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

Immaginate un pavimento di fabbrica dove le macchine non asportano materiale per dare forma a un componente, ma lo costruiscono invece, strato dopo strato, partendo da un progetto digitale. Questa è la produzione additiva, un processo spesso chiamato stampa 3D, che ha rivoluzionato il modo in cui creiamo tutto, dai componenti aeronautici agli impianti medici. Poiché queste macchine possono produrre forme complesse senza l'uso di stampi, offrono un'incredibile flessibilità. Tuttavia, questa flessibilità comporta un rompicapo logistico. Quando una fabbrica ha diverse di queste macchine in funzione contemporaneamente, e deve realizzare un grande ordine di parti differenti, il responsabile deve decidere due cose difficili nello stesso momento: quali parti debbano essere raggruppate per essere stampate in un unico lotto e come tali parti debbano essere ruotate sul letto della macchina per farne entrare il maggior numero possibile. Inoltre, queste macchine sono voraci consumatrici di energia; i laser e i riscaldatori che fondono il materiale consumano enormi quantità di elettricità, rendendo il costo di gestione una preoccupazione fondamentale sia per l'ambiente che per il bilancio aziendale.

Per anni, i ricercatori hanno cercato di risolvere questo rompicapo di programmazione, concentrandosi principalmente su come completare il lavoro il più velocemente possibile. Hanno sviluppato vari programmi informatici per capire il modo migliore per impacchettare le parti nei lotti e assegnarle alle macchine. Eppure, rimaneva una lacuna significativa nella ricerca. La maggior parte degli studi ignorava il fatto che un singolo pezzo può spesso essere stampato in diverse orientazioni, ognuna delle quali cambia lo spazio occupato e l'energia consumata. Inoltre, pochi studi hanno dato priorità al risparmio energetico rispetto al risparmio di tempo, anche se i costi energetici sono in aumento e la sostenibilità sta diventando un obiettivo critico per l'industria moderna.

Un team di ricercatori dell'Università di Siviglia, in Spagna, ha affrontato questo complesso problema con un nuovo approccio che combina due potenti strategie computazionali. Hanno creato un algoritmo sofisticato progettato per gestire la doppia sfida di impacchettare le parti in modo efficiente e minimizzare l'energia necessaria per stamparle. Il loro metodo, che chiamano sistema a colonia di formiche memetica, trae ispirazione da come le vere colonie di formiche trovano la strada più breve verso il cibo. In natura, le formiche lasciano dietro di sé una traccia chimica chiamata feromone; più formiche percorrono un sentiero di successo, più forte diventa l'odore, guidando le altre a seguirlo. I ricercatori hanno tradotto questo comportamento in un programma per computer dove "formiche" virtuali esplorano milioni di modi possibili per raggruppare e orientare le parti. Mentre il programma viene eseguito, impara quali combinazioni di parti e rotazioni portano ai migliori risultati, rinforzando quei modelli di successo e scartando quelli inefficienti.

Per rendere questo sistema ancora più efficace, i ricercatori hanno aggiunto un secondo livello di intelligenza. Una volta che le formiche virtuali propongono una soluzione, un procedimento di ricerca locale interviene per perfezionarla. Questo passaggio agisce come un ispettore meticoloso, apportando piccoli aggiustamenti — come ruotare un singolo pezzo o scambiare due parti tra i lotti — per vedere se il costo energetico può essere ulteriormente abbassato. Combinando l'ampia esplorazione del metodo della colonia di formiche con questo preciso raffinamento locale, l'algoritmo può navigare nell'immenso numero di possibilità coinvolte nella programmazione di queste macchine senza bloccarsi in una soluzione subottimale.

Il team ha testato il suo nuovo algoritmo utilizzando una vasta gamma di scenari, inclusi casi di test standard da studi precedenti e nuovi scenari più complessi in cui le parti potevano essere stampate in due o tre diverse orientazioni. Hanno confrontato i loro risultati con le migliori soluzioni note dei metodi esistenti e con modelli matematici esatti che sono noti per trovare la risposta perfetta ma sono troppo lenti per gestire problemi di grandi dimensioni. I risultati sono stati sorprendenti. Nei test progettati per minimizzare il costo medio di produzione, il nuovo algoritmo ha trovato soluzioni migliori rispetto ai metodi esistenti in quasi la metà dei casi e ha eguagliato i migliori risultati nei restanti. Quando l'obiettivo era completare il lavoro il più velocemente possibile, l'algoritmo ha nuovamente superato i metodi precedenti, trovando programmi più rapidi per molti dei casi di test.

Forse il reperto più significativo riguarda l'energia. Quando i ricercatori hanno permesso all'algoritmo di scegliere tra più orientazioni per ogni parte, i risparmi energetici sono stati sostanziali. Negli scenari con due orientazioni alternative, il costo energetico medio è sceso di circa il 3,3 percento. Quando erano disponibili tre orientazioni, il risparmio è aumentato a quasi il 6 percento. In alcuni casi specifici che coinvolgevano tre macchine, la riduzione ha raggiunto il 9,5 percento. Queste cifre possono sembrare piccole a prima vista, ma in un contesto industriale dove le macchine lavorano continuamente, tali riduzioni si traducono in enormi risparmi sulle bollette elettriche e in una significativa diminuzione dell'impronta di carbonio del processo di produzione.

Lo studio ha anche rivelato un importante compromesso. Quando la programmazione si concentrava strettamente sul finire il lavoro il più velocemente possibile, i costi energetici aumentavano spesso drasticamente, crescendo di oltre il 20 percento in media rispetto ai programmi progettati specificamente per risparmiare energia. Nei casi più estremi, con sei macchine in funzione, la penalità energetica per dare priorità alla velocità rispetto all'efficienza poteva raggiungere il 36 percento. Questa scoperta suggerisce che cercare semplicemente di stampare più velocemente non è sempre la strategia più efficiente. Invece, un approccio equilibrato che considera sia il tempo che l'energia, e che sfrutta la flessibilità di ruotare le parti, offre una strada molto più intelligente.

I ricercatori hanno validato le loro scoperte eseguendo l'algoritmo su un normale processore per computer, completando i complessi calcoli in pochi minuti o ore, mentre i modelli matematici esatti spesso non riuscivano a trovare una soluzione entro un tempo ragionevole. Ciò dimostra che il nuovo metodo non è solo efficace, ma anche pratico per le fabbriche reali che devono prendere decisioni rapidamente. Dimostrando che considerare le orientazioni alternative delle parti può ridurre significativamente i costi energetici senza sacrificare la velocità, questo lavoro fornisce una chiara tabella di marcia per i produttori che desiderano rendere le loro linee di produzione additiva più sostenibili ed economiche. Lo studio conclude che, sebbene il problema della programmazione di queste macchine sia incredibilmente complesso, la giusta combinazione di ricerca intelligente e raffinamento locale può sbloccare efficienze precedentemente fuori portata.