CONTROLLO PREDITTIVO DI SISTEMI MULTI-AGV PER LA LOGISTICA 4.0.

Il presente lavoro di tesi si incentra sul settore ingegneristico dell’automazione applicato alla Logistica 4.0 e in particolare, alla logistica interna, ossia il sistema complesso per la gestione integrata dei flussi di materiali, informazioni e prodotti finiti e non, che avvengono all’interno dei confini aziendali. Nello specifico si considera come scenario operativo un magazzino industriale caratterizzato dalla presenza di una flotta di automated guided vehicles (AGV) che hanno il compito di trasportare merci tra le varie postazioni presenti al suo interno. Per il controllo ottimo dell’intera flotta di AGV, e quindi gestione delle eventuali collisioni con ostacoli fissi legati al layout del magazzino e tra i robot mobili, si implementa l’algoritmo predittivo M-Star che si basa sul ben noto algoritmo A-Star. Risulta quindi indispensabile che i robot per spostarsi all’interno del magazzino seguano solo e soltanto cammini a costo minimo in modo tale da migliorare l’intero sistema di gestione della flotta. Predizione delle collisioni e navigazione degli AGV che percorrono cammini a costo minimo sono quindi i cardini portanti su cui si basa la trattazione. Per la valutazione della performance dell’algoritmo predittivo implementato, vengono svolte svariate simulazioni su diversi maze. Dai risultati ottenuti si evince come la percentuale di successo dell’algoritmo sia compresa nel range [80-100]%, con l’impiego di una flotta di AGV fino a dieci agenti. Il suddetto range risulta però molto variabile a seconda del tipo di magazzino in cui si effettuano le simulazioni (in relazione per esempio ad ampi spazi percorribili ed elevata presenza di ostacoli). All’aumentare del numero di AGV, la percentuale di successo dell’algoritmo tende pian piano a calare pur restando sempre sopra la soglia dell’80 %. Quindi dai risultati ottenuti si può affermare che le prestazioni dell’algoritmo implementato possano ritenersi considerevolmente soddisfacenti.