물류 및 작업자의 이동거리를 최소화 하기 위한 PSO알고리즘 기반 공장 배치 최적화 Optimization of Factory Layout based on PSO Algorithm to Minimize the Traveling Distance of Material and Workers원문보기
로봇을 활용한 자동화 공장 환경에서는 안전을 위해 사람과 로봇이 독립적 작업 공간이 분리되어 있었다. 공장 내의 공간 활용성과 사람과 로봇의 협력을 통한 생산성을 향상하기 위해 최근 신설되는 스마트공장에서는 사람과 로봇이 협업하는 작업형태를 도입하고 있다. 이러한 사람 로봇 협업 환경에서 공장 설계자들은 공장요소(사람, 기계, 협업 로봇 등)의 배치에 따른 공장의 생산성을 예측하고 싶어한다. 생산성 예측에 있어 많은 요소들이 관여되나 Tack Time이 가장 중요하며 이를 최소화하는데 공장요소의 배치가 큰 요인이 된다. 그러므로 본 논문은 생산성 예측 문제를 제품의 물류 이동 거리와 작업자의 이동 거리를 최소화하는 문제로 정의하고, 공장요소의 배치를 ...
로봇을 활용한 자동화 공장 환경에서는 안전을 위해 사람과 로봇이 독립적 작업 공간이 분리되어 있었다. 공장 내의 공간 활용성과 사람과 로봇의 협력을 통한 생산성을 향상하기 위해 최근 신설되는 스마트공장에서는 사람과 로봇이 협업하는 작업형태를 도입하고 있다. 이러한 사람 로봇 협업 환경에서 공장 설계자들은 공장요소(사람, 기계, 협업 로봇 등)의 배치에 따른 공장의 생산성을 예측하고 싶어한다. 생산성 예측에 있어 많은 요소들이 관여되나 Tack Time이 가장 중요하며 이를 최소화하는데 공장요소의 배치가 큰 요인이 된다. 그러므로 본 논문은 생산성 예측 문제를 제품의 물류 이동 거리와 작업자의 이동 거리를 최소화하는 문제로 정의하고, 공장요소의 배치를 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 최적화하는 SW 제안한다. 최적화가 일어날 영역(공정 부서)의 크기와 모양은 직사각형 형태로 가정되고, 공장요소의 초기 배치 정보는 공장 설계자가 입력하는 것으로 가정한다. PSO 알고리즘은 초기에 산포된 입자들이 서로간의 정보교한을 통해 목적함수에 대한 최적의 해를 찾아가는 최적화 방법이다. 본 연구에서는 입자들을 공장요소들의 배치 경우의 수로 정의하고, 공장요소의 위치와 방향을 변수로 설정하여 최적화를 진행한다. 목적함수는 제품 물류 이동 거리와 작업자의 이동 거리의 합으로 설정하고 이전 입자와 개선된 입자 사이의 목적함수를 비교 분석하여 최적 배치를 도출한다. 여기서 각 공장요소 크기가 서로 다름으로 공장요소 간 안전여유를 제한 조건으로 설정하여 최적화를 진행한다. 본 연구를 통하여 PSO 알고리즘을 활용한 공장요소 배치 최적화 SW를 개발하였고, 이를 통해 초기 배치 대비 물류 이동 거리와 작업자 이동 거리를 최소화시킨 배치를 도출하였다.
로봇을 활용한 자동화 공장 환경에서는 안전을 위해 사람과 로봇이 독립적 작업 공간이 분리되어 있었다. 공장 내의 공간 활용성과 사람과 로봇의 협력을 통한 생산성을 향상하기 위해 최근 신설되는 스마트공장에서는 사람과 로봇이 협업하는 작업형태를 도입하고 있다. 이러한 사람 로봇 협업 환경에서 공장 설계자들은 공장요소(사람, 기계, 협업 로봇 등)의 배치에 따른 공장의 생산성을 예측하고 싶어한다. 생산성 예측에 있어 많은 요소들이 관여되나 Tack Time이 가장 중요하며 이를 최소화하는데 공장요소의 배치가 큰 요인이 된다. 그러므로 본 논문은 생산성 예측 문제를 제품의 물류 이동 거리와 작업자의 이동 거리를 최소화하는 문제로 정의하고, 공장요소의 배치를 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 최적화하는 SW 제안한다. 최적화가 일어날 영역(공정 부서)의 크기와 모양은 직사각형 형태로 가정되고, 공장요소의 초기 배치 정보는 공장 설계자가 입력하는 것으로 가정한다. PSO 알고리즘은 초기에 산포된 입자들이 서로간의 정보교한을 통해 목적함수에 대한 최적의 해를 찾아가는 최적화 방법이다. 본 연구에서는 입자들을 공장요소들의 배치 경우의 수로 정의하고, 공장요소의 위치와 방향을 변수로 설정하여 최적화를 진행한다. 목적함수는 제품 물류 이동 거리와 작업자의 이동 거리의 합으로 설정하고 이전 입자와 개선된 입자 사이의 목적함수를 비교 분석하여 최적 배치를 도출한다. 여기서 각 공장요소 크기가 서로 다름으로 공장요소 간 안전여유를 제한 조건으로 설정하여 최적화를 진행한다. 본 연구를 통하여 PSO 알고리즘을 활용한 공장요소 배치 최적화 SW를 개발하였고, 이를 통해 초기 배치 대비 물류 이동 거리와 작업자 이동 거리를 최소화시킨 배치를 도출하였다.
In an automated factory environment using robots, the work spaces for humans and robots were separated for safety. In order to improve the use of space in the factory and productivity through cooperation between humans and robots, a newly established smart factory introduces a form of work in which ...
In an automated factory environment using robots, the work spaces for humans and robots were separated for safety. In order to improve the use of space in the factory and productivity through cooperation between humans and robots, a newly established smart factory introduces a form of work in which humans and robots collaborate. In this human-robot collaboration environment, factory designers want to predict the productivity of the factory according to the arrangement of factory elements (people, machines, cooperative robots, etc.). Many factors are involved in predicting productivity, but the tack time is the most important, and the arrangement of factory elements is a major factor in minimizing this. Therefore, this paper defines the productivity prediction problem as a problem that minimizes the movement distance of the product and the movement distance of the worker, and develops a software that optimizes the arrangement of factory elements using the Particle Swarm Optimization (PSO) algorithm. It is assumed that the size and shape of the area where optimization will occur (process department) is in the form of a rectangle, and the initial arrangement of the factory elements is input by the factory designer. The PSO algorithm is an optimization method in which initially scattered particles find the optimal solution of the objective function through information exchange with each other. In this study, each particle is defined as a case of arrangement of factory element and the position and the direction of the factory elements are set as variables for sloving the optimization problem. The objective function is defineed as the sum of the product logistics movement distance and the workers movement distance, and the optimal arrangement is derived by comparing and analyzing the objective functions of the previous particle and the improved particle. Here, because the size of each factory element is different, the safety margin between factory elements is set as a constraint condition for optimization problem.
Through this study, the optimization software for factory element arrangement was developed using the PSO algorithm, and through this distance of the product movement and the that of worker movement were reduced compared to the initial arrangement.
In an automated factory environment using robots, the work spaces for humans and robots were separated for safety. In order to improve the use of space in the factory and productivity through cooperation between humans and robots, a newly established smart factory introduces a form of work in which humans and robots collaborate. In this human-robot collaboration environment, factory designers want to predict the productivity of the factory according to the arrangement of factory elements (people, machines, cooperative robots, etc.). Many factors are involved in predicting productivity, but the tack time is the most important, and the arrangement of factory elements is a major factor in minimizing this. Therefore, this paper defines the productivity prediction problem as a problem that minimizes the movement distance of the product and the movement distance of the worker, and develops a software that optimizes the arrangement of factory elements using the Particle Swarm Optimization (PSO) algorithm. It is assumed that the size and shape of the area where optimization will occur (process department) is in the form of a rectangle, and the initial arrangement of the factory elements is input by the factory designer. The PSO algorithm is an optimization method in which initially scattered particles find the optimal solution of the objective function through information exchange with each other. In this study, each particle is defined as a case of arrangement of factory element and the position and the direction of the factory elements are set as variables for sloving the optimization problem. The objective function is defineed as the sum of the product logistics movement distance and the workers movement distance, and the optimal arrangement is derived by comparing and analyzing the objective functions of the previous particle and the improved particle. Here, because the size of each factory element is different, the safety margin between factory elements is set as a constraint condition for optimization problem.
Through this study, the optimization software for factory element arrangement was developed using the PSO algorithm, and through this distance of the product movement and the that of worker movement were reduced compared to the initial arrangement.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.