A memetic ant colony system algorithm for multiple machine scheduling in additive manufacturing with orientation selection of parts and energy costs ​

تخيل أرضية مصنع حيث لا تقوم الآلات بقطع المواد لتشكيل جزء ما، بل تقوم ببنائه طبقة تلو الأخرى، انطلاقاً من مخطط رقمي. هذه هي التصنيع المضاف، وهي عملية تُعرف غالباً بالطباعة ثلاثية الأبعاد، والتي أحدثت ثورة في كيفية صنع كل شيء، من مكونات الطائرات إلى الغرسات الطبية. ولأن هذه الآلات يمكنها إنتاج أشكال معقدة دون الحاجة إلى قوالب، فهي توفر مرونة مذهلة. ومع ذلك، تأتي هذه المرونة مع لغز لوجستي؛ فعندما يعمل عدة من هذه الآلات في وقت واحد، وتكون هناك طلبية كبيرة من الأجزاء المختلفة التي يجب إنتاجها، يتعين على المدير اتخاذ قرارين صعبين في آن واحد: أي الأجزاء يجب تجميعها لطباعتها في دفعة واحدة، وكيف يجب تدوير تلك الأجزاء على سرير الآلة لاستيعاب أكبر عدد ممكن منها. علاوة على على ذلك، فإن هذه الآلات تستهلك كميات هائلة من الطاقة؛ فالليزر والسخانات التي تدمج المادة تستهلك قدرات كهربائية ضخمة، مما يجعل تكلفة تشغيلها مصدر قلق رئيسي لكل من البيئة والربحية.

لسنوات، حاول الباحثون حل لغز الجدولة هذا، مع التركيز في الغالب على كيفية إنهاء العمل بأسرع وقت ممكن. وقد طوروا برامج حاسوبية مختلفة لتحديد أفضل طريقة لتعبئة الأجزاء في دفعات وتخصيصها للآلات. ومع ذلك، ظلت هناك فجوة كبيرة في الأبحاث؛ إذ تجاهلت معظم الدراسات حقيقة أن الجزء الواحد يمكن غالباً طباعته بعدة اتجاهات مختلفة، وكل اتجاه يغير المساحة التي يشغلها وكمية الطاقة التي يستهلكها. بالإضافة إلى ذلك، لم تعطِ دراسات قليلة الأولوية لتوفير الطاقة على حساب توفير الوقت، رغم أن تكاليف الطاقة في ارتفاع مستمر وأصبحت الاستدامة هدفاً حيوياً للصناعة الحديثة.

قام فريق من الباحثين من جامعة إشبيلية في إسبانيا الآن بمعالجة هذه المشكلة المعقدة من خلال نهج جديد يجمع بين استراتيجيتين حاسوبيتين قويتين. فقد ابتكروا خوارزمية متطورة مصممة للتعامل مع التحديات المزدوجة المتمثلة في تعبئة الأجزاء بكفاءة وتقليل الطاقة المطلوبة للطباعة. وتستمد طريقتهم، التي يسمونها "نظام مستعمرة النمل الميميتي" (memetic ant colony system)، الإلهام من كيفية عثور مستعمرات النمل الحقيقية على أقصر طريق للوصة إلى الطعام. في الطبيعة، تترك النمل خلفها أثراً كيميائياً يسمى الفيرومونات؛ وكلما سلكت المزيد من النمل مساراً ناجحاً، أصبحت الرائحة أقوى، مما يوجه الآخرين لاتباعها. وقد ترجم الباحثون هذا السلوك إلى برنامج حاسوبي حيث تستكشف "نمل افتراضي" ملايين الطرق الممكنة لتجميع وتوجيه الأجزاء. وبينما يعمل البرنامج، فإنه يتعلم أي التوليفات من الأجزوات والتدويرات تؤدي إلى أفضل النتائج، مما يعزز تلك الأنماط الناجحة ويستبعد غير الفعالة منها.

ولجعل هذا النظام أكثر فعالية، أضاف الباحثون طبقة ثانية من الذكاء. فبمجرد أن تقترح "النمل الافتراضي" حلاً، تتدخل إجراءات البحث المحلي للقيام بعملية صقل دقيقة. تعمل هذه الخطوة مثل مفتش دقيق، حيث تجري تعديلات صغيرة — مثل تدوير جزء واحد أو تبديل جزأين بين الدفعات — لمعرفة ما إذا كان يمكن خفض تكلفة الطاقة بشكل أكبر. ومن خلال الجمع بين الاستكشاف الواسع لطريقة مستعمرة النمل والتحسين المحلي الدقيق، تستطيع الخوارزمية التنقل عبر العدد الهائل من الاحتمالات المتضمنة في جدولة هذه الآلات دون أن تقع في حل غير مثالي.

اختبر الفريق خوارزميتهم الجديدة باستخدام مجموعة واسعة من السيناريوهات، بما في ذلك حالات اختبار قياسية من دراسات سابقة وسيناريوهات جديدة أكثر تعقيداً حيث يمكن طباعة الأجزاء في اتجاهين أو ثلاثة اتجاهات مختلفة. وقارنوا نتائجهم مع أفضل الحلول المعروفة من الطرق الموجودة ومع النماذج الرياضية الدقيقة التي يُعرف بقدرتها على إيجاد الإجابة المثالية ولكنها بطيئة جداً للعمل على المشكلات الكبيرة. كانت النتائج مذهلة؛ ففي الاختبارات المصممة لتقليل متوسط تكلفة الإنتاج، وجدت الخوارزمية الجديدة حلولاً أفضل من الطرق الموجودة في نصف الحالات تقريباً، وطابقت أفضل النتائج في الحالات المتبقية. وعندما كان الهدف هو إنهاء العمل بأسرع وقت ممكن، تفوقت الخوارزمية مرة أخرى على الطرق السابقة، حيث وجدت جداول زمنية أسرع للعديد من حالات الاختبار.

ولعل أهم اكتشاف يتعلق بالطاقة؛ فعندما سمح الباحثون للخوارزمية بالاختيار من بين اتجاهات متعددة لكل جزء، كانت وفورات الطاقة كبيرة. ففي السيناريوهات التي توفرت فيها اتجاهات بديلة اثنان، انخفض متوسط تكلفة الطاقة بنحو 3.3 بالمئة. وعندما توفرت ثلاثة اتجاهات، زادت الوفورات لتصل إلى ما يقرب من 6 بالمئة. وفي بعض الحالات المحددة التي تتضمن ثلاث آلات، وصل الانخفاض إلى 9.5 بالمئة. قد تبدو هذه الأرقام صغيرة للوهلة الأولى، ولكن في بيئة صناعية تعمل فيها الآلات باستمرار، تترجم هذه التخفيضات إلى وفورات هائلة في فواتير الكهرباء وانخفاض كبير في البصمة الكربونية لعملية التصنيع.

كما كشفت الدراسة عن مقايضة مهمة؛ فعندما ركزت الجدولة حصرياً على إنهاء المهمة بأسرع وقت ممكن، غالباً ما ارتفعت تكاليف الطاقة بشكل حاد، حيث زادت بأكثر من 20 بالمئة في المتوسط مقارنة بالجداول المصممة خصيصاً لتوفير الطاقة. وفي الحالات الأكثر تطرفاً، مع تشغيل ست آليات، يمكن أن تصل عقوبة الطاقة مقابل إعطاء الأولوية للسرعة إلى 36 بالمئة. تشير هذه النتيجة إلى أن مجرد محاولة الطباعة بشكل أسرع ليست دائماً الاستراتيجية الأكثر كفاءة. بدلاً من ذلك، فإن النهج المتوازن الذي يأخذ في الاعتبار كلاً من الوقت والطاقة، ويستفيد من مرونة تدوير الأجزاء، يوفر مساراً أكثر ذكاءً للمضي قدماً.

تحقق الباحثون من نتائجهم من خلال تشغيل الخوارزمية على معالج حاسوبي قياسي، حيث أتمت الحسابات المعقدة في غض de دقائق أو ساعات، في حين أن النماذج الرياضية الدقيقة غالباً ما تفشل في إيجاد حل ضمن إطار زمني معقول. وهذا يثبت أن الطريقة الجديدة ليست فعالة فح فحسب، بل هي عملية أيضاً للمصانع الواقعية التي تحتاج إلى اتخاذ قرارات بسرعة. ومن خلال إثبات أن مراعاة اتجاهات الأجزاء البديلة يمكن أن يقلل تكاليف الطاقة بشكل كبير دون التضحية بالسرعة، يوفر هذا العمل خارطة طريق واضحة للمصنعين الذين يتطلعون لجعل خطوط الإنتاج المضافة الخاصة بهم أكثر استدامة وفعالية من حيث التكلفة. وتخلص الدراسة إلى أنه بينما تعد مشكلة جدولة هذه الآلات معقدة للغاية، فإن الجمع الصحيح بين البحث الذكي والتحسين المحلي يمكن أن يفتح آفاقاً من الكفاءة كانت بعيدة المنال في السابق.