【技术实现步骤摘要】
本专利技术涉及生产线规划技术，特别是一种基于线平衡和岗位轮换降低装配线人因风险的方法。
技术介绍
1、目前,工厂主要采用事后分析的方法来降低岗位的人因风险，即在生产线投产后，不断调整各岗位的工作任务安排来改善岗位的人因风险。这种事后分析调整方法，不仅增加管理成本还难以达到全局更优的效果。并且在投产阶段进行岗位作业任务的调整，加大了工人的作业难度使工作效率降低，甚至导致生产线的产能降低。导致工厂主要采用事后分析的方法来降低岗位的人因风险的主要原因有，一方面是产线设计人员在进行生产线线平衡规划时，由于难以对作业任务的人因风险进行量化评估，在规划每个工位并分配作业任务过程时，往往会忽略作业任务的人因风险，容易导致某些工位的作业人员具有较高的人因风险等缺点。另一方面目前工厂主要还是依靠人工对车门装配线进行线平衡规划，如果在规划每个工位并分配作业任务过程时考虑岗位的人因风险会大大增加产线设计人员的规划设计难度，导致设计人员工作量大，难以给出较好的线平衡规划方案。此外，基于线平衡和岗位轮换调度降低车门混流装配线人因风险属于双层优化问题，求解难度大，现有的求解算法难以在较短的时间内得到较满意的解。
技术实现思路
1、针对上述缺陷，本专利技术的目的在于提出基于线平衡和岗位轮换降低装配线人因风险的方法，先量化计算作业的人因风险和，再通过双层优化数学模型配合双层优化算法求解，最后输出线平衡规划方案和岗位轮换调度方案。
2、为达此目的，本专利技术采用以下技术方案：
3、基于线平衡
4、s1、首先获取新能源汽车总装车间中的车门装配线所有作业任务的信息数据，所述信息数据包括作业任务的标准工时；作业任务之间的装配优先级关系；作业任务中姿势、力量、重复性和附加风险的等指标数据；
5、s2、利用ocra方法计算各任务的人因风险；
6、s3、根据装配生产线的生产节拍和约束条件以及步骤s1和步骤s2中的的信息数据建立双层优化数学模型；
7、s4、使用双层优化算法对步骤s3中建立的数学模型进行优化求解，并输出最优的线平衡规划方案和岗位轮换调度方案。
8、较佳地，步骤s2具体如下：
9、
10、其中，actions_n为一个平均生产周期内作业任务的次数；ct为平均生产周期时间；rf为推荐的频率并通过下式计算得出：
11、rf＝os×pm×fom×rm×adm (2)
12、其中，os表示为特定的参数，本方案取值为18；pm为姿势的乘法系数；fom是一个力倍增强系数；rm为动作重复性的乘法系数；adm为附加因数的乘法系数；
13、本方案设定的累计人因风险评估标准：
14、
15、其中，eh是工人h在一个班次里其在相应岗位上作业的累计人因风险；
16、本方案提出的装配生产线属于混流生产线，本方案规定各岗位的人因风险选取所有型号车门中最大人因风险值。
17、较佳地，步骤s3具体如下：
18、符号定义：
19、m是装配车型的索引；
20、i,j为作业任务的索引；
21、n为作业任务的总数(i＝1…,n)；
22、k为工位的总数(k＝1…,k)；
23、h为工人的总数(h＝1…,h)；
24、p为车型种类的数量(m＝1…,p)；
25、t为岗位轮岗调度的索引(t＝1,2),周期时间为4小时；
26、tim为作业任务的标准工时；
27、ct为平均生产周期时间；
28、o为有装配优先级关系的任务对(i,j)集合，这些一对的任务之间存在直接的装配优先关系，任务i必须在任务j之前装配；
29、zp为必须分配到同一工位上的任务对集合(兼容任务)；
30、zn为不能在同一工位上操作的任务对集合(不兼容任务)；
31、决策变量：
32、
33、目标函数：
34、上层目标函数：
35、下层目标函数：
36、约束条件：
37、
38、
39、e_sh≠2 (8)
40、
41、其中，式(4)是上层目标函数，最少化工位数量与所有工人累计人因风险为黄色数量；
42、式(5)是第二个目标函数，最少化所有工人累计人因风险为黄色的数量；
43、式(6)约束确保每个任务在每个时间段由一个工人负责；
44、式(7)约束确保每个工人在每个时间段内只执行一项任务；
45、式(8)约束确保每个工人的累计人因风险不能为红色；
46、式(9)约束确保每个岗位的作业时间不超过平均生产周期时间；
47、式(10)约束确保所有作业任务的装配优先级关系不被违反；
48、式(11)约束确保具有关联关系的作业任务(兼容任务)分配到同一工位；
49、式(12)约束确保不兼容的作业任务不被分配到同一工位。
50、较佳地，步骤s4具体如下：
51、本算法主要由上层离散改进多算子差分进化算法，即ul-dimode；以及下层离散改进多算子差分进化算法，即ll-dimode；两个部分组成；ul-dimode和ll-dimode均基于dimode；这两个部分的求解过程如下：
52、ul-dimode：该部分的优化目标为最少化工位数与所有工人累计人因风险为黄色数量；首先基于优先级规则构造初始解，并与随机生成的解组成初始种群；该初始种群进一步调用ll-dimode求解得出其对应的下层最优解；然后以初始种群作为父代种群并利用3种离散de算子产生子代种群；接着基于二元关系和分类模型的环境选择机制对父代种群和子代种群进行环境选择，选择出更优的解作为下一代种群以进行下一次迭代求解；此外，每次迭代产生最优的解添加到知识库中；如果两个解的上层目标函数值相同，具有更少工位数量的解视为更优的解；
53、ll-dimode：该部分的优化目标为最少化所有工人累计人因风险为黄色的数量；首先从知识库中选择部分下层解作为ll-dimode初始解，并与随机生成的解组成初始种群；进一步以该初始种群作为父代种群并利用3种离散de算子产生子代种群，然后基于二元关系和分类模型的环境选择机制对父代种群和子代种群进行环境选择，选择出更优的解作为下一代种群以进行下一次迭代求解；最后将求得最优的下层解返回到ul-dimode中每次评估上层解的过程，即每个上层解的评估都需要先调用ll-dimode获得其相应的下层最优解。
54、进一步地，方案中的dimode算法是基于改进多算子差分进化算法，即imode；标准的imode集成了三种差分进化连续算子，且随机使用二项式或指数式中其中的一种交叉策略产生子代解；im本文档来自技高网...
【技术保护点】
1.基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，步骤S2具体如下：
3.根据权利要求2所述的基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，步骤S3具体如下：
4.根据权利要求3所述的基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，步骤S4具体如下：
5.根据权利要求4所述的基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，方案中的DIMODE算法是基于改进多算子差分进化算法，即IMODE；标准的IMODE集成了三种差分进化连续算子，且随机使用二项式或指数式中其中的一种交叉策略产生子代解；IMODE还设计了自适应机制来自动选择最优DE算子。
6.根据权利要求5所述的基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，IMODE算法在每次迭代之前，首先计算上次迭代过程中每种DE算子产生相应子群解的质量和多样性指标，然后，根据该指标动态地调整每种DE算子对应子群的大小，最后实
...【技术特征摘要】
1.基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，步骤s2具体如下：
3.根据权利要求2所述的基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，步骤s3具体如下：
4.根据权利要求3所述的基于线平衡和岗位轮换降低装配线人因风险的方法，其特征在于，步骤s4具体如下：
5.根据权利要求4所述的基于线平衡和岗位轮换降低装配线人因风险的方...
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。