ارائه الگوریتمی برای بهینه‌سازی هزینه و کارایی خطوط مونتاژ

ربات‌ها به سرعت در حال گسترش در صنایع مختلف، از جمله صنایع تولیدی هستند. امروزه ربات‌ها با جایگزین شدن یا کار در کنار کارگران انسانی و کمک به آن‌ها در خطوط مونتاژ، پتانسیل بسیار بالایی برای تسریع و اتوماسیون تعداد زیادی از فرایندها را از خود به نمایش گذاشته‌اند. هرچند در صورت نیاز به آنها در مقیاس بزرگ، باید کارآمدتر و نسبتاً مقرون به صرفه‌تر باشند.

محققان دانشگاه علم و صنعت ووهان و دانشگاه لستر اخیراً یک الگوریتم بهینه‌سازی ایجاد کرده‌اند که می‌تواند به مقرون به صرفه‌تر شدن و کارایی بیشتر این ربات‌های صنعتی کمک کند تا در خطوط مونتاژ بهینه‌تر عمل کنند. این تکنیک که در مقاله‌ای در مجله Neural Computing and Applications Springer منتشر شده، مبتنی بر الگوریتمی ابتکاری تحت عنوان الگوریتم بهینه‌سازی پرندگان مهاجر است که به دلیل سادگی و انعطاف‌پذیری برای حل مشکلات بهینه‌سازی خطوط مونتاژ استفاده می‌شود.

Mukund Janardhanan، یکی از محققانی که این مطالعه را انجام داده به TechXplore گفت: “همکاری مشترک انسان و ربات‌ چالش‌های زیادی دارد. من و همکارانم در چند سال گذشته بر روی سیستم‌های خطوط مونتاژ رباتیک کار کرده‌ایم، زیرا می‌توانیم ببینیم که چندین صنعت (به ویژه خودروسازی) به دنبال فرصت‌هایی هستند که بتوانند با استفاده از ربات‌ها و کارگران انسانی به طور همزمان، خطوط مونتاژ خود را بهینه‌تر کنند.”

هدف فراتر از مطالعه اخیر محققان در بهینه سازی خطوط مونتاژ که در آن ربات‌ها و کارگران انسانی باهم همکاری می‌کنند، اطمینان از این بود که آیا آن‌ها می‌توانند در عین حال که موثر کار می‌کنند، از محیط کار ایمنی هم برخوردار باشند یا خیر. آن‌ها یک مدل برنامه‌نویسی چندمنظوره و چند هدفه را توسعه دادند و برای این منظور از یک الگوریتم ابتکاری استفاده کردند. سپس آن‌ها الگوریتم خود را بر روی چند سناریوی مختلف آزمایش کردند که در آن انواع مختلفی از ربات‌ها برای جمع‌آوری کالا با هم کار می‌کردند.

این الگوریتم می‌تواند زمان چرخه کلی یک خط مونتاژ را به حداقل برساند و هزینه‌های زیاد برای خرید یک تیم از ربات‌ها را کاهش دهد. طراحی الگوریتم از شکل‌گیری پرواز V شکل پرندگان الهام گرفته شده است. الگوریتم یک راه حل بهینه (یک راه حل که هزینه کل را بهینه می‌کند و زمان چرخه کلی را کاهش می‌دهد) را در میان مجموعه‌ای از امکانات انتخاب و آن را جایگزین راه حل‌های منسوخ شده قبلی می‌کند.

Janardhanan گفت: “برای بسیاری از صنایع، خرید ربات بسیار گران تمام می‌شود. مدل توسعه یافته‌ی ما به مدیران تولید کمک خواهد کرد تا هزینه‌های مربوط به خرید ربات‌ها و زمان چرخه تولید را به طور همزمان برآورد و بهینه کند و این مسئله به آن‌ها کمک می‌کند تا هنگام طراحی خطوط مونتاژ سریع‌تر و بهتر تصمیم‌گیری کنند.” Janardhanan و همکارانش عملکرد الگوریتم بهینه‌سازی پرندگان مهاجر خود را با سایر تکنیک‌های بهینه‌سازی مشابه نیز مقایسه کردند.

نتایج بدست آمده از مقایسه الگوریتم بهینه‌سازی پرندگان مهاجر و سایر الگوریتم‌های موجود نشان داد که پرندگان مهاجر در اغلب موارد از سایر رقبا بهتر بود و در برخی موارد عملکردی مشابه با آن‌ها داشت. در آینده‌ی نزدیک الگوریتم پرندگان مهاجر می‌تواند توسط تولیدکنندگان صنعتی در سراسر جهان برای بهینه‌سازی هزینه و کارایی بیشتر خطوط مونتاژ با به کارگیری تیمی از ربات‌ها جهت پشتیبانی از کارگران انسانی، مورد استفاده قرار گیرد.

Janardhanan گفت: “این مطالعه برای اولین بار جهت بهینه‌سازی همزمان هزینه‌ها و کارامدی در یک چرخه خط مونتاژ که از ربات‌ها و کارگران برای انجام کارهای مونتاژ استفاده می‌کند در نظر گرفته شده است. در مطالعات بعدی ما قصد داریم اهداف دیگری مانند بهینه‌سازی مصرف انرژی را در نظر بگیریم و با صنایع خودروسازی همکاری کنیم تا الگوریتم پرندگان مهاجر عوامل بیشتری را تحت تاثیر قرار دهد.”

 

 

 

 

لینک کوتاه شده : https://amerandish.com/icbQY

به اشتراک بگذارید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

_ مطالب مرتبط _

پردازش زبان طبیعی کوانتومی
پردازش گفتار

فناوری پردازش زبان طبیعی کوانتومی

پردازش زبان طبیعی کوانتومی (QNLP) : تیم محاسبات کوانتومی دانشگاه کمبریج مقاله‎ای درباره “معنای آگاهانه QNLP” منتشر کرد. ویژگی‌های اساسی کوانتوم در فناوری پردازش زبان

درخواست شما با موفقیت ارسال شد.

ضمن تشکر بابت ارسال پیام، در سریع‌ترین زمان ممکن کارشناسان شرکت عامراندیش درخواست شما را بررسی خواهند نمود.