Vykonávání plánů pro automatický sklad

Abstract

V této práci byl navržen zmenšený model automatizovaného skladu, na kterém je následně testováno provádění plánů. Plány provádí skupina robotů nazvaná Ozobot Evo. Při řešení tato práce vychází ze znalostí vykonáváním plánů pro multi-agetní hledání cest a algoritmů řešících problém skladu, které práce upravuje a rozšiřuje. Model podporuje jak ruční přidávání úloh, tak jejich generování pro lepší simulaci reálných skladů. Testy byly provedeny jak na upraveném algoritmu, který řeší instance skladu, tak na modelu skladu s robotmi. Během testování algoritmu bylo zjištěno, jak jednotlivé atributy skladu ovlivňují efektivitu řešení algoritmu. Experimenty s roboty porovnávají úspěšnost vykonávaní a následně je diskutováno, co ovlivňuje neúspěšnost provedení plánu.

In this paper, a scaled down model of an automated warehouse is proposed and the execution of the plans is subsequently tested. The plans are executed by a group of robots called Ozobot Evo. In solving, this work builds on the knowledge of plan execution for multi-agent pathfinding and algorithms solving the warehouse problem, which the work modifies and extends. The model supports both manual job addition and job generation to better simulate real warehouses. Tests were conducted on both the modified algorithm that solves the warehouse instances and the warehouse model with robots. During the testing of the algorithm, it was determined how the different attributes of the warehouse affect the efficiency of the algorithm's solution. Experiments with robots compare the success of execution and then discusses what influences the failure of plan execution.