MDP-basierte Lagerentnahme-Strategie für einen Logistikdienstleister
Übersicht
Worum es bei diesem Projekt geht.
Definiere ein MDP mit Zuständen (Position des Fahrzeugs, Inhalt der Auftragsliste), Aktionen (nächste Aufgabe wählen) und stochastischen Übergängen (eine bekannte Auftragsausfallrate). Implementiere Value Iteration und Policy Iteration in Python und führe sie auf einem vereinfachten 20x20-Lagergrundriss durch. Bewerte die Konvergenzgeschwindigkeit, die erwartete kumulative Belohnung und die Robustheit gegenüber Änderungen der Ausfallrate. Liefere eine technische Notiz an die Disponenten-Leitung mit klarer Empfehlung, welche Methode für welche Lagergröße geeigneter ist und welche Erweiterungen für den produktiven Einsatz nötig wären.
Das Briefing
Was Du tust und was Du zeigst.
Welche der beiden klassischen MDP-Lösungsverfahren (Value Iteration vs. Policy Iteration) ist für die Lagerentnahme-Reihenfolge eines mittelgroßen Hochregallagers methodisch vorzuziehen?
Earning criteria — what you'll demonstrate
- Sequenzielle Entscheidungsprobleme als MDP formalisieren
- Value Iteration und Policy Iteration korrekt implementieren und ihre Eigenschaften benennen
- Konvergenzverhalten quantitativ vergleichen statt nur anekdotisch zu beschreiben
- Methodische Wahl für eine Operations-Leitung verständlich begründen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenAI Engineer
MDPs sind ein Standardwerkzeug, das AI Engineers in Operations-Kontexten regelmäßig brauchen. Die Challenge übt Modellierung, Implementierung und die Brücke zur Geschäftsempfehlung.
Dieses Projekt schärft
- markov-decision-process
- value-iteration
- policy-iteration
Machine Learning Engineer
MDP-Verständnis ist Voraussetzung für jede Reinforcement-Learning-Arbeit. Diese Challenge baut das Fundament, auf dem produktive RL-Pipelines später entstehen.
Dieses Projekt schärft
- python
- discrete-optimization
- evaluation-design
Applied AI Scientist
Die Übersetzung klassischer Theorie in operationelle Empfehlungen entspricht der Profilbeschreibung eines Applied AI Scientists in einem Logistik-Technologieunternehmen.
Dieses Projekt schärft
- markov-decision-process
- evaluation-design
- discrete-optimization
Noch eine Sache