CN112084632B - 一种结合人机工程的五金数字生产线布局优化方法 - Google Patents

Abstract

结合人机工程的五金数字生产线布局优化方法，包括对车间设备布局优化、物流搬运费用的目标优化和人机工程优化。特点在于对每个设备进行规则化处理和编号；确定设备在生产车间的约束条件；结合最小搬运成本和最短物流路径长度两者构建目标函数；通过变异和种群迭代实现个体的优化，达到整体布局优化；结合仿真模型分析人体工程部分，使设备各布局满足人体舒适度的要求，最终实现结合人机工程的生产线的布局优化。

Description

一种结合人机工程的五金数字生产线布局优化方法

技术领域

本发明涉及数字化生产线的优化方法，尤其涉及结合了人机工程的五金数字生产线优化方法。

背景技术

五金制品广泛应用于生活的各个领域，当今五金行业的自动化水平低，制造加工工艺流程冗杂，存在调度优化决策效率低的问题，而生产线流程是企业在生产过程中的重要组成部分，不仅决定着一个企业的生产规模，而且对生产效率和设备利用率等都有很大影响，因此优化对于生产线来说是一个必须的过程。车间设备布局优化方面的研究，就是从设备入手，在符合加工顺序的条件下，找到设备的最佳放置点，从而充分提高车间的生产效率和设备利用率，缩短生产线的生产时间。传统的生产线设计仅仅依靠经验技术人员设计的产线图只考虑车间布局的合理性，忽略了物流成本、设备利用率等方面的影响，缺少综合考虑多个技术指标要求。李在文献(基于生物遗传算法的车间布局优化算法，机械制造与自动化，2001，(4)：35-38)中将遗传算法用于车间布局优化，使产品在车间运输过程中总距离最短，通过遗传操作使总的运输距离减小；刘连伟在文章(基于物流的遗传算法在车间设施规划与设计中的应用研究，燕山大学，2008.)中利用基本遗传算法，以最小总物流强度为目标函数，构建设施规划流程图得到车间布置方案；田在文献(数字化车间离散模式生产布局与作业流程研究，湖南大学，2018.)根据装配作业的空间需求分析建立数字化磨床生产线模型，并采用改进后的遗传算法对数控磨床车间布局进行优化求解；汪在文献(基于SLP方法的L公司车间设施布局优化研究，黑龙江：东北农业大学，2017.)中利用SLP法获得各个作业单元之间的物流关系获取两种改善方案，并采用层析分析法和模糊综合评价法对两个方案进行评价择优，选择最优方案。这些优化方法虽然考虑到物流搬运费用的影响，但没有对后期人体的搬运费用和搬运代价进行分析，可能会由于布局不恰当导致工人操作强度大，从而出现劳动率低，身体机能下降现象，从侧面降低生产率，无法满足数字化生产线的需求。

发明内容

本发明要克服现有技术的上述缺点，提供一种结合人机工程的五金数字生产线优化方法。

本发明首先对车间设备布局进行分析，在过程中结合最小物流搬运费用成本和最短路径的原则指标，建立对应的目标函数和模型，利用改进的遗传算法生成相对较优的优化方案，后期对已经生成的优化方案在仿真软件中建立相应的模型，研究五金生产线的人机工程仿真技术，对仿真中的人工操作部分进行人机工程分析，根据分析工人操作过程的效率和人体疲劳程度，对模型中的设备做出相应的调整，最后得出满足人机工程要求的生产线布局优化结果。

本发明的一种结合人机工程的五金数字生产线布局优化方法，包含如下步骤:

步骤一，对每个设备进行规则化并编号，定义模型中出现的符号参数。设每个设备为i,i＝1,2,…,n，相应加工设备为E_i，n为设备的总数量，m为车间布局的总行数；l_i为设备i的长度，w_i为设备i的宽度，L为加工车间的总长度，W为加工车间的总宽度，h_io为设备与车间边界的距离，h_ij为相邻设备i和设备j之间的最小间距要求，Δij为多余间距取值空间，范围可由用户设定。s₀为第一行设备与车间下边界的距离，s为每两行设备之间的行间距；

步骤二，确定设备在生产车间的约束条件，避免设备之间产生干涉及溢出或者过于边缘化。各个约束条件包括：

(1)设备之间不能产生重叠；

(2)同一台设备在布局模型中只能出现一次，车间最多能设置成n行；

其中，A_ik＝1表示设备i在车间的第k行上；

(3)设备与车间边界以及设备与设备之间的距离需满足横向最小间距限制；

(4)每一行中的设备长度加安全距离在X轴方向上的总长度不能超过车间总长度；

(5)不同行的设备宽度加上行间距在Y轴方向上的总长度不能超过车间总宽度；

步骤三，结合最小搬运成本和最短物流路径长度两者，构建目标函数：

其中，C是目标函数，p_ij为搬运单位物料单位距离所花费用，f_ij为搬运频率，d_ij表示设备i和设备j之间的曼哈顿距离，M_ij表示设备的最短物流长度之和，为权重值，

步骤四，采用改进的遗传算法对初始种群进行优化，生成新种群。具体步骤包括：

(1)对每个设备实数编码：m_i为设备每一行的排列顺序，表示成{m₁,m₂,…m_n}，Δi表示设备i与前一设备之间的净间距，表示成{Δ₁，Δ₂，…，Δ_n}，取值大于0。

(2)结合惩罚项Q构建适应度函数：

(3)进行自适应运算：用轮盘赌选择法计算每一代的选择概率，择优选择个体；

(4)由于净间距是浮点类型，利用启发式交叉方法调整设备间的距离，用随机变异方法来对净间距产生变异操作；采用基于位置的交叉算法计算设备新的布局序列，交叉概率和变异概率随个体适应度值的变化而变化：

其中，f_max表示种群的最大适应值，f′表示参与交叉的两个个体中较大的适应值，f_avg表示种群的平均适应值，f″表示参与变异个体的适应值。k₁,k₂,k₃,k₄为常数，一般由用户自己设定；

(5)根据适应度值大小从新种群中选择较优个体；

(6)根据设置的终止条件，判断得到的个体是否为最优解，若是，则跳出循环，否则继续迭代。

步骤五，选择在Demo3D软件中搭建仿真模型，根据遗传算法优化结果依次放置相应的加工设备，构建五金生产线仿真系统。

步骤六，根据模型中的人机工程部分，对仿真中的人员的动作进行解析和编码，分析得出结合人机工程的生产线优化方案。具体包括：

(1)选择编码方式为整数编码，主要动作有人体背部、手臂、腿部、身体负荷这四个方面。

(2)根据动作编码结果得出疲劳程度，对疲劳程度进行判断，是否符合人体劳动强度要求，对不符合要求的部分进行分析并做相应的修改。

(3)根据运行过程的人体操作时间得出对应工作时间，计算人员的工作效率，对工作效率低的环节，判断问题来源，对设备做出调整后再判断结果是否符合要求，直到得到整体优化后的模型。

进一步地，在所述步骤3中，M_ij采用Dijkstra算法得出。

进一步地，在所述步骤4中，由于在X轴方向上不会发生设备超出车间区域的情况，因此只需要判断Y轴方向上是否会超出即可，惩罚项根据自动换行策略设置为：

本发明的优点在于：

1)将数字化生产车间的设备布局结合加工零件分为不同的加工单元，用户可根据车间面积决定布局的行数，且设备之间的安全距离等均可由用户自己设定。

2)优化目标函数由一般的最小物流搬运成本改善为结合最短路径的最小搬运成本，以此建立数学模型，采用自适应遗传算法进行求解，采用基于位置的交叉方法，更加符合车间布局应用场景，交叉值和变异值可以随个体适应度值进行调整。

3)在车间布局优化后根据人体参数对人体和设备之间的操作部分进行分析和改进，通过调节设备改善了人体的工作疲劳程度。

附图说明

图1为本发明的整体流程图。

图2为本发明中步骤4具体的流程图。

图3为本发明中步骤5具体的流程图。

图4为本发明实施案例中的一种具体实施方式。

图5为本发明实施案例中的一种具体实施方式。

图6a～图6c为本发明实施案例中的一种具体实施方式，其中图6a是初始化，图6b是优化前，图6c是优化后。

具体实施方案

下面结合附图，进一步说明本发明的技术方案。

本案例公开了一种结合人机工程的五金数字生产线布局优化方法。

首先对五金生产线模型中出现的各个符号进行参数定义。假设每个设备为i,i＝1,2,…,n，n为设备的总数量，m为车间布局的总行数；l_i为设备i的长度，w_i为设备i的宽度，L为加工车间的总长度，W为加工车间的总宽度，h_io为设备与车间边界的距离，h_ij为相邻设备i和设备j之间的最小间距要求，Δij为多余间距取值空间，范围可由用户设定。s₀为第一行设备与车间下边界的距离，s为每两行设备之间的行间距。

在构建模型之前，对模型进行假设：

(1)忽略设备边缘不规则的形状，将每个加工设备的形状设置为标准矩形，对每个加工点的工件i和相应设备E_i进行编号。

(2)确定每一行加工设备的中心点x_i坐标在同一水平线上；即每一行的y_i坐标相同。

确定模型的各个约束条件所示如下：

(1)设备之间不能产生重叠；

(2)同一台设备在布局模型中只能出现一次，车间最多能设置成n行；

(3)设备与车间边界以及设备与设备之间的距离需满足横向最小间距限制；一般取距离范围为Δij∈{0,2}，

(4)每一行中的设备长度加安全距离在X轴方向上的总长度不能超过车间总长度；

(5)不同行的设备宽度加上行间距在Y轴方向上的总长度不能超过车间总宽度；

每个设备依次沿着x轴放置到相应点，如果在同一行内的设备长度和相互实际间距之和超过了最大横向空间长度限制，则本行的最后一个设备自动换到下一行。确立相应的目标函数，通过求取最短物流路径长度，构建车间物流搬运成本对应的函数，满足各设备单元之间的总物料搬运成本最小化。

其中，C是目标函数，p_ij为搬运单位物料单位距离所花费用，f_ij为搬运频率，d_ij表示设备i和设备j之间的距离，采用曼哈顿距离表示，M_ij表示设备的最短物流长度之和，由Dijkstra算法可得。为权重值，/>此处设/>

根据建立的模型确定编码方式，对每个设备采用实数编码，m_i为设备每一行的排列顺序，表示成{m₁,m₂,…m_n}，Δi表示设备i与前一设备之间的净间距，表示成{Δ₁，Δ₂，…，Δ_n}，取值大于0。

构造适应度函数时，结合惩罚项作为换行策略。判断Y轴方向上是否会超出车间宽度的惩罚项形式如下:

适应度函数为：

进行自适应遗传运算，采用轮盘赌选择法计算每一代的选择概率，择优选择个体；采用基于位置的交叉算法来计算设备新的布局序列。采用启发式交叉方法来调整设备间的距离，利用随机变异方法使净间距产生变异操作。交叉概率和变异概率随个体适应度值的变化而变化，计算公式如下：

其中，f_max表示种群的最大适应值，f′表示参与交叉的两个个体中较大的适应值，f_avg表示种群的平均适应值，f″表示参与变异个体的适应值。k₁,k₂,k₃,k₄为常数，k₁＜k₂,k₃＜k₄。

得到设备布局优化结果后，对仿真中的人员工作搬运路径进行分析，并对人员运动的动作进行整数编码，分析的主要动作有人体背部、手臂、腿部、身体负荷这四个方面，

根据动作编码结果得出相应的疲劳程度，对疲劳程度进行判断，是否符合人体劳动强度要求，对不符合要求的部分进行分析并做相应的修改。根据运行过程的人体操作时间得出对应工作时间，计算人员的工作效率，对工作效率低的环节，判断问题来源，做出调整后判断结果是否符合要求，直到得到优化后的模型。

具体实施如下：

某数字化生产车间长为10,宽为8米，车间主要设备编号及信息见下表1。

表1.五金生产线主要加工设备参数

用Matlab软件编写程序，对自适应遗传算法进行编码，采取种群数量为50，迭代200次，运行时比一般的遗传算法收敛速度更快。得到优化后的设备布局图如图4，优化曲线如图5所示。

由改进的遗传算法得到最优解，优化后的车间布局减少了物流搬运成本，从侧面提升了五金生产线的生产效率。

根据优化得到的布局结果放置相应的加工设备，进行人机部分的优化。由于原材料生产与中转台设备之间的距离不适合用机械臂，因此设置有人员操作的部分工序为上料。分析发现，中转台放料设备宽度适中，但高度远低于人体模型手臂自然垂放下的高度，说明该上料动作需要人体进行弯腰才能完成，虽然五金物料的重量对人员来说不会造成很大危害，但弯腰行为存在损伤人体健康的可能。对该动作进行分解并编码，得到编码为2121，根据编码表得到该动作属于轻度疲劳，长期如此会造成人体腰部肌肉劳损，因此调整了加工设备的高度，人员的动作由原来的弯腰变成直立，编码为1121，疲劳程度为可以接受，减轻了工作人员的疲劳程度，实现了人机工程的优化。优化前后效果图如图6所示。

上述实施例仅例示性说明了本发明的原理及功能，而非用于限制本发明。任何熟悉该技术的人士皆可在不违背本发明的精神及范畴下，对上述实例进行一定的修改和改变。因此，任何对该发明部分特征或者全部特征进行等同替换的行为，均属于本发明的保护范围。

Claims (3)

1.一种结合人机工程的五金数字生产线布局优化方法，其特征在于，包括以下步骤：

步骤一，对每个设备进行规则化并编号，定义模型中出现的符号参数；设每个设备为i,i＝1,2,…,n，相应加工设备为E_i，n为设备的总数量，m为车间布局的总行数；l_i为设备i的长度，w_i为设备i的宽度，L为加工车间的总长度，W为加工车间的总宽度，h_i0为设备与车间边界的距离，h_ij为相邻设备i和设备j之间的最小间距要求，Δij为多余间距取值空间，范围由用户设定；s₀为第一行设备与车间下边界的距离，s为每两行设备之间的行间距；

步骤二，确定设备在生产车间的约束条件，避免设备之间产生干涉及溢出或者过于边缘化；各个约束条件包括：

(1)设备之间不能产生重叠；

(2)同一台设备在布局模型中只能出现一次，车间最多能设置成n行；

其中，A_ik＝1表示设备i在车间的第k行上；

(3)设备与车间边界以及设备与设备之间的距离需满足横向最小间距限制；

(4)每一行中的设备长度加安全距离在X轴方向上的总长度不能超过车间总长度；

(5)不同行的设备宽度加上行间距在Y轴方向上的总长度不能超过车间总宽度；

步骤三，结合最小搬运成本和最短物流路径长度两者，构建目标函数：

其中，C是目标函数，p_ij为搬运单位物料单位距离所花费用，f_ij为搬运频率，d_ij表示设备i和设备j之间的曼哈顿距离，M_ij表示设备的最短物流长度之和，为权重值，/>

步骤四，采用改进的遗传算法对初始种群进行优化，生成新种群；具体步骤包括：

(1)对每个设备实数编码：m_i为设备每一行的排列顺序，表示成{m₁,m₂,…m_n}，Δi表示设备i与前一设备之间的净间距，表示成{Δ₁，Δ₂，…，Δ_n}，取值大于0；

(2)结合惩罚项Q构建适应度函数：

(3)进行自适应运算：用轮盘赌选择法计算每一代的选择概率，择优选择个体；

(4)由于净间距是浮点类型，利用启发式交叉方法调整设备间的距离，用随机变异方法来对净间距产生变异操作；采用基于位置的交叉算法计算设备新的布局序列，交叉概率和变异概率随个体适应度值的变化而变化：

其中，f_max表示种群的最大适应值，f′表示参与交叉的两个个体中较大的适应值，f_avg表示种群的平均适应值，f″表示参与变异个体的适应值；k₁,k₂,k₃,k₄为常数，由用户自己设定；

(5)根据适应度值大小从新种群中选择较优个体；

(6)根据设置的终止条件，判断得到的个体是否为最优解，若是，则跳出循环，否则继续迭代；

步骤五，选择在Demo3D软件中搭建仿真模型，根据遗传算法优化结果依次放置相应的加工设备，构建五金生产线仿真系统；

步骤六，根据模型中的人机工程部分，对仿真中的人员的动作进行解析和编码，分析得出结合人机工程的生产线优化方案；具体包括：

(1)选择编码方式为整数编码，主要动作有人体背部、手臂、腿部、身体负荷这四个方面；

(2)根据动作编码结果得出疲劳程度，对疲劳程度进行判断，是否符合人体劳动强度要求，对不符合要求的部分进行分析并做相应的修改；

(3)根据运行过程的人体操作时间得出对应工作时间，计算人员的工作效率，对工作效率低的环节，判断问题来源，对设备做出调整后再判断结果是否符合要求，直到得到整体优化后的模型。

2.根据权利要求1所述的一种结合人机工程的数字化五金生产线布局优化方法，其特征在于，在所述步骤三中，M_ij采用Dijkstra算法得出。

3.根据权利要求1所述的一种结合人机工程的数字化五金生产线布局优化方法，其特征在于，在所述步骤四中，由于在X轴方向上不会发生设备超出车间区域的情况，因此只需要判断Y轴方向上是否会超出即可，惩罚项根据自动换行策略设置为：