Os robôs estão rapidamente entrando em uma variedade de ambientes, incluindo instalações industriais e de manufatura. Até agora, eles mostraram grande potencial para acelerar e automatizar vários processos de fabricação, substituindo ou auxiliando trabalhadores humanos nas linhas de montagem. Para serem adotados em larga escala, no entanto, os robôs para manufatura devem ser eficientes e relativamente acessíveis.
Pesquisadores da Universidade de Ciência e Tecnologia de Wuhan e da Universidade de Leicester desenvolveram recentemente uma técnica de otimização que pode ajudar a otimizar o custo e a eficiência de vários robôs configurados para operar em linhas de montagem. Esta técnica, apresentada em um artigo publicado na revista Neural Computing and Applications da Springer Link, é baseada em um algoritmo metaheurístico conhecido como algoritmo de otimização de aves migratórias, que é ideal para resolver problemas de otimização devido à sua simplicidade e flexibilidade de adaptação à natureza de um problema.
“Eu e meus colegas colaboradores temos trabalhado em sistemas de linha de montagem robótica nos últimos anos, pois pudemos ver que várias indústrias (especialmente automotivas) estão procurando oportunidades em que possam utilizar robôs e trabalhadores humanos trabalhando em conjunto para concluir a montagem tarefas “, disse Mukund Janardhanan, um dos pesquisadores que realizaram o estudo, ao TechXplore. “No entanto, o trabalho colaborativo de humanos e robôs apresenta vários desafios.”
O objetivo exagerado do estudo recente de Janardhanan e seus colegas era otimizar as linhas de montagem nas quais robôs e trabalhadores humanos colaboram, garantindo que eles possam trabalhar com eficácia e segurança. Para fazer isso, eles desenvolveram um modelo de programação inteira mista multi-objetivo e usaram um algoritmo metaheurístico. Eles então o testaram em vários cenários em que se espera que diferentes tipos de robôs trabalhem juntos para montar mercadorias.
O algoritmo pode minimizar o tempo de ciclo geral de uma linha de montagem e diminuir o custo total de compra de uma equipe de robôs. O projeto do algoritmo é inspirado na formação de vôo em V dos pássaros. O algoritmo seleciona uma solução ótima (ou seja, uma solução que otimiza o custo total e reduz o tempo de ciclo geral) entre um conjunto de possibilidades e substitui soluções desatualizadas identificadas anteriormente.
“Para muitas indústrias, comprar robôs será caro”, disse Janardhanan. “O modelo desenvolvido neste trabalho ajudará os gerentes de produção a estimar e otimizar os custos envolvidos na compra de robôs e o tempo de ciclo simultaneamente e isso os ajudará a tomar decisões durante o projeto ou redesenho de linhas de montagem.”
Janardhanan e seus colegas avaliaram o desempenho de seu algoritmo de otimização de aves migratórias comparando-o com o de outras técnicas de otimização amplamente utilizadas. As técnicas comparadas incluem um algoritmo genético de ordenação não dominado multi-objetivo II, um algoritmo de recozimento simulado multi-objetivo e dois algoritmos de colônia de abelhas artificiais multi-objetivo.
No geral, o algoritmo de otimização de aves migratórias obteve resultados notáveis, que foram melhores ou semelhantes aos obtidos pelas técnicas de última geração em que foi testado. No futuro, ele poderá ser usado por fabricantes em todo o mundo para otimizar o custo e a eficiência das linhas de montagem, empregando uma equipe de robôs para apoiar os trabalhadores humanos.
“Este estudo foi o primeiro a considerar a otimização simultânea dos custos de compra e do tempo de ciclo em uma linha de montagem que utiliza robôs e trabalhadores para completar as tarefas de montagem”, disse Janardhanan. “Em nossos próximos estudos, pretendemos incorporar outros objetivos, como otimização do consumo de energia, e colaborar com as indústrias automotivas para incluir fatores mais realistas.”
Publicado em 16/01/2021 16h51
Artigo original:
Estudo original: