AI dla Przemysłu 4.0

Cel projektu AI4IN4

Celem projektu jest wykorzystanie technik sztucznej inteligencji w Przemyśle 4.0. Opracowane rozwiązania:

  1. Algorytm VRA i problem marszrutyzacji
  2. Algorytm kolejkowania zleceń

Algorytm VRA

Algorytm VRA  jest to zestaw oryginalnych bibliotek programistycznych wykorzystujący algorytm genetyczny do optymalizacji sieci transportowej w układzie N-magazynów, K- odbiorców i M – środków transportu. W praktyce VRA rozwiązuje Problemu Marszrutyzacji. W wyniku działania algorytm wylicza optymalną siatkę tras (liczbę aut o właściwych parametrach) koniecznych do efektywnego i czasowego dostarczenia towarów z magazynów do odbiorców. VRA może być wykorzystany zarówno do bieżącego planowania tras w trybie statycznym lub dynamicznym jak i analiz strategicznych związanych np. z rozmieszczeniem magazynów i liczbą koniecznych magazynów. Dzięki opracowaniu oryginalnego sposobu zapisu informacji o trasach w chromosomach algorytmu genetycznego analizowana jest równocześnie cała sieć powiązań (magazyny – odbiorcy – auta – cechy dostawy) a nie niezależnie poszczególne kolejne elementy tej struktury. Takie podejście pozwala uzyskać maksimum efektywności przy minimum kosztów. W zależności od przyjętych kryteriów optymalizacji Algorytm pozwala zredukować sumaryczną długość tras o rząd 10% lub uzyskać 100% czasowość dostaw. Funkcjonalność VRA znakomicie wpisuje się w koncepcje Przemysłu 4.0 oraz ekologicznego transportu.

Obecna postać algorytmu VRA rozwiązuje takie zagadnienia:

  • dostawy w zadanych oknach czasowych (VRPTW)
  • kontrola pojemności aut i długości czasu trasy (CVRPTW)
  • dobór niezbędnej liczby środków transportu i optymalne przypisanie ich do dostępnych magazynów (kilka możliwych trybów przypasania – MDVRP)
  • określenie optymalnej lokalizacji magazynów

Inne funkcjonalności Algorytmu są możliwe do wdrożenia poprzez modyfikację funkcji celu.

Algorytm został opracowany przez pSci. Więcej informacji można znaleźć tutaj.

Przykład rozwiązania prostego problemu marszrutyzacji:

Film pokazuje przykład optymalizacji prostej sieci dostaw. Parametry startu optymalizacji to: 5 – magazynów (niebieskie pineski), 19 – odbiorców (czerwone pineski; kolejne numery na pineskach oznaczają kolejnych odbiorców w trasie) i 10 – aut. Zerowa populacja wygenerowana za pomocą algorytmu zachłanno-losowego (opracowany przez pSci) zredukowała liczbę aut/tras do 7 (liczba aut/tras = liczbie jedynek na czerwonych pineskach; jedna „1” w Radomiu zasłonięta przez pineskę magazynu). Uważne obejrzenie filmu pozwala zaobserwować zmiany konfiguracji tras dla magazynów w Warszawie, Siedlcach i Radomiu. Ponadto w Radomiu w wyniku optymalizacji następuje redukcja z dwóch tras do jednej (patrz film poniżej).

Zbliżenie na jeden z magazynów:

Algorytm Kolejkowania Zleceń

Algorytm Kolejkowania Zleceń jest to zestaw oryginalnych bibliotek programistycznych wykorzystujący algorytm genetyczny do optymalizacji kolejki zleceń na liniach produkcyjnych/kompletacyjnych lub procesów biurowych. Jest on adaptacją rozwiązań opracowanych na potrzeby algorytmu VR do specyfiki linii produkcyjnych/kompletacyjnych i procesów biurowych. Pozwala on na efektywne zarządzanie kolejnością realizowanych zleceń pod kątem zadanych parametrów opisujących dany proces.

Obecna wersja Algorytmu w działaniu uwzględnia takie parametry jak : Lead Time, czasowość realizacji zleceń, równomierne obciążenie stanowisk. Inne funkcjonalności algorytmu są możliwe do wdrożenia poprzez modyfikację funkcji celu.

Algorytm został opracowany przez pSci.