英文文献 agv

Development of an intelligent agent-based AGV controllerfor a flexible manufacturing system

Surendra Kumar & M. K. Tiwari

Automated guided vehicles (AGVs) are the most flexible means to transport materials among workstations of a flexible manufacturing system. Complex issues associated with the design of AGV control of these systems are  conflict-free shortest path, minimum time motion planning and deadlock avoidance. This research presents an intelligent agent-based framework to overcome the inefficacies associated with the aforementioned issues. Proposed approach describes the operational control of AGVs by integrating different activities such as path generation, journey time enumeration, collision and deadlock identification, waiting node location and its time estimation, and decision making on the selection of the conflict-free shortest feasible path. It represents efficient algorithms and rules associated with each agent for finding the conflict-free minimum time motion planning of AGVs, which are needed to navigate unidirectional and bidirectional flow path network. A collaborative architecture of AGV agent and its different modules are also presented. Three complex experimental scenarios are simulated to test  the robustness of the proposed approach. It is shown that  the proposed agent-based controller is capable of generating optimal, collision- and deadlock-free path with less computational efforts.

Flexible manufacturing systems (FMS) aim to combine the productivity of flow lines with the flexibility of job shops, to attain very versatile manufacturing units achieving high operational efficiencies. They are particularly designed for low volume, high variety manufacturing, and good decision making and management are crucial to maximize the benefits that they offer. Stecke and Solberg mentioned four decision stages for FMS, i.e., design, planning, scheduling and control. An FMS consists of a set of cells: material handling system (automated guided vehicles) and service centers, etc. Automated guided vehicle systems (AGVs) are advanced material handling devices extensively used in automated manufacturing systems (AMS) to transport materials among workstations . The design and implementation of such AGVs require answers to a number of problems, such as guide path design, controllerdevices, and routing algorithms. In the recent past, with the emergence of distributive technologies and advanced manufacturing paradigms, the AGV design and control problems attracted the attention of various researchers, including Tanachoco and Sinrich, Egbelu and Tanachoco, Egbelu , etc. AGVs are under computer control and they are the most flexible means to link all the locations of the shop floor , their operations must face some traffic control problem, such as collision prevention and deadlock avoidance , and minimum time motion planning. The objective of this research is to provide an analytical treatment of some of these issues and to offer a novel perspective to resolve the issues related to collisionand deadlock-free vehicle routing with minimum time motion.

The collision and deadlock-free, shortest time, multiple automated guided vehicle system (MAGVs) are the need of today’s FMS. There are varieties of AGVs available in the manufacturing system, serving a predefined flow path network, which consists of a set of nodes interconnected via set lanes (edge or links). Nodes represent sites for workstation and parking areas for vehicle and serve as pickup and drop-off points for loads. A demand could be generated in the form of pick-up loads at any workstation and drop off a load to other workstations. The main problem to be tackled here is finding the shortest path of the AGVs from its present location to the destination station via intermediate pickup workstation. There are several possible paths through which the vehicle can travel, and among these shortest, a conflict- and deadlock-free path is to be adopted for routing. The vehicle’s chosen path should be such that, it may not affect the others active travel schedule.

The main thrust of this research is to frame collaborative agent-based architecture for real time traffic control of AGVs, with a view to avoiding collisions and deadlocks and achieving minimum journey motion times in an FMS. It generates a conflict-free shortest path for the AGV in an effective manner and, therefore, can overcome the inefficacies that may arise in complex layout of manufacturing system. Agent controller, presented in this paper, controls the AGVs using modules. These modules are associated with rule-based system, heuristics and algorithms. Various agents used in this architecture are as follows: guide path agent, zone controller agent, journey time database agent, online traffic controller agent, AGV agent, order agent and interface agent. In addition, contract net protocols are used for fully automated competitive negotiation through the use of contracts among different agents.

An AGV system is based on the guide path constructed of nodes and links having some rules, heuristics and algorithm associated with the agents to control the AGVs. It involves a natural choice that agent should follow to select the rules and heuristics inherent in them. This section presents heuristics and rules associated with agents. The working methodologies of each agent, along with the interaction mechanism among them are also discussed here.

Each AGV is associated with an AGV agent. AGV agent manages AGV movement. These AGV agents manage an AGV by initiating enquiries with other agents and by negotiation with other AGV agent. The detailed collaborative structure of proposed AGV agent is discussed in Sect. 4. An AGV agent makes a decision on the basis of message sent by OTC agent. AGV agents communicate with OTC agent at each incident such as AGVs cross the node, receives supplies and unloading the supplies etc. If any AGV becomes breakdown or AGVs come into location to be head-on collision, OTC agent indicates to the shop-floor controller to recover the AGV or/and to reschedule the movement plan remained journey of supplies. 

The main aim of this research is to resolve some of the complex issues concerning the collision and deadlock avoidance with minimum time motion planning pertaining to operational control of AGVs in an FMS. This paper presents an multi-agent-based framework representing zone controlled AGV environment incorporating various issues like path generation, link occupation time, collision and deadlock avoidance, suggests the waiting node and time estimation, positioning of the idle AGVs, identification of pickup and drop off nodes associated with an optimal and conflict-free path selection. How intelligent agent-based framework can be used to overcome the shortcoming associated with current approach have been discussed. Six types of agents have been proposed; each agent is associated with some rule base and algorithms. SFP and KSFP algorithms are used by GP agent to generate K shortest path. JTD agent generates LOT. The ZC agent takes care of collision and deadlock avoidance. OTC agent acts as a decision-maker and determines the overall motion planning of the system. Order agent takes care of accepting and rejecting an order or to generate virtual order. AGVs are managed by an AGV agent. In order to show the robustness of the proposed intelligent agent-based framework, three experimental scenarios with increased complexity are considered. Simulation result shows that proposed framework provides an optimal path, less computational burden and higher efficiency. Hence a proposed agent-based controller could be a viable alternative to a large and/ or complex and difficult to design AGV system.

A rule-based system is advocated to address the continuous routing of AGV, while negotiating unexpected interruptions on certain edges (like mechanical failure of any movable AGV). Manual operator is adopted on these occasions to counter any failure in its progress. We propose few future research areas also. It is expected that the control approach proposed here could also be applicable in another context like a transportation network. A developing agent-oriented framework with automated

rule generation using an evolutionary neuro-fuzzy system to negotiate the conflict and interruption related to operating control of AGV, increasing the efficiency of the proposed approach for larger number of AGVs in FMS