Bachelor Thesis
Refine
Has Fulltext
- yes (3)
Is part of the Bibliography
- yes (3)
Year of publication
- 2020 (3) (remove)
Document Type
- Bachelor Thesis (3) (remove)
Keywords
- Außenpolitik (1)
- Außenpolitikanalyse (1)
- Bestärkendes Lernen (1)
- Blaise Compaoré (1)
- Burkina Faso (1)
- Deep Reinforcement Learning (1)
- Echtzeit-Netzwerke (1)
- Foreign Policy (1)
- Foreign Policy Analysis (1)
- Geiger, Moritz (1)
Institute
Reliable, deterministic real-time communication is fundamental to most industrial systems today. In many other domains Ethernet has become the most common platform for communication networks, but has been unsuitable to satisfy the requirements of industrial networks for a long time. This has changed with the introduction of Time-Sensitive-Networking (TSN), a set of standards utilizing Ethernet to implement deterministic real-time networks. This makes Ethernet a viable alternative to the expensive fieldbus systems commonly used in industrial environments. However, TSN is not a silver bullet. Industrial networks are a complex and highly dynamic environment and the configuration of TSN, especially with respect to latency, is a challenging but crucial task.
Various approaches have been pursued for the configuration of TSN in dynamic industrial environments. Optimization techniques like Linear Programming (LP) are able to determine an optimal configuration for a given network, but the time consumption exponentially increases with the complexity of the environment. Machine Learning (ML) has become widely popular in the last years and is able to approximate a near-optimal TSN configuration for networks of different complexity. Yet, ML models are usually trained in a supervised manner which requires large amounts of data that have to be generated for the specific environment. Therefore, supervised methods are not scalable and do not adapt to changing dynamics of the network environment.
To address these issues, this work proposes a Deep Reinforcement Learning (DRL) approach to the configuration of TSN in industrial networks. DRL combines two different disciplines, Deep Learning (DL) and Reinforcement Learning (RL), and has gained considerable traction in the last years due to breakthroughs in various domains. RL is supposed to autonomously learn a challenging task like the configuration of TSN without requiring any training data. The addition of DL allows to apply well-studied RL methods to a complex environment such as dynamic industrial networks.
There are two major contributions made in this work. In the first step, an interactive environment is proposed which allows for the simulation and configuration of industrial networks using basic TSN mechanisms. The environment provides an interface that allows to apply various DRL methods to the problem of TSN configuration. The second contribution of this work is an in-depth study on the application of two fundamentally different DRL methods to the proposed environment. Both methods are evaluated on networks of different complexity and the results are compared to the ground truth and to the results of two supervised ML approaches. Ultimately, this work investigates if DRL can adapt to changing dynamics of the environment in a more scalable manner than supervised methods.
Moritz Geiger war ein Vertreter des Münchener Phänomenologenkreises, der stark von Edmund Husserl inspiriert war, jedoch eine realistische Philosophie anstrebte. In der Philosophiegemeinde fanden Geigers Werke zur Ästhetik die meiste Beachtung, doch diese Arbeit widmet sich seinem Grundprinzip der unmittelbaren Einstellung und wie sich die Realität in ihr darstellt. Im Zuge dessen werden auch die mannigfaltigen Terminologien Geigers zueinander in Beziehung gesetzt. Unter unmittelbarer Einstellung versteht er v.a. die naive Einstellung des gewöhnlichen Lebens, die im Gegensatz zum naturalistischen Modell keine bloße Zweiteilung der Welt in Physisches und Psychisches vornimmt. Stattdessen macht Geiger für die Realität der unmittelbaren Einstellung ganze fünf Objektreiche aus, die jeweils unabhängig voneinander sind: Neben Psyche und körperlicher Welt sind dies die Sphären ideeller, realer geistiger und mentaler Objekte. Geiger macht die unmittelbare Einstellung zudem als Korrelat zu einer von zwei Weltformungen aus. Ihm folgend wäre besagte Realität der unmittelbaren Einstellung also als gleichberechtigt neben der naturalistischen Realität anzusehen. Eine Kombination beider Ansätze muss Geiger zufolge möglich sein, doch seine dahingehenden Versuche dokumentieren v.a. die diesbzgl. Problematiken und können jene nicht gänzlich auflösen.
Ganze 27 Jahre lang regierte Blaise Compaoré die westafrikanische Republik Burkina Faso. Am 15. Oktober 1987 putschte er sich mit Hilfe eines von ihm angeleiteten Staatsstreichs, bei dem sein Vorgänger Thomas Sankara ermordet wurde, an die Macht. Die außenpolitische Ausgangssituation Burkina Fasos zu Beginn der Amtszeit Blaise Compaorés war verheerend: Die anti-kapitalistische Außenpolitik Sankaras hatte den rohstoffarmen Binnenstaat von seinen wichtigsten politischen und wirtschaftlichen Partnern isoliert und die neue Regierung war durch den gewalttätigen Staatsstreich international gebrandmarkt. Trotz dieser außenpolitisch schwierigen Ausgangslage entwickelte sich Blaise Compaoré im Zeitverlauf seiner präsidialen Amtszeit zu der zentralen Figur der regionalen Diplomatie in Westafrika. Er konnte in den 2000er Jahren durch Konfliktmediationen im unmittelbaren geografischen Umfeld Burkina Fasos eine Führungsrolle in der westafrikanischen Subregion einnehmen.
Die vorliegende Arbeit analysiert die außenpolitischen Entwicklungen Burkina Fasos während der präsidialen Amtszeit Blaise Compaorés. Der Fokus der Analyse liegt auf der Frage, wie sich Burkina Faso unter Blaise Compaoré als Regionalmacht in Westafrika etablieren konnte. In diesem Zusammenhang werden die außenpolitischen Mittel, mit denen Blaise Compaoré die Grundsituation der politischen Isolation seines Amtsantritts in eine regionale Führungsrolle in Westafrika umwandeln konnte, herausgestellt.