Robotlar, endüstriyel tesisler ve üretim tesisleri dahil olmak üzere çeşitli ortamlara hızla giriyor. Şimdiye kadar, montaj hatlarında insan işçileri ikame ederek veya onlara yardımcı olarak bir dizi üretim sürecini hızlandırmak ve otomatikleştirmek için büyük potansiyel gösterdiler. Bununla birlikte, büyük ölçekte benimsenmesi için, üretim robotlarının hem verimli hem de nispeten uygun maliyetli olması gerekir.
Wuhan Bilim ve Teknoloji Üniversitesi ve Leicester Üniversitesi’ndeki araştırmacılar; montaj hatlarında çalışacak birden fazla robot setinin maliyetini ve verimliliğini optimize etmeye yardımcı olabilecek bir optimizasyon tekniği geliştirdiler. Springer Link’in Neural Computing and Applications dergisinde yayınlanan bir makalede sunulan bu teknik; kuşların doğasına uyum sağlamadaki basitliği ve esnekliği sayesinde optimizasyon problemlerini çözmek için ideal olan, göç eden kuş optimizasyon algoritması olarak bilinen bir meta-sezgisel algoritmaya dayanmaktadır.
Araştırmacı Mukund Janardhanan ve meslektaşları tarafından yapılan son araştırmanın amacı; robotların ve insan işçilerin birlikte çalıştığı montaj hatlarını optimize ederek hem etkili hem de güvenli bir şekilde çalışmalarını sağlamaktı. Bunu yapmak için, çok amaçlı bir karma tamsayılı programlama modeli geliştirdiler ve bir meta-sezgisel algoritma kullandılar. Daha sonra, farklı robot türlerinin birleştirmek yapabilmek için birlikte çalışmasının beklendiği birkaç senaryo üzerinde test ettiler.
Algoritma; bir montaj hattının toplam döngü süresini en aza indirebilir ve bir robot ekibinin toplam satın alma maliyetini azaltabilir. Algoritmanın tasarımı, kuşların V-flight (V-uçuş) oluşumundan esinlenmiştir. Algoritma, bir dizi olasılık arasından en uygun çözümü (yani, toplam maliyeti optimize eden ve genel döngü süresini azaltan bir çözüm) seçer ve daha önce tanımlanan eski çözümlerin yerini alır.
Araştırmacı Janardhanan: “Pek çok sektör için robot satın almak pahalı bir mesele olacak. Bu çalışmada geliştirilen model; üretim yöneticilerinin robotların satın alınmasına ve döngü süresine ilişkin maliyetleri aynı anda tahmin etmelerine ve optimize etmelerine yardımcı olacak ve bu, montaj hatlarını tasarlarken karar vermelerine yardımcı olacaktır.”
Janardhanan ve meslektaşları, göç eden kuş optimizasyon algoritmasının performansını, yaygın olarak kullanılan diğer optimizasyon teknikleriyle karşılaştırarak değerlendirdiler. Karşılaştırdıkları teknikler, çok amaçlı, baskın olmayan bir sıralama genetik algoritması II, çok amaçlı simüle edilmiş bir tavlama algoritması ve iki çok amaçlı yapay arı kolonisi algoritmasını içeriyordu.
Genel olarak, göç eden kuş optimizasyon algoritmasının, test edildiği son teknoloji tekniklerle elde edilenlere daha iyi veya benzer olan dikkate değer sonuçlar elde ettiği bulundu. Gelecekte, insan işçilerini desteklemek için bir robot ekibi kullanarak montaj hatlarının maliyetini ve verimliliğini optimize etmek için dünya çapındaki üreticiler tarafından kullanılabilir.
Araştırmacı Janardhanan: “Bu çalışma, montaj görevlerini tamamlarken hem robotları hem de işçileri kullanan bir montaj hattında satın alma maliyetlerinin ve döngü süresinin eşzamanlı optimizasyonunu dikkate alan ilk çalışma oldu. Sonraki çalışmalarımızda, enerji tüketimi optimizasyonu gibi diğer hedefleri ve daha gerçekçi faktörleri de dahil etmek için otomotiv endüstrileriyle işbirliği yapmayı planlıyoruz.”
