Riassunto analitico
L’ottimizzazione dei percorsi per veicoli a guida automatica (AGV) è un argomento
molto rilevante nella letteratura industriale moderna. Gli AGV operano solitamen-
te su una roadmap fissa, la quale comporta diverse limitazioni, come l’impossibilità
di sfruttare aree di stoccaggio libere ed evitare ostacoli sui percorsi pianificati, ge-
nerando inefficienze. Per affrontare questa sfida, il seguente elaborato presenta un
approccio innovativo, che integra una pianificazione su più livelli. Un pianificatore
ad alto livello utilizza l’algoritmo di Dijkstra per determinare la sequenza ottimale
di zone da attraversare, basandosi su una funzione di costo multi-criteriale da mini-
mizzare, mentre due pianificatori a basso livello si occupano di calcolare il percorso
effettivo all’interno di queste zone. Nella soluzione proposta, l’ambiente di lavoro
su cui si basa la pianificazione dei veicoli AGV è costituito da due tipologie di zo-
ne: statiche e dinamiche. Le zone statiche sono quelle in cui la roadmap è fissa e
predefinita, rappresentata da un grafo con nodi e archi che collegano diverse stazio-
ni. Queste zone seguono una struttura rigida e non subiscono variazioni durante il
calcolo del percorso. Le zone dinamiche, invece, sono aree in cui la roadmap non è
predefinita, ma cambia in base alle condizioni operative o alla presenza di ostacoli.
In queste zone, non viene utilizzato un grafo, bensì una griglia di coordinate. Que-
sta suddivisione consente di implementare un percorso duale ibrido: i pianificatori
a basso livello, responsabili del calcolo del percorso effettivo, utilizzano l’algoritmo
A* sia nelle zone statiche, basandosi sul grafo, sia in quelle dinamiche, sfruttando la
griglia. La capacità di gestire entrambe le tipologie di zone permette di sfruttare la
roadmap in ambienti in cui la robustezza e sicurezza del sistema è prioritaria mentre
la mappa a griglia permette di ottenere maggiore flessibilità e capacità di adatta-
mento nelle parti dell’impianto popolate da ostacoli. L’obiettivo principale della tesi
è introdurre due algoritmi di pianificazione avanzata e confrontarne le prestazioni. Il primo algoritmo calcola la sequenza delle aree da attraversare utilizzando una
funzione di costo multi-criteriale che pesa diversi criteri riguardanti la distanza da
percorrere, la preferibilità della zona e lo stato di riempimento delle aree di stoc-
caggio dinamiche. La sequenza delle aree viene dunque utilizzata per il calcolo del
percorso durante l’assegnazione dei tasks e rimane fissa fino al loro completamento.
Il secondo algoritmo, invece, integra un criterio di costo che tiene in considerazione
il numero di veicoli all’interno della zona, il quale rappresenta lo stato del traffico
nell’impianto. In questo modo, l’algoritmo ricalcola i percorsi in tempo reale du-
rante l’esecuzione dei tasks e, se risulta conveniente, fa deviare i veicoli su strade
alternative, anche se più lunghe, per evitare le aree congestionate e ridurre il tempo
totale di percorrenza. Attraverso una serie di simulazioni, si dimostra che il secondo
algoritmo, pur scegliendo percorsi talvolta più lunghi, porta a un risparmio nei tempi
totali di percorrenza, dimostrandosi più efficiente nella gestione del traffico. Inoltre,
si enfatizza che, mediante questo approccio innovativo, l’ottimizzazione real-time dei
percorsi per veicoli a guida automatica è implementabile. Questa tesi contribuisce
all’avanzamento delle strategie di pianificazione per AGV, migliorando l’efficienza
dei tempi di missione e dell’uso delle risorse.
|
