本發(fā)明涉及生產(chǎn)線規(guī)劃技術(shù)，特別是一種基于線平衡和崗位輪換降低裝配線人因風(fēng)險(xiǎn)的方法。

背景技術(shù)：

1、目前,工廠主要采用事后分析的方法來降低崗位的人因風(fēng)險(xiǎn)，即在生產(chǎn)線投產(chǎn)后，不斷調(diào)整各崗位的工作任務(wù)安排來改善崗位的人因風(fēng)險(xiǎn)。這種事后分析調(diào)整方法，不僅增加管理成本還難以達(dá)到全局更優(yōu)的效果。并且在投產(chǎn)階段進(jìn)行崗位作業(yè)任務(wù)的調(diào)整，加大了工人的作業(yè)難度使工作效率降低，甚至導(dǎo)致生產(chǎn)線的產(chǎn)能降低。導(dǎo)致工廠主要采用事后分析的方法來降低崗位的人因風(fēng)險(xiǎn)的主要原因有，一方面是產(chǎn)線設(shè)計(jì)人員在進(jìn)行生產(chǎn)線線平衡規(guī)劃時(shí)，由于難以對作業(yè)任務(wù)的人因風(fēng)險(xiǎn)進(jìn)行量化評估，在規(guī)劃每個(gè)工位并分配作業(yè)任務(wù)過程時(shí)，往往會(huì)忽略作業(yè)任務(wù)的人因風(fēng)險(xiǎn)，容易導(dǎo)致某些工位的作業(yè)人員具有較高的人因風(fēng)險(xiǎn)等缺點(diǎn)。另一方面目前工廠主要還是依靠人工對車門裝配線進(jìn)行線平衡規(guī)劃，如果在規(guī)劃每個(gè)工位并分配作業(yè)任務(wù)過程時(shí)考慮崗位的人因風(fēng)險(xiǎn)會(huì)大大增加產(chǎn)線設(shè)計(jì)人員的規(guī)劃設(shè)計(jì)難度，導(dǎo)致設(shè)計(jì)人員工作量大，難以給出較好的線平衡規(guī)劃方案。此外，基于線平衡和崗位輪換調(diào)度降低車門混流裝配線人因風(fēng)險(xiǎn)屬于雙層優(yōu)化問題，求解難度大，現(xiàn)有的求解算法難以在較短的時(shí)間內(nèi)得到較滿意的解。

技術(shù)實(shí)現(xiàn)思路

1、針對上述缺陷，本發(fā)明的目的在于提出基于線平衡和崗位輪換降低裝配線人因風(fēng)險(xiǎn)的方法，先量化計(jì)算作業(yè)的人因風(fēng)險(xiǎn)和，再通過雙層優(yōu)化數(shù)學(xué)模型配合雙層優(yōu)化算法求解，最后輸出線平衡規(guī)劃方案和崗位輪換調(diào)度方案。

2、為達(dá)此目的，本發(fā)明采用以下技術(shù)方案：

3、基于線平衡和崗位輪換降低裝配線人因風(fēng)險(xiǎn)的方法，該方法包括如下步驟：

4、s1、首先獲取新能源汽車總裝車間中的車門裝配線所有作業(yè)任務(wù)的信息數(shù)據(jù)，所述信息數(shù)據(jù)包括作業(yè)任務(wù)的標(biāo)準(zhǔn)工時(shí)；作業(yè)任務(wù)之間的裝配優(yōu)先級關(guān)系；作業(yè)任務(wù)中姿勢、力量、重復(fù)性和附加風(fēng)險(xiǎn)的等指標(biāo)數(shù)據(jù)；

5、s2、利用ocra方法計(jì)算各任務(wù)的人因風(fēng)險(xiǎn)；

6、s3、根據(jù)裝配生產(chǎn)線的生產(chǎn)節(jié)拍和約束條件以及步驟s1和步驟s2中的的信息數(shù)據(jù)建立雙層優(yōu)化數(shù)學(xué)模型；

7、s4、使用雙層優(yōu)化算法對步驟s3中建立的數(shù)學(xué)模型進(jìn)行優(yōu)化求解，并輸出最優(yōu)的線平衡規(guī)劃方案和崗位輪換調(diào)度方案。

8、較佳地，步驟s2具體如下：

9、

10、其中，actions_n為一個(gè)平均生產(chǎn)周期內(nèi)作業(yè)任務(wù)的次數(shù)；ct為平均生產(chǎn)周期時(shí)間；rf為推薦的頻率并通過下式計(jì)算得出：

11、rf＝os×pm×fom×rm×adm?(2)

12、其中，os表示為特定的參數(shù)，本方案取值為18；pm為姿勢的乘法系數(shù)；fom是一個(gè)力倍增強(qiáng)系數(shù)；rm為動(dòng)作重復(fù)性的乘法系數(shù)；adm為附加因數(shù)的乘法系數(shù)；

13、本方案設(shè)定的累計(jì)人因風(fēng)險(xiǎn)評估標(biāo)準(zhǔn)：

14、

15、其中，eh是工人h在一個(gè)班次里其在相應(yīng)崗位上作業(yè)的累計(jì)人因風(fēng)險(xiǎn)；

16、本方案提出的裝配生產(chǎn)線屬于混流生產(chǎn)線，本方案規(guī)定各崗位的人因風(fēng)險(xiǎn)選取所有型號車門中最大人因風(fēng)險(xiǎn)值。

17、較佳地，步驟s3具體如下：

18、符號定義：

19、m是裝配車型的索引；

20、i,j為作業(yè)任務(wù)的索引；

21、n為作業(yè)任務(wù)的總數(shù)(i＝1…,n)；

22、k為工位的總數(shù)(k＝1…,k)；

23、h為工人的總數(shù)(h＝1…,h)；

24、p為車型種類的數(shù)量(m＝1…,p)；

25、t為崗位輪崗調(diào)度的索引(t＝1,2),周期時(shí)間為4小時(shí)；

26、tim為作業(yè)任務(wù)的標(biāo)準(zhǔn)工時(shí)；

27、ct為平均生產(chǎn)周期時(shí)間；

28、o為有裝配優(yōu)先級關(guān)系的任務(wù)對(i,j)集合，這些一對的任務(wù)之間存在直接的裝配優(yōu)先關(guān)系，任務(wù)i必須在任務(wù)j之前裝配；

29、zp為必須分配到同一工位上的任務(wù)對集合(兼容任務(wù))；

30、zn為不能在同一工位上操作的任務(wù)對集合(不兼容任務(wù))；

31、決策變量：

32、

33、目標(biāo)函數(shù)：

34、上層目標(biāo)函數(shù)：

35、下層目標(biāo)函數(shù)：

36、約束條件：

37、

38、

39、e_sh≠2?(8)

40、

41、其中，式(4)是上層目標(biāo)函數(shù)，最少化工位數(shù)量與所有工人累計(jì)人因風(fēng)險(xiǎn)為黃色數(shù)量；

42、式(5)是第二個(gè)目標(biāo)函數(shù)，最少化所有工人累計(jì)人因風(fēng)險(xiǎn)為黃色的數(shù)量；

43、式(6)約束確保每個(gè)任務(wù)在每個(gè)時(shí)間段由一個(gè)工人負(fù)責(zé)；

44、式(7)約束確保每個(gè)工人在每個(gè)時(shí)間段內(nèi)只執(zhí)行一項(xiàng)任務(wù)；

45、式(8)約束確保每個(gè)工人的累計(jì)人因風(fēng)險(xiǎn)不能為紅色；

46、式(9)約束確保每個(gè)崗位的作業(yè)時(shí)間不超過平均生產(chǎn)周期時(shí)間；

47、式(10)約束確保所有作業(yè)任務(wù)的裝配優(yōu)先級關(guān)系不被違反；

48、式(11)約束確保具有關(guān)聯(lián)關(guān)系的作業(yè)任務(wù)(兼容任務(wù))分配到同一工位；

49、式(12)約束確保不兼容的作業(yè)任務(wù)不被分配到同一工位。

50、較佳地，步驟s4具體如下：

51、本算法主要由上層離散改進(jìn)多算子差分進(jìn)化算法，即ul-dimode；以及下層離散改進(jìn)多算子差分進(jìn)化算法，即ll-dimode；兩個(gè)部分組成；ul-dimode和ll-dimode均基于dimode；這兩個(gè)部分的求解過程如下：

52、ul-dimode：該部分的優(yōu)化目標(biāo)為最少化工位數(shù)與所有工人累計(jì)人因風(fēng)險(xiǎn)為黃色數(shù)量；首先基于優(yōu)先級規(guī)則構(gòu)造初始解，并與隨機(jī)生成的解組成初始種群；該初始種群進(jìn)一步調(diào)用ll-dimode求解得出其對應(yīng)的下層最優(yōu)解；然后以初始種群作為父代種群并利用3種離散de算子產(chǎn)生子代種群；接著基于二元關(guān)系和分類模型的環(huán)境選擇機(jī)制對父代種群和子代種群進(jìn)行環(huán)境選擇，選擇出更優(yōu)的解作為下一代種群以進(jìn)行下一次迭代求解；此外，每次迭代產(chǎn)生最優(yōu)的解添加到知識庫中；如果兩個(gè)解的上層目標(biāo)函數(shù)值相同，具有更少工位數(shù)量的解視為更優(yōu)的解；

53、ll-dimode：該部分的優(yōu)化目標(biāo)為最少化所有工人累計(jì)人因風(fēng)險(xiǎn)為黃色的數(shù)量；首先從知識庫中選擇部分下層解作為ll-dimode初始解，并與隨機(jī)生成的解組成初始種群；進(jìn)一步以該初始種群作為父代種群并利用3種離散de算子產(chǎn)生子代種群，然后基于二元關(guān)系和分類模型的環(huán)境選擇機(jī)制對父代種群和子代種群進(jìn)行環(huán)境選擇，選擇出更優(yōu)的解作為下一代種群以進(jìn)行下一次迭代求解；最后將求得最優(yōu)的下層解返回到ul-dimode中每次評估上層解的過程，即每個(gè)上層解的評估都需要先調(diào)用ll-dimode獲得其相應(yīng)的下層最優(yōu)解。

54、進(jìn)一步地，方案中的dimode算法是基于改進(jìn)多算子差分進(jìn)化算法，即imode；標(biāo)準(zhǔn)的imode集成了三種差分進(jìn)化連續(xù)算子，且隨機(jī)使用二項(xiàng)式或指數(shù)式中其中的一種交叉策略產(chǎn)生子代解；imode還設(shè)計(jì)了自適應(yīng)機(jī)制來自動(dòng)選擇最優(yōu)de算子。

55、進(jìn)一步地，imode算法在每次迭代之前，首先計(jì)算上次迭代過程中每種de算子產(chǎn)生相應(yīng)子群解的質(zhì)量和多樣性指標(biāo)，然后，根據(jù)該指標(biāo)動(dòng)態(tài)地調(diào)整每種de算子對應(yīng)子群的大小，最后實(shí)現(xiàn)自適應(yīng)機(jī)制；

56、由于標(biāo)準(zhǔn)的imode是用于求解連續(xù)優(yōu)化問題，但是本方案的雙層優(yōu)化模型屬于離散優(yōu)化問題，所以標(biāo)準(zhǔn)imode中的de算子不能直接使用；

57、因此，本方案提出使用置換群將imode算法中的3種連續(xù)de算子轉(zhuǎn)換成離散差分進(jìn)化算子，以及離散差分進(jìn)化示意算子；

58、

59、其中f⊙z:＝h1оh2…оhk；

60、假設(shè)g是一個(gè)群，即一個(gè)具有內(nèi)部操作的集合，記為о，它是關(guān)聯(lián)的，假設(shè)一個(gè)中性元素e，對于每個(gè)元素x∈g,x-1∈g.x-1оx＝xоx-1＝e。如果g存在有限子集，則說它可以有限生成每一個(gè)x∈g寫成系列的元素組合x＝h1оh2…оhk；

61、經(jīng)過轉(zhuǎn)換后的3種離散de算子描述如下式：

62、

63、

64、

65、

66、離散de?weighted-rand-to-фbest

67、

68、式中，r1≠r2≠r3≠i為隨機(jī)整數(shù)，和表示為種群，不過和是從整個(gè)種群中隨機(jī)抽取，而是從整個(gè)種群中最好的10％的解決方案中獲取，此外，是從整個(gè)種群和檔案組成的種群中抽取

69、上述技術(shù)方案中的一個(gè)技術(shù)方案包括以下有益效果：先利用ocra方法量化計(jì)算作業(yè)任務(wù)的人因風(fēng)險(xiǎn)。進(jìn)一步，建立雙層優(yōu)化數(shù)學(xué)模型，上層優(yōu)化目標(biāo)是最少化工位數(shù)與所有工人累計(jì)人因風(fēng)險(xiǎn)為黃色數(shù)量，下層優(yōu)化目標(biāo)是所有工人累計(jì)人因風(fēng)險(xiǎn)為黃色的數(shù)量。然后，利用本發(fā)明設(shè)計(jì)的雙層優(yōu)化算法，對上述建立的數(shù)學(xué)模型進(jìn)行優(yōu)化求解。最終輸出最優(yōu)的線平衡規(guī)劃方案和崗位輪換調(diào)度方案提供給決策者。