CN113159506A - 人机协作生产单元任务分配与作业调度集成决策方法 - Google Patents

人机协作生产单元任务分配与作业调度集成决策方法 Download PDF

Info

Publication number
CN113159506A
CN113159506A CN202110280796.0A CN202110280796A CN113159506A CN 113159506 A CN113159506 A CN 113159506A CN 202110280796 A CN202110280796 A CN 202110280796A CN 113159506 A CN113159506 A CN 113159506A
Authority
CN
China
Prior art keywords
production
assembly
man
resource
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110280796.0A
Other languages
English (en)
Other versions
CN113159506B (zh
Inventor
胡耀光
任维波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110280796.0A priority Critical patent/CN113159506B/zh
Publication of CN113159506A publication Critical patent/CN113159506A/zh
Application granted granted Critical
Publication of CN113159506B publication Critical patent/CN113159506B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Manufacturing & Machinery (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

本发明涉及一种人机协作生产单元任务分配与作业调度集成决策方法，属于生产调度技术领域。本发明的目的是提供人机协作生产单元任务分配与作业调度集成决策方法。该方法综合考虑产品的装配工序及其工序之间的优先顺序，结合人机协作生产单元中的机器人和操作工人等生产资源，根据操作工人和机器人的生产能力和优势，将装配工序分配给合适的生产资源，包括操作工人或者机器人或者协作的操作工人和机器人。之后将任务分配与作业调度过程集成决策，更加适应现有的生产装配现状，从而减少产品生产时间，降低产品生产过程中的生产成本，提高操作工人与机器人的协作效率，提高产品生产过程的自动化率，提高生产效率。

Description

人机协作生产单元任务分配与作业调度集成决策方法
技术领域
本发明涉及一种人机协作生产单元任务分配与作业调度集成决策方法，属于生产调度技 术领域。
背景技术
智能工厂、无人工厂等相关概念愈演愈烈。而在实现智慧工厂的道路上，自动化和智能 化生产是至为关键的一环。以汽车行业为例，汽车制造业自上世纪70年代就开始使用常规的 工人机器人。根据相关资料统计，汽车加工过程已广泛使用机器人执行相关任务，自动化率 以达到90％以上。而与加工系统相比，一般的工业机器人很少能应用到装配过程。同时随着 大规模定制的出现，现代化的装配系统面临着柔性和成本效益的双重挑战。完全自动化的装 配系统可以以较低的成本生产同一产品，但是却无法满足顾客的个性化需求。因此，为了应 对大规模定制的生产需求，机器人与人逐渐的从“替换”和“被替换”升华至更高层次的协 作，人机协作生产单元逐步成为实现智能制造、满足个性化需求的关键。
人机协作生产单元追求的是柔性生产，本质是“人机协同”，融合了操作工人和协作机器 人的特点和优势，包括操作工人的敏捷性、灵活性、感知力和智力，以及机器人具有可重复 性好、高负载和准确性高的优势。人机协作生产单元让机器和操作工人分别从事自己更擅长 的事，强调机器人能够自主配合操作工人的工作，自主适应生产环境变化。
但是，作为人机协作生产单元运行的第一步，任务分配与作业调度成为人机协作成功与 否的关键。而在现如今的生产和研究过程中，往往忽略了以下几个因素：(1)在现有的研究 和生产过程中，任务分配与作业调度依次执行，首先进行生产任务分配，再根据任务分配结 果进行作业调度，这种方式忽略了任务分配与作业调度的相互影响，导致在作业调度阶段可 能无法生成最优解。(2)在现有的研究和生产中，忽略了由操作工人和机器人协作完成某些 生产任务，这样会给任务分配和作业调度带来极大的挑战，影响生产过程的顺利进行。
发明内容
为了解决当前人机协作生产单元忽略作业调度与人机协同的问题，本发明的目的是提供 人机协作生产单元任务分配与作业调度集成决策方法。该方法综合考虑产品的装配工序及其 工序之间的优先顺序，结合人机协作生产单元中的机器人和操作工人等生产资源，根据操作 工人和机器人的生产能力和优势，将装配工序分配给合适的生产资源，包括操作工人或者机 器人或者协作的操作工人和机器人。之后将任务分配与作业调度过程集成决策，更加适应现 有的生产装配现状，从而减少产品生产时间，降低产品生产过程中的生产成本，提高操作工 人与机器人的协作效率，提高产品生产过程的自动化率，提高生产效率。
本发明的目的是通过下述技术方案实现的。
本发明公开的人机协作生产单元任务分配与作业调度集成决策方法实现方法为：获取人 机协作生产单元产品的装配工序，构建工序集合，确定装配工序的优先顺序。针对装配工序， 结合操作工人和机器人的生产能力和生产优势，确定每个装配工序的可选生产资源及其装配 时间，构建每个装配工序的可选资源集合以及工序时间集合。构建任务分配与作业调度集成 决策模型，通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作 业调度集成决策方案。所述的集成决策方案能够将任务分配与作业调度过程集成考虑，更加 适应现有的生产装配现状，从而减少产品生产时间，降低产品生产过程中的生产成本，提高 操作工人与机器人的协作效率，提高产品生产过程的自动化率，提高生产效率。
本发明公开的人机协作生产单元任务分配与作业调度集成决策方法，包括如下步骤：
步骤一、获取人机协作生产单元产品装配工序和生产资源，构建装配工序集合和生产资 源集合，并确定各个装配工序之间的优先顺序。
步骤一实现方法为：
步骤1.1：人机协作生产单元进行产品装配需要完成n个装配工序，构建装配工序集合O ＝{O1,O2,…,Oi,…,On}，其中，Oi表示产品第i个装配工序。
步骤1.2：根据人机协作生产单元，构建生产资源集合M＝{M1,M2,M3}，其中，M1表示操作工人，即操作工人单独完成某项装配工序；M2表示机器人，即机器人单独完成某项装配工序；M3表示协作的操作工人和机器人组合，即由操作工人和机器人协同完成某项装配任 务。
步骤1.3：根据人机协作生产单元装配工序，确定各个装配工序的优先顺序。
步骤二、根据步骤一构建的装配工序集合和生产资源集合，综合考虑生产资源的优势和 特点，结合每个装配工序的可选生产资源，确定各个装配工序的生产资源集合和工序时间集 合。
步骤2.1：根据装配工序的装配任务，确定装配工序Oi的可选生产资源集合Ri＝{…Rij,…}，其中，Rij表示装配工序Oi可以在Mj(j表示生产资源序号，j＝1,2,3)上完成。
步骤2.2：根据装配工序在各个生产资源上的加工时间，构建装配工序Oi的工序时间集合 Ti＝{…Tij,…}，其中，Tij表示装配工序Oi在Mj上完成装配工序Oi的时间。
步骤三、根据步骤二构建的生产资源集合和工序时间集合以及步骤一确定的装配工序优 先顺序，优化目标为完工时间最小、生产总成本最低和装配过程自动化率最高，构建人机协 作生产单元任务分配与作业调度集成决策模型，并通过非支配排序遗传算法进行求解，得到 目标函数更优的人机协作任务分配与作业调度集成决策方案。
步骤三实现方法为：
步骤3.1：根据步骤二构建的装配工序集合Ri＝{…Rij,…}、工序时间集合Ti＝{…Tij,…} 和步骤一确定的装配工序优先顺序，优化目标为完工时间最小min(Cmax)、生产总成本最低 min C和自动化率最高max A，构建人机协作生产单元任务分配与作业调度集成决策模型，如 下公式所示。
minf1＝minCmax
Figure BDA0002978286170000031
Figure BDA0002978286170000032
其中，f1表示第一个目标值，f2表示第二个目标值，f3表示第三个目标值，Cmax表示完 工时间，C表示总成本，A表示自动化率，j表示生产资源的序号，xij表示生产工序Oi如果在 设备Mj上进行完成则为1，否则为0，xi1表示生产工序Oi由操作工人完成，xi2表示生产工序 Oi由机器人完成，xi3表示生产工序Oi由机器人和操作工人共同完成，cj表示生产设备的单元 工时成本(其中，c1表示操作工人的单位工时成本，c2表示机器人的单位工时成本，c3表示 操作工人和机器人协作完成装配任务的单位工时成本)，Tij表示装配工序Oi在Mj上完成装配 工序Oi的时间，n为装配工序的数量。
约束条件为：
Figure BDA0002978286170000033
Figure BDA0002978286170000034
Figure BDA0002978286170000035
Figure BDA0002978286170000036
Figure BDA0002978286170000037
Figure BDA0002978286170000038
Figure BDA0002978286170000039
Figure BDA0002978286170000041
Figure BDA0002978286170000042
其中，i和i*表示生产工序序号，j和j*表示生产资源序号，L表示正数，xij表示生产工序 Oi如果在设备Mj上进行完成则为1，否则为0，xi1表示生产工序Oi由操作工人完成，xi2表示 生产工序Oi由机器人完成，xi3表示生产工序Oi由机器人和操作工人共同完成，xi*j*表示生产 工序Oi*如果在设备Mj*上进行完成则为1，否则为0，Sij表示生产工序Oi在生产资源Mj上操 作时的开始时间，Si*j*表示生产工序Oi*在生产资源Mj*上操作时的开始时间，Tij表示生产工 序Oi在生产资源Mj上操作时的操作时间，Ti*j*表示生产工序Oi*在生产资源Mj*上操作时的操 作时间，Cij表示生产工序Oi在生产资源Mj上操作时的结束时间，Ci*j*表示生产工序Oi*在生 产资源Mj*上操作时的结束时间，yiji*j*表示生产工序Oij优先于生产工序Oi*j*时为1，否则为0。
步骤3.2：根据步骤3.1构建的集成决策模型，通过非支配排序遗传算法进行求解，得到 目标函数更优的人机协作任务分配与作业调度集成决策方案。
有益效果：
本发明公开的一种人机协作任务分配与作业调度集成决策，根据构建的装配工序集合、 生产资源集合、工序时间集合和确定的装配工序之间的优先顺序，优化目标为完工时间最小、 生产总成本最低和装配过程自动化率最高，构建人机协作生产单元任务分配与作业调度集成 决策模型，并通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与 作业调度集成决策方案。所述的集成决策模型综合考虑人机协作生产单元任务分配过程与作 业调度过程，结合机器人和操作工人的生产能力和生产优势，同时生成人机协作单元任务分 配方案和作业调度方案，更加适应现有生产装配工况，从而减小产品生产时间，降低产品生 产过程中的生产成本，提高生产效率和生产过程中的自动化率。
附图说明
图1为本发明的一种人机协作任务分配与作业调度集成决策方法流程示意图；
图2为非支配排序遗传算法流程图；
图3(a)为最小完工时间下的甘特图；
图3(b)为最小生产成本下的甘特图；
图3(c)为最大自动化率下的甘特图。
具体实施方式
为了更好的说明本发明的目的和优点，下面结合附图和实例对发明内容做进一步说明。
实施例1：
以PCB(Printed Circuit Board，印制电路板)的装配过程为例，对发明内容做进一步说 明。该PCB由人机协作生产单元完成装配过程，整个装配过程需要完成20个装配工序，每 个装配工序的工艺信息如表1所示。
表1 PCB的装配工序
Figure BDA0002978286170000051
注意：∞表示该工序不能由该装配资源完成。
步骤一、获取人机协作生产单元产品装配工序和生产资源，构建装配工序集合和生产资 源集合，并确定各个装配工序之间的优先顺序。
步骤一实现方法为：
步骤1.1：人机协作生产单元进行PCB装配需要完成20个装配工序，构建装配工序集合 O＝{O1,O2,…,O19,O20}。
步骤1.2：根据人机协作生产单元，构建生产资源集合M＝{M1,M2,M3}，其中，M1表示操作工人，即操作工人单独完成某项装配工序；M2表示机器人，即机器人单独完成某项装配工序；M3表示协作的操作工人和机器人组合，即由操作工人和机器人协同完成某项装配任 务。
步骤1.3：根据人机协作生产单元装配工序，确定各个装配工序的优先顺序，如表2所示。
表2 装配工序优先顺序表
Figure BDA0002978286170000052
Figure BDA0002978286170000061
步骤二、根据步骤一构建的装配工序集合和生产资源集合，综合考虑生产资源的优势和 特点，考虑每个装配工序的可选生产资源，确定各个装配工序的生产资源集合和工序时间集 合。
步骤2.1：根据装配工序的装配任务，确定装配工序的可选生产资源集合Ri＝{…Rij,…}， Rij表示装配工序Oi可以在Mj上完成，其中，装配工序O1的可选设备集合R1＝{R11，R12，R13}， 表示装配工序O1可以在操作工人(M1)、机器人(M2)以及协作的操作工人和机器人(M3) 完成。
步骤2.2：根据装配工序在各个生产资源上的加工时间，构建装配工序的工序时间集合Ti＝ {…Tij,…}，Tij表示装配工序Oi在Mj上完成装配工序的时间，其中装配工序O1的工序时间 集合为T1＝{18，21，12}。
步骤三、根据步骤二构建的生产资源集合和工序时间集合以及步骤一确定的装配工序优 先顺序，优化目标为完工时间最小、生产总成本最低和装配过程自动化率最高，构建人机协 作生产单元任务分配与作业调度集成决策模型，并通过非支配排序遗传算法进行求解，得到 目标函数更优的人机协作任务分配与作业调度集成决策方案。
步骤三实现方法为：
步骤3.1：根据步骤二构建的装配工序集合Ri＝{…Rij,…}、工序时间集合Ti＝{…Tij,…} 和步骤一确定的装配工序优先顺序，优化目标为完工时间最小min(Cmax)、生产总成本最低 min C和自动化率最高max A，构建人机协作生产单元任务分配与作业调度集成决策模型，如 下公式所示。
minf1＝minCmax
Figure BDA0002978286170000062
Figure BDA0002978286170000063
其中，f1表示第一个目标值，f2表示第二个目标值，f3表示第三个目标值，Cmax表示完 工时间，C表示总成本，A表示自动化率，j表示生产资源的序号，xij表示生产工序Oi如果在 设备Mj上进行完成则为1，否则为0，xi1表示生产工序Oi由操作工人完成，xi2表示生产工序 Oi由机器人完成，xi3表示生产工序Oi由机器人和操作工人共同完成，cj表示生产设备的单元 工时成本(其中，c1表示操作工人的单位工时成本，c2表示机器人的单位工时成本，c3表示 操作工人和机器人协作完成装配任务的单位工时成本)，Tij表示装配工序Oi在Mj上完成装配 工序Oi的时间，n为装配工序的数量。
约束条件为：
Figure BDA0002978286170000071
Figure BDA0002978286170000072
Figure BDA0002978286170000073
Figure BDA0002978286170000074
Figure BDA0002978286170000075
Figure BDA0002978286170000076
Figure BDA0002978286170000077
Figure BDA0002978286170000078
Figure BDA0002978286170000079
其中，i和i*表示生产工序序号，j和j*表示生产资源序号，L表示正数，xij表示生产工序 Oi如果在设备Mj上进行完成则为1，否则为0，xi1表示生产工序Oi由操作工人完成，xi2表示 生产工序Oi由机器人完成，xi3表示生产工序Oi由机器人和操作工人共同完成，xi*j*表示生产 工序Oi*如果在设备Mj*上进行完成则为1，否则为0，Sij表示生产工序Oi在生产资源Mj上操 作时的开始时间，Si*j*表示生产工序Oi*在生产资源Mj*上操作时的开始时间，Tij表示生产工 序Oi在生产资源Mj上操作时的操作时间，Ti*j*表示生产工序Oi*在生产资源Mj*上操作时的操 作时间，Cij表示生产工序Oi在生产资源Mj上操作时的结束时间，Ci*j*表示生产工序Oi*在生 产资源Mj*上操作时的结束时间，yiji*j*表示生产工序Oij优先于生产工序Oi*j*时为1，否则为0。
步骤3.2：根据步骤3.1构建的集成决策模型，通过非支配排序遗传算法进行求解，非支 配遗传算法的计算流程图如图2所示，其实现方法为：
(1)初始化种群：设置最大进化代数为100，随机生成100个个体作为初始群体。
(2)生成第一代种群：对初始种群非支配排序后通过遗传算法的选择、交叉、变异三个 基本操作得到第一代子代种群。
(3)非支配排序：从第二代开始，将父代种群与子代种群合并，进行快速非支配排序， 同时对每个非支配层中的个体进行拥挤度计算，根据非支配关系以及个体的拥挤度选取合适 的个体组成新的父代种群。
(4)遗传操作：通过遗传算法的基本操作：选择、交叉和变异产生新的子代种群。
(5)判断终止条件：若满足终止条件，则终止计算，输出最后的结果，否则继续执行(3) -(4)。
通过非支配排序遗传算法进行求解，即可获得人机协作任务分配与作业调度集成决策方 案。最后的计算结果甘特图如图3所示。如图3(a)所示，装配工序O7、O4、O8、O10、O9、O12、O13、O18、O5、O16由机器人完成，装配工序O3、O6、O2、O1、O14、O20、O11、O19由 操作工人完成，装配工序O15、O17由操作工人和机器人协作完成。
以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所 应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡 在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保 护范围之内。

Claims (2)

1.人机协作生产单元任务分配与作业调度集成决策方法，其特征在于：获取人机协作生产单元产品的装配工序，构建工序集合，确定装配工序的优先顺序；针对装配工序，结合操作工人和机器人的生产能力和生产优势，确定每个装配工序的可选生产资源及其装配时间，构建每个装配工序的可选资源集合以及工序时间集合；构建任务分配与作业调度集成决策模型，通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作业调度集成决策方案；所述的集成决策方案能够将任务分配与作业调度过程集成考虑，更加适应现有的生产装配现状，从而减少产品生产时间，降低产品生产过程中的生产成本，提高操作工人与机器人的协作效率，提高产品生产过程的自动化率，提高生产效率。
2.人机协作生产单元任务分配与作业调度集成决策方法，其特征在于：包括如下步骤：
步骤一、获取人机协作生产单元产品装配工序和生产资源，构建装配工序集合和生产资源集合，并确定各个装配工序之间的优先顺序；
步骤1.1：人机协作生产单元进行产品装配需要完成n个装配工序，构建装配工序集合O＝{O1,O2,…,Oi,…,On}，其中，Oi表示产品第i个装配工序；
步骤1.2：根据人机协作生产单元，构建生产资源集合M＝{M1,M2,M3}，其中，M1表示操作工人，即操作工人单独完成某项装配工序；M2表示机器人，即机器人单独完成某项装配工序；M3表示协作的操作工人和机器人组合，即由操作工人和机器人协同完成某项装配任务；
步骤1.3：根据人机协作生产单元装配工序，确定各个装配工序的优先顺序；
步骤二、根据步骤一构建的装配工序集合和生产资源集合，综合考虑生产资源的优势和特点，结合每个装配工序的可选生产资源，确定各个装配工序的生产资源集合和工序时间集合；
步骤2.1：根据装配工序的装配任务，确定装配工序Oi的可选生产资源集合Ri＝{…Rij,…}，其中，Rij表示装配工序Oi能够在Mj(j表示生产资源序号，j＝1,2,3)上完成；
步骤2.2：根据装配工序在各个生产资源上的加工时间，构建装配工序Oi的工序时间集合Ti＝{…Tij,…}，其中，Tij表示装配工序Oi在Mj上完成装配工序Oi的时间；
步骤三、根据步骤二构建的生产资源集合和工序时间集合以及步骤一确定的装配工序优先顺序，优化目标为完工时间最小、生产总成本最低和装配过程自动化率最高，构建人机协作生产单元任务分配与作业调度集成决策模型，并通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作业调度集成决策方案；
步骤3.1：根据步骤二构建的装配工序集合Ri＝{…Rij,…}、工序时间集合Ti＝{…Tij,…}和步骤一确定的装配工序优先顺序，优化目标为完工时间最小min(Cmax)、生产总成本最低min C和自动化率最高max A，构建人机协作生产单元任务分配与作业调度集成决策模型，如下公式所示；
min f1＝min Cmax
Figure FDA0002978286160000021
Figure FDA0002978286160000022
其中，f1表示第一个目标值，f2表示第二个目标值，f3表示第三个目标值，Cmax表示完工时间，C表示总成本，A表示自动化率，j表示生产资源的序号，xij表示生产工序Oi如果在设备Mj上进行完成则为1，否则为0，xi1表示生产工序Oi由操作工人完成，xi2表示生产工序Oi由机器人完成，xi3表示生产工序Oi由机器人和操作工人共同完成，cj表示生产设备的单元工时成本(其中，c1表示操作工人的单位工时成本，c2表示机器人的单位工时成本，c3表示操作工人和机器人协作完成装配任务的单位工时成本)，Tij表示装配工序Oi在Mj上完成装配工序Oi的时间，n为装配工序的数量。
约束条件为：
Figure FDA0002978286160000023
Figure FDA0002978286160000024
Figure FDA0002978286160000025
Figure FDA0002978286160000026
Figure FDA0002978286160000027
Figure FDA0002978286160000028
Figure FDA0002978286160000029
Figure FDA00029782861600000210
Figure FDA00029782861600000211
其中，i和i*表示生产工序序号，j和j*表示生产资源序号，L表示正数，xij表示生产工序Oi如果在设备Mj上进行完成则为1，否则为0，xi1表示生产工序Oi由操作工人完成，xi2表示生产工序Oi由机器人完成，xi3表示生产工序Oi由机器人和操作工人共同完成，xi*j*表示生产工序Oi*如果在设备Mj*上进行完成则为1，否则为0，Sij表示生产工序Oi在生产资源Mj上操作时的开始时间，Si*j*表示生产工序Oi*在生产资源Mj*上操作时的开始时间，Tij表示生产工序Oi在生产资源Mj上操作时的操作时间，Ti*j*表示生产工序Oi*在生产资源Mj*上操作时的操作时间，Cij表示生产工序Oi在生产资源Mj上操作时的结束时间，Ci*j*表示生产工序Oi*在生产资源Mj*上操作时的结束时间，yiji*j*表示生产工序Oij优先于生产工序Oi*j*时为1，否则为0；
步骤3.2：根据步骤3.1构建的集成决策模型，通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作业调度集成决策方案。
CN202110280796.0A 2021-03-16 2021-03-16 人机协作生产单元任务分配与作业调度集成决策方法 Active CN113159506B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110280796.0A CN113159506B (zh) 2021-03-16 2021-03-16 人机协作生产单元任务分配与作业调度集成决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110280796.0A CN113159506B (zh) 2021-03-16 2021-03-16 人机协作生产单元任务分配与作业调度集成决策方法

Publications (2)

Publication Number Publication Date
CN113159506A true CN113159506A (zh) 2021-07-23
CN113159506B CN113159506B (zh) 2023-04-28

Family

ID=76887280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110280796.0A Active CN113159506B (zh) 2021-03-16 2021-03-16 人机协作生产单元任务分配与作业调度集成决策方法

Country Status (1)

Country Link
CN (1) CN113159506B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115545583A (zh) * 2022-12-02 2022-12-30 天津大学 一种人机协同装配调度方法和装置
CN115609593A (zh) * 2022-12-02 2023-01-17 天津大学 一种多类型机器人人机协同装配调度方法和装置
CN117057551A (zh) * 2023-08-02 2023-11-14 天津大学 考虑协作机器人的多工序作业调度问题的解决方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003316411A (ja) * 2002-04-25 2003-11-07 Kobe Steel Ltd スケジューリング装置及びスケジューリング方法、並びにプログラム
EP2700008A1 (en) * 2011-04-19 2014-02-26 Hewlett-Packard Development Company, L.P. Scheduling map and reduce tasks of jobs for execution according to performance goals
CN109189094A (zh) * 2018-09-25 2019-01-11 中国人民解放军空军工程大学 一种多有人机与多无人机混合编队资源调度方法
CN110084512A (zh) * 2019-04-26 2019-08-02 河海大学常州校区 一种面向智能仓储系统的多机器人任务分配方法
CN110717684A (zh) * 2019-10-15 2020-01-21 西安工程大学 一种基于任务分配协调策略与粒子群算法的任务分配方法
CN110956371A (zh) * 2019-11-18 2020-04-03 杭州德意电器股份有限公司 面向复杂人机耦合的智能制造车间的绿色调度优化方法
CN111966050A (zh) * 2020-07-01 2020-11-20 北京工业大学 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003316411A (ja) * 2002-04-25 2003-11-07 Kobe Steel Ltd スケジューリング装置及びスケジューリング方法、並びにプログラム
EP2700008A1 (en) * 2011-04-19 2014-02-26 Hewlett-Packard Development Company, L.P. Scheduling map and reduce tasks of jobs for execution according to performance goals
CN109189094A (zh) * 2018-09-25 2019-01-11 中国人民解放军空军工程大学 一种多有人机与多无人机混合编队资源调度方法
CN110084512A (zh) * 2019-04-26 2019-08-02 河海大学常州校区 一种面向智能仓储系统的多机器人任务分配方法
CN110717684A (zh) * 2019-10-15 2020-01-21 西安工程大学 一种基于任务分配协调策略与粒子群算法的任务分配方法
CN110956371A (zh) * 2019-11-18 2020-04-03 杭州德意电器股份有限公司 面向复杂人机耦合的智能制造车间的绿色调度优化方法
CN111966050A (zh) * 2020-07-01 2020-11-20 北京工业大学 基于ammas-ga嵌套算法的双资源模具作业车间调度优化方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115545583A (zh) * 2022-12-02 2022-12-30 天津大学 一种人机协同装配调度方法和装置
CN115609593A (zh) * 2022-12-02 2023-01-17 天津大学 一种多类型机器人人机协同装配调度方法和装置
CN115609593B (zh) * 2022-12-02 2023-03-28 天津大学 一种多类型机器人人机协同装配调度方法和装置
CN117057551A (zh) * 2023-08-02 2023-11-14 天津大学 考虑协作机器人的多工序作业调度问题的解决方法和装置
CN117057551B (zh) * 2023-08-02 2024-04-19 天津大学 考虑协作机器人的多工序作业调度问题的解决方法和装置

Also Published As

Publication number Publication date
CN113159506B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN113159506B (zh) 人机协作生产单元任务分配与作业调度集成决策方法
CN110084405B (zh) 吞吐柔性智能装配物流路径规划方法
CN110058573B (zh) 吞吐柔性智能装配物流路径规划平台
Zussman et al. Design and implementation of an adaptive process planner for disassembly processes
Zhang et al. A new manufacturing resource allocation method for supply chain optimization using extended genetic algorithm
CN111738578A (zh) 一种动态环境下的离散型生产车间调度方法
Li et al. Data-based scheduling framework and adaptive dispatching rule of complex manufacturing systems
Schuh et al. Knowledge discovery approach for automated process planning
Ham et al. A practical two-phase approach to scheduling of photolithography production
CN116880424A (zh) 一种基于多目标优化的多机器人调度方法以及装置
Hussain et al. A multi-agent based dynamic scheduling of flexible manufacturing systems
Lee et al. A dynamic algorithm for distributed feedback control for manufacturing production, capacity, and maintenance
CN115439101A (zh) 基于人机协同作业平衡的智能制造系统重构方法
Bramhane et al. Simulation of flexible manufacturing system using adaptive neuro fuzzy hybrid structure for efficient job sequencing and routing
CN116663806A (zh) 考虑不同作业场景的人机协作拆卸线设置方法
Tang et al. Virtual production lines design for back-end semiconductor manufacturing systems
Yang et al. Multiobjective lot scheduling and dynamic OHT routing in a 300-mm wafer fab
CN113792927A (zh) 基于遗传算法的航空航天柔性产品工序优化方法
Helgoson et al. Concept for Function Block enabled Process Planning towards multi-site Cloud Collaboration
Lee et al. Digital Twin Simulation and Optimization of Manufacturing Process Flows
CN1452733A (zh) 将制造设备的服务请求者与服务提供者关联的调度装置
De Sousa et al. Finite-Time Consensus and Readjustment Three-Stage Filter for Predictive Schedules in FMS
Ramírez-Hernández et al. An approximate dynamic programming approach for job releasing and sequencing in a reentrant manufacturing line
Kimaporn et al. Solving Clustering and Allocation Problems of Human-Robot Collaboration in Smart Industry 5.0 Applications using FIS-GRA Integration-Based Multi-Objective Programming Model
Scholz-Reiter et al. Autonomous control of shop floor logistics

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant