ระบบการจัดการหุ่นยนต์หลายตัวสำหรับการขนถ่ายวัสดุในโรงงานอุตสาหกรรม

Main Article Content

Pongsakorn Chanchaichujit
Pruittikorn Smithmaitrie

บทคัดย่อ

ปัจจุบันการขนถ่ายวัสดุในโรงงานอุตสาหกรรมมีการนำหุ่นยนต์ AGV มาใช้กันอย่างแพร่หลาย ซึ่งพบว่าส่วนใหญ่มักนำหุ่นยนต์ AGV หนึ่งตัวมาใช้ในการขนถ่ายวัสดุเพียงหนึ่งชนิด จากสถานีงานต้นทางไปยังสถานีงานปลายทาง และทำซ้ำแบบเดิมตลอดเวลา งานวิจัยนี้จึงนำเสนอการออกแบบระบบจัดการหุ่นยนต์หลายตัวสำหรับขนถ่ายวัสดุในโรงงานอุตสาหกรรมโดยใช้โปรแกรม ROS (Robot Operating System) เพื่อพัฒนาศักยภาพระบบขนถ่ายวสั ดุ เพมิ่ ความยดื หย่นุ ลดเวลาในการทำงานของหุ่นยนต์ ด้วยวิธี Market-based Approach ร่วมกับ Dijkstra’s Algorithm สำหรับการขนถ่ายวัสดุในโรงงานอุตสาหกรรม ผลการจำลองการทำงานพบว่าระบบสามารถควบคุมหุ่นยนต์ AGV ต่างชนิดกันได้ สามารถเลือกสั่งการห่นุ ยนต์ขนถ่ายวัสดุได้คุ้มค่าที่สุดจากการประเมินงานของหุ่นยนต์ทั้งหมดในระบบ ณ สภาวะปัจจุบันของการทำงาน ระบบจัดการนี้สามารถลดเวลาการทำงานได้ครึ่งหนึ่งเมื่อเทียบกับวิธีแบบ FIFO นอกจากนี้ยังพบว่าการเลือกจำนวนหุ่นยนต์ให้กับระบบการจัดการหุ่นยนต์หลายตัวส่งผลต่อความเร็วในการขนถ่ายวัสดุอีกด้วย ผลการจำลองพื้นที่ทำงานขนาด 65 ตารางเมตรแสดงให้เห็นว่าหุ่นยนต์ 3 ตัว สามารถขนถ่ายวัสดุ 100 ชุดคำสั่งงานได้เร็วที่สุด งานวิจัยนี้แสดงให้เห็นว่าระบบสามารถจัดการงานสำหรับการขนถ่ายวัสดุโดยเลือกหุ่นยนต์ทำงานให้มีรอบเวลาทำงาน (Cycle Time) ได้เร็วที่สุด สามารถควบคุมหุ่นยนต์ที่มีลักษณะแตกต่างกันทำให้เกิดความยืดหยุ่นในการขนถ่ายวัสดุ ซึ่งสามารถนำไปใช้ขนถ่ายวัสดุในโรงงานอุตสาหกรรมที่ใช้หุ่นยนต์หลายตัวในการขนถ่ายวัสดุหลายชนิดจากสถานีเริ่มต้นไปยังสถานีปลายทางได้มากกว่าหนึ่งสถานี

Article Details

บท
บทความวิจัย ด้านวิศวกรรมศาสตร์

References

[1] C. J. Malmborg, “A model for the design of zone control automated guided vehicle systems,” International Journal of Production Research, vol. 28, no. 10, pp. 1741–1758, 1990.

[2] F. Tang and L. E. Parker, “A complete methodology for generating multi-robot task solutions using ASyMTRe-D and market-based task allocation,” in Proceedings 2007 IEEE International Conference on Robotics and Automation, 2007, pp. 3351–3358.

[3] P. K. Das, H. S. Behera, and B. K. Panigrahi, “Intelligent-based multi-robot path planning inspired by improved classical Q-learning and improved particle swarm optimization with perturbed velocity,” International Journal Engineering Science and Technology, vol. 19, no. 1, pp. 651–669, 2016.

[4] K. Thippeswamy, J. Hanumanthappa, and D. H. Manjaiah, “A study on contrast and comparison between Bellman-Ford algorithm and Dijkstra’s algorithm,” presented at the National Conference on Wireless Networks-09 (NCOWN-2010), 2010.

[5] Y. Sharma, S. C. Saini, and M. Bhandhari, “Comparison of Dijkstra’s shortest path algorithm with genetic algorithm for static and dynamic routing network,” International Journal of Electronics and Computer Science Engineering, vol. 1, no. 2, pp. 416–425, 2012.

[6] A. Hussein, M. Adel, M. Bakr, O. M. Shehata, and A. Khamis, “Multi-robot task allocation for search and rescue missions,” Journal of Physics: Conference Series, vol. 570, pp. 1–10, 2014.

[7] S. A. Fadzli, S. I. Abdulkadir, M. Makhtar, and A. A. Jamal, “Robotic indoor path planning using Dijkstra’s algorithm with multi-layer dictionaries,” in Proceedings 2015 2nd International Conference on Information Science and Security (ICISS), 2015, pp. 1–4.

[8] M. Quigley, K. Conley, B. Gerkey, and J. Faust, “ROS: An open-source robot operating system,” presented at the ICRA workshop on open source software, 2009.

[9] M. Ben-Ari and F. Mondada, “Mapping-based navigation,” in Proceedings Elements of Robotics, 2018, pp. 165–178.

[10] M. Karlsson, F. Ygge, and A. Andersson, “Marketbased approaches to optimization,” Computational Intelligence, vol. 23, no. 1, pp. 92–109, 2007.

[11] M. B. Dias, R. Zlot, N. Kalra, and A. Stentz, “Market-based multirobot coordination: A survey and analysis,” in Proceedings of the IEEE, vol. 94, no. 7, pp. 1257–1270, 2006.

[12] M. B. Dias and A. Stentz, “Opportunistic optimization for market-based multirobot control,” presented at the IEEE/RSJ International Conference on Intelligent Robots and Systems, Lausanne, Switzerland, 2002.

[13] R. Zlot and A. Stentz, “Market-based multirobot coordination for complex tasks,” International Journal of Robotics Research, vol. 25, no. 1, pp. 73–101, 2006.

[14] C. Myint and N. N. Win, “Position and velocity control for two-wheel differential drive mobile robot,” International Journal of Science Engineering and Technology Research (IJSETR), vol. 5, no. 9, pp. 2849–2855, 2016.

[15] H. Taheri, B. Qiao, and N. Ghaeminezhad, “Kinematic model of a four mecanum wheeled mobile robot,” International Journal of Computer Applications, vol. 113, no. 3, pp. 6–9, 2015.

[16] J. Rubaszewski, A. Yalaoui, L. Amodeo, and S. Fuchs, “Extensions of the unidirectional flow path design problem solved by efficient metaheuristics,” IFAC Proceedings Volumes, vol. 46, no. 9, pp. 784–789, 2013.

[17] S. Manca, A. Fagiolini, and L. Pallottino, “Decentralized coordination system for multiple AGVs in a structured environment,” IFAC Proceedings Volumes, vol. 44, no. 1, pp. 6005–6010, 2011.