مهندسی مکانیک مدرس

مهندسی مکانیک مدرس

استفاده از محاسبات لبه در بهبود عملکرد ربات های ماشین کاری

نویسندگان
محمدرضا کریمیان ریزی
سعید فراهت
دانشگاه سیستان و بلوچستان
10.22034/mme.23.10.263
چکیده
بهینه سازی مصرف انرژی در ربات های صنعتی می تواند هزینه های عملیاتی را کاهش دهد، عملکرد را بهبود بخشد و طول عمر ربات را در طول ساخت قطعه افزایش دهد. در سال‌های اخیر با پیشرفت علم و فناوری، فناوری‌های جدیدی مانند محاسبات ابری، داده انبوه و غیره به‌طور مداوم ظهور کرده‌اند و از فناوری رایانش ابری در تحقیقات ربات‌ها استفاده شده است که باعث شده ربات طراحی‌شده عملکرد بلادرنگ بالایی داشته باشد. و راندمان انرژی بالا، هزینه کم و یک سری مزایا. یکی از مهم ترین جنبه های این فناوری استفاده از آن در نظارت مستمر بر عملکرد ربات ها دارد که می تواند تضمین کننده عملکرد بهینه آن شود. در این تحقیق ابتدا مرروی بر روش های کاهش مصرف انرژی ارائه شده است و در ادامه میزان اثرگذاری استفاده از فناوری محاسبات لبه در کاهش انرژی تجزیه و تحلیل شده است. برای این منظور استفاده از الگوریتم های بهینه سازی عملکرد ربات شامل خط سیر و زمان های کاری آن توسط لبه کنترل می شود. نتایج شبیه سازی های نشان می دهد که با استفاده از فناوری لبه می توان به میزان قابل توجهی انرژی مصرفی را کاهش داد.
کلیدواژه‌ها
ربات های ماشین کاری
نظارت و کنترل ربات
محاسبات لبه
بهینه سازی انرژی

عنوان مقاله English

Using Edge Computing in Improving the Performance of Machining Robots

نویسندگان English

Mohammad Reza Karimianrizi
Saeid Farahat
چکیده English

Optimizing energy consumption in industrial robots can reduce operating costs, improve performance, and extend the life of the robot during manufacturing. In recent years, with the progress of science and technology, new technologies such as cloud computing, big data, etc. have continuously emerged, and in particular, cloud computing technology has been used in robot research that improves the real-time performance of the designed robot. It can also provide high energy efficiency, low cost, etc. One of the most important aspects of this technology is its use in continuous monitoring of robots' performance, which can guarantee its optimal performance. In this research, first, an overview of the methods of reducing energy consumption is presented, and then the effectiveness of using edge computing technology in reducing energy is analyzed. For this purpose, the use of algorithms to optimize the performance of the robot, including its trajectory and working times, is controlled by the edge. The results of the simulations show that the energy consumption can be significantly reduced by using edge technology.

کلیدواژه‌ها English

Machining Robots
Robot Monitoring and Control
Edge Computing
Energy Optimization
[1] M. Pellicciari, G. Berselli, F. Leali, A. Vergnano, A method for reducing the energy consumption of pick-and-place industrial robots, Mechatronics 23 (2013) 326–334.
[2] L. Bukata, P. Šůcha, Z. Hanzálek, P. Burget, Energy optimization of robotic cells, IEEE Trans. Ind. Inf. 13 (2016) 92–102.
[3] D. Meike, M. Pellicciari, G. Berselli, Energy efficient use of multirobot production lines in the automotive industry: detailed system modeling and optimization, IEEE Trans. Autom. Sci. Eng. 11 (2013) 798–809.
[4] B. Zhou, Q. Wu, Decomposition-based bi-objective optimization for sustainable robotic assembly line balancing problems, J. Manuf. Syst. 55 (2020) 30–43
[5] E. Coronado, T. Kiyokawa, G.A.G. Ricardez, I.G. Ramirez-Alpizar, G. Venture, N. Yamanobe, Evaluating quality in human-robot interaction: a systematic search and classification of performance and human-centered factors, measures and metrics towards an industry 5.0, J. Manuf. Syst. 63 (2022) 392–410.
[6] M. Gadaleta, G. Berselli, M. Pellicciari, F. Grassia, Extensive experimental investigation for the optimization of the energy consumption of a high payload industrial robot with open research dataset, Robot. Comput. Integr. Manuf. 68 (2021) 102046.
[7] M. Brossog, M. Bornschlegl, J. Franke, Reducing the energy consumption of industrial robots in manufacturing systems, Int. J. Adv. Manuf. Technol. 78 (2015) 1315–1328.
[8] J. Liu, W. Xu, J. Zhang, Z. Zhou, D.T. Pham, Industrial cloud robotics towards sustainable manufacturing, International Manufacturing Science and Engineering Conference, American Society of Mechanical Engineers, 2016 V002T004A017
[9] A. Vergnano, C. Thorstensson, B. Lennartson, P. Falkman, M. Pellicciari, F. Leali, S. Biller, Modeling and optimization of energy consumption in cooperative multi-robot systems, IEEE Trans. Autom. Sci. Eng. 9 (2012) 423–428.
[10] L. Wang, A. Mohammed, X.V. Wang, B. Schmidt, Energy-efficient robot applications towards sustainable manufacturing, Int. J. Comput. Integr. Manuf. 31 (2018) 692–700.
[11] G. Pastras, A. Fysikopoulos, G. Chryssolouris, A theoretical investigation on the potential energy savings by optimization of the robotic motion profiles, Robot. Comput. Integr. Manuf. 58 (2019) 55–68.
[12] V. Zanotto, A. Gasparetto, A. Lanzutti, P. Boscariol, R. Vidoni, Experimental validation of minimum time-jerk algorithms for industrial robots, J. Intell. Rob. Syst. 64 (2011) 197–219.
[13] A. Mohammed, B. Schmidt, L. Wang, L. Gao, Minimizing energy consumption for robot arm movement, Procedia Cirp 25 (2014) 400–405
[14] L. Scalera, I. Palomba, E. Wehrle, A. Gasparetto, R. Vidoni, Natural motion for energy saving in robotic and mechatronic systems, Appl. Sci. 9 (2019) 3516.
[15] Wang, Gang, Wenlong Li, Cheng Jiang, Dahu Zhu, Zhongwei Li, Wei Xu, Huan Zhao, and Han Ding. "Trajectory planning and optimization for robotic machining based on measured point cloud." IEEE transactions on robotics 38, no. 3 (2021): 1621-1637.
مهندسی مکانیک مدرس
دوره 23، شماره 10
مهر 1402
صفحه 263-268