机器人正在迅速进入各种环境，包括工业和制造设施。到目前为止，他们已经显示出巨大的潜力，通过替代或协助装配线上的人工来加速和自动化许多制造过程。然而，要大规模采用，制造用机器人应该既高效又相对便宜。       武汉科技大学和莱斯特大学的研究人员最近开发了一种优化技术，可以帮助优化在装配线上运行的多个机器人的成本和效率。这项技术发表在Springer-Link的《神经计算与应用》杂志上，它基于一种称为候鸟优化算法的元启发式算法，由于其简单性和适应问题本质的灵活性，非常适合解决优化问题。      Mukund Janardhanan说：“过去几年，我和我的合作伙伴们一直在研究机器人装配线系统，因为我们可以看到，一些行业（尤其是汽车行业）正在寻找机会，他们可以利用机器人和人工协同工作来完成装配任务。”，进行这项研究的一位研究人员告诉TechXplore然而，人类和机器人的协同工作有几个挑战。”       Janardhanan和他的同事们最近的研究的过度目标是优化机器人和人类工人协作的装配线，确保他们能够有效和安全地工作。为此，他们开发了一个多目标混合整数规划模型，并使用了元启发式算法。然后，他们在几种不同类型的机器人一起组装货物的场景中进行了测试。 该算法能使装配线的总周期最小化，降低机器人团队的总采购成本。该算法的设计灵感来自鸟类的V形飞行队形。该算法在一组可能性中选择一个最优解（即优化总成本和减少总周期时间的解），并替换先前确定的过时解。       Janardhanan说：“对于许多行业来说，购买机器人将是一件昂贵的事情。”在这项工作中开发的模型将有助于生产经理同时估计和优化购买机器人的成本和周期时间，这将有助于他们在设计或重新设计装配线时做出决策。” Janardhanan和他的同事通过与其他广泛使用的优化技术的比较，评估了他们的候鸟优化算法的性能。他们比较的技术包括多目标非支配排序遗传算法II、多目标模拟退火算法和两种多目标人工蜂群算法。       总的来说，候鸟优化算法取得了显著的效果，这些结果或者更好，或者与最先进的技术所取得的结果相似。未来，世界各地的制造商可以利用它来优化装配线的成本和效率，雇用一组机器人来支持人类工人。Janardhanan说：“这项研究是第一次考虑在装配线上同时优化采购成本和周期时间，装配线上同时使用机器人和工人来完成装配任务。”在我们的下一步研究中，我们打算纳入其他目标，如能源消耗优化，并与汽车行业合作，以纳入更现实的因素。”来源：贤集网