İMALAT HÜCRESİNDE KULLANILAN BİR ROBOTUN İŞLEMLERİNİN SIRALANMASI

Öz

Hücresel imalat sistemi son yıllarda yaygın olarak kullanılan ve parti bazındaki üretimlerde uygulanan bir tekniktir. Fiziksel olarak bir araya kümelenmiş makinalardan oluşan bu hücrelerde üretim verimini, kaliteyi ve iş emniyetini artırmak, sıkıcı işleri yorulmadan yaptırmak için robot kullanımı tercih edilmektedir. Bu çalışmada, en fazla on makinadan oluşan bir imalat hücresi ve bir tek robot olduğu kabul edilerek, en fazla on ayrı işin aynı anda üretilmesi durumunda, robotun bu işleri tezgahlara hangi zamanlarda ve hangi sıra ile yerleştirip-alması gerektiğini belirleyen algoritmalar geliştirilmiştir. Bu algoritmalar, imalat hücresini oluşturabilmek için gerekli kütüphane (tezgahlar, robotlar ve depolama alanları), tezgah yerleşimi ve iş parçaları bilgilerinin yer aldığı bir uzman sistemin alt modülü olarak yapılandırılmıştır. Giriş bilgileri uzman sistemin çalışması ile elde edilen veriler olmakta, çıkış bilgileri yine aynı uzman sistem tarafından kullanılmaktadır. Geliştirilen algoritmalar
QUICKBASIC dilinde hazırlanmış bir yazılıma aktarılmış ve uzman sistemin “karar mekanizması” kısmını meydana getirmiştir. Örnek problemler üzerindeki testlerde geliştirilen yazılımın güvenilir sonuçlar ürettiği izlenmiştir.

Anahtar Kelimeler

• İmalat hücresi, sıralama, işlem planlaması, uzman sistem.

SEQUENCING OF OPERATIONS OF AN INDUSTRIAL ROBOT USED IN A MANUFACTURING CELL

Öz

Cell production system is a technique which has been used widely for batch type of production in recent years. In a cell formed physically by machine-tools, robot usage is preferred to increase the production efficiency, quality and job security and to avoid boring work. In this study, algorithms have been developed to determine in which order and at what time work pieces will be loaded/unloaded from machine-tools by a robot. A maximum of ten machine-tools and a single robot in a cell, and production of at most ten work pieces simultaneously are assumed. The developed algorithms constitute the inference engine of an expert system. This expert system has been constructed in different modules and can generate manufacturing cells by using its library, machine tool layout data and workpiece data. Process planning module forms the inference engine of the expert system in which the developed algorithms are programmed by using QUICKBASIC language. The developed algorithms have been shown to give reliable results on sample problems. 

Anahtar Kelimeler

• Manufacturing cell,sequencing,scheduling,expert system

Kaynakça

1. Su, C.T. & Fu, H.P., “A Simulated Annealing
2. Heuristic for Robotics Assembly Using The
3. Dynamic Pick-And-Place Model”, Production
4. Planning & Control, Vol.9, No.8, 795-802,
5. -
6. Son, C., “An Optimal Planning Technique for
7. Intelligent Robot’s Part Assembly in Partially
8. Unstructured Environments”, Robotica, Vol.16,

9. -57, 1998, UK.
10. Alexander, J.C., Maddocks, J.H. & Michalowski,
11. B.A., “Shortest Distance Paths for Wheeled
12. Mobile Robots”, IEEE Transactions on
13. Robotics and Automation, Vol.14, No.5, 657-
14. , 1998.
15. Desaulniers, G., Soumis, F. & Laurent, J.C., “A
16. Shortest Path Algorithm for A Carlike Robot in A
17. Polygonal Environment”, The Int. Journal of
18. Robotics Research, Vol.17, No.5, 512-530,
19. -
20. Dawande, M., Geismar, H.N., Sethi, S.P., &
21. Sriskandarajah, C., “Sequencing and Scheduling in Robotic Cells: Recent Developments”, Journal of
22. Scheduling, Vol.8, No.5, 387-426, 2005.
23. Agnetis, A., & Pacciarelli, D., “Part Sequencing
24. in Three-Machine No-Wait Robotic Cells,”
25. Operations Research Letters, Vol.27, No.4,
26. -192, 2000.
27. Soukhal, A., & Martineau, P., “Resolution of a
28. Scheduling Problem in a Flowshop Robotic
29. Cell”, European Journal of Operational
30. Research, Vol.161, No.1, 62-72, 2005.
31. Sriskandarajah, C., Drobuuchevitch, I., Sethi,
32. S.P., & Chandrasekaran, R., “Scheduling
33. Multiple Partsin a Robotic Cell Served by a Dual-
34. Gripper Robot”, Operations Research, Vol.52,
35. No.1, 65-82, 2004.
36. Kumar, S., Ramanan, N., & Sriskandarajah, C.,
37. “Minimizing Cycle Time in Large Robotic
38. Cells”, IIE Transactions (Institute of Industrial Engineers), Vol.32, No.2, 123-136,
39. -
40. Adams, J., Balas, E. & Zawack, D., “The Shifting
41. Bottleneck Procedure for Job Shop Scheduling”,
42. Management Science, Vol.34, No.3, 391-401,
43. -
44. Pinedo, M., Scheduling - Theory, Algorithms,
45. and Systems, Prentice Hall Englewood Cliffs,
46. New Jersey, USA, 1995.
47. Acar, N., Üretim Planlaması Yöntem ve
48. Uygulamaları, 2. Baskı, Milli Prodüktivite
49. Merkezi Yayınları, No:280, Ankara, 1985.
50. Usta, Y., “Robotlu İmalat Hücresindeki Taşıma
51. İşlemleri İçin Modele Dayalı Bir Uzman Sistem
52. Geliştirilmesi, Gazi Üniv. Müh. Mim. Fak.
53. Dergisi, Cilt.20, No.2, 275-288, 2005.
54. Usta, Y., Robotlu İmalat Hücreleri için Uzman
55. Sistem Geliştirilmesi, Doktora Tezi, Gazi Üniv.
56. Fen Bilimleri Enst. Ankara, 1999.