人机协作生产单元任务分配与作业调度集成决策方法

本发明涉及一种人机协作生产单元任务分配与作业调度集成决策方法，属于生产调度技术领域。

背景技术：

智能工厂、无人工厂等相关概念愈演愈烈。而在实现智慧工厂的道路上，自动化和智能化生产是至为关键的一环。以汽车行业为例，汽车制造业自上世纪70年代就开始使用常规的工人机器人。根据相关资料统计，汽车加工过程已广泛使用机器人执行相关任务，自动化率以达到90％以上。而与加工系统相比，一般的工业机器人很少能应用到装配过程。同时随着大规模定制的出现，现代化的装配系统面临着柔性和成本效益的双重挑战。完全自动化的装配系统可以以较低的成本生产同一产品，但是却无法满足顾客的个性化需求。因此，为了应对大规模定制的生产需求，机器人与人逐渐的从“替换”和“被替换”升华至更高层次的协作，人机协作生产单元逐步成为实现智能制造、满足个性化需求的关键。

人机协作生产单元追求的是柔性生产，本质是“人机协同”，融合了操作工人和协作机器人的特点和优势，包括操作工人的敏捷性、灵活性、感知力和智力，以及机器人具有可重复性好、高负载和准确性高的优势。人机协作生产单元让机器和操作工人分别从事自己更擅长的事，强调机器人能够自主配合操作工人的工作，自主适应生产环境变化。

但是，作为人机协作生产单元运行的第一步，任务分配与作业调度成为人机协作成功与否的关键。而在现如今的生产和研究过程中，往往忽略了以下几个因素：(1)在现有的研究和生产过程中，任务分配与作业调度依次执行，首先进行生产任务分配，再根据任务分配结果进行作业调度，这种方式忽略了任务分配与作业调度的相互影响，导致在作业调度阶段可能无法生成最优解。(2)在现有的研究和生产中，忽略了由操作工人和机器人协作完成某些生产任务，这样会给任务分配和作业调度带来极大的挑战，影响生产过程的顺利进行。

技术实现要素：

为了解决当前人机协作生产单元忽略作业调度与人机协同的问题，本发明的目的是提供人机协作生产单元任务分配与作业调度集成决策方法。该方法综合考虑产品的装配工序及其工序之间的优先顺序，结合人机协作生产单元中的机器人和操作工人等生产资源，根据操作工人和机器人的生产能力和优势，将装配工序分配给合适的生产资源，包括操作工人或者机器人或者协作的操作工人和机器人。之后将任务分配与作业调度过程集成决策，更加适应现有的生产装配现状，从而减少产品生产时间，降低产品生产过程中的生产成本，提高操作工人与机器人的协作效率，提高产品生产过程的自动化率，提高生产效率。

本发明的目的是通过下述技术方案实现的。

本发明公开的人机协作生产单元任务分配与作业调度集成决策方法实现方法为：获取人机协作生产单元产品的装配工序，构建工序集合，确定装配工序的优先顺序。针对装配工序，结合操作工人和机器人的生产能力和生产优势，确定每个装配工序的可选生产资源及其装配时间，构建每个装配工序的可选资源集合以及工序时间集合。构建任务分配与作业调度集成决策模型，通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作业调度集成决策方案。所述的集成决策方案能够将任务分配与作业调度过程集成考虑，更加适应现有的生产装配现状，从而减少产品生产时间，降低产品生产过程中的生产成本，提高操作工人与机器人的协作效率，提高产品生产过程的自动化率，提高生产效率。

本发明公开的人机协作生产单元任务分配与作业调度集成决策方法，包括如下步骤：

步骤一、获取人机协作生产单元产品装配工序和生产资源，构建装配工序集合和生产资源集合，并确定各个装配工序之间的优先顺序。

步骤一实现方法为：

步骤1.1：人机协作生产单元进行产品装配需要完成n个装配工序，构建装配工序集合o＝{o1,o2,…,oi,…,on}，其中，oi表示产品第i个装配工序。

步骤1.2：根据人机协作生产单元，构建生产资源集合m＝{m1,m2,m3}，其中，m1表示操作工人，即操作工人单独完成某项装配工序；m2表示机器人，即机器人单独完成某项装配工序；m3表示协作的操作工人和机器人组合，即由操作工人和机器人协同完成某项装配任务。

步骤1.3：根据人机协作生产单元装配工序，确定各个装配工序的优先顺序。

步骤二、根据步骤一构建的装配工序集合和生产资源集合，综合考虑生产资源的优势和特点，结合每个装配工序的可选生产资源，确定各个装配工序的生产资源集合和工序时间集合。

步骤2.1：根据装配工序的装配任务，确定装配工序oi的可选生产资源集合ri＝{…rij,…}，其中，rij表示装配工序oi可以在mj(j表示生产资源序号，j＝1,2,3)上完成。

步骤2.2：根据装配工序在各个生产资源上的加工时间，构建装配工序oi的工序时间集合ti＝{…tij,…}，其中，tij表示装配工序oi在mj上完成装配工序oi的时间。

步骤三、根据步骤二构建的生产资源集合和工序时间集合以及步骤一确定的装配工序优先顺序，优化目标为完工时间最小、生产总成本最低和装配过程自动化率最高，构建人机协作生产单元任务分配与作业调度集成决策模型，并通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作业调度集成决策方案。

步骤三实现方法为：

步骤3.1：根据步骤二构建的装配工序集合ri＝{…rij,…}、工序时间集合ti＝{…tij,…}和步骤一确定的装配工序优先顺序，优化目标为完工时间最小min(cmax)、生产总成本最低minc和自动化率最高maxa，构建人机协作生产单元任务分配与作业调度集成决策模型，如下公式所示。

minf1＝mincmax

其中，f1表示第一个目标值，f2表示第二个目标值，f3表示第三个目标值，cmax表示完工时间，c表示总成本，a表示自动化率，j表示生产资源的序号，xij表示生产工序oi如果在设备mj上进行完成则为1，否则为0，xi1表示生产工序oi由操作工人完成，xi2表示生产工序oi由机器人完成，xi3表示生产工序oi由机器人和操作工人共同完成，cj表示生产设备的单元工时成本(其中，c1表示操作工人的单位工时成本，c2表示机器人的单位工时成本，c3表示操作工人和机器人协作完成装配任务的单位工时成本)，tij表示装配工序oi在mj上完成装配工序oi的时间，n为装配工序的数量。

约束条件为：

其中，i和i*表示生产工序序号，j和j*表示生产资源序号，l表示正数，xij表示生产工序oi如果在设备mj上进行完成则为1，否则为0，xi1表示生产工序oi由操作工人完成，xi2表示生产工序oi由机器人完成，xi3表示生产工序oi由机器人和操作工人共同完成，xi*j*表示生产工序oi*如果在设备mj*上进行完成则为1，否则为0，sij表示生产工序oi在生产资源mj上操作时的开始时间，si*j*表示生产工序oi*在生产资源mj*上操作时的开始时间，tij表示生产工序oi在生产资源mj上操作时的操作时间，ti*j*表示生产工序oi*在生产资源mj*上操作时的操作时间，cij表示生产工序oi在生产资源mj上操作时的结束时间，ci*j*表示生产工序oi*在生产资源mj*上操作时的结束时间，yiji*j*表示生产工序oij优先于生产工序oi*j*时为1，否则为0。

步骤3.2：根据步骤3.1构建的集成决策模型，通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作业调度集成决策方案。

有益效果：

本发明公开的一种人机协作任务分配与作业调度集成决策，根据构建的装配工序集合、生产资源集合、工序时间集合和确定的装配工序之间的优先顺序，优化目标为完工时间最小、生产总成本最低和装配过程自动化率最高，构建人机协作生产单元任务分配与作业调度集成决策模型，并通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作业调度集成决策方案。所述的集成决策模型综合考虑人机协作生产单元任务分配过程与作业调度过程，结合机器人和操作工人的生产能力和生产优势，同时生成人机协作单元任务分配方案和作业调度方案，更加适应现有生产装配工况，从而减小产品生产时间，降低产品生产过程中的生产成本，提高生产效率和生产过程中的自动化率。

附图说明

图1为本发明的一种人机协作任务分配与作业调度集成决策方法流程示意图；

图2为非支配排序遗传算法流程图；

图3(a)为最小完工时间下的甘特图；

图3(b)为最小生产成本下的甘特图；

图3(c)为最大自动化率下的甘特图。

具体实施方式

为了更好的说明本发明的目的和优点，下面结合附图和实例对发明内容做进一步说明。

实施例1：

以pcb(printedcircuitboard，印制电路板)的装配过程为例，对发明内容做进一步说明。该pcb由人机协作生产单元完成装配过程，整个装配过程需要完成20个装配工序，每个装配工序的工艺信息如表1所示。

表1pcb的装配工序

注意：∞表示该工序不能由该装配资源完成。

步骤一、获取人机协作生产单元产品装配工序和生产资源，构建装配工序集合和生产资源集合，并确定各个装配工序之间的优先顺序。

步骤一实现方法为：

步骤1.1：人机协作生产单元进行pcb装配需要完成20个装配工序，构建装配工序集合o＝{o1,o2,…,o19,o20}。

步骤1.2：根据人机协作生产单元，构建生产资源集合m＝{m1,m2,m3}，其中，m1表示操作工人，即操作工人单独完成某项装配工序；m2表示机器人，即机器人单独完成某项装配工序；m3表示协作的操作工人和机器人组合，即由操作工人和机器人协同完成某项装配任务。

步骤1.3：根据人机协作生产单元装配工序，确定各个装配工序的优先顺序，如表2所示。

表2装配工序优先顺序表

步骤二、根据步骤一构建的装配工序集合和生产资源集合，综合考虑生产资源的优势和特点，考虑每个装配工序的可选生产资源，确定各个装配工序的生产资源集合和工序时间集合。

步骤2.1：根据装配工序的装配任务，确定装配工序的可选生产资源集合ri＝{…rij,…}，rij表示装配工序oi可以在mj上完成，其中，装配工序o1的可选设备集合r1＝{r11，r12，r13}，表示装配工序o1可以在操作工人(m1)、机器人(m2)以及协作的操作工人和机器人(m3)完成。

步骤2.2：根据装配工序在各个生产资源上的加工时间，构建装配工序的工序时间集合ti＝{…tij,…}，tij表示装配工序oi在mj上完成装配工序的时间，其中装配工序o1的工序时间集合为t1＝{18，21，12}。

步骤三、根据步骤二构建的生产资源集合和工序时间集合以及步骤一确定的装配工序优先顺序，优化目标为完工时间最小、生产总成本最低和装配过程自动化率最高，构建人机协作生产单元任务分配与作业调度集成决策模型，并通过非支配排序遗传算法进行求解，得到目标函数更优的人机协作任务分配与作业调度集成决策方案。

步骤三实现方法为：

步骤3.1：根据步骤二构建的装配工序集合ri＝{…rij,…}、工序时间集合ti＝{…tij,…}和步骤一确定的装配工序优先顺序，优化目标为完工时间最小min(cmax)、生产总成本最低minc和自动化率最高maxa，构建人机协作生产单元任务分配与作业调度集成决策模型，如下公式所示。

minf1＝mincmax

其中，f1表示第一个目标值，f2表示第二个目标值，f3表示第三个目标值，cmax表示完工时间，c表示总成本，a表示自动化率，j表示生产资源的序号，xij表示生产工序oi如果在设备mj上进行完成则为1，否则为0，xi1表示生产工序oi由操作工人完成，xi2表示生产工序oi由机器人完成，xi3表示生产工序oi由机器人和操作工人共同完成，cj表示生产设备的单元工时成本(其中，c1表示操作工人的单位工时成本，c2表示机器人的单位工时成本，c3表示操作工人和机器人协作完成装配任务的单位工时成本)，tij表示装配工序oi在mj上完成装配工序oi的时间，n为装配工序的数量。

约束条件为：

其中，i和i*表示生产工序序号，j和j*表示生产资源序号，l表示正数，xij表示生产工序oi如果在设备mj上进行完成则为1，否则为0，xi1表示生产工序oi由操作工人完成，xi2表示生产工序oi由机器人完成，xi3表示生产工序oi由机器人和操作工人共同完成，xi*j*表示生产工序oi*如果在设备mj*上进行完成则为1，否则为0，sij表示生产工序oi在生产资源mj上操作时的开始时间，si*j*表示生产工序oi*在生产资源mj*上操作时的开始时间，tij表示生产工序oi在生产资源mj上操作时的操作时间，ti*j*表示生产工序oi*在生产资源mj*上操作时的操作时间，cij表示生产工序oi在生产资源mj上操作时的结束时间，ci*j*表示生产工序oi*在生产资源mj*上操作时的结束时间，yiji*j*表示生产工序oij优先于生产工序oi*j*时为1，否则为0。

步骤3.2：根据步骤3.1构建的集成决策模型，通过非支配排序遗传算法进行求解，非支配遗传算法的计算流程图如图2所示，其实现方法为：

(1)初始化种群：设置最大进化代数为100，随机生成100个个体作为初始群体。

(2)生成第一代种群：对初始种群非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群。

(3)非支配排序：从第二代开始，将父代种群与子代种群合并，进行快速非支配排序，同时对每个非支配层中的个体进行拥挤度计算，根据非支配关系以及个体的拥挤度选取合适的个体组成新的父代种群。

(4)遗传操作：通过遗传算法的基本操作：选择、交叉和变异产生新的子代种群。

(5)判断终止条件：若满足终止条件，则终止计算，输出最后的结果，否则继续执行(3)-(4)。

通过非支配排序遗传算法进行求解，即可获得人机协作任务分配与作业调度集成决策方案。最后的计算结果甘特图如图3所示。如图3(a)所示，装配工序o7、o4、o8、o10、o9、o12、o13、o18、o5、o16由机器人完成，装配工序o3、o6、o2、o1、o14、o20、o11、o19由操作工人完成，装配工序o15、o17由操作工人和机器人协作完成。

以上所述的具体描述，对发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。