Integração, controlo e sequenciamento em sistemas robóticos industriais

Abstract

Actualmente, a automatização dos modernos sistemas de produção industriais não é uma tarefa fácil, pois, normalmente, estes sistemas usam equipamentos (e.g., robôs, máquinas CNC, entre outros) de diferentes fabricantes, tendo cada um deles o seu ambiente e linguagem de programação. Assim, a integração e coordenação de robôs e máquinas CNC de diferentes fabricantes nestes sistemas de produção é uma tarefa difícil. A flexibilidade destes modernos sistemas de produção permite um grande número de configurações das estações de trabalho, bem como um conjunto de alternativas para a sequência de operações nas máquinas, tornando a integração, o controlo e o sequenciamento muito complexos. Neste trabalho de doutoramento foram desenvolvidas várias ferramentas de software e hardware com o intuito de permitirem a integração e o controlo de robôs manipuladores, máquinas CNC industriais, transportadores, motores, sensores, entre outros, nos modernos sistemas de produção. Foram concebidos novos operadores genéticos que permitem um melhor desempenho dos algoritmos genéticos na resolução de problemas de sequenciamento de jobs. Com base nos operadores genéticos concebidos, foram desenvolvidos algoritmos de sequenciamento capazes de resolver problemas reais de sequenciamento. No âmbito deste trabalho, foi concebida a ferramenta de software hybrid and flexible genetic algorithm (HybFlexGA) que engloba os vários modelos de sequenciamento desenvolvidos. Desta forma, os resultados computacionais obtidos pelos modelos de sequenciamento propostos demonstram a eficiência dos mesmos, na resolução de problemas reais de sequenciamento. Para além do trabalho proposto, esta tese fornece uma visão global dos algoritmos genéticos, incluindo, também, as instâncias utilizadas nos problemas de sequenciamento de jobs e os resultados dos testes computacionais realizados.

Nowadays, the automation of modern industrial production systems is not an easy task, because these systems normally use equipment (e.g., robots, computer numerical control (CNC) machines, and so on) from different manufactures with their own programming language and environments. Thus, it is difficult to integrate and coordinate robots and CNC machines from different manufactures in such production systems. The flexibility of these modern production systems allows a large number of work station configurations, as well as a group of alternatives for the sequence of operations in the machines, making integrating, controlling and scheduling very complex. In this PhD work several software and hardware tools were developed with the aim of allowing robots, CNC machines, conveyors, sensors, and so on in the modern industrial production systems to be integrated and controlled. A new concept of genetic operators for scheduling problems was developed to improve the genetic algorithms to resolve job scheduling problems. With these genetic operators we developed scheduling algorithms to solve real scheduling problems. A software tool called hybrid and flexible genetic algorithm (HybFlexGA) was developed to include the several scheduling models presented. The computational results obtained from the proposed scheduling models demonstrate their good performance and efficiency in solving real scheduling problems. This work also includes a global review of the basic aspects of genetic algorithms, as well as instances used in the job scheduling problems and the computational results obtained.