CONTROLLO M* DI SISTEMI MULTI-AGV PER LA LOGISTICA 4.0

The current thesis work focuses on Industry 4.0, which identifies a digital phenomenon, aimed at transforming the multiple fields of engineering and innovation with the integration in production processes of new enabling technologies. Specifically, the work focuses on a Logistics 4.0 system, in which a fleet of mobile robots cooperate within a warehouse to perform various pick and place tasks, avoiding collisions between the agents of the operating scenario and any structural obstacles. The problem of calculating collision-free paths for a group of autonomous drivers is known as multi-agent path finding, in English Multi-Agent Path Finding. Video games and automated warehouse systems can be two classic examples of application. In the literature there are a series of algorithms, each with advantages and disadvantages, with the ultimate goal of optimizing the journey time of each robot. In the thesis work it was decided to implement the M* algorithm that allows to find the optimal path for each Automated Guided Vehicle (AGV) avoiding any collisions that may occur within the warehouse. The algorithm developed, very useful both in the academic and industrial field because of the remarkable increase of the efficiency of the process and therefore of the business productivity, is realized in Python environment. To evaluate the performance of the implemented algorithm, the results of the simulations performed are presented and critically analyzed through appropriate mazes in multiple operational scenarios.

L’attuale lavoro di tesi s’incentra sull’Industria 4.0, che identifica un fenomeno digitale, volto a trasformare i molteplici campi di ingegneria ed innovazione con l’integrazione nei processi produttivi di nuove tecnologie abilitanti. Nello specifico, il lavoro si focalizza su un sistema di Logistica 4.0, in cui una flotta di robot mobili cooperano all’interno di un magazzino per svolgere svariati task di pick and place, evitando collisioni tra gli agenti dello scenario operativo ed eventuali ostacoli strutturali. Il problema di calcolo di percorsi privi di collisione per un gruppo di agenti a guida autonoma, è noto come ricerca di percorsi multi-agente, in inglese Multi-Agent Path Finding. I videogiochi e i sistemi di magazzini automatizzati possono essere due classici esempi di applicazione. In letteratura sono presenti una serie di algoritmi, ognuno con vantaggi e svantaggi, aventi come scopo finale l’ottimizzazione del tempo di percorrenza di ciascun robot. Nel lavoro di tesi si è scelto di implementare l’algoritmo M* che permette di trovare il percorso ottimale per ogni Automated Guided Vehicle (AGV) evitando le eventuali collisioni che possono verificarsi all’interno del magazzino. L’algoritmo sviluppato, molto utile sia in campo accademico che industriale per via dell’incremento notevole dell’efficienza di processo e quindi della produttività aziendale, è realizzato in ambiente Python. Per valutare la performance dell’algoritmo implementato, i risultati delle simulazioni effettuate sono presentati e analizzati criticamente tramite opportuni mazes in molteplici scenari operativi.