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

एक ऐसे कारखाने की कल्पना करें जहाँ मशीनें किसी भाग को आकार देने के लिए सामग्री को काटती नहीं हैं, बल्कि एक डिजिटल ब्लूप्रिंट से, परत-दर-परत इसे बनाती हैं। यह एडिटिव मैन्युफैक्चरिंग है, जिसे अक्सर 3D प्रिंटिंग कहा जाता है, जिसने विमान के पुर्जों से लेकर चिकित्सा प्रत्यारोपण (मेडिकल इम्प्लांट्स) तक सब कुछ बनाने के तरीके में क्रांति ला दी है। क्योंकि ये मशीनें सांचों (मोल्ड्स) के बिना जटिल आकृतियाँ बना सकती हैं, इसलिए वे अविश्वसनीय लचीलापन प्रदान करती हैं। हालाँकि, यह लचीलापन एक लॉजिस्टिक पहेली के साथ आता है। जब एक कारखाने में एक साथ कई ऐसी मशीनें चल रही होती हैं, और विभिन्न भागों का एक बड़ा ऑर्डर पूरा किया जाना होता है, तो प्रबंधक को एक ही समय में दो कठिन निर्णय लेने होते हैं: कौन से भागों को एक एकल बैच में प्रिंट करने के लिए एक साथ समूहबद्ध किया जाना चाहिए, और उन्हें मशीन बेड पर कितनी संख्या में फिट करने के लिए कैसे घुमाया (रोटेट किया) जाना चाहिए। इसके अलावा, ये मशीनें बिजली की बहुत अधिक खपत करती हैं; लेजर और हीटर जो सामग्री को जोड़ते हैं, वे भारी मात्रा में बिजली खर्च करते हैं, जिससे इन मशीनों को चलाने की लागत पर्यावरण और मुनाफे, दोनों के लिए एक बड़ी चिंता बन जाती है।

वर्षों से, शोधकर्ता इस शेड्यूलिंग पहेली को हल करने का प्रयास कर रहे हैं, जिसका मुख्य ध्यान काम को जल्द से जल्द पूरा करने पर रहा है। उन्होंने यह पता लगाने के लिए विभिन्न कंप्यूटर प्रोग्राम विकसित किए हैं कि भागों को बैचों में पैक करने और उन्हें मशीनों को सौंपने का सबसे अच्छा तरीका क्या है। फिर भी, एक महत्वपूर्ण अंतर बना रहा। अधिकांश अध्ययनों ने इस तथ्य को अनदेखा किया कि एक ही भाग को अक्सर कई अलग-अलग ओरिएंटेशन (अभिविन्यास) में प्रिंट किया जा सकता है, जिससे वह कितनी जगह घेरता है और कितनी ऊर्जा खर्च करता है, यह बदल जाता है। इसके अतिरिक्त, बहुत कम अध्ययनों ने समय बचाने के बजाय ऊर्जा बचाने को प्राथमिकता दी है, भले ही ऊर्जा की लागत बढ़ रही है और स्थिरता आधुनिक उद्योग के लिए एक महत्वपूर्ण लक्ष्य बनती जा रही है।

सेविले विश्वविद्यालय, स्पेन के शोधकर्ताओं की एक टीम ने अब दो शक्तिशाली कम्प्यूटेशनल रणनीतियों को संयोजित करने वाले एक नए दृष्टिकोण के साथ इस जटिल समस्या को हल किया है। उन्होंने एक परिष्कृत एल्गोरिदम बनाया है जिसे भागों को कुशलतापूर्वक पैक करने और उन्हें प्रिंट करने के लिए आवश्यक ऊर्जा को कम करने की दोहरी चुनौतियों को संभालने के लिए डिज़ाइन किया गया है। उनकी विधि, जिसे वे 'मेमेटिक एंट कॉलोनी सिस्टम' कहते हैं, इस बात से प्रेरित है कि कैसे वास्तविक चींटियों की कॉलोनियां भोजन तक पहुँचने का सबसे छोटा रास्ता खोजती हैं। प्रकृति में, चींटियाँ एक रासायनिक निशान छोड़ती हैं जिसे फेरोमोन कहा जाता है; जितने अधिक चींटियाँ एक सफल पथ का अनुसरण करती हैं, गंध उतनी ही मजबूत होती जाती है, जो दूसरों को उसका अनुसरण करने के लिए निर्देशित करती है। शोधकर्ताओं ने इस व्यवहार को एक कंप्यूटर प्रोग्राम में अनुवादित किया जहाँ आभासी "चींटियाँ" भागों को समूहित करने और घुमाने के लाखों संभावित तरीकों का पता लगाती हैं। जैसे-जैसे प्रोग्राम चलता है, यह सीखता है कि भागों के कौन से संयोजन और रोटेशन सबसे अच्छे परिणाम देते हैं, उन सफल पैटर्न को सुदृढ़ करता है और अक्षम पैटर्न को त्याग देता है।

इस प्रणाली को और भी प्रभावी बनाने के लिए, शोधकर्ताओं ने इसमें बुद्धि का दूसरा स्तर जोड़ा। एक बार जब आभासी चींटियाँ एक समाधान प्रस्तावित करती हैं, तो एक 'लोकल सर्च प्रोसीजर' (स्थानीय खोज प्रक्रिया) सूक्ष्म सुधार करने के लिए कदम उठाती है। यह चरण एक सूक्ष्म निरीक्षक की तरह कार्य करता है, जो छोटे समायोजन करता है—जैसे कि किसी एक भाग को घुमाना या दो भागों को बैचों के बीच बदलना—यह देखने के लिए कि क्या ऊर्जा लागत को और कम किया जा सकता है। चींटी की कॉलोनी पद्धति की व्यापक खोज को इस सटीक स्थानीय शोधन के साथ जोड़कर, एल्गोरिदम इन मशीनों को शेड्यूल करने में शामिल संभावनाओं की विशाल संख्या में फंसने के बिना, सर्वोत्तम समाधान तक पहुँच सकता है।

टीम ने अपने नए एल्गोरिदम का परीक्षण विभिन्न प्रकार के परिदृश्यों का उपयोग करके किया, जिसमें पिछले अध्ययनों के मानक परीक्षण मामले और नए, अधिक जटिल परिदृश्य शामिल थे जहाँ भागों को दो या तीन अलग-अलग ओरिएंटेशन में प्रिंट किया जा सकता था। उन्होंने अपने परिणामों की तुलना मौजूदा विधियों के सर्वोत्तम-ज्ञात समाधानों और सटीक गणितीय मॉडलों के विरुद्ध की, जो ज्ञात रूप से सटीक उत्तर खोजने के लिए जाने जाते हैं लेकिन बड़े समस्याओं के लिए बहुत धीमे होते हैं। परिणाम चौंकाने वाले थे। उत्पादन की औसत लागत को कम करने के लिए डिज़ाइन किए गए परीक्षणों में, नए एल्गोरिदम ने लगभग आधे मामलों में मौजूदा विधियों से बेहतर समाधान खोजे और शेष मामलों में सर्वोत्तम परिणामों के बराबर प्रदर्शन किया। जब लक्ष्य काम को यथाशीघ्र पूरा करना था, तो एल्गोरिदम ने फिर से पिछले तरीकों को पछाड़ दिया, और कई परीक्षण मामलों के लिए तेज़ शेड्यूल्स खोजे।

शायद सबसे महत्वपूर्ण निष्कर्ष ऊर्जा से संबंधित है। जब शोधकर्ताओं ने एल्गोरिदम को प्रत्येक भाग के लिए कई वैकल्पिक ओरिएंटेशन चुनने की अनुमति दी, तो ऊर्जा की बचत पर्याप्त थी। दो वैकल्पिक ओरिएंटेशन वाले परिदृश्यों में, औसत ऊर्जा लागत लगभग 3.3 प्रतिशत गिर गई। तीन ओरिएंटेशन उपलब्ध होने पर, बचत बढ़कर लगभग 6 प्रतिशत हो गई। तीन मशीनों वाले कुछ विशिष्ट मामलों में, यह कमी 9.5 प्रतिशत तक पहुँच गई। ये संख्याएँ पहली नज़र में छोटी लग सकती हैं, लेकिन एक औद्योगिक सेटिंग में जहाँ मशीनें निरंतर चलती हैं, ऐसी कटौती बिजली के बिलों में भारी बचत और विनिर्माण प्रक्रिया के कार्बन फुटप्रिंट में महत्वपूर्ण कमी के रूप में परिवर्तित होती है।

अध्ययन ने एक महत्वपूर्ण ट्रेड-ऑफ (समझौता) भी प्रकट किया। जब शेड्यूलिंग का ध्यान विशेष रूप रूप से काम को जल्द से जल्द समाप्त करने पर केंद्रित था, तो ऊर्जा लागत अक्सर तेजी से बढ़ गई, जो विशेष रूप से ऊर्जा बचाने के लिए डिज़ाइन किए गए शेड्यूल्स की तुलना में औसतन 20 प्रतिशत से अधिक बढ़ गई। छह मशीनों के चलने वाले सबसे चरम मामलों में, गति को प्राथमिकता देने के लिए ऊर्जा दंड 36 प्रतिशत तक पहुँच सकता है। यह निष्कर्ष बताता है कि केवल तेजी से प्रिंट करने की कोशिश करना हमेशा सबसे कुशल रणनीति नहीं होती है। इसके बजाय, एक संतुलित दृष्टिकोण जो समय और ऊर्जा दोनों पर विचार करता है, और जो भागों को घुमाने के लचीलेपन का लाभ उठाता है, एक बहुत ही स्मार्ट रास्ता प्रदान करता है।

शोधकर्ताओं ने एक मानक कंप्यूटर प्रोसेसर पर अपने एल्गोरिदम को चलाकर अपने निष्कर्षों को मान्य किया, जिससे जटिल गणनाएं कुछ मिनटों या घंटों में पूरी हो गईं, जबकि सटीक गणितीय मॉडल अक्सर उचित समय सीमा के भीतर समाधान खोजने में विफल रहे। यह प्रदर्शित करता है कि नई विधि न केवल प्रभावी है, बल्कि वास्तविक दुनिया के कारखानों के लिए व्यावहारिक भी है जिन्हें जल्दी निर्णय लेने की आवश्यकता होती है। यह सिद्ध करके कि वैकल्पिक भाग ओरिएंटेशन पर विचार करने से गति से समझौता किए बिना ऊर्जा लागत को काफी कम किया जा सकता है, यह कार्य उन निर्माताओं के लिए एक स्पष्ट रोडमैप प्रदान करता है जो अपनी एडिटिव उत्पादन लाइनों को अधिक टिकाऊ और लागत प्रभावी बनाना चाहते हैं। अध्ययन निष्कर्ष निकालता है कि हालांकि इन मशीनों को शेड्यूल करने की समस्या अविश्वसनीय रूप से जटिल है, लेकिन बुद्धिमान खोज और स्थानीय शोधन का सही संयोजन उन दक्षताओं को अनलॉक कर सकता है जो पहले पहुंच से बाहर थीं।