선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 위 변이연산을 수행하면 로봇위치를 기준으로 클러스터링이 수행되고 로봇과 제일 멀리 떨어진 점, 또는 클러스터의 centroid와 가장 멀리 떨어진 점을 근처의 로봇에게 넘겨주므로 클러스터링이 균일하게 되는 효과가 있다. ⑥은 염색체를 평가할 때 클러스터 내에서 용접 순서가 꼬인 경우 목적함수 값이 높게 나오는데 이를 배제하고 클러스터링이 얼마나 잘되었는지 판단하기 위해서 수행하였다.
- 작업 공정에서 로봇의 대수와 위치는 고정되어있는 시설이기 때문에 그것을 고려하여 각 로봇에 작업량을 할당하고, 지역개선 과정을 수행하여 각 로봇에 대해 최적의 경로를 생성하는 것은 중요하다. 그리고 또한 작업량을 할당하는 클러스터링 과정과, 최적의 경로를 생성하는 지역개선 변이 연산 과정의 모집단 크기(population)를 다르게 하여 기존의 유전알고리즘보다 연산량을 줄여 효율을 높이고자 했다.
- 따라서, 각각의 로봇이 작업을 수행한 시간 중 최대 작업 시간을 최대값으로 선택하여 아래의 목적함수를 최소화시키고자 한다.
- 또한 GKA와 같이 유전 알고리즘을 사용할 경우, 지역 최적해(local minimum)에 빠지지 않게 해주는 장점이 있지만 성능을 높이기 위해 population을 늘이면 연산량이 많아져 연산속도가 늦어진다. 본 논문에서는 이러한 문제를 해결하고자 멀티 로봇 스케줄링 문제에 자주 쓰이는 다목적 유전 알고리즘을 바탕으로 새로운 알고리즘을 제안한다. 제안한 알고리즘은 K-means Algorithm과 달리 초기 데이터에 영향을 받지 않고, 로봇의 위치에 따라 작업량이 클러스터링 되는 장점이 있다.
- 본 논문은 정해진 위치에 배치되어있는 M 대의 로봇이 N 개의 용접점(작업점)을 분담하여 동시에 용접하는 상황에 대해서 연구하였다.
- 본 연구는 좁은 공간에 고밀도로 배치된 다수의 로봇이 작업을 분담하여 수행하는 셀 생산 시스템의 최적화 문제에 새로운 접근을 시도하였다. 제조 공정 시설에서 로봇의 대수와 위치는 고정되어있으므로 이를 고려하여 작업을 분배하는 알고리즘을 제안하였다.
가설 설정
- 시뮬레이션 환경은 자동차 제조 공정에서 산업용 로봇을 고밀도로 배치하여 차량을 용접하는 상황을 가정한다. 차량 프레임을 따라 위치한 336개의 용접점을 각 로봇에 분배하고 순회경로를 생성하여 총 작업시간을 최소화하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.