An Agent- and Role-based Planning Approach for Flexible Automation of Advanced Production Systems

Aplicación de algoritmos de aprendizaje automático a sistemas robóticos multiagente para la programación y control de operaciones productivas y logísticas: una revisión de la literatura reciente

“…Los principales hallazgos encontrados referente a los algoritmos de aprendizaje para los MARS en la revisión bibliográfica, son: como objetivo del algoritmo de optimización es optimizar la capacidad colaborativa para mejorar la eficiencia de producción, optimizar el tiempo para resolver problemas, aumentar la productividad en las industrias. Weichhart et al (2018), Kiktev et al 2021, Shereuzhev & Serebrenny, 2020, Sekala et al, 2018, Kirks et al, 2019 y Zhu et al (2019), en sus estudios experimentales manifiestan que los agentes robots cada vez van ganando espacio en las industrias por su libertad de tomar decisiones más precisas, en vista que los escenarios de las industrias son planificados y por más agentes robóticos inteligentes que existan necesitan supervisión humana. Kiktev et al (2021), Shereuzhev & Serebrenny (2020), Sekala et al (2018), Kirks et al (2019) y Zhu et al (2019, manifiestan que los algoritmos propuestos, en cada una de sus investigaciones permiten generar y ejecutar varios escenarios de automatización, que permite proyectarse las industrias en diferentes costos de implementación de estos sistemas automáticos.…”

“…Deeks (2022) muestra una aplicación en donde combina las necesidades de investigación de los campos del Operador 4.0, Robótica Colaborativa, Inteligencia Artificial Simbólica y Control Automático y mediante la red Q-learning tiene un enfoque viable para intentar producir soluciones sólidas ante un problema de autonomía sincronizada. Weichhart et al (2018) en su investigación muestra que los robots colaboran en procesos ente agentes humanos y agentes artificiales en un sistema de producción flexible con este trabajo propone minimizar los conflictos y errores de interacciones que pueden impedir la efectividad de la detección, reduciendo así la calidad de los cultivos. Shereuzhev & Serebrenny (2020) explica que los robotsagentes muestran que, para una operación segura, es necesario crear arquitecturas de control sociales de CMRS con separación del sistema en el nivel de observación superior, el nivel de descomposición de tareas y el nivel de efectores asociados con los agentes del sistema, robots y humanos.…”

Agent- and Skill-Based Process Interoperability for Socio-Technical Production Systems-of-Systems

“…When comparing these two approaches, HTA focuses on the goal, while CTA uses a qualitative method mix (i.e. interviews and observation strategies) for capturing the knowledge that experts use for tasks operation [7]. Both methods aim at optimising the task allocation for human resources.…”

“…The S-BPM modelling language separates the two points of view in two diagrams. [7]. Coordination and interoperability of human and robots are through communication.…”

“…In this research work, we discuss technologies and approaches, supporting process planning for the Operator 4.0 [6] interacting with a collaborative robotic system as part of a production system. This discussion is an extended version of our work presented at the IEEE International Conference on Intelligent Systems [7]. It has been extended and the overall human-robot collaboration is discussed as a "system-of-systems" within a production system that requires a "human-robot interoperability" approach.…”