Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/13721
Title: Βελτιστοποίηση κίνησης, κατανομής πόρων και φόρτωσης αυτόνομου βιομηχανικού οχήματος
Other Titles: Optimization of motion, resources allocation and loading of an autonomous industrial vehicle
Authors: Λιάγγου, Θεοδώρα
Keywords: Τεχνητή νοημοσύνη
Γενετικοί αλγόριθμοι
Βελτιστοποίηση
Ενδοεργοστασιακή μεταφορά
Κατανομή πόρων
Αυτόνομα βιομηχανικά οχήματα
Keywords (translated): Artificial Intelligence
Genetic algorithms
Optimization
Industrial processes
Resource allocation
Autonomous ground vehicles
Abstract: Η παρούσα εργασία επιλύει ένα σημαντικό πρόβλημα που αφορά την παραγωγική διαδικασία και ειδικότερα τον προγραμματισμό διαδικασιών ενδοεργοστασιακής μεταφοράς μηχανολογικών εξαρτημάτων, με χρήση αυτόνομων βιομηχανικών οχημάτων (AGV- Automated Guided Vehicle). Γίνεται καταρχάς μία λεπτομερής περιγραφή των αυτόνομων βιομηχανικών οχημάτων και της χρήσης τους για μεταφορά και κατανομή πόρων σε βιομηχανικά περιβάλλοντα. Ακολουθεί αναφορά στη χρήση ευριστικών αλγορίθμων για τον προσδιορισμό βέλτιστων διαδρομών σε 2D βιομηχανικά περιβάλλοντα και ύστερα περιγράφεται η βελτιστοποίηση μέσω Γενετικών Αλγορίθμων. Στη συνέχεια, παρουσιάζεται η προτεινόμενη λύση για τη βελτιστοποίηση κίνησης, κατανομής πόρων και φόρτωσης ενός αυτόνομου βιομηχανικού οχήματος, η οποία υλοποιείται με χρήση δύο (2) διαφορετικών εκδοχών της συνάρτησης καταλληλότητας. Στόχος είναι η ελαχιστοποίησή της και η εύρεση της βέλτιστης λύσης. Η υλοποίηση της προτεινόμενης επίλυσης του προβλήματος έχει γίνει με κώδικα που έχει γραφεί σε γλώσσα Python. Τέλος, παρουσιάζονται και εξετάζονται δύο εφαρμογές. Μέσω αυτών αποδεικνύεται ότι η παρούσα εργασία προτείνει μία καινοτόμα προσέγγιση και ένα χρήσιμο εργαλείο που επιλύει ένα σημαντικό πρόβλημα που αφορά ενδοεργοστασιακές παραγωγικές διαδικασίες με χρήση σύγχρονων μεθόδων της Τεχνητής και Υπολογιστικής Νοημοσύνης.
Abstract (translated): The present thesis addresses an important problem in the production process and in the planning of industrial transportation processes of mechanical components among workstations by using industrial autonomous ground vehicles (AGV Automated Guided Vehicle). First, a detailed description is provided for AGVs and their use as transport means for distribution of resources in industrial environments. An extended reference follows on the use of artificial intelligence algorithms for the determination of optimal paths in 2D motions within industrial environments. The potential of Genetic Algorithms for solving optimization problems is also discussed. Next, an integrated solution is proposed for optimizing traffic patterns and loading of autonomous industrial vehicles for performing resource allocation among multiple workstations. The solution uses A* algorithm for finding optimal paths and genetic algorithms with two (2) different versions of fitness function for find optimal station combinations. The proposed solution to the problem has been implemented with Python code. Two case studies are also presented and discussed. The thesis proposes an innovative approach of low computational cost that may act as tool that solves optimally the resource allocation problem by efficient use of Artificial Intelligence methods.
Appears in Collections:Τμήμα Μηχανολόγων και Αεροναυπηγών Μηχανικ. (ΔΕ)

Files in This Item:
File Description SizeFormat 
DT_M_Λιάγγου_Θεοδώρα_1047326.pdfΔιπλωματική Εργασία1.12 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.