Aplicación de algoritmos de aprendizaje automático a sistemas robóticos multiagente para la programación y control de operaciones productivas y logísticas: una revisión de la literatura reciente

• Rommel Velastegui ^[1] ; Raúl Poler ^[1] ; Manuel Díaz-Madroñero ^[1]
  1. [1] Universidad Politécnica de Valencia

     Universidad Politécnica de Valencia

     Valencia, España

     
• Localización: Dirección y organización: Revista de dirección, organización y administración de empresas, ISSN 1132-175X, Nº 80, 2023, págs. 60-70
• Idioma: español
• DOI: 10.37610/dyo.v0i80.643
• Enlaces
  • Texto completo
• Dialnet Métricas: 23 Citas
• Resumen

  • Este artículo presenta una revisión bibliográfica de los algoritmos de aprendizaje automático utilizados para dar solución a la problemática de los MARS para la PCP productivas y logísticas. Se ha analizado y clasificado la información en base al criterio aplicación en las industrias donde los resultados más relevantes fueron con un 60% experimental, 13% celdas de producción, 7% simulación, 7% teórico y otro 13% que no se especifica. Se ha encontrado, además, varios algoritmos de aprendizaje IA, DL, DRL, QL, que se pueden aplicar en las industrias. El objetivo es construir un documento que sirva de punto de partida para investigadores y profesionales en el ámbito de algoritmos de aprendizaje automático en sectores industriales

• Referencias bibliográficas
  • Antzoulatos, N., Castro, E., Scrimieri, D., & Ratchev, S. (2014). A multi-agent system architecture for selfconfiguration. In IFIP Advances...
  • Arques Corrales, P., & Aznar Gregori, F. (2020). Swarm AGV Optimization Using Deep Reinforcement Learning. PervasiveHealth: Pervasive...
  • Boldrer, M., Antonucci, A., Bevilacqua, P., Palopoli, L., & Fontanelli, D. (2022). Multi-agent navigation in human-shared environments:...
  • Deeks, C. (2022). Adapting Multi-agent Swarm Robotics to Achieve Synchronised Behaviour from Production Line Automata. In H. W. & S. J.M....
  • Demesure, G., Defoort, M., Bekrar, A., Trentesaux, D., & Djemai, M. (2014). Cooperation mechanisms in multi-agent robotic systems and...
  • Ďurica, L., Gregor, M., Vavrík, V., Marschall, M., Grznár, P., & Mozol, Š. (2019). A route planner using a delegate multi-agent system...
  • Geersing, T. H., Franssen, E. J. F., Pilesi, F., & Crul, M. (2019). Microbiological performance of a robotic system for aseptic compounding...
  • Griparić, K., Haus, T., Miklić, D., Polić, M., & Bogdan, S. (2017). A robotic system for researching social integration in honeybees....
  • Guzmán, E., Poler, R., & Andrés, B. (2020). Un análisis de revisiones de modelos y algoritmos para la optimización de planes de aprovisionamiento, producción...
  • Kiktev, N., Didyk, A., & Antonevych, M. (2021). Simulation of Multi-Agent Architectures for Fruit and Berry Picking Robot in Active-HDL....
  • Kirks, T., Jost, J., Finke, J., & Hoose, S. (2020). Modelling proxemics for human-technology-interaction in decentralized social-robot-systems....
  • Kirks, T., Uhlott, T., & Jost, J. (2019). The Use of Blockchain Technology for Private Data Handling for Mobile Agents in Human-Technology...
  • Li, P., Wu, X., Chsen, X., & Qiu, J. (2022). Distributed adaptive finite-time tracking for multi-agent systems and its application. Neurocomputing,...
  • Lujak, M., Fernández, A., & Onaindia, E. (2021). Spillover Algorithm: A decentralised coordination approach for multi-robot production...
  • Nair, A. S., Bechar, A., Tao, Y., & Nof, S. Y. (2019). The hub-CI model for telerobotics in greenhouse monitoring. Procedia Manufacturing,...
  • Nilles, A., Wasserman, J., Born, A., Horn, C., Born, J., & Lavalle, S. M. (2019). A Hardware and Software Testbed for Underactuated Self-Assembling...
  • Papadopoulos, G. T., Antona, M., & Stephanidis, C. (2021). Towards Open and Expandable Cognitive AI Architectures for Large-Scale Multi-Agent...
  • Passinhas, S. (2017). Robotics and law: A survey. CEUR Workshop Proceedings, 2059, 54–60. https://www.scopus.com/inward/record.uri?eid=2-s2.0- 85042457485&partnerID=40&md5=087f2a71b18b69c9 c3a07a80f00bbcfa
  • Pérez-Cubero, E., & Poler, R. (2021). Aplicación de algoritmos de aprendizaje automático a la programación de órdenes de producción en talleres...
  • Ross, K., & Ross, K. (2022). Artificial Intelligence in Fashion Manufacturing: From Factory Operation to Advisory Role. Leading Edge Technologies...
  • Sagar, K., Lugo, J. H., Molfino, R., Zlatanov, D., Zoppi, M., & Muthuswamy, S. (2018). Coordinated Selection and Timing of Multiple Trajectories...
  • Sekala, A., Gwiazda, A., Kost, G., & Banas, W. (2018). Modelling of a production system using the multi-agent network approach. IOP Conference Series:...
  • Serebrenny, V., Lapin, D., Mokaeva, A., & Shereuzhev, M. (2019). Technological collaborative robotic systems. In M. E.A., R. D.O., A....
  • Shereuzhev, M., & Serebrenny, V. (2020). Industrial collaborative multi-agent systems: Main challenges. In Smart Innovation, Systems and...
  • Stefanova-Stoyanova, V., & Stankov, I. (2020). Multi-Agent systems (MAS) in the area of IoT and using a model with Distributed Shared...
  • Webster, M., Dixon, C., Fisher, M., Salem, M., Saunders, J., Koay, K. L., & Dautenhahn, K. (2014). Formal verification of an autonomous...
  • Weichhart, G., Fast-Berglund, A., Romero, D., & Pichler, A. (2018). An Agent- and Role-based Planning Approach for Flexible Automation...
  • Wen, L., Liu, Y., & Li, H. (2022). CL-MAPF: Multi-Agent Path Finding for Car-Like robots with kinematic and spatiotemporal constraints....
  • Zafeiropoulos, A., Fotopoulou, E., Filinis, N., & Papavassiliou, S. (2022). Reinforcement learning-assisted autoscaling mechanisms for serverless...
  • Zhu, P., Ferrari, S., Morelli, J., Linares, R., & Doerr, B. (2019). Scalable gas sensing, mapping, and path planning via decentralized...
  • Zinn, J., Vogel-Heuser, B., & Gruber, M. (2021). FaultTolerant control of programmable logic controller-based production systems with...