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

Imagine uma fábrica onde as máquinas não cortam o material para dar forma a uma peça, mas sim a constroem camada por camada, a partir de um projeto digital. Isso é a manufatura aditiva, um processo frequentemente chamado de impressão 3D, que revolucionou a forma como criamos desde componentes aeroespaciais até implantes médicos. Como essas máquinas podem produzir formas complexas sem moldes, elas oferecem uma flexibilidade incrível. No entanto, essa flexibilidade vem com um quebra-cabeça logístico. Quando uma fábrica tem várias dessas máquinas operando ao mesmo tempo, e um grande pedido de diferentes peças precisa ser fabricado, o gerente deve decidir duas coisas difíceis simultaneamente: quais peças devem ser agrupadas para serem impressas em um único lote e como essas peças devem ser rotacionadas na base da máquina para acomodar o maior número possível delas. Além disso, essas máquinas são vorazes consumidoras de energia; os lasers e aquecedores que fundem o material consomem quantidades vastas de eletricidade, tornando o custo de operação uma grande preocupação tanto para o meio ambiente quanto para o lucro.

Por anos, pesquisadores tentaram resolver esse quebra-cabeça de agendamento, focando principalmente em como concluir o trabalho o mais rápido possível. Eles desenvolveram vários programas de computador para determinar a melhor maneira de embalar as peças em lotes e atribuí-las às máquinas. No entanto, uma lacuna significativa permanecia na pesquisa. A maioria dos estudos ignorava o fato de que uma única peça pode, frequentemente, ser impressa em diversas orientações diferentes, cada uma alterando o espaço que ocupa e a energia que consome. Adicionalmente, poucos estudos priorizaram a economia de energia em vez da economia de tempo, embora os custos de energia estejam aumentando e a sustentabilidade esteja se tornando um objetivo crítico para a indústria moderna.

Uma equipe de pesquisadores da Universidade de Sevilha, na Espanha, abordou agora esse problema complexo com uma nova abordagem que combina duas estratégias computacionais poderosas. Eles criaram um algoritmo sofisticado projetado para lidar com os desafios duplos de embalar as peças de forma eficiente e minimizar a energia necessária para imprimi-las. Seu método, que chamam de sistema de colônia de formigas memética, inspira-se em como as colônias de formigas reais encontram o caminho mais curto para a comida. Na natureza, as formigas deixam para trás um rastro químico chamado feromônio; quanto mais formigas percorrem um caminho bem-sucedido, mais forte se torna o odor, guiando outras a segui-lo. Os pesquisadores traduziram esse comportamento em um programa de computador onde "formigas" virtuais exploram milhões de maneiras possíveis de agrupar e orientar as peças. Conforme o programa é executado, ele aprende quais combinações de peças e rotações levam aos melhores resultados, reforçando esses padrões bem-sucedidos enquanto descarta os ineficientes.

Para tornar este sistema ainda mais eficaz, os pesquisadores adicionaram uma segunda camada de inteligência. Uma vez que as formigas virtuais propõem uma solução, um procedimento de busca local intervém para refiná-la. Esta etapa atua como um inspetor meticuloso, fazendo pequenos ajustes — como rotacionar uma única peça ou trocar duas peças entre lotes — para ver se o custo de energia pode ser reduzido ainda mais. Ao combinar a exploração ampla do método da colônia de formigas com este refinamento local preciso, o algoritmo consegue navegar pelo enorme número de possibilidades envolvidas no agendamento dessas máquinas sem ficar preso em uma solução subótima.

A equipe testou seu novo algoritmo usando uma ampla gama de cenários, incluindo casos de teste padrão de estudos anteriores e novos cenários mais complexos, onde as peças poderiam ser impressas em duas ou três orientações diferentes. Eles compararam seus resultados com as melhores soluções conhecidas de métodos existentes e contra modelos matemáticos exatos que são conhecidos por encontrar a resposta perfeita, mas são lentos demais para rodar em problemas grandes. Os resultados foram impressionantes. Em testes projetados para minimizar o custo médio de produção, o novo algoritmo encontrou melhores soluções do que os métodos existentes em quase metade dos casos e igualou os melhores resultados nos demais. Quando o objetivo era concluir o trabalho o mais rápido possível, o algoritmo novamente superou métodos anteriores, encontrando cronogramas mais rápidos para muitos dos casos de teste.

Talvez a descoberta mais significativa diga respeito à energia. Quando os pesquisadores permitiram que o algoritmo escolhesse entre múltiplas orientações para cada peça, as economias de energia foram substanciais. Em cenários com duas orientações alternativas, o custo médio de energia caiu cerca de 3,3 por cento. Quando três orientações estavam disponíveis, as economias aumentaram para quase 6 por cento. Em alguns casos específicos envolvendo três máquinas, a redução chegou a 9,5 por cento. Esses números podem parecer pequenos à primeira vista, mas em um ambiente industrial onde as máquinas operam continuamente, tais reduções traduzem-se em economias massivas nas contas de eletricidade e em uma diminuição significativa na pegada de carbono do processo de manufatura.

O estudo também revelou um importante compromisso. Quando o agendamento focava estritamente em terminar o trabalho o mais rápido possível, os custos de energia frequentemente disparavam, aumentando em mais de 20 por cento, em média, em comparação com cronogramas projetados especificamente para economizar energia. Nos casos mais extremos, com seis máquinas operando, a penalidade de energia por priorizar a velocidade sobre a eficiência poderia atingir 36 por cento. Esta descoberta sugere que simplesmente tentar imprimir mais rápido nem sempre é a estratégia mais eficiente. Em vez disso, uma abordagem equilibrada que considere tanto o tempo quanto a energia, e que tire proveito da flexibilidade de rotacionar as peças, oferece um caminho muito mais inteligente.

Os pesquisadores validaram suas descobertas executando o algoritmo em um processador de computador padrão, completando os cálculos complexos em questão de minutos ou horas, enquanto os modelos matemáticos exatos frequentemente falhavam em encontrar uma solução dentro de um tempo razoável. Isso demonstra que o novo método é não apenas eficaz, mas também prático para fábricas do mundo real que precisam tomar decisões rapidamente. Ao provar que considerar orientações alternativas de peças pode reduzir significamente os custos de energia sem sacrificar a velocidade, este trabalho fornece um roteiro claro para fabricantes que buscam tornar suas linhas de produção aditiva mais sustentáveis e econômicas. O estudo conclui que, embora o problema de agendar essas máquinas seja incrivelmente complexo, a combinação certa de busca inteligente e refinamento local pode desbloquear eficiências que antes estavam fora de alcance.