExperiment lassen sich Modelle exportieren, die alle zur problemlosen Kommunikation mit der Projekt-Bonsai-Plattform benötigten Mechanismen enthalten.

Im RLExperiment sind bereits alle für die Kommunikation zwischen Ihrem Simulationsmodell und der Bonsai-Plattform notwendigen Felder vorhanden – insbesondere die Konfiguration und der Endzustand jeder Episode sowie der Beobachtungs- und Aktionsraum in jedem Episodenschritt.


AnyLogic herunterladen
AnyLogic-Bonsai Plattform-Workflow

Beispiel-Modelle


Im Folgenden finden Sie zwei AnyLogic-Beispielmodelle, die für die Verwendung als Lernumgebung (Simulator) mit der Bonsai-Plattform refaktorisiert wurden. Die Modelle finden Sie in den untenstehenden Links; die zugehörigen README.md-Datei enthalten jeweils eine ausführliche Dokumentation.

  • 01

    Modell zur Prozesskostenrechnung

    Modell zur Prozesskostenrechnung
    Ein vereinfachtes Produktionsmodell, bei dem die mit der Produktverarbeitung verbundenen Kosten mithilfe der Prozesskostenrechnung (ABC) berechnet und analysiert werden. Alle eingehenden Halbfertigprodukte beanspruchen gewisse Ressourcen, werden von einer Maschine weiterverarbeitet, transportiert und geben die Ressourcen danach wieder frei. Die Kosten, die ein Produkt verursacht, werden zur Analyse und Optimierung in verschiedene Kategorien unterteilt. Ziel ist es, die Kosten pro Produkt unter Beibehaltung eines hohen Durchsatzes zu senken.

  • 02

    Produktlieferung

    Produktliefermodell
    Die simulierte Lieferkette umfasst drei Produktionsstätten und fünfzehn Distributoren, die alle 2 bis 10 Tage zufällige Mengen eines Produkts bestellen. Erhält eine Produktionsstätte einen Auftrag von einem Distributor, wartet sie, bis die Auftragsmenge für einen Produktionsanlauf ausreicht (sofern der Bedarf nicht direkt aus dem aktuellen Lagerbestand gedeckt werden kann) und schickt dann eine LKW-Lieferung, um den Auftrag zu erfüllen. Ziel ist es, die bestmögliche Vorgehensweise mit den geringsten Produktkosten bei gleichzeitiger Minimierung der durchschnittlichen Lieferzeiten zu finden. Dazu wird neben der Produktionsrate und der Anzahl der Lastwagen pro Standort, sowie die Öffnung des Standorts festgelegt.

Simulation zum Trainieren und Testen der KI – E-Mail Paket [in Englisch]

AnyLogic Simulation ist die KI-Trainings- und Testplattform für Unternehmen. Mit der Allzweck-Simulation von AnyLogic können Sie robuste, umfangreiche virtuelle Umgebungen für das Training und Testen Ihrer KI-Modelle erstellen. Die einzigartigen Multi-Methoden-Simulationsmöglichkeiten bieten ein umfassendes Werkzeug für den Einsatz im Bereich maschinellem Lernen . Diese vollständig Cloud-fähige Plattform mit offener API ist bereits bei führenden Unternehmen verschiedenster Industriebereiche im Einsatz und verbessert und beschleunigt schon heute die KI-Entwicklung. Erfahren Sie mehr über dieses leistungsstarke Tool für maschinelles Lernen in unserem Whitepaper und unserem KI-E-Mail-Paket!

KI-Paket und Whitepaper