考虑操作者体力和脑力负荷的拆卸线设置方法技术

本发明专利技术公开了考虑操作者体力和脑力负荷的拆卸线设置方法，包括如下步骤：收集拆卸线和拆卸任务信息，建立以最小化开启工作站数量、空闲时间均衡指标、能量消耗均衡指标为目标，包含操作者体力和脑力负荷约束的拆卸线平衡问题数学模型；求解上述数学模型。本发明专利技术考虑了操作者体力和脑力负荷对拆卸线设置的影响，更加符合工人的实际工作情况，能够获得更优的拆卸线组合。本发明专利技术针对上述数学模型还提出了一种改进天牛群算法，对天牛须搜索算法离散化，使算法适用于处理离散型问题，引入浓度探测操作、步长移动操作和变异因子等增强了算法的寻优及收敛性能。法的寻优及收敛性能。法的寻优及收敛性能。

【技术实现步骤摘要】
考虑操作者体力和脑力负荷的拆卸线设置方法


[0001]本专利技术涉及设施布局
，具体是考虑操作者体力和脑力负荷的拆卸线设置方法。

技术介绍

[0002]随着科技的突飞猛进，机电产品(如电视机、电冰箱和电脑等)更新换代的速度不断加快，对废旧机电产品的处理尤为重要。传统处理方式如焚烧、填埋等不仅对环境造成严重污染而且浪费资源，回收拆解再利用已成为目前最好的处理方式，已经被应用于大型拆卸企业。
[0003]拆卸线平衡问题(Disassembly Line Balancing Problem，DLBP)自被提出以来，便一直受到国内外学术界的高度关注，越来越多的学者对其进行深入复杂的研究，Zhang等考虑拆卸过程中的不确定性因素引入模糊作业时间，并将其应用到考虑多目标DLBP中；Zhu等对产品在拆卸过程其结构和质量存在的不确定性进行研究，上述研究均以拆卸成本和效率为主要目标，且均未考虑拆卸过程中工人体力及脑力负荷对工人影响的问题。
[0004]实际的拆卸线依旧以人工拆卸为主，工人进行拆卸不仅耗费体力而且耗费脑力，例如：拆卸大型简单零部件，工人体力消耗巨大；拆卸复杂零部件，工人需要思考拆卸动作、姿势等以寻求更好的拆卸舒适度。工人的体力和脑力负荷不仅影响拆卸效率和拆卸失误率，更会对工人的健康产生影响。因此，在拆卸过程中有必要考虑工人体力和脑力负荷。

技术实现思路

[0005]为解决上述问题，本专利技术的主要目的在于提供了考虑操作者体力和脑力负荷的拆卸线设置方法，本专利技术考虑了操作者体力和脑力负荷对拆卸线设置的影响，更加符合工人的实际工作情况，能够获得更优的拆卸线组合。
[0006]本专利技术的技术方案是：
[0007]考虑操作者体力和脑力负荷的拆卸线设置方法，包括以下步骤：
[0008]S1、收集拆卸线和拆卸任务信息，建立以最小化开启工作站数量、空闲时间均衡指标、能量消耗均衡指标为目标，包含操作者体力和脑力负荷约束的拆卸线平衡问题数学模型；
[0009]所述数学模型的目标函数如下：
[0010]F＝min[N,T,R][0011]其中，
[0012][0013][0014][0015][0016][0017]式中，N为开启的工作站数量；T为空闲时间均衡指标；R为能量消耗指标；j为工作站编号；I为待拆卸零件总数；J为工作站数目，上限值为I；S
j
为判断变量，若工作站开启S
j
＝1，否则S
j
＝0；CT为工作站生产节拍时间，单位s；ST
j
为完成第j个工作站所有任务的实际时间，单位s；ΔE为完成所有工作站内任务的平均能量消耗率，单位kcal/min；E
j
为完成第j个工作站内所有任务的平均能量消耗率，单位kcal/min；i为任务编号，i∈{1,2,...,I}；e
i
为完成任务i的能量消耗，单位kcal；x
ij
为判断变量，若任务i分配到第j个工作站则x
ij
＝1，否则x
ij
＝0；
[0018]目标函数F1为开启的工作站数目，开启工作站数目越少，拆卸成本越低。
[0019]目标函数F2为空闲时间均衡指标，空闲时间均衡指标越小，各个工作站作业时间越均衡。
[0020]目标函数F3为工作站能量消耗指标，只有该目标函数尽可能的小，才能避免出现因拆卸任务分配不均导致工人能量消耗过大或者过小的现象。
[0021]所述数学模型的约束条件如下：
[0022][0023][0024][0025][0026][0027][0028][0029][0030][0031]B＝(b
il
)
I
×
I
(17)
[0032]式中，T
i
为第i个任务的作业时间，单位s；TT
i
为满足人因条件下，完成第i个任务的作业时间，单位s；STT
j
为满足人因条件下，完成第j个工作站所有任务的实际时间，单位s；β
i
为单位时间内完成任务i的脑力刚度值；β
down
为工作站人员脑力刚度值的下限值；β
up
为工作
站人员脑力刚度值的上限值；B为优先关系矩阵；b
il
为判断变量，若任务i为任务l的紧前任务则b
il
＝1，否则b
il
＝0；满足人因条件为满足工人体力和脑力负荷的简称；
[0033]式(6)为工作站开启数目范围；式(7)为工作站实际工作任务总时间不超过节拍时间；式(8)为工作站的作业任务总时间；式(9)为每个任务只能被分配到一个工作站；式(10)为保证拆卸应该满足优先关系约束，式(14)估算工人能量消耗的方法；式(15)表示满足节拍时间要求前提下考虑能量消耗时工人完成工作站J时的作业任务总时间；式(16)表示脑力刚度值约束。
[0034]S2、求解上述数学模型。
[0035]关于解数学模型而言，DLBP经过不断的发展出现了多种求解方法，首次应用的是启发式算法，之后逐渐发展到数学规划方法和智能算法。传统的启发式算法和数学规划方法随着求解任务规模的增大，其求解难度呈指数级增长。近年来，由于智能算法的求解效率高，寻优效果好等优点被广泛应用于车间调度、Job
‑
Shop调度、集成工艺规划与调度、和DLBP等组合优化问题。在求解DLBP等组合优化问题中常用的有粒子群优化算法(Particle Swarm Optimization，PSO)、变邻域搜索(Variable Neighborhood Search，VNS)、蚁群算法(Ant Colony Optimization，ACO)、模拟退火算法(Simulated Annealing，SA)等，但是上述方法依旧是将多目标转化为单目标求解，单目标求解最终只能得到一个可行解，无法如多目标求解一样提供不同侧重目标的多个非劣解供选择。天牛须搜索算法是Jiang等人于2017年提出的一种生物启发式算法，该算法将天牛觅食原理抽象为数学表示。由于算法具有优化机制简单、实施便捷、运算量小等优点，被应用于约束组合优化问题和0
‑
1背包问题等.该算法应用于组合优化问题求解可有效提高搜索精度，但现有的天牛算法只适用于求解连续性问题，而本数学模型的问题属于离散化问题，因此需要对天牛算法进行离散化，使其适用于求解本数学模型所提问题。鉴于上述原因，本专利技术提出了一种改进天牛群算法(Improved Beetle Swarm Algorithm，IBSA)，将天牛须搜索算法离散化，通过引入浓度探测操作、步长移动操作和变异操作提高算法的寻优性能，最后，利用Pareto解集思想和拥挤距离机制筛选获得多个非劣解。具体而言，其求解方法包括如下步骤：
[0036]S20、设置问题参数与算法参数，所述的问题参数包括预设节拍时间CT；所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.考虑操作者体力和脑力负荷的拆卸线设置方法，其特征在于，包括以下步骤：S1、收集拆卸线和拆卸任务信息，建立以最小化开启工作站数量、空闲时间均衡指标、能量消耗均衡指标为目标，包含操作者体力和脑力负荷约束的拆卸线平衡问题数学模型；所述数学模型的目标函数如下：F＝min[N,T,R]其中，其中，其中，其中，其中，式中，N为开启的工作站数量；T为空闲时间均衡指标；R为能量消耗指标；J为工作站数目；j为工作站编号，j∈(1，2，
…
，J)；I为待拆卸零件总数；上限值为I；S
j
为判断变量，若工作站开启S
j
＝1，否则S
j
＝0；CT为工作站生产节拍时间，单位s；ST
j
为完成第j个工作站所有任务的实际时间，单位s；ΔE为完成所有工作站内任务的平均能量消耗率，单位kcal/min；E
j
为完成第j个工作站内所有任务的平均能量消耗率，单位kcal/min；i为任务编号，i∈{1,2,...,I}；e
i
为完成任务i的能量消耗，单位kcal；x
ij
为判断变量，若任务i分配到第j个工作站则x
ij
＝1，否则x
ij
＝0；所述数学模型的约束条件如下：学模型的约束条件如下：学模型的约束条件如下：学模型的约束条件如下：学模型的约束条件如下：学模型的约束条件如下：学模型的约束条件如下：学模型的约束条件如下：
B＝(b
il
)
I
×
I
(17)式中，T
i
为第i个任务的作业时间，单位s；TT
i
为满足人因条件下，完成第i个任务的作业时间，单位s；STT
j
为满足人因条件下，完成第j个工作站所有任务的实际时间，单位s；β
i
为单位时间内完成任务i的脑力刚度值；β
down
为工作站人员脑力刚度值的下限值；β
up
为工作站人员脑力刚度值的上限值；B为优先关系矩阵；b
il
为判断变量，若任务i为任务l的紧前任务则b
il
＝1，否则b
il
＝0；S2、求解上述数学模型。2.根据权利要求1中所述的考虑操作者体力和脑力负荷的拆卸线设置方法，其特征在于，所述步骤S2包括如下步骤：S20、设置问题参数与算法参数，所述的问题参数包括预设节拍时间CT；所述算法参数包括种群规模Pop_num，最大迭代次数G，外部档案个数N；S21、依照约束条件、采用实数编码方式得到任务拆卸序列，将每组任务拆卸序列作为天牛个体构建初始天牛种群；S22、依靠基于目标函数的算法判定初始天牛种群中天牛个体作为优解的可行性，筛选出具有优解可行性的天牛个体建立天牛种群的外部档案Q；S23、从初始天牛种群中取一只天牛个体，通过单点定向插入法改变天牛个体的拆卸序列获得新的天牛个体，依据Pareto精英策略和拥挤距离从新的天牛个体和原天牛...

【专利技术属性】
技术研发人员：张则强，郑红斌，曾艳清，尹涛，吴腾飞，张裕，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：