CN116512250B - 基于人机协作的拆卸线平衡方法 - Google Patents

Abstract

本发明提供了一种基于人机协作的拆卸线平衡方法，属于拆卸线平衡技术领域。包括以下步骤：建立拆卸线的多目标函数；建立模型的约束条件；进行编码、解码，并通过启发式产生初始解；在考虑紧前任务、损坏任务的情况下，首先对其进行编码，随后采用双层解码方法，首先将拆卸任务分配至工作站，随后分配工人的方法，产生初始解；通过离散哈里斯鹰算法对初始解进行寻优更新，并引入局部扰动因子和精英保留策略得到最优方案和最优解。本发明考虑了柔性拆卸的人机拆卸线平衡问题，考虑拆卸线中工人走动情况，使得在最终得出的拆卸线平衡方案中，所需工人和工作站均较少，更加节约成本，同时每个工人的拆卸时间分配更加均衡，更加合理。

Description

基于人机协作的拆卸线平衡方法

技术领域

本发明涉及拆卸线平衡技术领域，具体为一种基于人机协作的拆卸线平衡方法。

背景技术

拆卸线平衡问题(disassemblylinebalancingproblem,简称DLBP)是指在废旧产品拆卸过程中，满足零部件之间的优先关系约束、拆卸线节拍时间约束等条件限制下，寻求一种最优或近似最优的废旧产品拆卸作业方案，以将拆卸任务平衡分配到拆卸线各工作站上，从而实现零部件的顺利拆卸，并同时优化最小化拆卸成本、平衡工作站上的作业负荷及最小化环境危害等目标，使整个拆卸线保持高效稳定运行。由于拆卸环境和拆卸要求的不同，零部件任务在拆卸线上的平衡分配受到废旧产品类型、拆卸深度、拆卸线布局方式、拆卸目标、任务作业时间是否确定、拆卸是否存在资源约束等诸多因素的影响。

人机协作拆卸线平衡问题(M-RDLBP)是拆卸线的一种形式，指在拆卸线中有工人和机器人一起参与进行拆卸。M-RDLBP的研究目前还未成熟，根据已有文献，主要集中表现针对人机共站拆卸问题研究。而现实中对于废弃物品外部大型部件拆卸等重复简单拆卸操作，工业机器人可以执行拆卸操作，且操作精确度高。

人具有主观能动性，然而在以往的拆卸线研究中，工人位置固定在工作站，不能随线移动。但是在实际拆卸任务中，特别是针对一些大型设备的拆卸，比如汽车等，其节拍时间较长，大部分工人在完成其固定工作站内的拆卸任务后，需要等待较长时间才能够进行下一次拆卸，导致最终拆卸效率较低。

发明内容

为解决上述至少一种问题，本发明提出了一种基于人机协作的拆卸线平衡方法，其考虑拆卸过程中，工人可以走动，因此最终能够使得拆卸效率大幅上升。

为实现上述目标，本发明的技术方案如下：一种基于人机协作的拆卸线平衡方法，该方法包括以下步骤：

S1、建立拆卸线的多目标函数，目标函数为最小化工作站、最小化工人数、最小化空闲时间和最小化需求指数；

S2、建立模型的约束条件，包括拆卸任务分配约束、开启工位约束、拆卸任务与开启工位约束、节拍约束、优先关系约束、同站任务约束和工人移动约束；

S3、进行编码、解码，并通过启发式产生初始解；在考虑紧前任务、损坏任务的情况下，首先对其进行编码，随后采用双层解码方法，首先将拆卸任务分配至工作站，随后分配工人的方法，产生初始解；

S4、通过离散哈里斯鹰算法对初始解进行寻优更新，并引入局部扰动因子和精英保留策略得到最优方案和最优解。

有益效果：

本发明考虑了柔性拆卸的人机拆卸线平衡问题，主要包括了生产实际中遇到拆卸任务分配约束、开启工位约束、拆卸任务与开启工位约束、节拍约束、优先关系约束、同站任务约束几类约束，同时考虑拆卸线中工人走动情况，加入了工人移动约束，使得在最终得出的拆卸线平衡方案中，相对于常规方法得出的方案，所需工人和工作站均较少，更加节约成本，同时每个工人的拆卸时间分配更加均衡，最终拆卸线平衡方案更加合理。

附图说明

图1为本实施例计算流程示意图；

图2为本实例解码1流程示意图；

图3为本实例解码2流程示意图；

图4为本实施例中拆卸方案1的甘特图。

具体实施方式

下面将结合实例对本发明的具体实施方式进行清楚、完整地描述，显然，所描述的实例仅仅是本发明一部分实施例，而不是全部的实施例。

下面结合实施例对本发明作进一步描述：

下述实施例中，若未特别说明，所述的操作为本领域常规操作。

下述实施例中，工人和机器人可以设置于同一个工作站内，但是一个工作站内最多同时设置1个工人和1个机器人。

一种基于人机协作的拆卸线平衡方法，该方法包括以下步骤：

S1、建立拆卸线的多目标函数，目标函数为最小化工作站、最小化工人数、最小化空闲时间和最小化需求指数；

具体的，本发明实施例中建立的目标函数如下所示：

最小工作站：

最少工人数：f₂＝|N|；

最少空闲时间：

最小需求指数：

式中，W_m表示第m个工作站，若开启，则W_m＝1，否则，W_m＝0；M表示工作站数集合；m表示工作站编号；N表示工人集合；CT表示节拍时间；x_im表示拆卸任务i分配至第m个工作站；t_i表示拆卸任务i所需要的时间；FT_n表示工人n的空闲时间区间；d_i表示任务i的需求指数；

对于上述四个目标函数，本领域技术人员可以根据实际需求进行选择，因此使得本发明实施例的方法的应用范围更广。

S2、建立模型的约束条件，包括拆卸任务分配约束、开启工位约束、拆卸任务与开启工位约束、节拍约束、优先关系约束、同站任务约束和工人移动约束；

具体的，约束条件如下所示：

任务分配约束：式中，I表示拆卸任务集合，|I|＝l，l表示拆卸任务总数，I_d表示损坏拆卸任务集合，x_imn表示将任务i分配给m工作站的n工人拆卸；

工位约束：

节拍约束：

优先关系约束：式中，ST_im表示m工作站的任务i的开始拆卸时间；ET_nj表示n工作站的任务j的结束拆卸时间；A_ij表示拆卸任务优先关系，若任务j是任务i的紧前任务，则A_ij＝1；

工人走动约束：

式中，t_wt表示工人跨站走动时间；p表示工作站编号；i₀、j₀、k₀均为损坏任务编号；ET_i0nm表示m工作站的i₀任务由n工人拆卸的结束时间；ST_j0np表示p工作站的j₀任务由n工人拆卸的开始时间；ST_k0np表示p工作站的k₀任务由n工人拆卸的开始时间。

之所以要考虑人机协作拆卸，是由于：对于废旧产品来讲，单纯采用机器拆卸时，其速度相对较快，但是，对于部分废旧产品中的部分拆卸任务，由于废旧产品变形、约束关系被破坏等原因，机器无法识别，导致其无法拆卸，因此仅能够采用人工拆卸，本发明实施例中，将这一类型仅能够采用人工拆卸的拆卸任务命名为损坏拆卸任务。

同时，之所以要设置工人走动，是由于：相对于机器来讲，工人具有主观能动性，若其中一个工人面对的损坏拆卸任务所需的拆卸时间远小于节拍时间，因此，该工人在一个节拍时间内，其工作时间难以得到充分利用。因此，在这样的情况下，可以让该工人在其空余时间内进入其余的工作站对其余的损坏拆卸任务进行拆卸，从而使得该工人的劳动时间得到充分利用，效率更高。但是在设置工人走动约束时，需要考虑该工人在两个工作站之间的走动时间(去和回)以及两个损坏拆卸任务的拆卸时间不能够冲突。

S3、进行编码、解码，并通过启发式产生初始解；在考虑紧前任务、损坏任务的情况下，首先对其进行编码，随后采用双层解码方法，首先将拆卸任务分配至工作站，随后分配工人的方法，产生初始解；

具体的，本实施例中，采用基于任务的编码方式，编码中每一个编号对应一个拆卸任务，每个解对应一个可行的拆卸序列。在编码过程中引入优先关系矩阵Y。Y是由0和1组成的矩阵，矩阵中对于所有列，若列元素全部为0，则表示该任务没有紧前任务，若同一列中有某一处为1，则说明有紧前任务，紧前任务为数字1所在的行数。

随机选择无紧前任务的拆卸任务进行分配。当任务分配至工作站后，将该任务所在列的全部元素改变成1，用它来表示该任务已分配至工作站；将该任务所在行的元素全部变为0，解除该任务对其他为拆卸任务的紧前约束。

采用上述方法进行编码后，还需要对其进行解码。本实施例中，设计一种双层解码，解码1将所有的任务分配至工作站，解码2给损坏任务分配工人。图2为解码1流程图。图3为解码2流程图。

在任务分配完成后，将工人加入工作站对损坏任务进行拆卸。拆卸线中第一个损坏任务i₀所在工作站加入一个工人n，该工作站内所有损坏任务都由该工人n进行拆卸。

之后所有存在损坏任务的工作站加入工人拆卸时需进行判断：若工作站m存在某损坏任务j₀无法由之前(m-1)工作站内工人进行拆卸，加入一个工人q′，新加入工人q′拆卸损坏任务j₀；若该工作站内损坏任务都可以由之前所有工作站内的某些工人拆卸，不加入工人，该工作站所有损坏任务由之前加入拆卸线中的工人们拆卸。

如果该工作站内存在损坏任务j₀可以由前(m-1)工作站内工人拆卸，则使前(m-1)工作站内的其中一个工人q移动到工作站m拆卸j₀任务。工人q在每次拆卸完成后记录拆卸任务j₀的开始时间ST_qj和结束时间ET_qj，作为工人q的工作时间区间WT_q，通过每次的工作时间区间得到工人q在一个节拍时间拆卸任务j₀内的空闲时间区间FT_q以及空闲开始时间FST_qj和空闲结束时间FET_qj。

工人拆卸其他工作站的损坏任务具有条件：只有当损坏任务i₀的开始时间ST_i减去工人q由所在工作站走到损坏任务j₀的工作站m的时间大于工人q的某个空闲区间的开始时间FST_nj，且损坏任务的结束时间ET_i加工人q回到原工作站的时间小于该空闲区间的结束时间FET_nj，工人n才可以进行走动。走动后，由于工人拆卸了一个任务，工人的工作时间区间和空闲时间区间发生变化。

S4、通过离散哈里斯鹰算法对初始解进行寻优更新，并引入局部扰动因子和精英保留策略得到最优方案和最优解。

具体的，如图1所示，离散型HHO算法框架，主要包括搜索阶段，开发阶段，随机扰动和精英策略。

开发阶段是算法的核心部分。开发阶段共有四种开发模式：

当esc≥0.5并且|E|≥0.5时,进入轻柔围攻阶段。猎物有几率逃脱且体力充足。哈里斯鹰需要不断徘徊消耗其能量，让猎物精疲力竭，进而突袭。具体采用两点交叉策略。与搜索阶段不同，随机选择个体P1和最优位置Pbest进行交叉。最终保存得到Pbestnew。

当esc≥0.5并且|E|<0.5时，猎物因力竭无法反抗，哈里斯鹰直接强硬围攻发起突袭。当前情况下，哈里斯鹰能够更快更准捕猎，设计了一种四点交叉来体现强硬围攻的特性。父代为随机个体P1和最优位置Pbest。产生随机4个点将P1和Pbest分为五段，分别为0-1、1-2、2-3、3-4、4-5片段，父代P1的0-1、2-3、4-5复制给子代Pnbest1,父代P1的剩余片段按照最优位置Pbest中相同元素出现的顺序排列填充到Pnbest2剩余片段。同理产生子代Pnbest2。

当esc<0.5并且|E|≥0.5时，猎物有机会逃脱，且能量充沛。哈里斯鹰会采取渐进式快速俯冲的轻柔围攻，在发起最后突袭前构成轻柔的包围圈。考虑LEVY飞行操作来模拟猎物在逃跑过程中做的一些欺骗动作以及哈里斯鹰在猎物周围采取的各种试探攻击、假装突袭的行为。LEVY飞行操作式如下：

式中λ为莱维飞机操作随机步长；β为变动系数，1≤β≤2；u,v是随机变量，服从均值为0，标准差分别为σ_u、σ_v的独立正态分布；是第t代中第i只猎物位置；/>是第(t+1)代中第i只猎物位置；α为步长系数，α＞0；λ′为猎物位置的更新步长。

当esc<0.5并且|E|<0.5，猎物没有能量仍有可能逃脱。哈里斯鹰采用渐进式快速俯冲的强硬围攻，在开始攻击前先围成强硬包围圈，再拉近距离发动突袭。考虑一种差分变异操作来实现。

由于在算法后期，种群中哈里斯鹰均向最优猎物位置接近，容易陷入局部最优。为了增加解集的多样性并减少过早收敛、陷入局部最优的情况，针对算法两个阶段得到位置引入局部扰动因子Pa，使用单点变异操作。

在结束哈里斯鹰算法后，得出最优解和最优方案。

为了进一步说明本发明实施例的效果，下面采用具体的例子对其进行测试。

1、测试条件：

测试实验所使用的计算机配置为Intel(R)Corei5-6300HQ@2.30GHz四核，8GB内存，在win10系统下MATLABR2019b运行。

在本测试例中，大规模算例来源于文献《基于Pareto蚁群算法的拆卸线平衡多目标优化》。

2、仿真内容与结果：

针对移动工人人机协作拆卸问题，使用工厂拆卸废旧汽车实例进行验证，DOHHO算法进行求解。工人跨站走动时间t_wt＝4s。损坏任务为2，5，11，14，22，24，30，36。由正交实验表设定算法参数如下：种群规模N＝200，迭代次数G＝200，扰动系数P_a＝0.4，外部最优种群Q＝10。算法独立运行10次，随机选择一次结果。最终结果如表5所示，其中，W_n表示工人拆卸序列，W_r表示机器拆卸序列。

表5为拆卸方案

从表5中可知，根据实际计算结果，可以看出本方法工作站数只需要9个就可以拆卸所有任务，其中编号1、3、5、7和9只需要两个工人就可以拆卸所有的八个损坏任务，若不采用移动工人形式，如编号1方案，其甘特图如图4所示，损坏任务分布在四个工作站中，若采用常规的方案，则需要配制4个工人进行拆卸，且在第三个工作站工人只需拆卸任务22，任务分配及其不均衡；但是在采用本实施例的方法后，仅需配制两名工人：工人1需要对工作站1、2、5的任务进行拆卸，工人2对工作站6的任务进行拆卸，极大的降低了人工数量，同时使得工人的拆卸时间得到了均衡配制。移动工人方法大大减少了人力成本，均衡了工人的工作负荷，增加了拆卸线平衡性，使得企业利润大大增加。

同时，上述事实说明了本发明的方法，能够处理，同时能处理算例规模为40的移动工人人机协作拆卸线平衡问题，结合表4和表5，相对现有技术，在处理移动工人的人机拆卸线平衡问题中，本发明具有处理能力强、处理速度快、能够处理较大规模算例的能力。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (3)

1.一种基于人机协作的拆卸线平衡方法，其特征在于，包括以下步骤：

Step1：建立拆卸线的多目标函数；

Step2：建立模型的约束条件，包括拆卸任务分配约束、开启工位约束、拆卸任务与开启工位约束、节拍约束、优先关系约束、同站任务约束和工人移动约束；

Step3：进行编码、解码，并通过启发式产生初始解；

Step4：通过离散哈里斯鹰算法对初始解进行寻优更新，并引入局部扰动因子和精英保留策略得到最优方案和最优解；

Step2中，所述约束条件为：

任务分配约束：式中，I表示拆卸任务集合，|I|＝l，l表示拆卸任务总数，I_d表示损坏拆卸任务集合，x_imn表示将任务i分配给m工作站的n工人拆卸；

工位约束：

节拍约束：

优先关系约束：式中，ST_im表示m工作站的任务i的开始拆卸时间；ET_nj表示n工作站的任务j的结束拆卸时间；A_ij表示拆卸任务优先关系，若任务j是任务i的紧前任务，则A_ij＝1；

工人走动约束：式中，t_wt表示工人跨站走动时间；p表示工作站编号；i₀、j₀、k₀均为损坏任务编号；/>表示m工作站的i₀任务由n工人拆卸的结束时间；/>表示p工作站的j₀任务由n工人拆卸的开始时间；/>表示p工作站的k₀任务由n工人拆卸的开始时间；

Step3中，所述解码方式为：首先判断拆卸任务是否为损坏任务，如果不是，则将其分配至机器拆卸工作站，同时考虑该机器剩余拆卸时间和节拍时间的关系，以判断是否开启新的工作站；如果是，则将其分配至人工拆卸工作站，同时考虑已分配拆卸任务的工人的剩余拆卸时间、跨工作站时间，判断是否开启新的工作站；解码后，产生一组基于人机协作的拆卸线的初始解；

将损坏任务进行分配时，判断是否开启新的工作站的方法为：在考虑工人剩余拆卸时间、跨工作站时间的情况下，若分配至工作站m内的损坏任务不能由前m-1个工作站内的工人进行拆卸，则在工作站m内加入一个工人；若分配至工作站m内的损坏任务能够由前m-1个工作站内的工人拆卸，则由选取前m-1个工作站内的其中一个工人，跨站移动到工作站m内，对工作站进行拆卸，拆卸完工作站m内的拆卸任务后，该工人返回原工作站；

当损坏任务的开始时间减去工人由所在工作站走到损坏任务的工作站的时间大于该工人的某个空闲区间的开始时间，且损坏任务的结束时间加该工人回到原工作站的时间小于该空闲区间的结束时间，该工人才可以进行走动。

2.根据权利要求1所述的方法，其特征在于，所述目标函数包括：

最小工作站：

最少工人数：f₂＝|N|；

最少空闲时间：

最小需求指数：

式中，W_m表示第m个工作站，若开启，则W_m＝1，否则，W_m＝0；M表示工作站数集合；m表示工作站编号；N表示工人集合；CT表示节拍时间；x_im表示拆卸任务i分配至第m个工作站；t_i表示拆卸任务i所需要的时间；FT_n表示工人n的空闲时间区间；d_i表示任务i的需求指数。

3.根据权利要求1所述的方法，其特征在于，所述编码方式为：对每一个拆卸任务进行编号，并根据其拆卸优先关系组成优先关系矩阵；随机挑选一个无紧前任务的拆卸任务并分配至工作站，后挑选剩余的无紧前任务的拆卸任务直至所有拆卸任务分配完毕。