MétaCan
Menu
Retour à la cohorte
Enregistrement W7116699885 · doi:10.1002/exp.20240120

Layout Optimization of the Six‐Axis Industrial Robot Based on an Improved Whale Algorithm for Reducing Energy Consumption in Industry 5.0

2025· article· en· W7116699885 sur OpenAlexaff
Kaiyue Cui, Yixiong Feng, Zhaoxi Hong, Zhiwu Li, Fathollahi‐Fard Amirmohammad, Zengwei Ji, J. R. Tan

Notice bibliographique

RevueExploration · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensLaurentian University
Organismes subventionnairesKey Research and Development Program of Zhejiang ProvinceNational Natural Science Foundation of China
Mots-clésIndustrial robotRobotEnergy consumptionOperabilityScheme (mathematics)Energy (signal processing)WorkspaceTask (project management)

Résumé

récupéré en direct d'OpenAlex

In the advent of Industry 5.0, the harmonious integration of human ingenuity and robotic precision in complex work environments is pivotal for sustainable industrial growth. The six-axis industrial robot, as an essential part of carrying out cyclic pick-and-place tasks in Industry 5.0, usually works in an extremely complex working environment. This intricate working environment makes the six-axis industrial robot difficult to reach the task points effectively, resulting in a lot of energy consumption. This not only impacts productivity but also leads to excessive energy consumption, which stands at odds with the Industry 5.0 principles of resource conservation. To solve this problem, a novel method to optimize the layout scheme of the six-axis industrial robot with the goal of minimizing the energy loss is creatively proposed in this paper. First, the reachable workspace and feasible workspace under constraints are mathematically modeled and then obtained. Second, the operability and the minimum singular value are utilized to evaluate the energy loss of the feasible workspace. Third, the whale algorithm is designed and improved to obtain the optimal layout scheme of the six-axis industrial robot. Finally, a case of the recliner's production line with the six-axis industrial robot (IRB140; ABB) is provided to validate the effectiveness of the proposed method. The results show that after optimization, the optimal layout scheme has been successfully obtained, and the energy loss has reduced from 0.2917 to 0.2309, a decrease of 20.84%, proving that the proposed method can obtain the optimal layout scheme with lower energy consumption.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,258
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExplorationMême sujetAdvanced Manufacturing and Logistics OptimizationTravaux en français237 207