【技术实现步骤摘要】
考虑工人疲劳恢复与分级的多目标拆卸线设置方法
[0001]本专利技术涉及拆卸线
，具体是考虑工人疲劳恢复与分级的多目标拆卸线设置方法。
技术介绍
[0002]科学技术快速发展缩短了机电产品的生命周期，加快了机电产品的更新换代步伐。废旧机电产品的数量激增占用了大量可持续利用资源，其中的有害物质长期堆积还会污染环境。因此，进行废旧机电产品有效处理的技术研究具有重要意义。而再制造旨在采用高新技术恢复退役产品性能或回收废旧产品的材料来减轻环境与资源压力。拆卸是再制造的关键技术手段，拆卸线是实现退役产品大规模回收的有效方法，对提升企业拆卸效率至关重要。
[0003]自拆卸线平衡问题(Disassembly Line Balancing Problem,DLBP)被提出以来便受到了广泛关注。人因工程以人为本，在保证人员安全和考虑作业舒适度的情况下对生产过程进行总体优化，DLBP中考虑人因工程具有重要意义。而现有DLBP的很多研究都忽略了人因工程，关于工人体力和脑力负荷的研究较少，且在分配拆卸任务至工作站过程中没有考虑工作站...
【技术保护点】
【技术特征摘要】
1.考虑工人疲劳恢复与分级的多目标拆卸线设置方法，其特征在于，包括以下步骤：S1000、收集拆卸线和拆卸任务信息，构建考虑工人疲劳恢复与分级的多目标拆卸线平衡问题的数学模型，其中，所述数学模型包括目标函数和约束条件；所述目标函数包括：Z＝min[Z1,Z2,Z3,Z4]；]；]；]；其中，Z1为工作站开启的数量；Z2为空闲时间均衡指标；Z3为工作负荷均衡指标；Z4为高级工人数；M为工作站的最大开启数量；m为工作站编号；S
m
为决策变量，若工作站m开启，则S
m
＝1，否则S
m
＝0；CT为节拍时间；i为任务编号；I为任务总数；t
i
为任务i的拆卸时间；x
im
为决策变量，若任务i分配到工作站m，则x
im
＝1，否则x
im
＝0；ΔW为各工作站工作负荷均值；W
m
为工作站m的工作负荷；c
m
为决策变量，若工作站m存在复杂任务，则c
m
＝1，否则c
m
＝0。所述约束条件包括：R
m
为工人完成工作站m的任务所承受的体力负荷；k为工人等级，k＝1为高级工人,k＝2为普通工人；Q
mk
为等级为k的工人完成工作站m的任务所承受的脑力负荷；α
i
为任务i的疲劳指数；β为疲劳恢复指数；
e
i
为操作任务i所产生的脑力刚度值；μ为工人经验水平对工人脑力负荷的影响系数；γ
k
为等级为k的工人的经验水平；为等级为k的工人的经验水平；为等级为k的工人的经验水平；为等级为k的工人的经验水平；j为任务编号；a
ij
为决策变量，若任务i是j的紧前任务，则a
ij
＝1，否则a
ij
＝0；＝0；＝0；＝0；b
i
为决策变量，若任务i是复杂任务，则b
i
＝1，否则b
i
＝0；S2000、求解上述数学模型。2.根据权利要求1中所述的考虑工人疲劳恢复与分级的多目标拆卸线设置方法，其特征在于，步骤S200包括如下步骤：S2100、参数初始化，所述参数包括种群规模、外部档案规模、疲劳恢复指数、操作经验影响系数、工人操作水平、每棵树生成的种子数量、搜索趋势、第一生成策略内部选择概率；S2200、生成初始种群；S2300、对初始树种群中的个体进行Pareto筛选生成初始外部档案；
S2400、确定初始外部档案中各单目标最优个体；工作站开启的数量、空闲时间均衡指标、工作负荷均衡指标、高级工人数均为单目标；S2500、开始算法迭代直至满足预设的迭代次数，根据上一迭代结果更新下一迭代的初始值，通过不断迭代来更新初始种群、外部档案和各单目标最优个体；每次迭代具包括如下步骤：S2510、将初始种群中的个体依次进行两点交叉操作生成更新后的初始种群；S2520、对更新后的初始种群中的每个个体依次生成种子，每个个体生成种子均具体包括如下步骤：S2521、根据随机生成的随机数确定生成种子的策略：首先，根据随机生成的第一随机数确定选择第一生成策略或第二生成策略；当选择第一生成策略时，再根据随机生成的第二随机数确定选择第一生成策略1或第一生成...
【专利技术属性】
技术研发人员：谢心澜，张则强，刘思璐，郭磊，曾艳清，费静文，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。