Los robots se están abriendo camino rápidamente en una variedad de entornos, incluidas las instalaciones industriales y de fabricación. Hasta ahora, han demostrado un gran potencial para acelerar y automatizar una serie de procesos de fabricación mediante la sustitución o la asistencia de trabajadores humanos en las líneas de montaje. Sin embargo, para su uso a gran escala, los robots para la fabricación deben ser eficientes y relativamente asequibles.
Optimiza costo y eficiencia de múltiples robots
Investigadores de la Universidad de Ciencia y Tecnología de Wuhan y la Universidad de Leicester han desarrollado recientemente una técnica de optimización que podría ayudar a optimizar el costo y la eficiencia de múltiples robots que operan en líneas de ensamblaje. Esta técnica, presentada en un artículo publicado en la revista Neural Computing and Applications de Springer Link, se basa en un algoritmo metaheurístico conocido como algoritmo de optimización de aves migratorias, que es ideal para resolver problemas de optimización debido a su simplicidad y flexibilidad para adaptarse a la naturaleza de un problema.
El objetivo primordial del estudio reciente de Mukund Janardhanany sus colegas era optimizar las líneas de montaje en las que colaboran robots y trabajadores humanos, asegurando que puedan trabajar de forma eficaz y segura. Para hacer esto, desarrollaron un modelo de programación multiobjetivo de enteros mixtos y utilizaron un algoritmo metaheurístico. Luego lo probaron en varios escenarios en los que se espera que diferentes tipos de robots trabajen juntos para ensamblar productos.
El algoritmo puede minimizar el tiempo de ciclo general de una línea de montaje y disminuir el costo total de compra de un equipo de robots. El diseño del algoritmo está inspirado en la formación de vuelo en V de las aves. El algoritmo selecciona una solución óptima (es decir, una solución que optimiza el costo total y reduce el tiempo total del ciclo) entre un conjunto de posibilidades y reemplaza las soluciones obsoletas identificadas anteriormente.
