193 / 2025-07-07 17:59:51

基于双层优化的多人共站的人机协作装配平衡问题研究

人机协作,双层优化,装配平衡,多人共站

二、复杂系统与智能管理 > 7. 复杂系统人机融合管理

        随着工业5.0时代的到来，人机协作作为一种新型生产模式备受关注。该模式通过融合工人的灵活认知能力与机器人的高强度作业及高精度操作，使双方能在共享工作空间中并行或协作执行任务，显著提升了装配线的生产效率、资源利用率和柔性化水平。这种协作模式前景广阔，契合工业5.0以人为本的愿景，不仅能有效提高生产率，也有助于降低工人面临的人体工程学风险。

当前关于人机协作的装配问题研究多基于所有操作人员同质化且每个工作站最多配置一位操作人员的假设。然而在车辆、飞机等大型产品制造业中，多人共站的生产方式普遍存在。此类工作站根据产品特性分配任务，与传统单人站不同，其可配备多名操作员，每位操作员可依据任务优先级并行执行多任务。同时在实例生产中，需要考虑操作人员和协作机器人能力上的异质性，即对于某一装配任务，不同的操作人员和协作机器人所需的完成时间存在差异。

        研究构建了一个针对含有多人共站场景的装配线平衡问题模型，该模型以最小化生产周期和最小化总生产成本作为优化目标。在建模过程中，考虑了多人共站所导致的相互作业效率影响以及人机协作加工模式对于其余操作人员的效率影响。整个问题可系统性地拆解为以下紧密关联且需协作解决的子问题：1）资源分配子问题：针对每个工作站，需决策配置协作机器人与操作人员的具体数量及其类别；2）工序分配子问题：需将产品装配所需的所有工序合理地划分并指派到不同的工作站上，确保任务均衡；3）工序序列规划子问题：在满足工序间固有的加工顺序约束前提下，为每个工作站内分配到的工序确定最优的加工先后顺序；4）执行模式决策子问题：对于工作站内的每道具体工序，需要进一步选择是由工人独立执行、机器人独立执行，还是采用人机协作加工模式来完成，这直接影响效率与成本，同时由于问题中考虑了多人共站的因素，使得规划难度进一步提高。这四个子问题的综合求解共同构成了实现装配线整体优化的决策框架。

鉴于问题的多层级结构及各子问题间存在高度耦合性，难以通过单一优化模型直接求解，本研究采用双层优化框架对问题进行有效分解与协作规划。具体而言，将前述紧密关联的子问题归纳为两个主要决策层次：上层产线资源分配问题和下层工序任务调度问题。上层问题聚焦于战略性资源配置，这些决策为下层问题设定约束框架，其优化目标为最小化生产成本。下层问题则专注于操作调度，在满足上层资源配置及工序固有约束的前提下，负责解决工序执行序列规划以及每道工序执行模式的选择，其优化目标为最小化生产周期。这种分层架构通过明确决策层级间的依赖关系，将上层输出作为下层输入，有效降低了整体问题的求解复杂度。

        针对上层优化问题，研究设计了一种基于Q-learning的自适应进化算子选择策略。在该策略框架下，智能体感知的当前状态由反映种群特性的多样性和收敛性等关键指标的变化情况构建，可供选择的执行动作则对应不同的进化算子，如交叉算子、变异算子等。智能体执行选定算子后，通过评估关键指标的改进程度来量化奖励，并据此更新下一状态。Q-learning智能体将接收关于其本次算子选择的反馈，通过持续更新其Q值表来学习最优策略，从而引导进化算法种群的适应性进化。这种方法的核心在于利用强化学习的试错机制，实现进化过程中算子选择的自适应动态调整，以高效逼近多目标优化的帕累托最优前沿。针对下层工序任务调度问题，其求解策略紧密依赖于上层资源分配方案。待上层规划完成后，首先采用基于特定规则的启发式方法快速生成一个可行的初始调度方案。随后，为了进一步提升解的质量并逼近全局最优或近似最优解，设计并应用了一种改进的局部搜索算法，从而高效地获得满足所有约束条件的高质量可行解。

        由于上层产线资源分配方案对下层工序任务调度的最优解具有决定性影响，即相似的资源配置往往对应相似的近似最优调度方案，研究提出一种基于知识迁移的加速求解策略。其核心思想在于：通过计算当前上层优化问题与历史种群中已求解问题之间的相似性度量，识别出具有高度相似性的历史上层方案。随后，将关联的历史高质量下层调度方案作为知识，迁移到当前问题的下层求解过程中。通过有效利用历史经验，显著减少冗余计算，从而加速当前下层问题的收敛速度并提升初始解质量，最终提高整体双层优化框架的求解效率。

        基于以上算法设计，对装配线平衡问题的算例进行实验并与目前主要使用的算法进行对比分析，结果表明，所提出的算法能有效降低生产节拍、降低生产成本，具有良好的应用前景。同时试验证明可通过合理分配协作机器人与操作人员以提高装配效率。