In recent years, great attention is always more focused on the topic of energy saving in manufacturing. Different techniques are studied in order to reduce the consumption of energy and one of the most promising solutions is given by the control of machine state. Actually, the most spread methods about the state control are based on buffer or time information and are currently studied in offline problems. Offline problems have the whole problem data from the beginning without uncertainty about future information. This work provides a time-based policy able to control the machine states in real time. Through methods for the estimation of the parameter distributions in real time, the algorithm provides the optimal control parameters able to deactivate and resume machine service when it is required. Because of the uncertainty about the correct estimation of the parameter distributions, an implementation policy is formulated in order to identify the proper amount of information to collect before starting the control. In this way, the risk of implementing the wrong policy, due to a coarse estimation, is mitigated. Moreover, an extension of the policy is investigated to include multiple switching off and on thresholds. By means of simulations, a realistic industrial case from the literature is analyzed in order to show the benefits of the proposed algorithms. Besides the scientific relevance, due to extension of the current state of art, this work constitutes an innovation for the industrial sector. Thanks to the introduction of these algorithms, the energy efficiency of green field and brown field machines can be improved and barriers for practical implementation are reduced.
Negli ultimi anni, maggiore interesse è stato rivolto al risparmio energetico nei sistemi manifatturieri. Numerose tecniche sono state studiate allo scopo di ridurre il consumo energetico e una delle soluzioni, dove si sta destinando maggiore attenzione, consiste nel controllo degli stati della macchina. Attualmente i più diffusi e studiati metodi sono quelli che si basano sull'informazione di distribuzioni di variabili temporali stocastiche o sul numero di parti presenti nei buffer. I problemi analizzati in letteratura rientrano nella categoria degli offline problems. Questo lavoro, che può essere considerato come il pioniere di questo ambito, fornisce una politica basata sulle variabili temporali stocastiche capace di controllare gli stati della macchina in tempo reale. Grazie ai metodi per la stima dei parametri della distribuzione in tempo reale, gli algoritmi forniscono i parametri di controllo ottimali capaci di disattivare o riattivare il servizio, quando questo è richiesto. A causa dell'incertezza a proposito di una corretta stima dei parametri, una politica, chiamata politica d'implementazione, è stata formulata allo scopo di identificare il minimo numero di informazioni da raccogliere prima di implementare il controllo. In tal modo, il rischio di implementare una politica sbagliata viene arginato. Inoltre, siccome l'algoritmo ottimizza il consumo energetico solo per distribuzioni unimodali, un'estensione è stata formulata per poter trattare anche distribuzioni multimodali. Per dimostrare i benefici forniti dall'implementazione di questi algoritmi, un caso realistico e industriale dalla letteratura è stato analizzato attraverso l'utilizzo di simulazioni. Oltre alla rilevanza scientifica, dovuta all'estensione dell'attuale stato dell'arte, questo lavoro costituisce un'innovazione per il settore industriale. Infatti, questi algoritmi permettono di migliorare l'efficienza energetica sia per macchine già esistenti che di nuova progettazione, annientando le barriere per una pratica implementazione nel settore industriale.
Online algorithms for a time-based state control policy for energy saving in manufacturing systems
MARZANO, LORENZO
2017/2018
Abstract
In recent years, great attention is always more focused on the topic of energy saving in manufacturing. Different techniques are studied in order to reduce the consumption of energy and one of the most promising solutions is given by the control of machine state. Actually, the most spread methods about the state control are based on buffer or time information and are currently studied in offline problems. Offline problems have the whole problem data from the beginning without uncertainty about future information. This work provides a time-based policy able to control the machine states in real time. Through methods for the estimation of the parameter distributions in real time, the algorithm provides the optimal control parameters able to deactivate and resume machine service when it is required. Because of the uncertainty about the correct estimation of the parameter distributions, an implementation policy is formulated in order to identify the proper amount of information to collect before starting the control. In this way, the risk of implementing the wrong policy, due to a coarse estimation, is mitigated. Moreover, an extension of the policy is investigated to include multiple switching off and on thresholds. By means of simulations, a realistic industrial case from the literature is analyzed in order to show the benefits of the proposed algorithms. Besides the scientific relevance, due to extension of the current state of art, this work constitutes an innovation for the industrial sector. Thanks to the introduction of these algorithms, the energy efficiency of green field and brown field machines can be improved and barriers for practical implementation are reduced.File | Dimensione | Formato | |
---|---|---|---|
TESI.pdf
solo utenti autorizzati dal 01/04/2022
Descrizione: Testo della tesi
Dimensione
4.41 MB
Formato
Adobe PDF
|
4.41 MB | Adobe PDF | Visualizza/Apri |
TESI.pdf
solo utenti autorizzati dal 05/04/2022
Descrizione: Testo della tesi
Dimensione
4.82 MB
Formato
Adobe PDF
|
4.82 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/146626