车间布局人因优化模型与应用研究

曾　旭，杨　铭，陆　刚，陈振伟，戚　星

(中国矿业大学 矿业工程学院，江苏 徐州　221116)



车间布局人因优化模型与应用研究

曾旭，杨铭，陆刚，陈振伟，戚星

(中国矿业大学 矿业工程学院，江苏 徐州221116)

为改善车间布局以减轻作业负荷，分析作业负荷对车间布局影响，提出了车间作业负荷函数，界定了车间作业负荷函数的参数选取分为由搬运工件的搬运复杂度决定的脑力负荷和由作业时的各项生理指标决定的体力负荷，并确定模型的关键参数：搬运复杂度、工作和空闲时心率比值、相对能量代谢率等；应用粒子群算法，建立了车间布局人因优化模型，确定了粒子群算法下优化模型的框架、约束条件。编制了Matlab仿真程序并结合电动车架车间布局优化问题进行了仿真分析。得出综合目标条件下的最优车间布置，搬运工人作业效率提高了21.55%，累积疲劳指数降低20.96。

车间布局；作业负荷；粒子群

0　引言

车间布局是在一定约束条件下将生产系统所需的各种资源进行组织与布置，以求达到高效率、低成本的最优生产方式，是工艺设计中的重要组成部分，解决了在机床设备位置安排过程中追求生产成本最优的复杂问题。

大量的学者对车间布置优化问题进行了研究：郭源源[1]提出将搬运距离和单位距离的搬运成本结合，以总搬运成本最低为目标进行车间布局优化。郑永前[2]等运用并行工程，将单元内设施布局和单元系统布局两方面进行集成优化。刘飞[3]等提出利用Tabu算法求解基于解析表达和系统动态特征的设施布局问题，同时适应于大规模布局问题。于瑞峰[4]提出从易诱发职业病的作业因素优化和物流优化两个方面系统地研究工作地的设施布局问题。顾进恒[5]等将工人作业负荷作为装配线设计的考虑因素，将动态反馈调节的作用机制进行优化。学者在车间的优化布局中大多考虑搬运距离最短，占地面积最小，或者搬运成本最低。然而，在搬运作业中，搬运件的质量、体积、形状决定搬运作业的搬运复杂度和劳动强度。针对不同的搬运工件，工人要投入不同的脑力和体力，产生不同的作业负荷，对车间搬运作业和生产效率产生重要影响。结合人因工程中的劳动复杂度对脑力和体力的影响[6]，充分考虑搬运路线、作业复杂度、作业时工人的生理指标，将物流因素和作业负荷结合起来作为评价指标，建立考虑作业负荷的车间布局优化模型。一方面提出了更加符合实际的车间优化布局模型，为生产效率提升提供了理论性的指导；另一方面人因负荷的考虑，优化了车间布局设计中考虑的因素，提高了理论的实践指导意义。

1　车间作业负荷模型研究

车间作业是指依据生产计划及产品工艺路线，在车间内部进行的有组织的日常生产活动。车间作业中，沿着工艺路线进行的物料搬运作业是车间作业中重要组织部分，有资料显示：制造业中设施的运营成本主要来自物料搬运，约占其总成本的 20%～50%[7]。目前，在机床加工车间，由于搬运路线复杂，在制品数量大，形状不规则等原因，搬运工件时多数采用人力推车的方式进行，造成搬运工人的作业时间长、负荷高。车间布局优化时，首先考虑的是降低搬运费用，降低生产过程中成本的物流强度、搬运距离以及占地面积等影响因素，而忽略了对工人作业效率有重要影响的搬运作业负荷因素。长时间地高负荷作业产生的累积疲劳不利于工人身体健康，搬运作业的劳动负荷应该是车间布局的重要影响因素[8-10]。

1.1车间搬运作业负荷特征原则

在搬运作业中，作业负荷可以分为体力负荷和脑力负荷。搬运件的质量、体积、形状以及搬运工具决定搬运作业的体力负荷和脑力负荷。以搬运件的搬运复杂度为基础计算搬运作业的脑力负荷指数，通过测定工件搬运过程中工人的心率与空闲时的比值以及正常工作时相对能量代谢率等生理指标计算出体力负荷指数，进而得出不同的搬运工件对工人作业负荷强度的要求[11]。

1.2车间搬运作业负荷模型及参数

(1)物料搬运距离

物料搬运距离描述为：

(1)

(2)

(2)物料搬运作业负荷

将搬运工人作业负荷分为体力负荷和脑力负荷后，用公式列出搬运作业负荷函数。

(3)

F=O×D×E×S

(4)

Li,j=(F×B)α

(5)

(3)目标函数

目标函数是搬运作业负荷和搬运距离相结合的单目标函数，将搬运距离和工人作业负荷作为综合考虑因素以求得最优解。其函数表达式为：

(6)

2　车间布局人因优化模型研究

2.1粒子群算法原理

车间布局优化目标函数为连续目标函数，具有机床数量多、影响参数少的特点。在人工神经网络、遗传算法、粒子群算法和蚁群算法等优化法算中，粒子群算法在解决大规模的连续函数问题时具有强大优势，可以在较少的时间内得到优化问题较好的可行解，适合研究模型的求解。

2.2车间布局人因优化模型

应用粒子群算法进行车间布局人因优化模型的建立中，每个布局方案表示一个粒子，若车间机床为N个，则每个粒子为2N维向量，其中前N维是各机床的X坐标，后N维是各机床的Y坐标；粒子的飞行方向和速率都是2N维向量。假定：

粒子在t+1时刻的通过下式更新获得：

(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为均匀分布在(0,1)区间的随机数；c1,c2为学习因子，ω为惯性系数。

2.3车间布局人因优化模型参数

基于对设施布局与人因负荷问题的描述，得到优化设计的约束函数：

s.t.Mij×Nij=0

(11)

(12)

(13)

(14)

(15)

(16)

式(11)～(12)表示机床i与机床j不重合，横纵坐标方向不干涉。ωi，li表示机床的宽度和长度；dxij，dyij表示机床i与j沿x与y轴方向的最小值。公式(13)～(16)表示机床i的长度不能超过车间的整体长宽且留有一定安全距离；SD表示机床与车间墙壁的安全距离；H，K表示车间的长度和宽度。

3　车间布局人因优化模型应用

HS电动车车架厂的生产车间主要进行车架零部件的生产，操作包括切割、倒角、钻孔、弯管、压型等，采用批量生产方式，在制品的搬运靠搬运工人用手推车进行。搬运作业强度大，搬运工人劳动负荷重。

3.1电动车架车间模型参数确定

模型建立过程中，目标函数和约束条件已经给出。针对车架厂车间布局问题，需要代入的模型的数值如下：

(1)车间为K×H=35×65m2矩形场地,机床编号与面积参见表1所示。

(2)加工零部件名称、批量、工艺路线以及搬运的复杂度如表2所示。

(3)体力劳动方式系数：搬为1；扛为0.4；推为0.05。

(4)各机床X轴方向的最小间距为3.5m，Y轴方向的最小间距为3.8m。

(5)各机床在x，y轴方向与墙壁的最小间距SD=6.5m。

表1　机床编号与面积

表2　零件生产工艺路径

3.2电动车架车间模型优化分析

使用Matlab进行算法编程，确定粒子群算法的各项参数。粒子最大迭代次数为1000，粒子数量为40，学习参数L1=L2=2，最大惯性系数为0.9，最小惯性系数为0.4，为了方便观察适应度，适应度函数设为f=maxz/15×Sl,其中Sl为车间对角线长度。

粒子群算法求解流程如下：

(1) 初始化，在Matlab环境下设定算法中涉及的各种参数。

(2) 计算每一个粒子的适应度值，及适应度函数f。

(3) 对每个粒子，用它的适应度值和个体值pbest比较，如果更优，则替换pbest。

(4) 将每个粒子的适应度值和全局值gbest比较，如果更优，则替换gbest。

(5) 根据式(7)～(10)更新粒子的速度和位置。

(6) 如果满足结束条件退出，否者回到步骤(2)。

Matlab运行结果显示车间最优布局结果和总搬运距离，优化后的布局效果和各项评价指标如表3所示。

表3　优化效果分析

在车间布局优化过程中可以看出，优化后的总搬运距离减少292m。模型将搬运作业中脑力、体力劳动强度和搬运距离结合，避免了搬运强度高的作业同时搬运距离长的不合理现象，降低高强度作业的作业工作量。得出综合目标条件下的最优车间布置，搬运工人作业效率提高为21.55%，累积疲劳指数降低20.96。

4　总结

根据车间搬运作业的强度高、持续时间长的特点，提出将车间作业负荷作为车间布局优化的考虑因素，建立车间作业负荷模型。将车间作业负荷模型与粒子群算法结合，确定了车间布局人因优化模型的框架及约束条件，并应用Matlab软件对电动车车架厂生产车间的布局优化进行具体求解，在总搬运距离减少292m。同时，工人作业平衡率提高为21.55%，累积疲劳指数降低20.96。结果表明：考虑人因素的车间布局优化可以有效降低搬运的总距离，提高工人作业平衡率和工作效率，降低工人累计疲劳，具有一定的实际应用价值。

[1] 郭源源，王谦. 基于粒子群优化算法的车间布局设计[J]. 计算机集成制造系统，2012,18(11):2476-2484.

[2] 郑永前，丁奎学. 基于改进粒子群算法的制造单元设施布局问题研究[J].工业工程，2012,15(1):125-130.

[3] 刘飞，董明.设施布局多重指标优化[J].上海交通大学学报，2007,41(4):664-668.

[4] 于瑞峰.基于人因学的工作地设施布局的优化设计研究[D].北京:清华大学，2004.

[5] 顾进恒，柴双龙. 考虑人因动态反馈的装配线模型与求解[J]. 组合机床与自动化加工技术，2014(8) :115-118.

[6] 刘昌用.劳动强度的量化分析初探[J].生产力研究，2009(1):24-25.

[7] 杨阔然. X公司机加车间单元布局设计研究[D].长春:吉林大学，2012.

[8] 管婷婷. 多目标粒子群算法在物流配送中的应用研究[D].南昌:南昌大学，2012.

[9] 李丽,牛奔.粒子群优化算法[M].北京:冶金工业出版社，2009.

[10] 陈莉.动态优化问题的粒子群算法研究[D].武汉:武汉大学，2012.

[11] 潘峰,周倩,李位星.标准粒子群优化算法的马尔科夫链分析[J].自动化学报，2013,39(4):381-389.

(编辑李秀敏)

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，山东曲阜人，中国矿业大学硕士研究生，研究方向为工业工程、人因工程、生产调度优化，(E-mail)2513844755@qq.com。

TH164;TG506

A