在一个真正的工业4.0环境中,生产计划与多机器人任务分配

科学领域:

• 运营研究 运营研究
• 工业工程 工业工程 工业工程
• 制造系统制造系统的制造

背景情况:

• 工业4.0要求高效的生产系统,使机器人调度至关重要.
• 现有的研究往往简化了机器人工作室的问题,忽视了机器人的多样性和资源配置.
• 智能制造需要精确的调度材料传输机器人,特别是有限的缓冲区和阻塞条件.

研究的目的:

• 为了解决复杂的多机器人灵活工作车间 (MRFJS) 计划问题,使用有限的缓冲器.
• 开发和评估一种新的遗传算法 (GA),以在现实的工业4.0场景中优化生产时间表.
• 为了最大限度地减少在一个系统与非相同的并行机器和多样化的机器人 makespan.

主要方法:

• 制定一个混合整数编程 (MILP) 模型,以尽量减少 makespan.
• 开发一种新的基因算法 (GA),结合罗伊和苏斯曼的替代图.
• 使用各种尺度和真实制造厂数据进行计算测试.

主要成果:

• 拟议的遗传算法 (PGA) 实现了0.25%的平均相对偏差 (ARD).
• PGA表现出比基本遗传算法 (BGA) 的34%的改善,基本遗传算法的ARD为0.38%.
• 该算法在解决现实世界的生产环境中复杂的调度问题方面被证明是有效的.

结论:

• 开发的PGA对于优化工业4.0环境中的MRFJS调度非常有效.
• 该研究强调了考虑机器人多样性和缓冲区限制对于现实的调度的重要性.
• 提出的方法为智能制造效率和复杂的调度解决方案提供了显著的进步.