본 논문에서는 로봇 한 대를 중심으로 여러 설비들이 제어되는 Flexible Manufacturing Cell(FMC)에서 로봇의 대기위치 선정과 작업물 선택 의사결정을 위하여 Q-learning 알고리즘을 응용한 방법을 제시하였다. 이를 위해 하나의 로봇과 다수의 설비로 구성된 전형적인 가상의 FMC를 시뮬레이션으로 설계, 제안한 알고리즘을 적용하여 다른 대안과의 비교 분석을 실시하였다. 비교결과 적용된 알고리즘이 로봇가동률을 높여 평균 처리시간, 총 처리량 모두 향상시키는 결과를 가져왔다. 또한, 이 방법은 본 논문에서 제시한 정보뿐 아니라 그 우선순위와 가중치에 따라 다른 정보들을 손쉽게 추가하여 적용할 수 있으므로 FMC의 생산성 향상에도 크게 기여할 것으로 기대된다.
This paper shows the Applied Q-learning Algorithm which supports selecting the waiting position of a robot and the part serviced next in the Flexible Manufacturing Cell (FMC) that consists of one robot and various types of facilities. To verify the performance of the suggested algorithm, we design the general FMC made up of single transfer robot and multiple machines with a simulation method, and then compare the output with other control methods. As a result of the analysis, the algorithm we use improve the average processing time and total throughputs as well by increasing robot utilization, reversely, by decreasing robot waiting time. Furthermore, because of ease of use compared with other complex ways and its adoptability to real world, we expect that this method contribute to advance total FMC efficiency as well.
