車間布局人因優(yōu)化模型與應(yīng)用研究

曾　旭，楊　銘，陸　剛，陳振偉，戚　星

(中國(guó)礦業(yè)大學(xué) 礦業(yè)工程學(xué)院，江蘇 徐州　221116)

?

車間布局人因優(yōu)化模型與應(yīng)用研究

曾旭，楊銘，陸剛，陳振偉，戚星

(中國(guó)礦業(yè)大學(xué) 礦業(yè)工程學(xué)院，江蘇 徐州221116)

為改善車間布局以減輕作業(yè)負(fù)荷，分析作業(yè)負(fù)荷對(duì)車間布局影響，提出了車間作業(yè)負(fù)荷函數(shù)，界定了車間作業(yè)負(fù)荷函數(shù)的參數(shù)選取分為由搬運(yùn)工件的搬運(yùn)復(fù)雜度決定的腦力負(fù)荷和由作業(yè)時(shí)的各項(xiàng)生理指標(biāo)決定的體力負(fù)荷，并確定模型的關(guān)鍵參數(shù)：搬運(yùn)復(fù)雜度、工作和空閑時(shí)心率比值、相對(duì)能量代謝率等；應(yīng)用粒子群算法，建立了車間布局人因優(yōu)化模型，確定了粒子群算法下優(yōu)化模型的框架、約束條件。編制了Matlab仿真程序并結(jié)合電動(dòng)車架車間布局優(yōu)化問(wèn)題進(jìn)行了仿真分析。得出綜合目標(biāo)條件下的最優(yōu)車間布置，搬運(yùn)工人作業(yè)效率提高了21.55%，累積疲勞指數(shù)降低20.96。

車間布局；作業(yè)負(fù)荷；粒子群

0　引言

車間布局是在一定約束條件下將生產(chǎn)系統(tǒng)所需的各種資源進(jìn)行組織與布置，以求達(dá)到高效率、低成本的最優(yōu)生產(chǎn)方式，是工藝設(shè)計(jì)中的重要組成部分，解決了在機(jī)床設(shè)備位置安排過(guò)程中追求生產(chǎn)成本最優(yōu)的復(fù)雜問(wèn)題。

大量的學(xué)者對(duì)車間布置優(yōu)化問(wèn)題進(jìn)行了研究：郭源源[1]提出將搬運(yùn)距離和單位距離的搬運(yùn)成本結(jié)合，以總搬運(yùn)成本最低為目標(biāo)進(jìn)行車間布局優(yōu)化。鄭永前[2]等運(yùn)用并行工程，將單元內(nèi)設(shè)施布局和單元系統(tǒng)布局兩方面進(jìn)行集成優(yōu)化。劉飛[3]等提出利用Tabu算法求解基于解析表達(dá)和系統(tǒng)動(dòng)態(tài)特征的設(shè)施布局問(wèn)題，同時(shí)適應(yīng)于大規(guī)模布局問(wèn)題。于瑞峰[4]提出從易誘發(fā)職業(yè)病的作業(yè)因素優(yōu)化和物流優(yōu)化兩個(gè)方面系統(tǒng)地研究工作地的設(shè)施布局問(wèn)題。顧進(jìn)恒[5]等將工人作業(yè)負(fù)荷作為裝配線設(shè)計(jì)的考慮因素，將動(dòng)態(tài)反饋調(diào)節(jié)的作用機(jī)制進(jìn)行優(yōu)化。學(xué)者在車間的優(yōu)化布局中大多考慮搬運(yùn)距離最短，占地面積最小，或者搬運(yùn)成本最低。然而，在搬運(yùn)作業(yè)中，搬運(yùn)件的質(zhì)量、體積、形狀決定搬運(yùn)作業(yè)的搬運(yùn)復(fù)雜度和勞動(dòng)強(qiáng)度。針對(duì)不同的搬運(yùn)工件，工人要投入不同的腦力和體力，產(chǎn)生不同的作業(yè)負(fù)荷，對(duì)車間搬運(yùn)作業(yè)和生產(chǎn)效率產(chǎn)生重要影響。結(jié)合人因工程中的勞動(dòng)復(fù)雜度對(duì)腦力和體力的影響[6]，充分考慮搬運(yùn)路線、作業(yè)復(fù)雜度、作業(yè)時(shí)工人的生理指標(biāo)，將物流因素和作業(yè)負(fù)荷結(jié)合起來(lái)作為評(píng)價(jià)指標(biāo)，建立考慮作業(yè)負(fù)荷的車間布局優(yōu)化模型。一方面提出了更加符合實(shí)際的車間優(yōu)化布局模型，為生產(chǎn)效率提升提供了理論性的指導(dǎo)；另一方面人因負(fù)荷的考慮，優(yōu)化了車間布局設(shè)計(jì)中考慮的因素，提高了理論的實(shí)踐指導(dǎo)意義。

1　車間作業(yè)負(fù)荷模型研究

車間作業(yè)是指依據(jù)生產(chǎn)計(jì)劃及產(chǎn)品工藝路線，在車間內(nèi)部進(jìn)行的有組織的日常生產(chǎn)活動(dòng)。車間作業(yè)中，沿著工藝路線進(jìn)行的物料搬運(yùn)作業(yè)是車間作業(yè)中重要組織部分，有資料顯示：制造業(yè)中設(shè)施的運(yùn)營(yíng)成本主要來(lái)自物料搬運(yùn)，約占其總成本的 20%～50%[7]。目前，在機(jī)床加工車間，由于搬運(yùn)路線復(fù)雜，在制品數(shù)量大，形狀不規(guī)則等原因，搬運(yùn)工件時(shí)多數(shù)采用人力推車的方式進(jìn)行，造成搬運(yùn)工人的作業(yè)時(shí)間長(zhǎng)、負(fù)荷高。車間布局優(yōu)化時(shí)，首先考慮的是降低搬運(yùn)費(fèi)用，降低生產(chǎn)過(guò)程中成本的物流強(qiáng)度、搬運(yùn)距離以及占地面積等影響因素，而忽略了對(duì)工人作業(yè)效率有重要影響的搬運(yùn)作業(yè)負(fù)荷因素。長(zhǎng)時(shí)間地高負(fù)荷作業(yè)產(chǎn)生的累積疲勞不利于工人身體健康，搬運(yùn)作業(yè)的勞動(dòng)負(fù)荷應(yīng)該是車間布局的重要影響因素[8-10]。

1.1車間搬運(yùn)作業(yè)負(fù)荷特征原則

在搬運(yùn)作業(yè)中，作業(yè)負(fù)荷可以分為體力負(fù)荷和腦力負(fù)荷。搬運(yùn)件的質(zhì)量、體積、形狀以及搬運(yùn)工具決定搬運(yùn)作業(yè)的體力負(fù)荷和腦力負(fù)荷。以搬運(yùn)件的搬運(yùn)復(fù)雜度為基礎(chǔ)計(jì)算搬運(yùn)作業(yè)的腦力負(fù)荷指數(shù)，通過(guò)測(cè)定工件搬運(yùn)過(guò)程中工人的心率與空閑時(shí)的比值以及正常工作時(shí)相對(duì)能量代謝率等生理指標(biāo)計(jì)算出體力負(fù)荷指數(shù)，進(jìn)而得出不同的搬運(yùn)工件對(duì)工人作業(yè)負(fù)荷強(qiáng)度的要求[11]。

1.2車間搬運(yùn)作業(yè)負(fù)荷模型及參數(shù)

(1)物料搬運(yùn)距離

物料搬運(yùn)距離描述為：

(1)

(2)

(2)物料搬運(yùn)作業(yè)負(fù)荷

將搬運(yùn)工人作業(yè)負(fù)荷分為體力負(fù)荷和腦力負(fù)荷后，用公式列出搬運(yùn)作業(yè)負(fù)荷函數(shù)。

(3)

F=O×D×E×S

(4)

Li,j=(F×B)α

(5)

(3)目標(biāo)函數(shù)

目標(biāo)函數(shù)是搬運(yùn)作業(yè)負(fù)荷和搬運(yùn)距離相結(jié)合的單目標(biāo)函數(shù)，將搬運(yùn)距離和工人作業(yè)負(fù)荷作為綜合考慮因素以求得最優(yōu)解。其函數(shù)表達(dá)式為：

(6)

2　車間布局人因優(yōu)化模型研究

2.1粒子群算法原理

車間布局優(yōu)化目標(biāo)函數(shù)為連續(xù)目標(biāo)函數(shù)，具有機(jī)床數(shù)量多、影響參數(shù)少的特點(diǎn)。在人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、粒子群算法和蟻群算法等優(yōu)化法算中，粒子群算法在解決大規(guī)模的連續(xù)函數(shù)問(wèn)題時(shí)具有強(qiáng)大優(yōu)勢(shì)，可以在較少的時(shí)間內(nèi)得到優(yōu)化問(wèn)題較好的可行解，適合研究模型的求解。

2.2車間布局人因優(yōu)化模型

應(yīng)用粒子群算法進(jìn)行車間布局人因優(yōu)化模型的建立中，每個(gè)布局方案表示一個(gè)粒子，若車間機(jī)床為N個(gè)，則每個(gè)粒子為2N維向量，其中前N維是各機(jī)床的X坐標(biāo)，后N維是各機(jī)床的Y坐標(biāo)；粒子的飛行方向和速率都是2N維向量。假定：

粒子在t+1時(shí)刻的通過(guò)下式更新獲得：

(7)

(8)

xin(t+1)=xin(t)+vxin(t+1)i=1,2,3…,Nt=1,2,3…,T

(9)

yin(t+1)=yin(t)+vyin(t+1)i=1,2,3…,Nt=1,2,3…,T

(10)

式中，r1,r2為均勻分布在(0,1)區(qū)間的隨機(jī)數(shù)；c1,c2為學(xué)習(xí)因子，ω為慣性系數(shù)。

2.3車間布局人因優(yōu)化模型參數(shù)

基于對(duì)設(shè)施布局與人因負(fù)荷問(wèn)題的描述，得到優(yōu)化設(shè)計(jì)的約束函數(shù)：

s.t.Mij×Nij=0

(11)

(12)

(13)

(14)

(15)

(16)

式(11)～(12)表示機(jī)床i與機(jī)床j不重合，橫縱坐標(biāo)方向不干涉。ωi，li表示機(jī)床的寬度和長(zhǎng)度；dxij，dyij表示機(jī)床i與j沿x與y軸方向的最小值。公式(13)～(16)表示機(jī)床i的長(zhǎng)度不能超過(guò)車間的整體長(zhǎng)寬且留有一定安全距離；SD表示機(jī)床與車間墻壁的安全距離；H，K表示車間的長(zhǎng)度和寬度。

3　車間布局人因優(yōu)化模型應(yīng)用

HS電動(dòng)車車架廠的生產(chǎn)車間主要進(jìn)行車架零部件的生產(chǎn)，操作包括切割、倒角、鉆孔、彎管、壓型等，采用批量生產(chǎn)方式，在制品的搬運(yùn)靠搬運(yùn)工人用手推車進(jìn)行。搬運(yùn)作業(yè)強(qiáng)度大，搬運(yùn)工人勞動(dòng)負(fù)荷重。

3.1電動(dòng)車架車間模型參數(shù)確定

模型建立過(guò)程中，目標(biāo)函數(shù)和約束條件已經(jīng)給出。針對(duì)車架廠車間布局問(wèn)題，需要代入的模型的數(shù)值如下：

(1)車間為K×H=35×65m2矩形場(chǎng)地,機(jī)床編號(hào)與面積參見(jiàn)表1所示。

(2)加工零部件名稱、批量、工藝路線以及搬運(yùn)的復(fù)雜度如表2所示。

(3)體力勞動(dòng)方式系數(shù)：搬為1；扛為0.4；推為0.05。

(4)各機(jī)床X軸方向的最小間距為3.5m，Y軸方向的最小間距為3.8m。

(5)各機(jī)床在x，y軸方向與墻壁的最小間距SD=6.5m。

表1　機(jī)床編號(hào)與面積

表2　零件生產(chǎn)工藝路徑

3.2電動(dòng)車架車間模型優(yōu)化分析

使用Matlab進(jìn)行算法編程，確定粒子群算法的各項(xiàng)參數(shù)。粒子最大迭代次數(shù)為1000，粒子數(shù)量為40，學(xué)習(xí)參數(shù)L1=L2=2，最大慣性系數(shù)為0.9，最小慣性系數(shù)為0.4，為了方便觀察適應(yīng)度，適應(yīng)度函數(shù)設(shè)為f=maxz/15×Sl,其中Sl為車間對(duì)角線長(zhǎng)度。

粒子群算法求解流程如下：

(1) 初始化，在Matlab環(huán)境下設(shè)定算法中涉及的各種參數(shù)。

(2) 計(jì)算每一個(gè)粒子的適應(yīng)度值，及適應(yīng)度函數(shù)f。

(3) 對(duì)每個(gè)粒子，用它的適應(yīng)度值和個(gè)體值pbest比較，如果更優(yōu)，則替換pbest。

(4) 將每個(gè)粒子的適應(yīng)度值和全局值gbest比較，如果更優(yōu)，則替換gbest。

(5) 根據(jù)式(7)～(10)更新粒子的速度和位置。

(6) 如果滿足結(jié)束條件退出，否者回到步驟(2)。

Matlab運(yùn)行結(jié)果顯示車間最優(yōu)布局結(jié)果和總搬運(yùn)距離，優(yōu)化后的布局效果和各項(xiàng)評(píng)價(jià)指標(biāo)如表3所示。

表3　優(yōu)化效果分析

在車間布局優(yōu)化過(guò)程中可以看出，優(yōu)化后的總搬運(yùn)距離減少292m。模型將搬運(yùn)作業(yè)中腦力、體力勞動(dòng)強(qiáng)度和搬運(yùn)距離結(jié)合，避免了搬運(yùn)強(qiáng)度高的作業(yè)同時(shí)搬運(yùn)距離長(zhǎng)的不合理現(xiàn)象，降低高強(qiáng)度作業(yè)的作業(yè)工作量。得出綜合目標(biāo)條件下的最優(yōu)車間布置，搬運(yùn)工人作業(yè)效率提高為21.55%，累積疲勞指數(shù)降低20.96。

4　總結(jié)

根據(jù)車間搬運(yùn)作業(yè)的強(qiáng)度高、持續(xù)時(shí)間長(zhǎng)的特點(diǎn)，提出將車間作業(yè)負(fù)荷作為車間布局優(yōu)化的考慮因素，建立車間作業(yè)負(fù)荷模型。將車間作業(yè)負(fù)荷模型與粒子群算法結(jié)合，確定了車間布局人因優(yōu)化模型的框架及約束條件，并應(yīng)用Matlab軟件對(duì)電動(dòng)車車架廠生產(chǎn)車間的布局優(yōu)化進(jìn)行具體求解，在總搬運(yùn)距離減少292m。同時(shí)，工人作業(yè)平衡率提高為21.55%，累積疲勞指數(shù)降低20.96。結(jié)果表明：考慮人因素的車間布局優(yōu)化可以有效降低搬運(yùn)的總距離，提高工人作業(yè)平衡率和工作效率，降低工人累計(jì)疲勞，具有一定的實(shí)際應(yīng)用價(jià)值。

[1] 郭源源，王謙. 基于粒子群優(yōu)化算法的車間布局設(shè)計(jì)[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2012,18(11):2476-2484.

[2] 鄭永前，丁奎學(xué). 基于改進(jìn)粒子群算法的制造單元設(shè)施布局問(wèn)題研究[J].工業(yè)工程，2012,15(1):125-130.

[3] 劉飛，董明.設(shè)施布局多重指標(biāo)優(yōu)化[J].上海交通大學(xué)學(xué)報(bào)，2007,41(4):664-668.

[4] 于瑞峰.基于人因?qū)W的工作地設(shè)施布局的優(yōu)化設(shè)計(jì)研究[D].北京:清華大學(xué)，2004.

[5] 顧進(jìn)恒，柴雙龍. 考慮人因動(dòng)態(tài)反饋的裝配線模型與求解[J]. 組合機(jī)床與自動(dòng)化加工技術(shù)，2014(8) :115-118.

[6] 劉昌用.勞動(dòng)強(qiáng)度的量化分析初探[J].生產(chǎn)力研究，2009(1):24-25.

[7] 楊闊然. X公司機(jī)加車間單元布局設(shè)計(jì)研究[D].長(zhǎng)春:吉林大學(xué)，2012.

[8] 管婷婷. 多目標(biāo)粒子群算法在物流配送中的應(yīng)用研究[D].南昌:南昌大學(xué)，2012.

[9] 李麗,牛奔.粒子群優(yōu)化算法[M].北京:冶金工業(yè)出版社，2009.

[10] 陳莉.動(dòng)態(tài)優(yōu)化問(wèn)題的粒子群算法研究[D].武漢:武漢大學(xué)，2012.

[11] 潘峰,周倩,李位星.標(biāo)準(zhǔn)粒子群優(yōu)化算法的馬爾科夫鏈分析[J].自動(dòng)化學(xué)報(bào)，2013,39(4):381-389.

(編輯李秀敏)

Resolution to Workshop Layout Optimization Considering Operation Workload

ZENG Xu，YANG Ming，LU Gang，CHEN Zhen-wei，QI Xing

(School of Mine Engineering,China University of Mining and Technology , Xuzhou Jangsu 221116，China)

Reasonable workshop layout directly determined the efficiency and benefit of workshop operations. Workshop operations load function was proposed according to the analysis of workshop layout features and influencing factors of workload, defining parameter of workshop operations load function include mental workload determined by handling complexity of work piece and workload determined by the physiological indicators when working, and defining key parameters of the model: operation complexity, the ratio of heart rate when work and free time, relative energy metabolism rate; The workshop layout optimization model were defined base on particle swarm algorithm. The optimization model framework and constraints was defined under the particle swarm optimization. Implementing optimization simulation analysis of the optimization of electric bicycles frame workshop by Matlab simulation program and obtaining optimum workshop layout under comprehensive target conditions. Working efficiency of porters improved 21.55%, the cumulative fatigue index decreased 20.96.

workshop layout; workload; particle swarm optimizer

1001-2265(2016)07-0158-03DOI:10.13462/j.cnki.mmtamt.2016.07.044

2015-12-12

曾旭(1992—)，男，山東曲阜人，中國(guó)礦業(yè)大學(xué)碩士研究生，研究方向?yàn)楣I(yè)工程、人因工程、生產(chǎn)調(diào)度優(yōu)化，(E-mail)2513844755@qq.com。

TH164;TG506

A