|
Abstract:
|
A crescente utilização de robôs móveis autônomos (Autonomous Mobile Robots – AMRs) em ambientes industriais tem ampliado os desafios relacionados à designação de tarefas, ao sequenciamento das atividades e ao planejamento de caminhos, elementos fundamentais para garantir eficiência, segurança e produtividade em sistemas de manufatura cada vez mais dinâmicos. Este trabalho investiga heurísticas de designação de tarefas integradas ao sequenciamento e ao planejamento de caminhos em sistemas compostos por múltiplos AMRs. Para isso, foi desenvolvido um modelo de simulação computacional em Python, no qual o ambiente foi representado por meio de um grafo ponderado e as trajetórias dos robôs foram determinadas por meio do algoritmo A*. Foram implementadas três heurísticas de designação de tarefas baseadas em Ociosidade, Proximidade e Tempo de Chegada, e avaliados seus desempenhos em diferentes cenários operacionais. A análise foi realizada com base nas métricas makespan, distância total percorrida, balanceamento da carga de trabalho entre os robôs e tempo computacional. Os resultados evidenciaram que não existe uma heurística universalmente superior para todos os cenários avaliados. A heurística de Proximidade apresentou melhor desempenho em cenários de baixa e moderada complexidade, com menores valores de makespan e tempo computacional. A heurística de Tempo de Chegada destacou-se pela redução da distância total percorrida e pelo melhor balanceamento entre os robôs em cenários heterogêneos, embora com maior custo computacional. Já a heurística de Ociosidade apresentou resultados mais favoráveis em cenários com distribuição simétrica das tarefas. Conclui-se que a integração entre designação de tarefas, sequenciamento e planejamento de trajetórias influencia diretamente o desempenho operacional do sistema, sendo a escolha da heurística dependente das características do ambiente e dos objetivos operacionais considerados. |
