Algoritme untuk mengoptimalkan biaya dan efisiensi jalur perakitan kolaboratif manusia-robot
Ai

Algoritme untuk mengoptimalkan biaya dan efisiensi jalur perakitan kolaboratif manusia-robot


Kredit: carlos aranda, Unsplash.com.

Robot dengan cepat memasuki berbagai pengaturan, termasuk fasilitas industri dan manufaktur. Sejauh ini, mereka telah menunjukkan potensi besar untuk mempercepat dan mengotomatiskan sejumlah proses manufaktur dengan menggantikan atau membantu pekerja manusia di jalur perakitan. Namun, untuk diadopsi dalam skala besar, robot untuk pembuatan harus efisien dan relatif terjangkau.

Para peneliti di Universitas Sains dan Teknologi Wuhan dan Universitas Leicester baru-baru ini mengembangkan teknik pengoptimalan yang dapat membantu mengoptimalkan biaya dan efisiensi beberapa robot yang dipasang untuk beroperasi di jalur perakitan. Teknik ini, disajikan dalam makalah yang diterbitkan di Springer Link’s Komputasi dan Aplikasi Neural Jurnal, didasarkan pada algoritma metaheuristik yang dikenal sebagai algoritma optimasi burung bermigrasi, yang ideal untuk memecahkan masalah optimasi karena kesederhanaan dan fleksibilitasnya dalam beradaptasi dengan sifat suatu masalah.

“Saya dan rekan-rekan kolaborator telah mengerjakan sistem jalur perakitan robotik selama beberapa tahun terakhir, karena kami dapat melihat bahwa beberapa industri (terutama otomotif) sedang mencari peluang di mana mereka dapat memanfaatkan robot dan pekerja manusia yang bekerja bersama-sama untuk menyelesaikan perakitan. tugas, “Mukund Janardhanan, salah satu peneliti yang melakukan penelitian, mengatakan kepada TechXplore. “Namun, kerja kolaboratif manusia dan robot memiliki beberapa tantangan.”

Tujuan yang melampaui batas dari studi baru-baru ini oleh Janardhanan dan rekan-rekannya adalah untuk mengoptimalkan jalur perakitan di mana robot dan pekerja manusia berkolaborasi, memastikan bahwa mereka dapat bekerja secara efektif dan aman. Untuk melakukan ini, mereka mengembangkan model pemrograman bilangan bulat campuran multi-tujuan dan menggunakan algoritma metaheuristik. Mereka kemudian mengujinya pada beberapa skenario di mana berbagai jenis robot diharapkan bekerja sama untuk merakit barang.

Algoritme dapat meminimalkan waktu siklus keseluruhan jalur perakitan dan mengurangi total biaya pembelian tim robot. Desain algoritme terinspirasi oleh formasi V-flight pada burung. Algoritme memilih solusi optimal (yaitu, solusi yang mengoptimalkan biaya total dan mengurangi waktu siklus keseluruhan) di antara serangkaian kemungkinan dan menggantikan solusi lama yang diidentifikasi sebelumnya.

“Bagi banyak industri, membeli robot akan menjadi urusan yang mahal,” kata Janardhanan. “Model yang dikembangkan dalam pekerjaan ini akan membantu manajer produksi untuk memperkirakan dan mengoptimalkan biaya yang terlibat dalam pembelian robot dan waktu siklus secara bersamaan dan ini akan membantu mereka membuat keputusan saat merancang atau mendesain ulang jalur perakitan.”

Janardhanan dan rekannya mengevaluasi kinerja algoritme pengoptimalan burung migrasi mereka dengan membandingkannya dengan teknik pengoptimalan lain yang banyak digunakan. Teknik yang mereka bandingkan untuk memasukkan algoritma genetika penyortiran non-dominan multi-objektif II, algoritma anil simulasi multi-objektif dan dua algoritma koloni lebah buatan multi-objektif.

Secara keseluruhan, algoritme pengoptimalan burung yang bermigrasi ditemukan untuk mencapai hasil yang luar biasa, yang lebih baik atau serupa dengan yang dicapai oleh teknik mutakhir yang diuji. Di masa depan, ini dapat digunakan oleh produsen di seluruh dunia untuk mengoptimalkan biaya dan efisiensi jalur perakitan, dengan menggunakan tim robot untuk mendukung pekerja manusia.

“Studi ini adalah yang pertama mempertimbangkan pengoptimalan simultan biaya pembelian dan waktu siklus di jalur perakitan yang menggunakan robot dan pekerja dalam menyelesaikan tugas perakitan,” kata Janardhanan. “Dalam studi kami berikutnya, kami bermaksud untuk memasukkan tujuan lain seperti pengoptimalan konsumsi energi dan bekerja sama dengan industri otomotif untuk memasukkan faktor yang lebih realistis.”


Video: Robot jalur perakitan pintar yang belajar dari pengalaman bekerja bersama manusia


Informasi lebih lanjut:
Zixiang Li dkk. Algoritma optimasi burung migrasi multi-tujuan untuk masalah keseimbangan jalur perakitan berorientasi biaya dengan robot kolaboratif, Komputasi dan Aplikasi Neural (2021). DOI: 10.1007 / s00521-020-05610-2

© 2021 Science X Network

Kutipan: Algoritme untuk mengoptimalkan biaya dan efisiensi jalur perakitan kolaboratif manusia-robot (2021, 15 Januari) diambil pada 25 Januari 2021 dari https://techxplore.com/news/2021-01-algorithm-optimizing-efficiency-human-robot -collaborative.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Toto SGP