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

• Autores: Milagros Rolon, Mercedes Canavesio, Ernesto Martínez García
• Localización: Ciencia y tecnología, ISSN 1850-0870, ISSN-e 2344-9217, Nº. 9, 2009
• Idioma: español
• DOI: 10.18682/cyt.v1i1.787
• Enlaces
  • Texto completo
• Resumen
  • español

    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.

  • English

    Unplanned disruptive events and disturbances such as arrivals of rush orders or machine breakdowns must bemanaged locally to avoid propagating the effects along the value chain. To overcome the traditional separationbetween task scheduling and manufacturing execution systems the novel idea of emergent synthesis/control ofschedules for better handling the dynamics at the shop-floor is proposed. A new interaction mechanism forsimultaneous distributed scheduling and execution control is evaluated using a generative simulation model inNetlogo. The interaction mechanism has been designed around the concept of order and resource agents acting asautonomic managers within the artificial society of a dynamic Gantt world. The advantages of generative modellingin agent-based simulation are discussed to emphasize how difficult to predict emerging behaviours and bottom-upmacroscopic dynamics in a manufacturing case study can be addressed by proper design of agent interactions.Results obtained for different abnormal scenarios are presented to highlight the benefits of simulating artificialsocieties of intelligent agents.

• 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),...
  • Leitao, P. et al., ADACOR: A collaborative production automation and control architecture, IEEE Intelligent Systems, Vol. 20, (2005), pp....
  • Rolón, M. et al. (2009), Agent Based Modelling and Simulation of Intelligent Distributed Scheduling Systems, Proceedings of the 19th European...
  • 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...
  • 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...
  • 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.