Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Automated AI Planning for Tool Change in Intelligent Robotized Plug & Produce Manufacturing
University West, Department of Engineering Science, Division of industrial automation. (KAMPT)ORCID iD: 0000-0001-5986-8099
University West, Department of Engineering Science, Division of industrial automation. (KAMPT)ORCID iD: 0000-0002-6604-6904
2025 (English)In: Proceedings of FAIM 2025, June 21–24, 2025, New York City, NY, USA / [ed] Krishnaswami Srihari, Mohammad T. Khasawneh, Sangwon Yoon, Daehan Won, Springer London, 2025, Vol. 1, p. 568-575Conference paper, Published paper (Refereed)
Abstract [en]

The manufacturing industry faces a shortage of skilled workers and an increasing demand for customized products, making traditional automation unsuitable for the emerging high-mix, low-volume production. There is a growing need for intelligent automation that enables in-house knowledge to perform frequent reconfigurations. A promising solution involves distributed intelligence, where products autonomously manage their goals, and modular resources possess the necessary skills to achieve them. Process planners aim to digitally configure manufacturing processes and sequencing without relying on detailed, device-specific programming. This article validates a configurable multi-agent-based control system that employs Artificial Intelligence-driven transport planning using Satisfiability Modulo Theories (SMT), ensuring cost-effective adaptation to new parts, materials, and resources. A Plug & Produce robot station, equipped with tools, tool holders, and related components for a kitting application, is utilized for validation. This study compares automatically planned tool changes with the complexity of traditional Programmable Logic Controller (PLC) and robot programming in on-demand manufacturing.

Place, publisher, year, edition, pages
Springer London, 2025. Vol. 1, p. 568-575
Series
Lecture Notes in Mechanical Engineering, ISSN 2195-4356, E-ISSN 2195-4364
National Category
Manufacturing, Surface and Joining Technology
Research subject
Production Technology
Identifiers
URN: urn:nbn:se:hv:diva-24792DOI: 10.1007/978-3-032-07675-5_56ISI: 001686384000056Scopus ID: 2-s2.0-105023148282ISBN: 978-3-032-07675-5 (electronic)ISBN: 978-3-032-07674-8 (print)OAI: oai:DiVA.org:hv-24792DiVA, id: diva2:2039593
Conference
FAIM 2025, June 21–24, 2025, New York City, NY, USA (FAIM: International Conference on Flexible Automation and Intelligent Manufacturing)
Available from: 2026-02-18 Created: 2026-02-18 Last updated: 2026-03-26
In thesis
1. A human-centric framework for next-generation Plug & Produce manufacturing
Open this publication in new window or tab >>A human-centric framework for next-generation Plug & Produce manufacturing
2026 (English)Doctoral thesis, comprehensive summary (Other academic)
Alternative title[sv]
Ett ramverk för nästa generations “Plug & Produce” avsedd för konfigurerbar automatiserad tillverkning med människan i fokus
Abstract [en]

Increasing demand for rapid product variation and customization requires automation that can be reconfigured efficiently without extensive reliance on external expertise. Part-specific information is typically embedded in application programs of traditional control systems, making adaptation to new products complex and time-consuming.

The contributions of this thesis are a humancentric, configurable, multi-agent control system at the machine level for nextgeneration Plug & Produce. The agent's intelligence is enhanced by utilizing automated AI planning for transfer tasks. Part-dependent data are relocated from control logic to product configurations and are performed from the part and process perspectives rather than from programming resource functionalities. Manufacturers extract part data from CAD models and incorporate process knowledge via graphical user interfaces, enabling them to configure systems for new products without specialized programming skills.

An approach that opens the door for creative operators to handle the next-generation, human-centric Plug & Produce system. Integrating agents into robot control systems and other external control systems via device primitives makes these systems flexible and independent of part-specific data. A new part agent strategy allows concurrent resources to be plugged in to balance capacity. Low-level controls imply high realtime demands, which are met through short negotiation processes via abstract interfaces that match real interfaces on resource agents, efficient agent communication, and fast automated AI planners. 

Abstract [sv]

Denna doktorsavhandling presenterar ett koncept som är avsett att öka flexibiliteten i framtidens Plug & Produce-system för automatisk tillverkning. Behovet av flexibla och omställbara automationslösningar är stort, då snabba förändringar krävs för att möta en alltmer dynamisk marknad med växande efterfrågan på nya och unika produkter.

Automation bidrar till lägre kostnader genom att minska behovet av arbetskraft, samtidigt som den säkerställer jämn kvalitet, minimerar förslitningsskador och skapar en säkrare och mer trivsam arbetsmiljö genom att öka avståndet mellan operatör och tillverkningsprocess. Att ersätta högflexibel manuell produktion med automatiserade lösningar är dock en betydande utmaning. Som ett svar på detta presenteras en ny generation av konceptet Plug & Produce, ett system som kan ställas om av den tillverkarnas egen personal, för att snabbt och enkelt anpassas till nya produkter och ordersituationer. Operatörernas roll blir mer kreativ när de själva kan anpassa produktionen av nya artiklar och balansera kapaciteten. Traditionellt utvecklas automationssystem av ingenjörer för ingenjörer, med fokus på den tekniska konstruktionen av utrustningen, vilket ofta kräver extern expertis vid förändringar. Genom att konfigurera automationen utifrån produkterna och deras tillverkningsprocesser, förflyttas kompetensbehovet till ett område där de tillverkande företagen redan besitter expertis.  Så mycket information som möjligt extraheras direkt från produktens digitala design. Processkunskap tillförs via grafiska användargränssnitt som styr tillverkningsflödet och hanterar specifika parametrar såsom mått, bearbetningshastigheter, temperaturer och färg.

Plug & Produce-system är uppbyggda kring inpluggningsbara resurser. Till exempel kan en modul med en robot pluggas in för att samarbeta med befintlig robot och därmed öka produktionskapaciteten. Specialdesignade resurser kan pluggas in för att öka effektiviteten och minimera energikonsumtionen. För att den inpluggade resursen självmant skall börja jobba och samarbeta med övriga resurser är den försedd med egen lokal artificiell intelligens som kan förhandla fram vilken resurs som är mest lämpad för en uppgift. Resurserna kan också automatiskt planera för verktygsbyten och sidoflöden såsom materialtransporter. Dessa resurser kan tack vare sin intelligens pluggas in i olika Plug & Produce-system och är därmed återvinningsbara i nya system, vilket gagnar miljön. På samma sätt förses produkterna med intelligens och kallas då för smarta produkter. Dessa produkter har som mål att bli färdigproducerade genom delmål i form av tillverkning och monteringsprocesser.

Plug & Produce-testbäddar har byggts upp tillsammans med representanter från tillverkningsindustrin för att verifiera teorierna. Bland annat en testbädd för väggsektioner till prefabricerade trähus samt en testbädd som plockar ihop material i kitt som skickas ut till monteringslinor. Båda testbäddarna är exempel på applikationer där hög flexibilitet krävs då variationen av det som skall tillverkas eller kittas är stor.  

Place, publisher, year, edition, pages
Trollhättan: University West, 2026. p. 102
Series
PhD Thesis: University West ; 84
Keywords
Plug & Produce, Automated Manufacturing, Digital Threads, Industrial Manufacturing, Process Planning, Automatic AI Planning, Multiagentsystem, Processplanering, Plug & Produce, Digitala kedjor, Industriell tillverkning, Flexibel automation, Automatisk AI-planering.
National Category
Manufacturing, Surface and Joining Technology Production Engineering, Human Work Science and Ergonomics
Research subject
Production Technology
Identifiers
urn:nbn:se:hv:diva-25013 (URN)978-91-89969-73-5 (ISBN)978-91-89969-72-8 (ISBN)
Public defence
2026-05-05, Albertsalen F105, Gustava Melins gata, Trollhättan, 10:00 (English)
Opponent
Supervisors
Note

Paper A, D and E are not included in the electronic thesis.

Available from: 2026-04-10 Created: 2026-03-26 Last updated: 2026-04-10

Open Access in DiVA

No full text in DiVA

Other links

Publisher's full textScopus

Authority records

Nilsson, AndersDanielsson, Fredrik

Search in DiVA

By author/editor
Nilsson, AndersDanielsson, Fredrik
By organisation
Division of industrial automation
Manufacturing, Surface and Joining Technology

Search outside of DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetric score

doi
isbn
urn-nbn
Total: 62 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf