로봇 구매 비용과 작업 능률 최적화 알고리즘

 

사람-로봇 협업은 이제 제조업에 있어서 필수적이다. 제조라인에서 로봇과 사람이 협업하는 풍경은 이제 흔하다. 로봇과의 협업은 빠른 속도와 적은 불량률로 안전하게 대량 생산이 가능하게 한다. 그러나 로봇은 비싸다. 매해 점점 더 로봇의 가격은 떨어지고 있지만, 최신 성능의 로봇들이 항상 비싸다는 사실은 변함이 없다. 때문에 협업을 위해 지출되는 비용과 능률 사이에는 최적화가 필요하다.

본 논문에서 연구진은 metaheuristic algorithm의 일종인 migrating bird optimization algorithm을 활용해 최적화를 진행했다. 이는 철새의 V- flight formation에서 영감을 얻은 알고리즘으로, 연구진은 이를 통해 multi-objective mixed-integer programming model을 설계하여 multi-objective non-dominated sorting genetic algorithm II, multi-objective simulated annealing algorithm, two multi-objective artificial bee colony algorithms 등의 다른 최적화 알고리즘들과 성능을 비교했다. 테스트 결과, 연구진의 알고리즘은 효과적으로 제조라인의 전체 cycle time을 최소화시킴과 동시에 로봇 구매 비용을 감소시켰다.

---

본 연구는 제조라인에서의 사람-로봇 협업 과정에 있어 로봇 구매 비용과 cycle time 최적화를 동시에 이루어내는 알고리즘을 제시한다. 연구진이 개발한 알고리즘은 다른 최신 최적화 알고리즘과 비교했을 때 그 성능이 유사하거나 더 우수했다.

제조업에 있어 최적화 알고리즘은 날이 갈수록 중요해질 것으로 생각된다. 학계와 현장에서는 이와 관련하여 이미 많은 연구와 실험이 진행되어왔다. 그러나 향후에는 제조업이 이보다도 훨씬 더 스마트해져야하기 때문에, 더 깊고 풍부한 연구가 이루어져야한다. 높은 생산성을 유지하면서도 고객들에게 커스터마이징된 상품을 제조해야하며, 생산 시스템은 전통적인 공장을 넘어, 일부 가정과 식당에까지도 들어와서 활용될 가능성이 있다. 때문에 최적화 알고리즘은 다양한 용도에 맞춰 적합하게 개발되고 활용되어야한다. 비용과 능율의 최적화를 넘어, 에너지 효율성, 효율적인 재고 관리 등 많은 경우의 최적화가 필요할 것이다.

이렇게 개발된 최적화 알고리즘들은 디지털 트윈을 통해 제조시설이나 스마트 그리드에서 활용되어 그 효율성을 증대시키고 나아가 물류, 교통, 건설, 심지어 리테일, 개개인의 생활에까지 적용되어 우리의 삶을 더욱 풍요롭게 할 것으로 기대된다.

---

Multi-objective migrating bird optimization algorithm for cost-oriented assembly line balancing problem with collaborative robots
Springer Link_Neural Computing and Applications
10.1007/s00521-020-05610-2
03 Jan 2021

제조라인 상 로봇 구매 비용과 작업 능률 최적화 알고리즘 개발

 

 

 

 

-모든 이미지는 직접 촬영, 혹은 Royalty Free-

 

-논문 읽고 떠오른 생각을 간단히 정리한 주관적 포스팅-

-저작권 등 이슈로 자세한 내용은 논문 참조 부탁드립니다-

 

-부족한 설명이 있다면 부디 조언 부탁드립니다-

 

 

 

 

이 포스팅은 쿠팡 파트너스 활동의 일환으로,

이에 따른 일정액의 수수료를 제공받습니다