人因视角下船舶管加工车间设备布局优化研究.pdf

Jul.20232023年JOURNALOFMACHINEDESIGN月No.7Vol.40第40 卷第7 期机设计械人因视角下船舶管加工车间设备布局优化研究葛能鹏，单武斌?，陈金兰1（1.湖南工业职业技术学院机械工程学院，湖南长沙410208;2.湖南大学机械与运载工程学院，湖南长沙410082)摘要：现有的车间设备布局规划大都基于物流运输成本最低建立目标函数，文中从人因工程学的角度，考虑人员作业疲劳强度，建立了一个以作业单元间物料搬运费用最小和作业人员疲劳强度最低为优化目标的车间布局多目标优化模型，提出一种改进后的SPBO算法（学生心理优化算法）对其进行求解，通过对种群个体进行分类，采用不同的进化策略，保证了种群的多样性，有效地避免了种群早熟、陷入局部最优，提高改进后SPBO算法的收敛速度和全局搜索能力。通过实例进行验证，物料搬运费用和作业人员疲劳强度有明显降低，验证了所建模型和算法的有效性。关键词：布局优化；疲劳强度；多目标优化模型；学生心理优化算法中图分类号：TH181文献标识码：A文章编号：10 0 1-2 354(2 0 2 3)0 7-0 0 7 0-0 7Research on equipment layout optimization of ship-pipe processingworkshops from the perspective of human factorsGE Nengpeng,SHAN Wubin?,CHEN Jinlan(1.School of Mechanical Engineering,Hunan Industry Polytechnic,Changsha 410208;2.College of Mechanical and Transportation Engineering,Hunan University,Changsha 410082)Abstract:Currently,most of equipment layout planning for workshops is based on the objective function of minimizingthe logistics and transportation cost.In this article,from the perspective of human factors engineering,the multi-objectiveoptimization model of workshop layout is set up with the objective of minimizing the material handling cost between work unitsand minimizing the labor intensity of operators;then,the improved SPBO algorithm(Student Psychology Based Optimiza-tion)is worked out to solve this model.By classifying the individual population,different evolutionary strategies are adoptedto ensure the diversity of population,effectively avoid premature population and local optimum,as well as improve the con-vergence speed and the global-search ability of the improved SPBO algorithm.It is verified by some examples that the mate-rial handling cost and the labor intensity of operators have significantly reduced,which shows that both the model and the al-gorithmare effective.Key words:layout optimization;fatigue strength;multi-objective optimization model;Student Psychology Based Optimiza-tion Algorithm(SPBO)近年来，我国生产制造企业的利润进人了微利时代，据相关数据统计，由于生产车间设备布局问题导致的物流成本占企业总费用的10%30%1，合理的生产车间设备布局方案对于生产企业降低物流成本*收稿日期：2 0 2 3-0 4-11；修订日期：2 0 2 3-0 6-2 0基金项目：2 0 2 2 年湖南省自然科学基金科教联合项目（2 0 2 2 JJ60031）作业单元i，在Y方向的最小间距，10作业单元i，的宽度；式712023年7 月葛能鹏，等：人因视角下船舶管加工车间设备布局优化研究和提高工作效率意义重大。然而，大部分企业在进行设备布局规划时，往往容易忽略“人”这个生产活动中最为关键的要素，因此，如何在保证企业获得较高利益的同时，降低作业人员的疲劳强度，保证作业人员的安全、健康和舒适的工作环境成为了当前研究的热点2-3。文中在针对现有船舶管加工车间因布局不合理导致的设备之间物流混乱、效率低下及员工作业疲劳强度大等问题，以作业单元间物料搬运费用最小和作业人员疲劳强度最低为优化目标，建立车间布局多目标优化模型，提出一种改进后的SPBO算法对其进行求解。通过实例进行验证，物料搬运费用和作业人员疲劳强度有明显降低，达到改善车间物流状况、降低物流成本和降低作业人员疲劳强度的目的4大船舶管加工车间设备布局优化问题的数学模型1.1问题描述船舶管加工车间的设备布局优化属于典型的多行设备布局问题。根据不同型号的船舶管的加工工艺要求，需要在不同的工序中进行流转，且每一个工序都有各种型号和功能类似的设备，因此，在船舶管加工过程中物流运输量大。此外，由于船舶管加工车间各个工序的区域面积大小不一，为了方便建立模型进行研究，做出以下假设：（1)船舶管加工车间各工序的作业单元的形状可以视为大小不同的矩形，且长和宽都已知；（2）船舶管加工车间各工序的作业单元按横平竖直进行摆放，各作业单元与X轴平行，且同一行上作业单元的Y轴坐标相同，采用自动换行策略；（3）船舶管加工车间的物流运输方向沿着物流通道水平或者竖直方向运输1.2数学模型基于以上假设，建立的船舶管加工车间布局优化数学模型如图1所示。其中，m，m;,m,mk，m分别为第h，i j,k，l 个作业单元；Lh，V.为作业单元h的长度和宽度；Ai为作业单元的左边界距离；h为作业单元h与相邻作业单元之间的最小间距；L，为相邻两个作业单元i，j 的最小间距；Lho，Lh,为作业单元h与左边界和右边界的最小间距；h，为相邻两个作业单元i，j 的实际间距；hi为作业单元i与左边界的实际间距；dh为作业单元h，i 在Y方向的最小间距；V。为第一行作业单元的中心线到下边界的距离；V.为作业单位的行距；L，V分别为车间的长和宽。LhoVm三Yhmm10m！文1XL图1车间布局模型加工车间布局优化需要根据生产现场和企业的实际情况选择合适的优化目标，文中研究的船舶管加工车间，各生产单元之间的物流运输频率比较高，物流成本大5，因此，文中以各作业单元之间的搬运费用Q作为优化目标，并建立目标函数为：min QC,UU.,D(1)D中：n一作业单元的总数量；C加工车间作业单元讠与之间的单位距离的物流搬运成本，当i=j时，C,=0;Uu加工车间作业单元i与j之间的搬运频次，当i=j时,U,=0;D.i-加工车间作业单元与中心点之间的距离，当i=j时,D,=0。约束条件为：Ix-x,(2）式中：x，作业单元i，j 的中心位置到Y轴的垂直距离；，作业单元，的长度。Y一(3)式中：i，作业单元i，j的中心位置到X轴的垂直距离；1l+LL(4)X+2休息时间；72机第40 卷第7 期计设械式中：Lib作业单元i右边界的最小间距1JW(5)+2W1作业单元i放在行上(6)厂ta其他mTia=1(7)式中：m-作业单元划分的总行数。一文中研究的船舶管加工车间布局优化问题中，除了考虑加工车间各作业单元之前的物料运输成本，还需要考虑到作业人员的疲劳强度，建立人员作业疲劳强度指数的目标函数为：min R=10TMSW(8)min R=10IMSW式中：R-一人体疲劳强度指数；T一劳动时间率；S性别系数（男性为1.0,女性为1.3）；M-一8 h工作日的平均能量代谢率；W体力劳动方式系数（搬=1.0，=0.40，推拉=0.05)6约市冬件加工约束条件如下：(9)t+t2式中：搬运物料的作业时间，=加工车间作业单元与之间的搬运速度t+t2=480(10)1,M,I+t2M2M(11)t+t2式中：M,劳动能量代谢率,M,=（RM R+1.2)B；M2一休息时能量代谢率，M,=1.2B；RMR相对代谢率；B-基础代谢率。由于文中研究的对象是船舶管加工车间，考虑到加工车间的具体情况和查阅人因工程人体疲劳强度等相关资料,可以取S=1.0,RMR=5,W=0.05,B=158.7kJ/(min m)综合考虑上述两个目标函数，建立的数学模型为：c,U,D.,+10u,TMSWminW(12)一=式中：ui,u2子目标的权重，满足u，+u,=1。2改进后SPBO算法2.1SPBO算法学生心理优化算法(StudentPsychologyBasedOptimi-zation Algorithm,SPBO)是Bikash等(7 于2 0 2 0 年提出的，是一种模拟学生心理的元启发式智能优化算法,用于解决全局优化问题，算法的提出是受试图在考试中获得高分数的学生心理的启发。算法将学生分为4类：最优等生、优等生、普通学生和尝试提高成绩的学生8-9(1)最优等生。需要付出更多的努力来维持自己在班上最好的成绩，这类学生可以通过式(13)来进行描述：Pert+(-1)*rand (Puma-P,)P(13)Pbestnew式中：P当前某一科目学生的最高成绩；best newPlel某一科目学生的最高成绩；P第j名学生的成绩；随机取1或者2；rand随机数0 1（2)优等生。试图付出比最优等生相同的努力或者更多的努力来提高自己的整体成绩，这类学生可以通过式(14)和式(15)来进行描述：P=Pest+rand (Pest-P,)(14)new.iPPm=P,+rand（Pw -P,)+r a n d （P,-Pmm)(15)式中：P某一科目的平均成绩；meanP一一第i名学生的成绩；P随机选择的某名学生的成绩。new(3普通学生。由于对某些科目不是很感兴趣，在这个科目付出平均努力的同时,将重点放在其他科目，通过对其他科目付出更多努力来得到整体成绩的提升，这类学生可以通过式（16)来进行描述：P=P,+rand:(P,-P.）)1(16)newimean（4)尝试提高成绩的学生。试图对某些感兴趣的科目进行学习来提高整体成绩，这类学生可以通过式（17）来进行描述：Pmin+rand(P,-Pmin(17)Pmaxnewimi式中：P某一科目的最高成绩；maxP某一科目的最低成绩min该算法的优点是数学模型相对比较简单，设置的参数较少，易于编程实现。然而，该算法也存在不足之732023年7 月葛能鹏，等：人因视角下船舶管加工车间设备布局优化研究处，从上述可知，只有式（15）和式（17）属于全局搜索，其余公式属于局域搜索，容易导致该算法全局搜索能力不强，搜索速度慢，易陷入局部最优等问题【10 O2.2改进后SPBO算法基于上述问题，文中对该SPBO算法进行改进，将种群个体进行分类，并根据不同的种群个体采取不同的进化策略。对于最优等生种群个体在进化的时候采取强扰动操作，如图2 所示。邻域扰动算子是随机选择两个基因位M1和M2，然后进行调换位置，这会改变4处的距离，分别是M1位左右距离和M2位左右距离，采用此种策略的好处是可以增强一次的扰动程度，有利于全局搜索MIM2待进化个体：8 52 231236174201911弄2 3 0 16 1412新个体：8 5#2 2202361743119皖1152 3 0 16 1412图2强扰动操作对优等生种群个体和普通学生种群个体在进化的时候采取学习操作，如图3所示，随机选择一个基因位M1=31,再从其他个体找到31这种基因的位置，选择这种基因的左边或者右边2 0 和6 作为学习对象，文中选取左边的2 0,然后，在待进化个体中找到该基因位置，把2 0 移至基因位31的右边，原来31和2 0 之间的基因位按照逆序进行编码，得到新的个体，此种学习操作有利于优等生从最优学生提取编码信息，从而调整自身编码，保证了种群的收敛性，使种群收敛速度更快12 MIM2待进化个体：8 5#2 223201911230161412MIM2其他个体：0 9 111614251520172062318新个体：8 52 232017623430161412图3学习操作对于尝试提高成绩的学生种群个体在进化的时候采取弱扰动操作，如图4所示。邻域扰动算子是随机选择两个基因位M1和M2,且点MI和M2之间的部分被倒置，该扰动操作只会改变两处距离，分别是M1位左距离和M2位右距离。采用此种策略的好处是可以尽量降低一次的扰动程度，有利于局部搜索MIM2待进化个体：8#52 23123617420皖19 112 3 0 16 1412新个体：8#52 220417623311911230161412图4弱扰动操作与其他算法一次调整多处码位后再评估择优的方式不同，该方法采用逐一调整码位、逐一评估和逐一择优的方式，种群收敛效果更好，在大规模数据集下尤为明显。3种进化算子，对任意个体进行多次进化，均可以使个体覆盖整个决策空间，为算法搜索出最优解提供了理论可行性文中提出的改进后的进化策略伪代码如表1所示表1改进后的SPBO进化策略代码算法SPBO进化策略输人：n（待更新的决策变量位号），pop（父代种群），popFitness（种群适应度）输出：newPop(子代种群）1ratioOStudentNum1111;/最优、优、中、差学生人数比例2popSize,Dsize(pop);/种群规模大小、决策变量维度3bestlndividual，b e s t Fi t n e s s 一获取种群最优个体、最优适应度；4rT cumsum(ratioOfStudentNum)/sum(ratioOfStudentNum);/向量的累积和，映射到0 1之间5foril:N/逐一进化个体6r rand();/r为随机数，生成0 1之间的随机小数7if bestlndividual=pop(m,:)/如果是最优等生8newPop(m,:)disturbOperationStrong(bestlndividual,j);/自身强扰动操作9elseifrrT(1)/如果是优等生10newPop(m,:)learnOperation(pop(i,:),bestlndividual,j);/学习操作，向最优等生个体学习11elseifr rT(2)/如果普通学生12rlrandperm(popSize,1);/生成1 N之间的随机整数13newPop(m,:)learnOperation(pop(m,:),pop(rl,:),n);/学习操作，向随机个体学习14else/如果是差等生newPop(m,:)disturbOperationWeak(pop(m,:),n);/自身弱扰动操作15return newPop;/返回子代种群74第40 卷第7 期机计设械文中改进后SPBO算法流程如图5所示开始加载数据，初始化模型初始化种群修复种群评估个体的适应度值Y终止条件最优个体结束YN更新最优个体forj-1:D计算不同层级学生比例学生层级刻芬最优等生优等生普通学生尝试提高成绩的学生自身自身自身向最向自身强扰优秀随机弱动学生学生扰动操作学学习操作操作操作修复种群适应度评估精英策略图5改进后SPBO算法流程图具体步骤如下所示：步骤1初始化参数，确定种群规模popSize、最大进化代maxGen和数据集dataFile；步骤2读取数据集，加载模型，确定决策变量维度D;步骤3根据模型、种群规模popSize初始化种群；步骤4种群修复操作，将不可行解转化为可行解；步骤5根据模型，分别计算种群中每个个体的适应度，先解码后计算；步骤6 循环逐一确定种群待调整的码位J1D），若J=D,转步骤16,否则执行步骤7；步骤7确定种群最优个体、最优适应度；步骤8划分种群中个体类别（最优等、优等生、普通生、尝试提高成绩的学生）；步骤9 若个体是最优等学生，采用强扰动操作调整自身，产生新个体；步骤10 若个体是优等生，与最优个体进行学习操作调整自身，产生新个体；步骤11若个体是普通生，与随机个体进行学习操作调整自身，产生新个体；步骤12 若个体是尝试提高成绩的学生，采用强扰动操作调整自身，产生新个体；步骤13根据模型，分别计算新个体的适应度；步骤14采用精英策略，老个体与其产生的新个体对比，保留适应度高的作为子代种群；步骤15转步骤6;步骤16确定新种群最优个体、最优适应度，并保存；步骤17判定是否达到最大进化代数，如果达到执行步骤18，否则转步骤6；步骤18输出最优个体，解码成结果图并结束3实例分析W船舶制造企业管加工车间设备按照管加工的加工顺序和产品相似性进行布置。车间呈矩形状，长度为6 6 m，宽度为56 m。根据实际生产情况和产品工艺流程，车间内划分为12 个作业单元，具体如表2 所示；作业单元间搬运频率从至表（指从一个工作地到另一个工作地搬运次数的汇总表)如表3所示；其中作业单元i和i+1在X轴方向上的最小距离要求1m；作业单元与左、右边界最小间距要求为0.5m；作业单元i与作业单元k在Y方向最小间距要求为1m；第1行和最后1行作业单元的中心线到边界的距离为1m。表2各作业单元尺寸作业单元序号作业单元名称代号长/m宽/m面积/m1下料区M112121442弯管区M225102503暂存区M320112204检验区1M412121445检验区2M512121446打磨区M612121447管焊区1M710101008管焊区2M814101409管焊区3M9201530010装配区M10201224011成品打磨区M11201530012终检区M121210120752023年7 月葛能鹏，等：人因视角下船舶管加工车间设备布局优化研究表3作业单元间搬运频率从至表作业单元序号作业单元序号1234567891011121025054650000000200016180000000300014150000000400000105500000500000150750000600000010130000700000000006808000000001408609000000000460010000000000046011000000000005812000000000000根据该船舶管加工车间多品种、小批量的生产特点，由专家打分得出目标权重因子u,=0.7,u,=0.3，设定初始种群规模为2 0，迭代次数为10 0，并且采用MATLAB软件使用遗传算法和改进后的SPBO算法分别求解，两种算法优化过程曲线如图6 和图7 所示。从得到的求解数据中可以看出，用遗传算法求解该模型，函数在第52 代开始收敛，目标函数值为9 459.35,对应的运行结果为（12,11,7,10,8,1,4,9,5,2,3,6；使用改进后的SPBO算法进行求解时在第18 代开始收敛，目标函数值为8 18 9.7 4,对应的运行结果为112,11,10,7，8,9,4,5,6,3，1,2，具体对比情况如表4所示。15 000最大适应度14000平均适应度1300012.00011000100009000020406080100代数图6遗传算法优化曲线11500最大适应度11000平均适应度10.5001000095009.0008500800020406080100代数图7改进后SPBO算法优化曲线表4两种算法计算结果对比搬运成本人体疲劳目标函数元强度指数遗传算法15743.0033.869.459.35算法改进SPBO算法13 628.0032.358189.74优化效果/%13.44.513.4由上述结果分析可知,改进后的SPBO算法在该问题模型求解时，效果要优于遗传算法，经过解码得到的车间作业单元布局如图8 所示，各作业单元的位置坐标如表5所示M2M1M3M5M6M4M8M9M7M11M12M10图8车间作业单元布局图表5各作业单元的位置坐标作业单元序号作业单元名称代号横坐标纵坐标所属行1下料区M17.044.042弯管区M226.551.043暂存区M344.532.534检验区1M47.031.0376机第40 卷第7 期计设械续表作业单元序号作业单元名称代号横坐标纵坐标所属行5检验区2M520.039.036打磨区M633.020.037管焊区1M76.019.028管焊区2M821.027.029管焊区3M939.021.5210装配区M1038.07.0111成品打磨区M1119.511.0112终检区M126.07.014结语针对船舶管加工车间设备优化布局问题，在考虑物流搬运成本最小的基础上，提出将人员作业疲劳强度作为目标函数，建立了以物流搬运成本最小和人员作业疲劳强度最低的多目标数学模型。提出一种改进后的SPBO算法对该数学模型进行求解，通过对种群个体进行分类，采用不同的进化策略，保证了种群的多样性，有效地避免了种群早熟和陷人局部最优，提高改进后SPBO算法的收敛速度和全局搜索能力。通过实例验证了所建模型和算法的有效性，也为其他企业的布局规划提供借鉴参考文献1潘薇薇.管路加工车间工艺布局的分析与改进J.科技展望,2 0 15,2 5（7)：115-116.2彭建华，王岳，吕峰，等.基于SLP和遗传算法的船舶管加工车间设备布局设计J.船舶工程，2 0 2 2,44（10）：15-21.3琚晶晶，林锦国.基于改进的GA-SLP生产车间布局规划研究J.现代制造工程,2 0 17,39（11)：12 0-12 4.4葛晓梅，李世豪.基于改进遗传算法的多目标车间布局优化问题研究J.现代制造工程，2 0 2 1,43（3）：10-14.5卢义桢，李西兴，朱传军，等.基于自适应遗传模拟退火算法的多目标车间布局优化J.制造技术与机床，2 0 2 2,7 2(7):173-179.6郭伏，钱省三.人因工程学M.北京：机械工业出版社，2018:130-142.7Bikash D,Mukherjee V,Debapriya D.Student psychologybased optimization algorithm:a new population based optimi-zation algorithm for solving optimization problems J.Ad-vances in Engineering Software,2020,146:102804.8Du Xianjun,Jia Liangliang,Ul Haq Izaz.Fault diagnosisbased on SPBO-SDAE and transformer neural network for ro-tating machineryJ.Measurement,2022,188:110545.9 1Roy Ranadip,Mukherjee V,Singh Rudra Pratap.Model or-der reduction of proton exchange membrane fuel cell systemusing student psychology based optimization algorithm J.International Journal of Hydrogen Energy,2021,46(75):367-378.10 张伟，王勇，张宁.采用混合策略的改进学生心理优化算法J.计算机应用研究,2 0 2 2,39（6）：17 18-17 2 4.11耿宏，段振亚.基于改进SPBO优化算法的飞机气动参数辩识J】.兵器装备工程学报2 0 2 1,42（10）：17 6-18 1.12 翟紫璇.基于李生支持向量机的钢板表面缺陷分类方法研究D.鞍山：辽宁科技大学，2 0 2 2.作者简介：葛能鹏（19 8 7 一），男，工程师，硕士，主要研究方向：车间布局优化研究。E-mail:单武斌（通信作者）（19 8 6 一），男，副教授，博士研究生，主要研究方向：车间布局优化和机械优化研究等。E-mail:shanwubin