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

Imagine una planta de producción donde las máquinas no cortan material para dar forma a una pieza, sino que la construyen capa por capa, a partir de un plano digital. Esto es la fabricación aditiva, un proceso a menudo llamado impresión 3D, que ha revolucionado la forma en que creamos desde componentes de aviación hasta implantes médicos. Debido a que estas máquinas pueden producir formas complejas sin necesidad de moldes, ofrecen una flexibilidad increíble. Sin embargo, esta flexibilidad conlleva un rompecabezas logístico. Cuando una fábrica tiene varias de estas máquinas funcionando a la vez, y se necesita realizar un pedido grande de diferentes piezas, el gerente debe decidir dos cosas difíciles al mismo tiempo: qué piezas deben agruparse para imprimirse en un solo lote y cómo deben rotarse esas piezas sobre la cama de la máquina para que quepan tantas como sea posible. Además, estas máquinas son voraces consumidoras de energía; los láseres y calentadores que funden el material consumen enormes cantidades de electricidad, lo que convierte el coste de su funcionamiento en una preocupación importante tanto para el medio ambiente como para la rentabilidad.

Durante años, los investigadores han intentado resolver este rompecabezas de la programación, centrándose principalmente en cómo terminar el trabajo lo más rápido posible. Han desarrollado diversos programas informáticos para determinar la mejor manera de empaquetar las piezas en lotes y asignarlas a las máquinas. Sin embargo, persistía una brecha significativa en la investigación. La mayoría de los estudios ignoraban el hecho de que una sola pieza puede imprimirse a menudo en varias orientaciones diferentes, cada una de las cuales cambia cuánto espacio ocupa y cuánta energía consume. Además, pocos estudios han priorizado el ahorro de energía sobre el ahorro de tiempo, a pesar de que los costes energéticos están aumentando y la sostenibilidad se está convirtiendo en un objetivo crítico para la industria moderna.

Un equipo de investigadores de la Universidad de Sevilla, en España, ha abordado ahora este complejo problema con un nuevo enfoque que combina dos poderosas estrategias computacionales. Crearon un algoritmo sofisticado diseñado para gestionar los desafíos duales de empaquetar las piezas de manera eficiente y minimizar la energía necesaria para imprimirlas. Su método, que denominan sistema de colonia de hormigas memético, se inspira en cómo las colonias de hormigas reales encuentran el camino más corto hacia la comida. En la naturaleza, las hormigas dejan un rastro químico llamado feromonas; cuanto más hormigas recorren un camino exitoso, más fuerte se vuelve el aroma, guiando a otras a seguirlo. Los investigadores tradujeron este comportamiento a un programa informático donde "hormigas" virtuales exploran millones de formas posibles de agrupar y orientar las piezas. A medida que el programa se ejecuta, aprende qué combinaciones de piezas y rotaciones conducen a los mejores resultados, reforzando esos patrones exitosos mientras descarta los ineficientes.

Para hacer este sistema aún más efectivo, los investigadores añadieron una segunda capa de inteligencia. Una vez que las hormigas virtuales proponen una solución, un procedimiento de búsqueda local interviene para perfeccionarla. Este paso actúa como un inspector meticuloso, realizando pequeños ajustes —como rotar una sola pieza o intercambiar dos piezas entre lotes— para ver si el coste energético puede reducirse aún más. Al combinar la exploración amplia del método de la colonia de hormigas con este refinamiento local preciso, el algoritmo puede navegar por la enorme cantidad de posibilidades implicadas en la programación de estas máquinas sin quedarse estancado en una solución subóptima.

El equipo probó su nuevo algoritmo utilizando una amplia gama de escenarios, incluyendo casos de prueba estándar de estudios previos y nuevos escenarios más complejos donde las piezas podían imprimirse en dos o tres orientaciones diferentes. Compararon sus resultados con las mejores soluciones conocidas de los métodos existentes y con modelos matemáticos exactos que se sabe que encuentran la respuesta perfecta pero que son demasiado lentos para ejecutar problemas grandes. Los resultados fueron sorprendentes. En las pruebas diseñadas para minimizar el coste medio de producción, el nuevo algoritmo encontró mejores soluciones que los métodos existentes en casi la mitad de los casos y igualó los mejores resultados en el resto. Cuando el objetivo era terminar el trabajo lo más rápido posible, el algoritmo volvió a superar a los métodos anteriores, encontrando programas más rápidos para muchos de los casos de prueba.

Quizás el hallazgo más significativo se relaciona con la energía. Cuando los investigadores permitieron que el algoritmo eligiera entre múltiples orientaciones para cada pieza, los ahorros de energía fueron sustanciales. En escenarios con dos orientaciones alternativas, el coste energético medio cayó aproximadamente un 3,3 por ciento. Cuando había tres orientaciones disponibles, los ahorros aumentaron a casi un 6 por ciento. En algunos casos específicos que involucraban tres máquinas, la reducción alcanzó el 9,5 por ciento. Estas cifras pueden parecer pequeñas a primera vista, pero en un entorno industrial donde las máquinas funcionan continuamente, tales reducciones se traducen en ahorros masivos en las facturas de electricidad y en una disminución significativa de la huella de carbono del proceso de fabricación.

El estudio también reveló un compromiso importante. Cuando la programación se centraba estrictamente en terminar el trabajo lo más rápido posible, los costes energéticos a menudo se disparaban, aumentando en más de un 20 por ciento de media en comparación con los programas diseñados específicamente para ahorrar energía. En los casos más extremos, con seis máquinas funcionando, la penalización energética por priorizar la velocidad sobre la eficiencia podía alcanzar el 36 por ciento. Este hallazgo sugiere que intentar imprimir más rápido no siempre es la estrategia más eficiente. En su lugar, un enfoque equilibrado que considere tanto el tiempo como la energía, y que aproveche la flexibilidad para rotar las piezas, ofrece un camino mucho más inteligente.

Los investigadores validaron sus hallazgos ejecutando el algoritmo en un procesador informático estándar, completando los complejos cálculos en cuestión de minutos u horas, mientras que los modelos matemáticos exactos a menudo no lograban encontrar una solución en un tiempo razonable. Esto demuestra que el nuevo método no solo es efectivo, sino también práctico para las fábricas del mundo real que necesitan tomar decisiones rápidamente. Al demostrar que considerar orientaciones alternativas de las piezas puede reducir significativamente los costes de energía sin sacrificar la velocidad, este trabajo proporciona una hoja de ruta clara para los fabricantes que buscan hacer que sus líneas de producción aditiva sean más sostenibles y rentables. El estudio concluye que, si bien el problema de programar estas máquinas es increíblemente complejo, la combinación adecuada de búsqueda inteligente y refinamiento local puede desbloquear eficiencias que antes estaban fuera de alcance.