Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Tối ưu hóa phân công nhiệm vụ giữa con người và robot sử dụng công cụ mô phỏng dựa trên các mô tả công việc tiêu chuẩn
Tóm tắt
Sự hợp tác giữa con người và robot được hỗ trợ bởi việc số hóa sản xuất và đã trở thành công nghệ then chốt cho nhà máy của tương lai. Nó kết hợp những điểm mạnh của cả công nhân con người và robot trợ giúp và cho phép thực hiện mức độ tự động hóa khác nhau trong các nơi làm việc nhằm đáp ứng yêu cầu ngày càng tăng về tính linh hoạt của các hệ thống sản xuất. Các thuật toán lập kế hoạch và điều khiển thông minh là cần thiết để tổ chức công việc trong các nhóm hỗn hợp gồm con người và robot. Bài báo này giới thiệu một phương pháp sử dụng mô tả công việc tiêu chuẩn để tạo ra quy trình tự động cho robot trợ giúp di động. Một công cụ mô phỏng được phát triển, thực hiện mô hình quy trình và do đó có khả năng tính toán các tham số mục tiêu khác nhau như thời gian sản xuất hoặc công thái học trong một chu kỳ sản xuất, phụ thuộc vào việc phân công nhiệm vụ giữa con người và robot. Việc mô phỏng được xác thực với một nơi làm việc hiện có trong dây chuyền lắp ráp tại nhà máy Volkswagen ở Wolfsburg, Đức. Hơn nữa, một phương pháp mới được trình bày để tối ưu hóa phân công nhiệm vụ trong các đội ngũ con người-robot cho một nơi làm việc nhất định, sử dụng mô phỏng như một hàm thích hợp trong thuật toán di truyền. Lợi thế của phương pháp mới này là khả năng đánh giá các phân bố khác nhau của các nhiệm vụ, đồng thời xem xét sự động lực của tương tác giữa công nhân và robot trong nơi làm việc chung của họ. Bằng cách sử dụng phương pháp được trình bày cho một nơi làm việc nhất định, một phân công nhiệm vụ tối ưu cho con người-robot được tìm thấy, trong đó các nhiệm vụ được phân công một cách thông minh và dễ hiểu.
Từ khóa
#Hợp tác giữa con người và robot #Tối ưu hóa phân công nhiệm vụ #Robot trợ giúp di động #Mô phỏng #Hệ thống sản xuất linh hoạtTài liệu tham khảo
Angerer, S., Strassmair, C., Staehr, M., Roettenbacher, M., & Robertson, N. M. (2012). Give me a hand: The potential of mobile assistive robots in automotive logistics and assembly applications. In Proceedings of the IEEE conference on technologies for practical robot applications (pp. 111–116). https://doi.org/10.1109/TePRA.2012.6215663.
Bänziger, T., Kunz, A., & Wegener, K. (2018). Simulation of the human–robot cooperation in automotive assembly lines based on MTM. https://doi.org/10.6084/m9.figshare.5743314. https://figshare.com/s/35b5a5d311f6930ec3f3. Accessed January 1, 2018.
Bochmann, L., Bänziger, T., Kunz, A., & Wegener, K. (2017). Human–robot collaboration in decentralized manufacturing systems: An approach for simulation-based evaluation of future intelligent production. In CIRP conference on intelligent computation in manufacturing engineering (Vol. 62, pp. 624–629). https://doi.org/10.1016/j.procir.2016.06.021.
Chen, F., Sekiyama, K., Cannella, F., & Fukuda, T. (2014). Optimal subtask allocation for human and robot collaboration within hybrid assembly system. In Proceedings of the IEEE transactions on automation science and engineering (pp. 1065–1075). https://doi.org/10.1109/TASE.2013.2274099.
Chen, F., Sekiyama, K., & Fukuda, T. (2012). A genetic algorithm for subtask allocation within human and robot coordinated assembly. In International symposium on micro-nanomechatronics and human science (MHS) (pp. 507–511). https://doi.org/10.1109/MHS.2012.6492504.
Chen, F., Sekiyama, K., Sasaki, H., Huang, J., Sun, B., & Fukuda, T. (2011). Assembly strategy modeling and selection for human and robot coordinated cell assembly. In IEEE/RSJ international conference on intelligent robots and systems (IROS) (pp. 4670–4675). https://doi.org/10.1109/IROS.2011.6094715.
Chen, H. G., & Hector, G. (1992). A rule-based robot scheduling system for flexible manufacturing cells. Journal of Intelligent Manufacturing, 3, 285–296. https://doi.org/10.1007/BF01577270.
Cherubini, A., Passama, R., Crosnier, A., Lasnier, A., & Fraisse, P. (2016). Collaborative manufacturing with physical human–robot interaction. Robotics and Computer-Integrated Manufacturing, 40, 1–13. https://doi.org/10.1016/j.rcim.2015.12.007.
Cui, X., & Shi, H. (2012). An overview of pathfinding innavigation mesh. International Journal of Computer Science and Network Security, 12(12), 48–51.
Dahl, T. S., Matarić, M., & Sukhatme, G. S. (2009). Multi-robot task allocation through vacancy chain scheduling. Robotics and Autonomous Systems, 57(6–7), 674–687. https://doi.org/10.1016/j.robot.2008.12.001.
Das, G. P., McGinnity, T. M., Coleman, S. A., & Behera, L. (2015). A distributed task allocation algorithm for a multi-robot system in healthcare facilities. Journal of Intelligent & Robotic Systems, 80(1), 33–58. https://doi.org/10.1007/s10846-014-0154-2.
de Gea Fernández, J., Mronga, D., Günther, M., Knobloch, T., Wirkus, M., Schröer, M., et al. (2017). Multimodal sensor-based whole-body control for human–robot collaboration in industrial settings. Robotics and Autonomous Systems, 94, 102–119. https://doi.org/10.1016/j.robot.2017.04.007.
de Gea Fernández, J., Mronga, D., Günther, M., Wirkus, M., Schröer, M., Stiene, S., et al. (2017). iMRK: Demonstrator for intelligent and intuitive human-robot collaboration in industrial manufacturing. KI: Künstliche Intelligenz, 31(2), 203–207. https://doi.org/10.1007/s13218-016-0481-5.
Ding, H., Schipper, M., & Matthias, B. (2014). Optimized task distribution for industrial assembly in mixed human-robot environments—case study on IO module assembly. In Proceedings of the IEEE international conference on automation science and engineering (pp. 19–24). https://doi.org/10.1109/CoASE.2014.6899298.
Evans, P., & Annunziata, M. (2012). Industrial internet: Pushing the boundaries of minds and machines. https://www.ge.com/docs/chapters/Industrial_Internet.pdf. Accessed November 26, 2012.
German Organization for Standardization. (2008). DIN EN ISO 13849: Safety of machinery—Safety-related parts of control systems—Part 1: General principles for design.
German Organization for Standardization. (2010). DIN EN ISO 13855: Safety of machinery—Positioning of safeguards with respect to the approach speeds of parts of the human body.
German Organization for Standardization. (2011). DIN EN ISO 12100: Safety of machinery—General principles for design—Risk assessment and risk reduction.
German Organization for Standardization. (2012). DIN EN ISO 10218: Robots and robotic devices—Safety requirements for industrial robots.
Ghosh, B. K., & Helander, M. G. (1986). A systems approach to task allocation of human–robot interaction in manufacturing. Journal of Manufacturing Systems, 5(1), 41–49. https://doi.org/10.1016/0278-6125(86)90066-X.
Haddadin, S., Parusel, S., Belder, R., Albu-Schaffer, A., & Hirzinger, G. (2011). Safe acting and manipulation in human environments: A key concept for robots in our society. In Proceedings of the IEEE workshop on advanced robotics and its social impacts (pp. 72–75). https://doi.org/10.1109/ARSO.2011.6301962.
Hengstebeck, A. (2015). Formal modelling of manual work processes for the application of industrial service robotics. In Proceedings of the CIRP conference on manufacturing systems (pp. 364–369). https://doi.org/10.1016/j.procir.2015.12.013.
International Electrotechnical Commission. (2010). IEC 61508: Functional safety of electrical/electronic/programmable electronic safety-related systems—Part 1: General requirements.
International Organization for Standardization. (2016). ISO TS 15066: Robots and robotic devices—Collaborative robots.
Khatib, O. (1986). Real-time obstacle avoidance for manipulators and mobile robots. The International Journal of Robotics Research, 5, 90–98. https://doi.org/10.1109/ROBOT.1985.1087247.
Koren, Y. (2010). The global manufacturing revolution: Product–process–business integration and reconfigurable systems. Hoboken, NJ: Wiley.
Krüger, J., Lien, T. K., & Verl, A. (2009). Cooperation of human and machines in assembly lines. CIRP Annals: Manufacturing Technology, 58(2), 628–646. https://doi.org/10.1016/j.cirp.2009.09.009.
Kusiak, A. (2017). Smart manufacturing must embrace big data. Nature, 544, 23–25. https://doi.org/10.1038/544023a.
Loredo-Flores, A., Gonzalez-Galvan, E. J., Cervantes-Sanchez, J. J., & Martinez-Soto, A. (2008). Optimization of industrial, vision-based, intuitively generated robot point-allocating tasks using genetic algorithms. IEEE Transactions on Systems, Man, and Cybernetics, Part C (Applications and Reviews), 38(4), 600–608. https://doi.org/10.1109/TSMCC.2008.923886.
Malvankar-Mehta, M. S., & Mehta, S. S. (2015). Optimal task allocation in multi-human multi-robot interaction. Optimization Letters, 9(8), 1787–1803. https://doi.org/10.1007/s11590-015-0890-7.
Michalos, G., Makris, S., Spiliotopoulos, J., Misios, I., Tsarouchi, P., & Chryssolouris, G. (2014). ROBO-PARTNER: Seamless human-robot cooperation for intelligent, flexible and safe operations in the assembly factories of the future. Procedia CIRP, 23, 71–76. https://doi.org/10.1016/j.procir.2014.10.079.
Morioka, M., & Sakakibara, S. (2010). A new cell production assembly system with human–robot cooperation. CIRP Annals: Manufacturing Technology, 59(1), 9–12. https://doi.org/10.1016/j.cirp.2010.03.044.
Müller, R., Vette, M., & Scholer, M. (2014). Inspector robot—A new collaborative testing system designed for the automotive final assembly line. Procedia CIRP, 23, 59–64. https://doi.org/10.1016/j.procir.2014.10.093.
Nagarajan, T., & Thondiyath, A. (2014). An algorithm for cooperative task allocation in scalable, constrained multiple robot systems. Intelligent Service Robotics, 7(4), 221–233. https://doi.org/10.1007/s11370-014-0154-x.
Nielsen, I., Dang, Q. V., Bocewicz, G., & Banaszak, Z. (2017). A methodology for implementation of mobile robot in adaptive manufacturing environments. Journal of Intelligent Manufacturing, 28(5), 1171–1188. https://doi.org/10.1007/s10845-015-1072-2.
Shen, Y., Reinhart, G., & Tseng, M. M. (2015). A design approach for incorporating task coordination for human-robot-coexistence within assembly systems. In Proceedings of the annual IEEE international systems conference (Vol. 9, pp. 426–431). https://doi.org/10.1109/SYSCON.2015.7116788.
Shi, Z., Wei, J., Wei, X., Tan, K., & Wang, Z. (2010). Task allocation model based on reputation for the heterogeneous multi-robot collaboration system. World Congress on Intelligent Control and Automation (WCICA), 8, 6642–6647. https://doi.org/10.1109/WCICA.2010.5554165.
Stenmark, M., & Malec, J. (2014). Describing constraint-based assembly tasks in unstructured natural language. In Proceedings of the 19th world congress of the international federation of automatic control (Vol. 19, pp. 3056–3061). https://doi.org/10.3182/20140824-6-ZA-1003.02062.
Takata, S., & Hirano, T. (2011). Human and robot allocation method for hybrid assembly systems. CIRP Annals: Manufacturing Technology, 60(1), 9–12. https://doi.org/10.1016/j.cirp.2011.03.128.
Tao, F., & Qi, Q. (2017). New it driven service-oriented smart manufacturing: Framework and characteristics. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 99, 1–11. https://doi.org/10.1109/TSMC.2017.2723764.
Tao, F., Qi, Q., Liu, A., & Kusiak, A. (2018). Data-driven smart manufacturing. Journal of Manufacturing Systems,. https://doi.org/10.1016/j.jmsy.2018.01.006.
Teiwes, J., Bänziger, T., Kunz, A., & Wegener, K. (2016). Identifying the potential of human–robot collaboration in automotive assembly lines using a standardised work description. IEEE International Conference on Automation and Computing (ICAC), 22, 78–83. https://doi.org/10.1109/IConAC.2016.7604898.
The Industrial Engineer: MTM—Universal Analysis System (UAS). (2016). http://www.der-wirtschaftsingenieur.de/index.php/mtm-universelles-analysier-system/. Accessed January 7, 2016.
Volkswagen, A. G. (2016). Golf production at Wolfsburg plant: People and robots work hand-in-hand. http://www.volkswagen-media-services.com/en/detailpage/-/detail/Golf-production-at-Wolfsburg-plant-people-and-robots-work-hand-in-hand/view/3613525/. Accessed August 1, 2016.
Zacharia, P., & Aspragathos, N. A. (2005). Optimal robot task scheduling based on genetic algorithms. Robotics and Computer-Integrated Manufacturing, 21(1), 67–79. https://doi.org/10.1016/j.rcim.2004.04.003.