フレキシブル製造システムにおけるフォールトトレラントAGVタスクスケジューリングのためのツリーベース最大プラス予測アプローチ
Towards Fault-Tolerant AGV Task Scheduling in Flexible Manufacturing Systems Using a Tree-Based Max-Plus Predictive Approach
本論文は、予測ツリー探索と物理IoTベースのディスパッチインターフェースを組み合わせたサイバーフィジカルフレームワークを提案する。AGVタスクスケジューリング問題を離散イベントシステムとしてモデル化し、標準的な最大プラス代数でロボット同期を、スイッチングメカニズムで代替リソース割り当てを表現する。実運用上の障害に対応するため、フォールトトレラント制御(FTC)メカニズムを導入し、非定常な輸送遅延を動的に推定・適応させる。決定空間は、予測ホライズンと共に指数関数的に増大するが、過剰かつ不均一な輸送時間を罰する二次コスト関数を用いた予測ツリー探索アルゴリズムで探索される。物理ディスパッチ層はKIS.BOX IoTデバイスで実現され、WebSocket/STOMPイベントストリームと軽量REST APIを介して中央コントローラーと通信する。Blender 3D環境でのシミュレーション結果は、提案されたFTC予測戦略が、ベースラインのFirst-In-First-Outアプローチと比較して、障害条件下でのタスク完了時間のばらつきを大幅に削減することを示している。さらに、IoT統合は、人間参加型のタスク注入の実現可能性を現実的かつ確率的なシナリオでシミュレーションし、検証している。
- AGVタスクスケジューリングのためのツリーベース最大プラス予測アプローチを提案。フォールトトレラント制御(FTC)メカニズムを導入し、障害条件下でのタスク完了時間のばらつきをFIFO方式と比較して大幅に削減
- KIS.BOX IoTデバイスを用いた物理ディスパッチ層を実装し、WebSocket/STOMPイベントストリームとREST APIで中央コントローラーと通信
- Blender 3D環境でのシミュレーションにより提案手法の有効性を検証
本論文はAGV(無人搬送車)のフォールトトレラント制御において、予測ツリー探索とIoT統合を組み合わせた実用的なフレームワークを提案している。産業ロボット/AGVのスケジューリング最適化は製造現場の生産性直結問題であり、障害耐性と動的適応を両立するアプローチは製造業DXの基盤技術として注目に値する。Blender上でのシミュレーション検証が完了している点から、研究段階から実用化に向けた開発が進行中と推測される。