דף בית
 
 
אודות
 
 
צור קשר
 
 
מאמרים
 
 
מומחים
 
 
אינדקס עסקים
 
 
פרסום באתר
 
 
מוצרים
 
 
פורומים
 
 
חדשות בענף
 
 

 

תא הרכבה גמיש מרובה רובוטים
פורסם בעיתון לוגיסטיקה
11/07/07
תקציר - במחקר מיושם תא ייצור גמיש מרובה רובוטים לביצוע משימות אריזה, שמטרתו להגיע לתפוקה מרבית ולבצע חלוקת עבודה אחידה בין הרובוטים. תא הייצור כולל שלושה רובוטים פרקיים, מסוע מעגלי שעליו מוסעים החלקים, השונים זה מזה בצבע ובצורה ומוזנים באופן אקראי על המסוע, ומערכת ראייה ממוחשבת לזיהוי צורתם וצבעם של החלקים. משימות האריזה ידועות מראש. הרובוטים מבוקרים באמצעות בקרה מבוזרת, בסיס המידע הוא מרכזי, ובקר מתוכנת שולט על המסוע ועל המצלמה.
במחקר נבחנו שני אלגוריתמים המשמשים לקבלת החלטה על ידי הרובוט לגבי אופן הטיפול בחלק:
אלגוריתם 'יכול-לוקח' שבו הרובוט מחליט לקחת חלק החלק נדרש למשימת האריזה שהוגדרה ובתנאי שהרובוט אינו עסוק בטיפול בחלק קודם.
אלגוריתם 'מבוסס התנהגות' שבו מתחשב הרובוט, נוסף לפרמטרים הקודמים, גם במספר האריזות שביצע וגם בזמן העבודה הכולל שלו בהשוואה לממוצע הכללי של תא הייצור. רובוט שביצועיו טובים ידחה את החלק ובכך יאפשר לשאר הרובוטים להגיע לרמת ביצועים דומה.
כדי לבחון את ביצועי התא בכל אחד מהאלגוריתמים בוצעו ניסויים שבהם הוזנו לתא באופן אקראי 50 חלקים בשלושה קצבי הזנה שונים לשם בחינת הביצועים במצבי עומס שונים. הניסויים בוצעו במצב של 'תחרות' בין הרובוטים (על ידי הגדרת משימת אריזה זהה לכלל הרובוטים), שכן רק במצב כזה באים לידי ביטוי ההבדלים בין האלגוריתמים הנבחנים. מדדי הביצוע של התא היו תפוקה, אחידות חלוקת העבודה (סטיית תקן בין מספר האריזות שביצעו הרובוטים) וניצולת הרובוטים.
במחקרים קודמים, שהתבססו על מודל סימולציה וביצעו השוואה בין מספר אלגוריתמים, נמצא כי אלגוריתם 'מבוסס התנהגות' מביא לתוצאות טובות יותר בהשוואה לאלגוריתם 'יכול-לוקח' במקרים שבהם חשיבות פילוג ההרכבות גבוהה. תפוקת תא גבוהה יותר מושגת דווקא בשימוש באלגוריתם 'יכול-לוקח'.
ניתוח התוצאות במחקר הנוכחי מתקף את תוצאות הסימולציה ומראה כי בכל הקצבים תפוקת התא באלגוריתם 'יכול-לוקח' גבוהה מזו שבאלגוריתם 'מבוסס התנהגות'. עם העלייה בקצב ההזנה בשני האלגוריתמים קיימת ירידה מסוימת בתפוקת התא כיוון שחלקים רבים יותר עוזבים אותו מבלי שיטופלו. בחינת פילוג העבודה בתא מראה עדיפות ברורה לאלגוריתם 'מבוסס התנהגות' על פני האלגוריתם 'יכול-לוקח' בכל קצבי ההזנה. באלגוריתם 'מבוסס התנהגות' שינוי קצב ההזנה אינו משפיע על סטיית התקן, שכן בכל מקרה שומר האלגוריתם על חלוקת עבודה מאוזנת בין שלושת הרובוטים. באלגוריתם 'יכול-לוקח' עלייה בקצב ההזנה מביאה לחלוקת עבודה אחידה יותר מכיוון שבזמן שהרובוט הראשון עסוק בלקיחת חלקים, חלקים רבים יותר מועברים לרובוטים האחרים.
 
תא הייצור שיושם במחקר יאפשר לבחון אלגוריתמים נוספים, כגון אלגוריתמים מבוססי 'לוגיקה עמומה' או אלגוריתמים המגדירים דפוסי התנהגות שונים מאלו שהוגדרו. כמו כן ניתן יהיה לבצע תהליכי שיפור ואופטימיזציה של משתנים המאפיינים את תא הייצור, כגון גודל מחסנית, מהירות מסוע ומהירות עבודת הרובוטים.
 
תיאור הניסויים
במטרה להשוות בין האלגוריתמים המיושמים בתא הייצור נערכו 30 ניסויים שבמסגרתם שונו המשתנים הבאים:
1.אלגוריתם ההפעלה– 'יכול- לוקח' או אלגוריתם 'מבוסס התנהגות'.
2.תדירות הופעת החלקים במסוע – האלגוריתמים נבחנו בשלושה קצבי הזנה שונים: קצב גבוה (5 חלקים בדקה), קצב בינוני (4 חלקים בדקה) וקצב נמוך (3 חלקים בדקה).
אף שבמערכת ניתן להגדיר לכל רובוט משימת אריזה משלו, בניסויים הוגדרו עבור שלושת הרובוטים הרכבי אריזה זהים וזאת במטרה ליצור תחרות בין הרובוטים על לקיחת החלקים המוזנים לתא. במקרה שלא קיימת תחרות בין הרובוטים על החלקים המוזנים למערכת, לא יהיה הבדל בתוצאות פעולת התא בכל אחד מהאלגוריתמים מכיוון שכל רובוט יאסוף את החלקים הדרושים לו בלבד ולא ישפיע על עבודת הרובוטים האחרים.
בכל מצב תא (אלגוריתם וקצב הזנה) בוצעו חמש הרצות, הנבדלות זו מזו בזרמי החלקים שהוזנו לתא. בכל הרצה הוזנו 50 חלקים על פי זרמים אקראיים שנדגמו מהתפלגות אחידה.
חלקים שלא נלקחו על ידי אף אחד מהרובוטים עזבו את המערכת ולא הוזנו מחדש אף על פי שהדבר אפשרי כיוון שהמסוע מעגלי. הדבר נעשה כדי שניתן יהיה להשוות בין התפוקות המתקבלות בכל אחד מהאלגוריתמים תוך התחשבות במספר החלקים שלא טופלו על ידי הרובוטים.
בכל ניסוי בוצע מעקב ותיעוד של הפרמטרים הבאים:
 
1.זמן פעולת המערכת – לשם חישוב ניצולת הרובוטים.
2.זמן פעולת כל רובוט –נמדד לפי משך הזמן שבו נמצאה זרוע הרובוט בתנועה. מדד זה שימש לחישוב ניצולת הרובוט בתא הייצור ולחישוב פרמטר התעסוקה של כל רובוט.
3.מספר האריזות שבוצע על ידי כל אחד מהרובוטים – לצורך קביעת התפוקה של המערכת ולחישוב ממוצע האריזות של כל אחד מהרובוטים ושל תא הייצור כולו.
4.מספר החלקים שלא טופלו על ידי אף אחד מהרובוטים ויצאו מהמערכת.
5.תיעוד מדויק של החלקים המוזנים בהתייחס לתוצאות זיהוים על ידי מערכת הראייה – באמצעות תיעוד זה חושבו אחוזי ההצלחה של מערכת הראייה הממוחשבת.
 
 
תוצאות
תפוקות תא הייצור
 
כדי לבחון את השפעת האלגוריתם על תפוקת התא בכל אחד מקצבי ההזנה בוצע ניתוח שונות דו גורמי, כשהגורם הראשון הוא האלגוריתם, והגורם השני הוא קצב ההזנה. כדי לנטרל את השפעת זרם החלקים האקראי נעשה שימוש בבלוקים אקראיים. המשתנה הנבחן היה מספרן הכולל של האריזות שהושלמו בניסוי על ידי שלושת הרובוטים יחדיו.
תוצאות הניתוח הראו כי לא קיימת אינטראקציה בין קצב ההזנה לסוג האלגוריתם (0.587=Pvalue ) כלומר ההבדל בין האלגוריתמים אינו משתנה באופן מהותי במעבר בין הקצבים. ניתן לומר ברמת מובהקות של 95% כי קיימת השפעה של האלגוריתם על תפוקת התא (0.001=Pvalue ). איור 4 ממחיש את השפעת האלגוריתם בכל אחד מהקצבים על תפוקת התא:
 
 
 איור 4: גרף תפוקת התא בכל אלגוריתם כפונקציה של קצב הזנת החלקים
 
מהגרף שבאיור 4 ניתן לראות שבכל אחד מהקצבים תפוקת התא באלגוריתם 'יכול-לוקח' (ממוצע של 14.13) גבוהה יותר מאשר באלגוריתם 'מבוסס התנהגות' (12.93). הניתוח הסטטיסטי מראה כי הפרש זה עומד בממוצע על 1.2 אריזות, כלומר התפוקה הממוצעת המתקבלת מאלגוריתם 'יכול-לוקח' גבוהה בכ- 9.2% מהתפוקה המתקבלת באלגוריתם 'מבוסס התנהגות'.
ניתן לראות כי עם העלייה בקצב ההזנה בשני האלגוריתמים קיימת ירידה מסוימת בתפוקת התא אף שהדבר אינו מובהק סטטיסטית (0.119=Pvalue ). הסיבה לכך היא שהסיכוי שחלקים יעזבו את המערכת מבלי שיטופלו על ידי אחד מהרובוטים עולה ככל שקצב ההזנה גדל. חלקים העוזבים את המערכת מקטינים את מספר האריזות המרבי האפשרי של התא ובכך מקטינים את תפוקתו.
 
אחידות חלוקת העבודה בתא
כדי לבחון את ההבדל באחידות חלוקת העבודה בתא בין האלגוריתמים בכל אחד מקצבי ההזנה בוצע גם כאן ניתוח שונות דו גורמי. הגורמים והבלוקים זהים לניתוח הקודם, והמשתנה הנבחן הוא סטיית התקן בין מספר האריזות שביצע כל אחד מהרובוטים.
ניתוח התוצאות הראה כי קיימת אינטראקציה בין סוג האלגוריתם לקצב ההזנה (1.5E-07=Pvalue ), על כן נבחנה השפעת האלגוריתם בכל אחד מהקצבים בנפרד, ונמצא כי בכל הקצבים קיים הבדל בין האלגוריתמים (0.05>Pvalue ). באופן דומה נבחנה השפעת קצב ההזנה בכל אחד משני האלגוריתמים, ונמצא כי קיימת השפעה של קצב ההזנה באלגוריתם 'יכול-לוקח', בעוד שבאלגוריתם 'מבוסס התנהגות' לא קיימת השפעה שכזו. איור 5 מציג את הממצאים שלעיל:
 
 
 איור 5: גרף סטיית התקן בין הרובוטים בכל אלגוריתם כפונקציה של קצב ההזנה
 
מהגרף שבאיור 5 ניתן לראות כי עבור האלגוריתם 'יכול-לוקח' עלייה בקצב הזנת החלקים מקטינה את סטיית התקן בין שלושת הרובוטים, כלומר מביאה לאחידות טובה יותר בחלוקת העבודה בתא(4.62 אריזות בקצב 3, 2.62 אריזות בקצב 4 ו-1.97 אריזות בקצב 5). הסיבה לכך היא שבזמן שהרובוט הראשון עסוק בלקיחת חלקים, לרובוט השני והשלישי מועברים יותר חלקים ומאפשרים להם להגדיל את מספר האריזות שלהם.
לעומת זאת, באלגוריתם 'מבוסס התנהגות' שינוי קצב ההזנה אינו משפיע על סטיית התקן, העומדת בממוצע על 0.385 אריזות, שכן בכל מקרה שומר האלגוריתם על חלוקת עבודה מאוזנת בין שלושת הרובוטים.
ניתן להבחין בכך שקיימת עדיפות ברורה לאלגוריתם 'מבוסס התנהגות' על פני האלגוריתם 'יכול-לוקח' בעבור כל אחד מקצבי ההזנה שנבדקו כשמדובר על חלוקת עבודה יעילה בין הרובוטים.
 
ניצולת העבודה של הרובוטים
ניצולת הרובוטים חושבה לפי היחס בין זמן העבודה של הרובוט בניסוי נתון לבין משך הניסוי כולו. ניצולת כל רובוט נקבעה לפי ממוצע הערכים שהתקבלו מכלל הניסויים בכל מצב של תא הייצור.
כדי לבחון את ההבדלים בניצולת הרובוטים בכל אחד ממצבי התא בוצע ניתוח שונות מרובה משתנים בו בכל ניסוי נמדדה ניצולת כל אחד מהרובוטים. איור 6 מציג את ההבדל בניצולות הרובוטים באלגוריתם 'יכול-לוקח' בקצבי ההזנה השונים:
 
 
איור 6: גרף ניצולת הרובוטים באלגוריתם 'יכול-לוקח'
 
באלגוריתם 'יכול-לוקח' ניצולת הרובוט הראשון היא הגבוהה ביותר בכל אחד מקצבי ההזנה (68.6% בממוצע) בעוד שניצולת הרובוט השלישי היא הנמוכה ביותר בכל אחד מהקצבים (כ-18% בממוצע). הניצולת הממוצעת של הרובוט השני בכל אחד מהקצבים עומדת על 45%. ממצא זה אינו מפתיע שכן הרובוט הראשון הוא בעל עדיפות הלקיחה הגבוהה ביותר של החלק, ועל כן זמן עבודתו הוא הגבוה ביותר. ניתן גם לראות שהשינוי בניצולת הרובוט הראשון בכל אחד מהקצבים קטן יחסית לשינוי בניצולת בשאר הרובוטים. הסיבה לכך היא שהרובוט הראשון אינו תלוי בשאר הרובוטים, הוא לוקח כל חלק המוזן למערכת בתנאי שאינו עסוק ובתנאישהוא צריך את החלק. התנאי ללקיחת חלק ברובוט השני והשלישי מחייב, נוסף לתנאים אלה, גם ויתור על החלק על ידי הרובוטים שלפניהם. ככל שקצב ההזנה גבוה יותר, הסיכוי להגעת חלק לרובוט השני והשלישי גדל, ועל כן גדלה גם נצילותם.
 
איור 7 מציג את ההבדל בניצולות הרובוטים באלגוריתם 'מבוסס התנהגות' בקצבי ההזנה השונים:
 
 
 
 
איור 7: גרף ניצולת הרובוטים באלגוריתם 'מבוסס התנהגות'

מהגרף שבאיור 7 ניתן לראות כי לא קיים הבדל בניצולת הרובוטים שכן אלגוריתם 'מבוסס התנהגות' יוצר חלוקת עבודה מאוזנת בין שלושת הרובוטים. ככל שקצב ההזנה עולה, עולה בהתאמה ניצולת הרובוטים מאחר שזמן ההמתנה לחלקים המוזנים מתקצר, ועל כן הרובוטים עובדים יותר באופן יחסי.
 
אחוזי הצלחה בזיהוי חלקים במערכת הראייה הממוחשבת

אחוזי ההצלחה בזיהוי החלקים נמדדו לפי היחס בין מספר החלקים שזוהו נכון לסך החלקים שצולמו במהלך כלל הניסויים. התקבל היחס הבא:
 
כלומר, אחוזי ההצלחה של מערכת הראייה הממוחשבת הנם 98.7%.
אלגוריתם זיהוי צבע החלק בו נעשה שימוש במחקר מתבסס על השוואת ערכי צבעי היסוד המרכיבים את צבע החלק שצולם (צבעי RGB) לתחומים קבועים מראש המגדירים צבע מסוים. ככל שהצבעים בהם נעשה שימוש הנם בעלי גוון דומה, כך יש צורך להגדיר תחומי צבע מדויקים יותר כדי להבחין ביניהם, וכך גדל הסיכוי לטעות בזיהוי הצבע. במערכת העושה שימוש בצבעים שונים לגמרי תחומי ההגדרה רחבים, וניתן בקלות להתקרב ל-100% הצלחה בזיהוי הצבע.
אלגוריתם זיהוי הצורה מתבסס על חיסור מטריצות שחור לבן, כשמטריצת החלק המצולם מופחתת ממטריצת דגם קבועה מראש (שיטת Template Matching). מספר הפיקסלים הנותרים לאחר פעולת החיסור נסכם ונבדוק האם הוא עובר סף מסוים שיעיד על זיהוי הצורה. סף זה קובע למעשה את מידת הדיוק של המערכתבזיהוי צורת החלק. ככל שהסף גבוה יותר, הסיכוי לזהות חלק תקין כפגום נמוך יותר, אך עם זאת נפגעת היכולת להעיד על פגמים בצורתו של חלק.
 
השוואת תוצאות הניסויים לתוצאות מחקרים קודמים

בעבודתו של בוטח [8] בוצעה סימולציה שהשוותה בין אלגוריתמים שונים להפעלת תא הרכבה מרובה רובוטים בתוך שינוי מספר רב של משתנים.
כשבוצעה הסימולציה עבור תא הכולל שלושה רובוטים, הושגה באלגוריתם 'יכול-לוקח' תפוקה הגבוהה בכ-12% מהתפוקה המתקבלת באלגוריתם 'מבוסס התנהגות'. במחקר הנוכחי התקבלה תוצאה דומה המראה עדיפות של 9.2% לאלגוריתם 'יכול-לוקח'. סטיית התקן שהתקבלה באותה סימולציה בעבור אלגוריתם 'יכול-לוקח' עומדת על 5.2 לעומת 0 באלגוריתם 'מבוסס התנהגות'. גם בעבור סטיית התקן התקבלו תוצאות המתקפות את תוצאות הסימולציה - סטיית תקן של 3.07 באלגוריתם 'יכול-לוקח' מול סטיית תקן של 0.385 באלגוריתם 'מבוסס התנהגות'.
בעבודת הסימולציה, ההשוואה הסופית בין כל מצב של תא ההרכבה בוצעה באמצעות מדד יעילות האלגוריתם המשקלל את אחידות חלוקת העבודה בתא בין הרובוטים ותפוקת התא. בניתוח רגישות שבוצע שונו המשקלים שניתנו לכל אחד משני הגורמים. נמצא כי כאשר מרבית המשקל (65-100 אחוז) ניתן לתפוקת התא, השיג אלגוריתם 'יכול-לוקח' תוצאות טובות יותר על פני אלגוריתם 'מבוסס התנהגות'. כשיותר מ-35% מהמשקל ניתנו לאחידות חלוקת העבודה (סטיית התקן), השיג אלגוריתם 'מבוסס התנהגות' תוצאות טובות יותר. התוצאות שהתקבלו במחקר זה תואמות את תוצאות הסימולציה ומראות כי אכן קיימת עדיפות לאלגוריתם 'יכול-לוקח' במקרה שבו הדגש הוא על תפוקת התא, וקיימת עדיפות לאלגוריתם 'מבוסס התנהגות' במקרה שבו הדגש הוא על חלוקת עבודה אחידה בתא.
בעבודתם של Mendelson & Nayer[5] יושם תא ייצור הכולל שני רובוטים, שהופעל על ידי אלגוריתם בסיסי ואלגוריתם 'מבוסס התנהגות' בשילוב 'לוגיקה עמומה'. בתא ייצור זה, שכלל שימוש במסוע קווי קצר, מספר החלקים שעזבו את המערכת היה רב (כ-41%). השימוש במסוע מעגלי ארוך בתוך הגדלת מספר הרובוטים לשלושה, כפי שבוצע במחקר הנוכחי, הקטין באופן משמעותי את אחוז החלקים שעוזבים את המערכת, ובכך העלה את התפוקה שהתקבלה באלגוריתם 'יכול-לוקח' לכ-85% מהתפוקה המרבית האפשרית לעומת 59% בתא הייצור הקודם ולכ-78% באלגוריתם 'מבוסס התנהגות' לעומת 53%.
בדומה לעבודתם של Mendelson & Nayer[5] נמצא כי קיימת עדיפות לאלגוריתם 'יכול-לוקח' בהיבט של תפוקת תא הייצור ועדיפות לאלגוריתם 'מבוסס התנהגות' בהיבט של חלוקת העבודה בין שני הרובוטים.
האיבוד הרב של החלקים באלגוריתם 'מבוסס התנהגות' בתא הייצור המצומצם הביא לירידה משמעותית (כ-12%) בניצולת הרובוטים. תא הייצור המורחב, כפי שיושם במחקר זה, הביא לידי ביטוי בצורה טובה יותר את יתרונותיו של אלגוריתם זה, אך עדיין ניתן היה לראות ירידה מסוימת (כ-5%) בניצולת הממוצעת של התא במעבר מאלגוריתם 'יכול-לוקח' לאלגוריתם 'מבוסס התנהגות' בכל אחד מקצבי ההזנה.
 
סיכום ומסקנות
1.אלגוריתם 'יכול-לוקח' השיג תפוקה גבוהה יותר (כ-9.2%) מאלגוריתם 'מבוסס התנהגות' בכל קצבי הזנת החלקים שנבחנו. יש להניח כי הגדלת מספר הרובוטים בתא יקטין את ההפרש בין האלגוריתמים כפי שנמצא בעבודת הסימולציה [8] כיוון שהסיכוי לאיבוד חלקים יקטן.
2.הגדלת קצב הזנת החלקים בשני האלגוריתמים מגדילה את מספר החלקים שעוזבים את תא הייצור ובכך מקטינה במעט את תפוקת התא.
3.אלגוריתם 'מבוסס התנהגות' משיג חלוקת עבודה טובה יותר בין שלושת הרובוטים שבתא בהשוואה לאלגוריתם 'יכול-לוקח'. חלוקת העבודה באלגוריתם זה אינה מושפעת מקצב הזנת החלקים.
4.באלגוריתם 'יכול-לוקח' הגדלת קצב ההזנה משפרת את אחידות חלוקת העבודה בתא מאחר שחלקים רבים יותר מועברים לרובוט השני והשלישי בעת שהרובוט הראשון עסוק בטיפול בחלק.
5.הניצולת הממוצעת של הרובוטים גבוהה יותר (בכ-5%) באלגוריתם 'יכול-לוקח' מזו שהושגה באלגוריתם 'מבוסס התנהגות'. עלייה בקצב ההזנה בשני האלגוריתמים מביאה לעלייה בניצולת בכל אחד מהרובוטים.
6.באלגוריתם 'מבוסס התנהגות' הושגה ניצולת זהה בין שלושת הרובוטים הודות לחלוקת העבודה המאוזנת, בעוד שבאלגוריתם 'יכול-לוקח' ניצולת הרובוט הראשון הייתה הגבוהה ביותר לעומת זו של הרובוט השלישי, שהייתה הנמוכה ביותר.
7.אחוזי ההצלחה שהושגו בזיהוי החלקים עומדים על 98.67%.
8.השימוש בשיטת RGB לזיהוי צבע החלק יעיל בעבור צבעים השונים בגוונם. ככל שצבעי החלקים דומים יותר, גדל הסיכוי לזיהוי שגוי של צבע החלק בשיטה זו.
9.כשמשתמשים בשיטת Template matchingלזיהוי צורת החלק, הגדלת רמת הדיוק הנדרשת בזיהוי הצורה תגדיל את הסיכוי לטעות בזיהוי צורת חלק תקין.
 

המחקר בוצע בחסות מרכז פאול איווניר לחקר הרובוטיקה וניהול הייצור והקתדרה להנדסת ייצור ע"ש הרב גונטר פלאוט, אוניברסיטת בן-גוריון בנגב.

 
 
תיקון טעות: בגיליון 104 בחלק הראשון של הכתבה צריך היה לרשום: הכותבים של המאמר הם: מוטי פרי, עומר שגיא, ראובן גרטנר. המאמר בוצע בהנחית פרופסור יעל אידן.
 

 

 


דף הבית | אודות | צור קשר | תקנון האתר