Otimização de processo em braço robótico com gêmeo digital utilizando a heurística de Lin-Kernighan

Abstract

RESUMO: A Indústria 4.0 é uma nova etapa do desenvolvimento industrial, com a capacidade de gerar ganhos de produtividade e eficiência em toda a cadeia produtiva. Por conta disso, é fundamental promover o estudo de tecnologias nesse contexto. Assim, é proposta esta pesquisa que busca otimizar o funcionamento de um braço robótico utilizando uma aplicação de Gêmeo Digital. O processo otimizado pode ser modelado utilizando o clássico Problema do Caixeiro Viajante (PCV). Ele começa com a garra do braço robótico saindo de um ponto de origem, passando por todos os vértices seguindo uma determinada rota e voltando ao ponto inicial, emulando o deslocamento do braço robótico em aplicações de soldagem a laser, pintura, perfuração e rebitagem. Dessa forma, seja uma instância composta pelo conjunto de vértices N, o algoritmo de otimização produz uma rota de forma a minimizar a distância total da trajetória. A partir disso, busca-se também minimizar os tempos de processo. Para construção do algoritmo de otimização, foi utilizada a heurística de Lin-Kernighan, implementada na linguagem Python. Para calibração do algoritmo, foram usadas instâncias acadêmicas do PCV. Após isso, quatro rotas práticas foram otimizadas. Os resultados foram medidos em relação à distância e, em seguida, em relação aos tempos de processo em simulação e na prática. Foram medidos gaps em relação aos ótimos conhecidos e ganhos em relação às soluções obtidas utilizando a heurística do vizinho mais próximo, a fim de verificar se é vantajoso implementar uma técnica mais complexa em comparação à uma mais simples. Foram obtidos bons resultados de gaps e ganhos na análise de distância. Contudo, os resultados na simulação e na prática apresentaram distorções causadas por limitações do modelo adotado, embora, para a maioria das instâncias, tenham sido observados valores de gap relativamente pequenos e ganhos positivos.

ABSTRACT: Industry 4.0 represents a new phase in industrial development, with the capacity to generate productivity and efficiency gains across the entire production chain. Therefore, it is essential to promote the study of technologies within this context. This research aims to optimize the operation of a robotic arm using a Digital Twin application. The process can be modeled using the classic Traveling Salesman Problem (TSP). It begins with the robotic arm’s gripper starting from an origin point, passing through all the vertices following a specific route, and returning to the starting point, emulating the arm's movement in applications such as laser welding, painting, drilling, and riveting. Thus, given an instance composed of a set of vertices N, the optimization algorithm produces a route that minimizes the total distance of the trajectory. From this, the research also seeks to minimize process times. The Lin-Kernighan heuristic was used to construct the optimization algorithm, implemented in Python. For the algorithm's calibration, academic instances of the TSP were used. After this, four practical routes were optimized. The results were measured in terms of distance and then in terms of process times in simulation and practice. Gaps were measured relative to known optimal solutions and gains compared to solutions obtained using the nearest neighbor heuristic, to analyze the benefits of implementing a more complex technique compared to a simpler one. Good results were obtained in terms of gaps and gains in the distance analysis. However, the results in simulation and practice showed distortions caused by limitations of the adopted model, although for most instances, relatively small gap values and positive gains were observed.