Agent-Based Generative Simulation of an Intelligent Distributed Scheduling World with Netlogo

  1. Rolon, Milagros
  2. Canavesio, Mercedes
  3. Martinez, Ernesto
Revista:
Ciencia y tecnología

ISSN: 1850-0870,  2344-9217

Año de publicación: 2009

Número: 9

Tipo: Artículo

DOI: 10.18682/CYT.V1I1.787 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Ciencia y tecnología

Resumen

La gestión local de acontecimientos disruptivos y perturbaciones imprevistas como la llegada de pedidos urgentes o interrupciones en el funcionamiento de los recursos evitan propagar sus efectos a lo largo de la cadena de valor. Para un mejor manejo de la dinámica en el piso de planta, se propone la idea de una síntesis/control emergente del scheduling en contraposición a la separación tradicional entre las tareas de programación y ejecución. A través de un modelo de simulación generativo se evalúa un novedoso mecanismo de interacción que realiza simultáneamente el scheduling distribuido y el control de ejecución, diseñado en base al concepto de agente orden y agente recurso que actúan como gestores autonómicos dentro de la sociedad artificial de un mundo representado por un Gantt dinámico. Se discuten las ventajas del modelado generativo en la simulación basada en agentes en un entorno de manufactura con el objetivo de acentuar la dificultad de predecir comportamientos emergentes y la dinámica macroscópica que surge de la interacción de los agentes, y se presentan los resultados obtenidos para los distintos escenarios para destacar los beneficios de la simulación de sociedades artificiales de agentes inteligentes.

Referencias bibliográficas

  • Valckenaers, P., Van Brussel, H. Holonic Manufacturing Execution Systems. CIRP Annals- Manufacturing Technology, Vol. 54, (2005), pp. 427-432.
  • Verstraete, P. et al, Towards robust and efficient planning execution, Engineering Applications of Artificial Intelligence, Vol. 21, (2008), pp. 304-314.
  • Leitao, P. et al., ADACOR: A collaborative production automation and control architecture, IEEE Intelligent Systems, Vol. 20, (2005), pp. 58–66.
  • Rolón, M. et al. (2009), Agent Based Modelling and Simulation of Intelligent Distributed Scheduling Systems, Proceedings of the 19th European Symposium on Computer Aided Process Engineering – ESCAPE19, Elsevier B.V. (in press)
  • Kephart, J. O. and Chess, D. M. The vision of Autonomic Computing. Computer. Vol. 36, N° 1, (2003), pp. 41-
  • North, M. Macal, M. Managing Business Complexity, Discovering Strategic Solution with Agent-Based Modeling and Simulation, Oxford: Oxford University Press. 2007.
  • Kletti, J. (Ed.). Manufacturing Execution Systems – MES. Berlin: Springer-Verlag. 2007.
  • Holonic Manufacturing System (HMS) consortium, http:// hms.ifw.uni-hannover.de/, Last access 05/02/2009.
  • Gilbert, N. Agent-based models. Gildford: Sage Publications. 2008.
  • Miller, J.H. and Page, S.E. Complex Adaptive Systems: An Introduction to Computational Models of Social Life. Princeton: Princeton University Press. 2007.
  • Schelling, T. C. Micromotives and Macrobehavior. New York: Norton. 1978.
  • Epstein, J. M. Generative Social Science: Studies in Agent-Based Computational Modeling. Princeton: Princeton University Press. 2006.
  • Wilensky, U. (1999), Netlogo Modeling Environment, available at http://ccl.northwestern.edu/netlogo, Last access 05/02/2009.
Fuente de los datos: Dialnet