Applications de l'intelligence artificielle dans les problèmes de production

vendredi, 28 octobre 2011
Applications de l'intelligence artificielle dans les problèmes de production
1. RÉSUMÉ
Ce document est centré sur l'analyse approfondie de l'intelligence artificielle avec ses différents paradigmes, les plus pertinents étant les réseaux neuronaux, algorithmes génétiques, les systèmes de logique floue et les automates programmables, avec leurs différentes applications dans la vie quotidienne et plus spécifiquement appliqués aux solutions de problèmes liés au génie industriel.
On considère que la production de nos jours peut être fortement soutenue par les nouvelles technologies, como es la inteligencia artificial ya sea como soporte para una toma de decisiones más eficaz en la ayuda de labores, tareas, que exijan gran demanda de tiempo representen un alto grado de peligrosidad al ser humano.
Palabras claves: L'intelligence artificielle, réseaux neuronaux, algorithmes génétiques, sistemas de lógica difusa, producción.
2. INTRODUCTION
La inteligencia artificial es un área de la investigación donde se desarrollan algoritmos para controlar cosas, y es así que en 1956 se establecen las bases para funcionar como un campo independiente de la informática.
Son muchos los estudios y aplicaciones que se han logrado con el desarrollo de esta ciencia , entre las cuales tenemos redes neuronales aplicadas al management de la calidad donde la crimson evalúa si determinado producto cumple no con las especificaciones demandadas, gestion du processus chimique au niveau de l'acidité, algorithmes génétiques appliqués au problème quadratique d'affectation des installations qui concerne l'affectation de N tâches sur M machines, les automates programmables utilisés pour l'optimisation des systèmes de production, enfin, il reste encore beaucoup à découvrir concernant les applications de cette science.
3. HISTOIRE DE L'INTELLIGENCE ARTIFICIELLE
On pourrait situer les origines de l'intelligence artificielle avec la définition du neurone formel donnée par McCulloch & Pitts 1943, comme un dispositif binaire avec plusieurs entrées et sorties.
Déjà en 1956, le sujet de l'intelligence artificielle a de nouveau été abordé (IA) en el instituto de tecnología de Massachussets por John McCarthy donde se celebró la conferencia de Dartmouth en Hanover (États-Unis). En este certamen McCarthy, Marvin Minsky, Nathaniel Rochester y Claude E. Shannon establecieron las bases de la inteligencia artificial como un campo independiente dentro de la informática. Previamente, en 1950, Alan M. Turing había publicado un artículo en la revista Thoughts, titulado Computing Machinery and Intelligence” (Ordenador e inteligencia”), en el que reflexionaba sobre el concepto de inteligencia artificial y establecía lo que luego se conocería como el take a look at de Turing, una prueba que permite determinar si un ordenador computadora se comporta conforme a lo que se entiende como artificialmente inteligente no.
L'intelligence artificielle dans les années soixante, en tant que telle n'a pas eu beaucoup de succès car elle nécessitait trop d'investissements pour cette époque et la majorité des technologies appartenaient aux grands centres de recherche. Dans les années 70 à 80, certains progrès significatifs ont été réalisés dans l'une de ses branches appelée Systèmes Experts, avec l'introduction de PROLOG LISP. Fondamentalement, ce que l'intelligence artificielle cherche à faire est de créer une machine séquentielle programmée qui répète indéfiniment un ensemble d'instructions générées par un être humain.
Actuellement, beaucoup continue d'être recherché dans les grands laboratoires technologiques, éducatifs et privés; sans oublier les avancées notables dans les systèmes de vision par ordinateur (appliqués par exemple, pour la classification d'articles mélangés - quincaillerie pièces marquées par des codes couleur, pour citer un cas), contrôle robotique autonome (Sony, avec ses robots capables de se déplacer de manière presque humaine et de réagir à des pressions comme le ferait une personne en marchant), applications de logique floue (application du suivi automatique dans nos magnétoscopes, pour citer une application), et ainsi de suite. Cependant, L'intelligence artificielle reste dans sa grande majorité limitée par son domaine technologique, et a peu pu sortir sur le marché du consommateur, restant dans l'industrie.
quatre. DÉFINITIONS DE L'INTELLIGENCE ARTIFICIELLE
En ce qui concerne les définitions actuelles de l'intelligence artificielle, on trouve des auteurs comme Wealthy & Knight 1994, Stuart 1996, quienes definen en forma basic la IA como la capacidad que tienen las máquinas para realizar tareas que en el momento son realizadas por seres humanos; otros autores como Nebendah 1988, Delgado 1998, arrojan definiciones más completas y las definen cómo el campo de estudio que se enfoca en la explicación y emulación de la conducta inteligente en función de procesos computacionales basadas en la experiencia y el conocimiento continuo del ambiente.
Hay más autores como Marr 1977, Mompin 1987, Rolston 1992, que en sus definiciones involucran los términos de soluciones a problemas muy complejos.
A criterio de los autores las definiciones de Delgado y Nebendan son muy completas, pero sin el apoyo del juicio formado, emocionalidad del ser humano pueden perder peso dichas soluciones, c'est pourquoi, hay que lograr un ambiente sinérgico entre ambas partes para mayor efectividad de soluciones.
5. TENDENCIAS DE LOS SISTEMAS DE INTELIGENCIA ARTIFICIAL
Actualmente según Delgado 1998, Stuart 1996, existen tres paradigmas en cuánto al desarrollo de la IA.
-Redes Neuronales.
-Algoritmos genéticos.
-Sistemas de Lógica difusa.
Pero se han venido destacando otros paradigmas como lo son los agentes de decisión inteligente y autómatas programables, con respecto a estos últimos se suelen emplear en gran medida en procesos industriales de acuerdo a necesidades a satisfacer como, espacio reducido, procesos de producción periódicamente cambiantes, procesos secuenciales, maquinaria de procesos variables, et ainsi de suite.
A juicio de los autores se determina que todos estos desarrollos acortan bastante el proceso de decisiones y optimizan las mismas, pero ahí que tener mucho cuidado ya que hay que analizar los diferentes impactos ya sean ambientales, sociales, políticos y económicos.
5.1 Redes neuronales
A grandes rasgos, se recordará que el cerebro humano se compone de decenas de billones de neuronas interconectadas entre sí formando circuitos redes que desarrollan funciones específicas.
Una neurona típica recoge señales procedentes de otras neuronas a través de una pléyada de delicadas estructuras llamadas dendritas. La neurona emite impulsos de actividad eléctrica a lo largo de una fina y delgada capa denominada axón, que se escinde en millares de ramificaciones.
Las extremidades de estas ramificaciones llegan hasta las dendritas de otras neuronas y establecen conexión llamada sinapsis, que transforma el impulso eléctrico en un mensaje neuroquímico mediante liberación de unas sustancias llamadas neurotransmisores que excitan inhiben sobre la neurona, de esta manera la información se transmite de neuronas a otras y va siendo procesada a través de las conexiones sinápticas y el aprendizaje varía de acuerdo a la efectividad de la sinapsis.
Figure 1. Neuronas y conexiones sinápticas.
Fuente: Sandra Patricia Daza, Universidad Militar Nueva Granada, 2003.
Un psicólogo D Hebb 1949, introdujo dos ideas fundamentales que han influido de manera decisiva en el campo de las redes neuronales. La hipótesis de Hebb, basées sur des recherches psychophysiologiques, présentent de manière intuitive la façon dont les neurones mémorisent l'information et se traduisent synthétiquement dans la célèbre règle d'apprentissage de Hebb ( également connue sous le nom de règle du produit). Cette règle indique que les connexions entre deux neurones sont renforcées si les deux sont activés. Beaucoup des algorithmes actuels proviennent des concepts de ce psychologue.
Widrow 1959, publie une théorie sur l'adaptation neuronale et des modèles inspirés de cette théorie, l'Adaline (Adaptative Linear Neuron) et le Madaline (Multiple Adaline). Ces modèles ont été utilisés dans de nombreuses applications et ont permis d'utiliser, pour la première fois, un réseau neuronal dans un problème important du monde actuel: filtres adaptatifs qui éliminent les échos sur les lignes téléphoniques.
Hopfield 1980, élabore un modèle de réseau consistant en des unités de traitement interconnectées qui atteignent des minima énergétiques, en appliquant les principes de stabilité développés par Grossberg. Le modèle s'est avéré très instructif sur les mécanismes de stockage et de récupération de la mémoire. Son enthousiasme et sa clarté de présentation ont donné un nouvel élan au domaine et ont provoqué l'augmentation des recherches.
D'autres développements notables de cette décennie sont la machine de Boltzmann et les modèles Bam (Mémoire associative bidirectionnelle).
Analogie des réseaux neuronaux biologiques et artificiels
Selon Herrera Fernandez1
Les neurones sont modélisés par des unités de traitement, caractérisées par une fonction d'activités qui convertit l'entrée complète reçue d'autres unités en une valeur de sortie, qui constitue la fonction de taux de déclenchement du neurone.
Les connexions synaptiques sont simulées par des connexions pondérées, le poids de la connexion joue le rôle de l'efficacité de la synapse. Les connexions déterminent s'il est possible qu'une unité influence une autre.
Une unité de traitement reçoit plusieurs entrées provenant des sorties d'autres unités de traitement, l'entrée complète d'une unité de traitement est généralement calculée comme la somme de toutes les entrées pondérées, c'est-à-dire, multipliées par le poids de la connexion. L'effet inhibiteur ou excitateur de la synapse est obtenu en utilisant respectivement des poids négatifs ou positifs
Tableau 1. Comparatif entre les neurones réels et les unités de traitement utilisées dans les modèles informatiques.
Fuente: Francisco Herrera Fernández
Stimulation totale
Activation (taux de décharge)
Fonction d'activation (sortie)
Les réseaux neuronaux doivent avoir comme structure plusieurs couches qui sont: première couche comme tampon d'entrée, stockant l'information brute fournie dans la crimson ou réalisant un simple prétraitement de celle-ci, nous l'appelons couche d'entrée; une autre couche agit comme interface tampon de sortie qui stocke la réponse du réseau pour qu'elle puisse être lue, nous l'appelons couche de sortie; et les couches intermédiaires, principales chargées d'extraire, traiter et mémoriser l'information, elles sont appelées couches cachées.
Figure 2. Modèle de réseau en cascade à plusieurs couches.
Fuente: Sandra Patricia Daza, Universidad Militar Nueva Granada, 2003.
5.2 Sistemas de lógica difusa
A concepto de Delgado 1998 es la segunda herramienta que permite emular el razonamiento humano. Los seres humanos pensamos y razonamos por medio de palabras y en grados entre dos estados por ejemplo blanco y negro ó frío y caliente, et beaucoup d'autres. Estos sistemas de lógica difusa son una mejora a los sistemas experto tradicionales, en el sentido de que permiten utilizar lenguaje humano como nosotros razonamos
Ya hablando de sistemas expertos tradicionales, estos intentan reproducir el razonamiento humano de forma simbólica. Es un tipo de programa de aplicación informática que adopta decisiones resuelve problemas de un determinado campo, como los sistemas de producción, las finanzas la medicina, utilizando los conocimientos y las reglas analíticas definidas por los expertos en dicho campo. Los expertos solucionan los problemas utilizando una combinación de conocimientos basados en hechos y en su capacidad de razonamiento. En los sistemas expertos, estos dos elementos básicos están contenidos en dos componentes separados, aunque relacionados: una base de conocimientos y una máquina de deducción, de inferencia. La base de conocimientos proporciona hechos objetivos y reglas sobre el tema, mientras que la máquina de deducción proporciona la capacidad de razonamiento que permite al sistema experto extraer conclusiones. Los sistemas expertos facilitan también herramientas adicionales en forma de interfaces de usuario y los mecanismos de explicación. Las interfaces de usuario, al igual que en cualquier otra aplicación, permiten al usuario formular consultas, proporcionar información e interactuar de otras formas con el sistema. Los mecanismos de explicación, la parte más fascinante de los sistemas expertos, permiten a los sistemas explicar justificar sus conclusiones, y también posibilitan a los programadores verificar el funcionamiento de los propios sistemas. Los sistemas expertos comenzaron a aparecer en la década de 1960. Sus campos de aplicación son la química, la geología, la médecine, la banca e inversiones y los seguros.
A experiencia de uno de los autores, el hardware en que se fundamentan estos sistemas que son circuitos integrados digitales son muy eficaces y de durabilidad de por vida si se les da correcto uso.
5.3 Algoritmos genéticos:
Según Delgado 1998 son una técnica inspirada en aspectos biológicos, el proceso de la evolución del que Charles Darwin hace referencia se puede aplicar para optimizar dispositivos de control robots cualquier otro tipo de aspectos que sean susceptibles de ser optimizados como líneas de producción.
En basic es aceptado que cualquier algoritmo genético para resolver un problema, debe tener cinco componentes básicos como se vera a continuación
-Se necesita una codificación representación del problema, que resulte adecuada al mismo.
-Una manera de crear una población inicial de soluciones.
-Una función de ajuste ó adaptación al problema, también llamada función de evaluación, la cual asigna un número actual a cada posible solución codificada.
-Durante la ejecución del algoritmo, los padres – dos individuos pertenecientes a la población inicial, que son soluciones factibles del problema- deben ser seleccionados para la reproducción; a continuación dichos padres seleccionados se cruzarán generando dos hijos, nuevas soluciones al problema, sobre cada religion technologique uno de los cuales actuará un operador de mutación de acuerdo con una cierta probabilidad. El resultado de la combinación de las anteriores funciones será un conjunto de individuos (posibles soluciones al problema), los cuales en la evolución del Algoritmo Genético formarán parte de la siguiente población.
-Valores para los parámetros: tamaño de la población, probabilité d'application des opérateurs génétiques.
6. APPLICATIONS DE L'INTELLIGENCE ARTIFICIELLE ET LES TECHNIQUES QU'ELLE UTILISE
Dans l'approche de l'ingénierie de l'Intelligence Artificielle, les techniques qui peuvent être utilisées comme outils pour résoudre des problèmes sont classées dans les catégories suivantes:
1. Techniques de base, ainsi nommées car elles se trouvent à la base de diverses applications d'IA. Parmi elles se trouvent la Recherche Heuristique de Solutions, Représentation des Connaissances, Déduction Automatique, Programmation Symbolique (LISP) et Réseaux Neuronaux. Ces techniques sont les bases des applications. Pour la plupart, l'utilisateur n'a pas besoin de les connaître closing, sino los profesionales que se dedican a su aplicación y la generación de aplicaciones comerciales.
2. Tecnologías, combinaciones de varias técnicas básicas, orientadas a resolver familias de problemas. Las tecnologías son más especializadas que las técnicas básicas y están más cerca de las aplicaciones finales. Se pueden mencionar a la Robótica y Visión, Lenguaje Natural, Systèmes Experts
trois. Clases tipos de aplicaciones: Diagnostic, Predicción (sistemas de autocontrol de reactores atómicos), Secuenciamiento de operaciones (“Scheduling”), Diseño, Interpretación de datos. Todas ellas son familias de problemas tipo. Par exemple, el diagnóstico se refiere a encontrar las causas de fallas, ya sea que se trate de fallas en una línea de producción de enfermedades en una persona.
4. Campos de aplicación: Ingénierie, Medicina, Sistemas de Manufactura, Administración, Apoyo a la Toma de Decisiones Gerenciales, et ainsi de suite. Todas caen dentro de las áreas de los sistemas computacionales, pero que se consideran como clientes de la Inteligencia Artificial.
7. APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LOS SISTEMAS PRODUCTIVOS
La incorporación de agentes de decisión inteligente, réseaux neuronaux, systèmes experts, algoritmos genéticos y autómatas programables para optimización de sistemas de producción es una tendencia activa en el ambiente industrial de países con alto desarrollo tecnológico y con una gran inversión en investigación y desarrollo. Dichos componentes de la Inteligencia Artificial tienen como función principal controlar de manera independiente, y en coordinación con otros agentes, composants industriels tels que des cellules de fabrication et d'assemblage, et opérations de maintenance, entre autres.
Il existe une tendance croissante à la mise en œuvre de systèmes de fabrication/assemblage plus autonomes et intelligents, en raison des exigences du marché pour obtenir des produits avec des niveaux de qualité très élevés; ce qui devient compliqué avec des opérations manuelles et fait que les pays sous-développés comme le nôtre n'atteignent pas des niveaux compétitifs à l'échelle mondiale. Lors de la conception d'un système de production informatisé, il faut accorder de l'importance à la supervision, planification, séquençage, coopération et exécution des tâches d'exploitation dans les centres de travail, ajouté au contrôle des niveaux de stock et aux caractéristiques de qualité et de fiabilité du système. Les facteurs mentionnés déterminent la structure du système et sa coordination représente l'une des fonctions les plus importantes dans la gestion et management de la production.
Très fréquemment, la raison de construire un modèle de simulation est de trouver des réponses à des questions telles que : Quels sont les paramètres optimaux pour maximiser ou minimiser une certaine fonction objective? Au cours des dernières années, de grands progrès ont été réalisés dans le domaine de l'optimisation des systèmes de production. Cependant, le progrès dans le développement d'outils d'analyse pour les résultats des modèles de simulation a été très lent. Existe una gran cantidad de técnicas tradicionales de optimización que sólo individuos con gran conocimiento estadístico y de conceptos de simulación han logrado aportes significativos en el área.
Debido al auge de los algoritmos de búsqueda meta-heurísticos, se ha abierto un nuevo campo en el área de optimización con simulación. Nuevos paquetes de software program, tales como OptQuest (Optimum Applied sciences), SIMRUNNER (Promodel Corporation) y Evolver (Palisade Software), han salido al mercado brindando soluciones amigables de optimización de sistemas que no requieren control interno sobre el modelo construido, sino sobre los resultados que dicho modelo arroja bajo diferentes condiciones. De plus, de nouvelles techniques d'intelligence artificielle appliquées à des problèmes d'optimisation stochastique, ont démontré leur efficacité et leur capacité de calcul et d'approximation.
L'Apprentissage par Renforcement (Reinforcement Studying) est un ensemble de techniques conçues pour résoudre des problèmes dont la base sont les processus de décision markoviens. Les processus markoviens sont des processus de décision stochastiques qui se basent sur le concept que l'action à prendre dans un état donné, à un instant donné, dépend uniquement de l'état dans lequel se trouve le système au moment de prendre la décision.
Un des domaines qui peut avoir une incidence directe plus importante sur les processus productifs de l'industrie au niveau mondial, es el diseño de sistemas de soporte para la toma de decisiones basados en la optimización de los parámetros de operación del sistema. Para tal efecto, el uso de técnicas inteligentes paramétricas y no paramétricas para el análisis de datos es de gran interés.
Cependant, a juicio de los autores en la mayoría de las arquitecturas propuestas hasta el momento para manufactura integrada por computadora, carecen de un issue de integración basic. La comunicación entre los diversos niveles jerárquicos de una planta de producción es muy poca, ya que cada departamento se limita a realizar su función sin buscar una integración de toda la planta productiva a excepciones de empresas como ABB con su software program Baan, et ainsi de suite.
huit. APPLICATIONS OF ARTIFICIAL INTELLIGENCE IN SOLVING SPECIFIC PRODUCTION PROBLEMS
Automatic operation of quality control using a computer vision system (Royman López Beltrán, Edgar Sotter Solano, Eduardo Zurek Varela. Robotics and Automatic Production Laboratory. University of the North)
Every industrial process is evaluated by the quality of its ultimate product, This makes the quality control stage an essential phase of the process. The mechanisms used to establish the quality of a product vary depending on the parameters that are relevant to it. Cuando el parámetro relevante es la geometría forma del objeto fabricado se suele dejar a la vista del operario que lleve a cabo tal función tanto de inspección como de verificación para el management de calidad, sin embargo pueden existir errores en la geometría de un objeto que escapen de la vista de un operario y que luego impidan el buen funcionamiento de dicho objeto. En un caso como éste, surge como una buena alternativa el utilizar un sistema de visión artificial capaz de detectar aquellos errores que un operario pudiera pasar por alto. El sistema de visión artificial Robotic Visión PROFESSIONAL, Il est capable d'exécuter de manière totalement automatique les tâches d'identification des objets et de contrôle qualité de ceux-ci.
Le système Robotic Vision PROFESSIONAL est un logiciel de vision qui permet l'acquisition d'images, prétraitement et segmentation. De plus, il effectue un traitement de données de haut niveau qui fournit du filtrage d'images, élaboration de clusters et de motifs, et identification d'objets. Ce système dispose d'une caméra et d'un moniteur chargés d'identifier chacune des pièces issues du processus et de les comparer avec des pièces de qualité à 100% afin de déterminer si l'emballage peut être mis sur le marché ou doit être jeté.
Voici quelques images fournies par le système Robotic Visión PROFESSIONAL pour l'exécution de l'opération de gestion de la qualité. Les emballages ont été disposés de manière à ce que les géométries soient parfaitement contenues dans le programme, Puis, le contrôle de qualité a été effectué individuellement pour chacun des emballages.
Figure 3. emballage correct avec 100 % de qualité
Dans les deux figures suivantes, des emballages défectueux sont montrés car ils ne répondent pas aux spécifications nécessaires et, par conséquent, le système de qualité rejette le produit.
Figure 4. Emballage rejeté pour mauvaise qualité
Figure 5. Emballage rejeté pour mauvaise qualité
El sistema de visión por computador Robotic Visión PRO después de ser evaluado en la empresa resultó eficiente para la detección de defectos geométricos en los empaques de compresores centrífugos, ya que la flexibilidad del software program permitió ajustar las condiciones del proceso al sistema de calidad requerido para la apropiada medición de los empaques. Este sistema es lo bastante didáctico como para desarrollar expresiones que permitan realizar de manera totalmente automática mediciones del objeto, labores de reconocimiento y de management de calidad.
Los autores opinan que es muy adecuado el uso de esta tecnología en empresas donde el acabado superficial de una pieza sea muy exigente ó estrechas tolerancias como por ejemplo repuestos de carros, instrumentación industrial, etc..
eight.1 Proyectos en vía de desarrollo por la línea de investigación y desarrollo de inteligencia artificial (grupo de investigación de la Universidad de Manizales)
JAT (Sistema Inteligente de despacho y Management para el Transporte Publico): su idea principal es mejorar el servicio de transporte urbano de la ciudad de Manizales a través de despacho y control inteligente que permita mejorar la calidad del servicio y reduzca los costos de operación. La partie intelligente s'occupe de programmer la répartition des itinéraires en veillant à ce que tous les bus soient couverts de manière équitable.
Système intelligent de Surveillance et de Monitoring à Distance: Il est prévu de mettre en œuvre des systèmes de télévision en circuit fermé, qui incluent la capacité de surveillance à distance via un ordinateur et une ligne téléphonique depuis n'importe quel endroit dans le monde et via le Web.
huit.2 Reconnaissance des environnements en robotique mobile par le biais de réseaux neuronaux3
Cette étude est centrée sur l'identification globale des environnements effectuée par un robot mobile basé sur l'entraînement d'un réseau neuronal crimson qui reçoit les informations captées de l'environnement par le système sensoriel du robot (ultrasons). Il est considéré que le robotique, à travers le réseau neuronal, a pour unique tâche de maximiser la connaissance de l'environnement qui lui est présenté. De cette façon, il modélise et explore l'environnement efficacement tout en exécutant des algorithmes d'évitement d'obstacles.
Le résultat de cette étude est d'une grande importance dans le domaine de la robotique mobile car: le robot acquiert une plus grande autonomie de mouvement, l'utilisation de l'ultrason comme détecteur d'obstacles est optimisée et c'est un outil important pour le développement de planificateurs de trajectoire et de contrôleurs 'intelligents'.
En utilisant une architecture: 2 – 2 -1
Nih: Nombre de neurones d'entrée(2).
Nhid: Nombre de neurones de la couche intermédiaire(1).
Nout: Nombre de neurones de sortie(2).
Une vue d'ensemble sera montrée de l'un des exemples avec lesquels la pink a été entraînée (pour plus de détails consulter la recherche de Rivera & Gauthier 1995 Université des Andes).
Les paramètres utilisés lors de l'entraînement étaient une constante d'apprentissage de 0,2 et une constante de moment de 0,9
Fuente: Claudia Rivera 1995
Figure 6. environnement d'entraînement avec trois obstacles
Le robot est placé à huit positions différentes et à chacune d'elles un balayage a été effectué et de cette manière huit fichiers ont été formés avec lesquels la crimson a été entraînée, et désormais, reconnaissant l'environnement, il ne se heurtera à aucun obstacle.
Dans le réseau neuronal, à mesure que les couches internes augmentent, il aura plus de capacité et de vitesse pour apprendre divers environnements.
L'intervention des auteurs, ils déterminent qu'il est très important d'utiliser la robotique mobile dans les processus de production où l'homme ne peut pas supporter des environnements à haute ou basse température pendant de longues périodes, comme par exemple dans MEALS, où l'on pourrait entraîner un robot et, à mesure que son entraînement se perfectionne, le préparer ensuite comme transporteur de charge.
8.3 Algorithmes génétiques appliqués au problème quadratique d'affectation des facilités (QAP) (Département de Recherche Opérationnelle, École d'Ingénierie Industrielle, Université de Carabobo, Valencia, Venezuela. Ninoska Maneiro. Algorithme Génétique Appliqué aux Problèmes de Localisation des Facilités. Année 2001 /area3 ).
Le QAP est un problème combinatoire, considéré par certains auteurs comme NP-complet. L'objectif du QAP est de trouver une affectation des installations aux sites, afin de minimiser une fonction qui exprime les coûts de distance.
La localisation et la distribution des installations sont l'un des sujets les plus importants dans la formation des professionnels en génie industriel et de tous ceux
les professionnels qui sont chargés de la planification, de l'organisation et de la croissance systématique des villes. Dans la vie quotidienne et professionnelle de chaque individu, il existe une grande variété de problèmes de localisation d'installations.
Les problèmes de localisation et de distribution des installations sont stratégiques pour le succès de toute opération de fabrication. La principale raison est que les coûts de manutention et de matériaux représentent entre 30 et 75 % des coûts totaux de fabrication. Une bonne solution au problème d'affectation des installations contribuerait à l'efficacité totale des opérations, Une mauvaise répartition peut conduire à l'accumulation de stock en cours de production, Surcharge des systèmes de manutention des matériaux, Mises au point inefficaces et longues files d'attente. Dans cette vaste catégorie de problèmes pouvant être classés comme QAP se trouve le problème de flux en ligne généralisé, Qui est une ligne de flux dans laquelle les opérations avancent vers l'avant et ne sont pas nécessairement traitées sur toutes les machines de la ligne.
Un trabajo en tal clase de línea puede comenzar a procesarse y completar su proceso en cualquier máquina, moviéndose siempre hacia delante (downstream) por operaciones sucesivas de acuerdo con la secuencia de trabajo del proceso. Cuando la secuencia de operaciones para un trabajo no especifica una máquina colocada delante de su localización precise, el trabajo tiene que viajar en sentido contrario (upstream) a fin de completar la operación requerida. Este viaje en reversa” de las operaciones, es llamado backtracking, y se desvía de una línea de flujo ultimate para un trabajo específico, resultando en una estructura de trabajo menos eficiente, como se muestra en la siguiente figura.
Al parecer de los autores, este problema de asignación cuadrática debería tratarse en la clase de taller de producción por su relevancia al analizar secuencias N / M.
Fig. 7. Una línea de flujo generalizada Fuente: Ninoska Maneiro 2001.
9. CONCLUSIONS
En la universidad Nacional sede Manizales en el programa de ingeniería industrial se debería trabajar más en las ciencias informáticas, con el fin, de profundizar en áreas de la inteligencia artificial aplicadas a la ingeniería industrial.
Con el desarrollo de este trabajo se han obtenido resultados satisfactorios a nivel de investigación teórica, ya que con la documentación obtenida se conocieron avances en las ciencias informáticas que en algunos casos eran desconocidos para los autores.
Los grandes avances de I.A aplicada a sistemas de producción han hecho que día a día la industria en su constante búsqueda por mejorar su competitividad logren dicho objetivo, pero en muchos de los casos desplazar gran cantidad de mano de obra que llevan consigo un deterioro social que se ve reflejado en los indicadores globales de desempleo y niveles de pobreza.
10. BIBLIOGRAFIA
Elaine Wealthy. Knight Kevin. Intelligence artificielle. Segunda Edición. Mc Graw Hill. México 1994.
Stuart Rusell. Norving Meter. Inteligencia Artificial un Enfoque Moderno. Printice Hall. México 1996.
Revista La Ventana Informática. Edición N0 9. Universidad de Manizales. Pág. fifty six – fifty seven. Mayo 2003.
Delgado Alberto. Inteligencia Artificial y Mini robots. Segunda Edición. Ecoe Ediciones. Julio 1998.
Delgado Alberto. Inteligencia Artificial y Mini robots. VII Congreso Nacional de Estudiantes de Ingeniería Industrial, Administratif et de Production Université Nationale Campus Manizales. Mémoires du Congrès. 4 Octobre – 10 de 1998.
Encyclopédie Informatique et Ordinateurs. Ingénierie Logicielle et Intelligence Artificielle. Juillet 1992.
Nebendah Dieter. Systèmes Experts. Ingénierie et Communication. Éditeurs Marcombo. Barcelone 1988.
Marr D.C. Intelligence Artificielle: Un Point de Vue Personnel, Intelligence Artificielle. USA 1977.
Rolston W. David. Principes d'Intelligence Artificielle et Systèmes Experts. Mc Graw Hill. Mexique 1992.
Mompin P. José. Intelligence artificielle: Concepts, Techniques et Applications. Marcomobo S.A Éditions. Espagne 1987.
Revue Ibero-américaine d'Intelligence Artificielle. Application de l'Intelligence Artificielle dans les Systèmes de Production Automatisés. Llata, J.R. , Sarabia, E.G., Fernández, D., Arce J., Oria, J.P.. Numéro 10, pages 100-110. Disponible en ().
Suiveurs