MétaCan
Menu
Retour à la cohorte
Enregistrement W7126169717 · doi:10.46254/wc02.20250244

Towards Sustainable Human-Robot Collaborative Assembly: A framework Integrating Time, Safety, and Energy Efficiency

2025· article· W7126169717 sur OpenAlexaff
Mahboobe Kheirabadi, Samira Keivanpour, Yuvin Chinniah, Jean‐Marc Frayret

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueRobot Manipulation and Learning
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésEfficient energy useInterdependenceSustainabilityTask (project management)RobotEnergy consumptionSynchronization (alternating current)Workspace

Résumé

récupéré en direct d'OpenAlex

The integration of collaborative robots (cobots) into assembly systems has transformed manufacturing by enabling flexible, adaptive, and human-centered production environments. However, designing and managing human–robot collaborative assembly lines remain a complex task, as multiple objectives must be balanced simultaneously. This paper addresses three interrelated dimensions: time efficiency, safety, and energy consumption. Time remains a critical drive of productivity, where synchronization of human and robot tasks directly influences cycle time and throughput. Safety is essential due to the shared workspace in which task allocation, interaction mode, and robot end effector and speed can either mitigate or intensify physical and mental risks to workers. Although cobots are typically more energy-efficient than traditional industrial robots, their cumulative energy use becomes significant at scale, particularly when deployed across multiple stations or operating continuously. Moreover, energy consumption is not independent: shorter cycle times often require higher accelerations and power demands, while slower, safety-oriented operations may reduce energy use but extend production duration. These interdependencies highlight the importance of considering energy not as a marginal factor, but as part of a broader trade-off with time and safety. Building on this perspective, a mathematical model is developed to integrate these objectives into a unified framework for human–robot collaborative assembly. The contribution lies in advancing beyond single-objective optimization to capture the inherent trade-offs, offering insights that are aligned with emerging sustainability and safety standards. This approach provides a basis for future empirical validation and supports the development of resilient and sustainable human–robot collaborative systems.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,266
Écart entre enseignants0,259 · 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 tête enseignante, pas un consensus.

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 sujetRobot Manipulation and LearningTravaux en français237 207