考虑操作员任务缺陷率的多目标NSGA-II装配线工人分配与平衡问题

《Scientific African》：A Multi-Objective NSGA-II for Assembly Line Worker Assignment Considering Operator Task Defect Rate

　　

为应对日益增强的市场波动性与严格的质量要求，制造商必须在提高生产率的同时确保可靠的产品质量。研究人员提出将操作员任务缺陷率（Operator Task Defect Rate, OTDR）显式集成到装配线工人分配与平衡问题（Assembly Line Worker Assignment and Balancing Problem, ALWABP）中。研究人员构建了一种多目标模型（multi-objective formulation），通过将依赖于工人的缺陷率（worker-dependent defect rates）纳入任务分配决策，同时优化工作站利用率（workstation utilization）、节拍时间（cycle time）和质量绩效（quality performance）。为求解所提出的多目标ALWABP（MO-ALWABP），研究人员开发了一种增强型NSGA-II算法（enhanced NSGA-II algorithm）。通过计算实验并与CPLEX进行比较，评估了所提方法的性能。结果表明，所提NSGA-II在获得具有竞争力的解质量（solution quality）的同时，能够生成多样化的帕累托最优解（Pareto-optimal solutions），并具有令人满意的收敛行为（convergence behavior）。通过将依赖于工人的质量信息集成到任务分配决策中，所提框架为求解质量敏感型装配线平衡问题（quality-sensitive assembly line balancing problems）提供了一种有效方法。

研究背景与问题：随着自动化与数字化发展，制造业仍大量依赖人工劳动。人工具有灵活性和适应性，但个体局限性可能导致错误并威胁产品质量；工人绩效还会受疲劳、重复单调任务和动机变化等影响而波动。工人技能、经验和感知体力存在异质性，使人工装配系统中的任务分配与平衡更复杂。传统长期策略难以灵活响应劳动力构成变化，因此有必要将人的因素纳入生产系统设计。装配线平衡问题（Assembly Line Balancing Problem, ALBP）涉及在满足优先约束下将任务分配到工作站以降低空闲时间和工作站数量（M_w），但仅关注节拍时间（C）可能忽视任务执行质量。装配线工人分配与平衡问题（Assembly Line Worker Assignment and Balancing Problem, ALWABP）进一步考虑工人异质性，使任务处理时间依赖被分配工人的技能水平，属于NP-hard问题并常以多目标优化（Multi-Objective Optimization, MOO）建模。现有研究虽关注工人异质性和质量因素，但质量多作为独立目标或绩效指标，未充分显式刻画工人—任务组合对缺陷产生的影响；加工时间异质性常以生产率、成本或技能建模，其与缺陷率的直接联系仍研究不足。基于此，研究人员提出将操作员任务缺陷率（Operator Task Defect Rate, OTDR）显式集成到ALWABP中，以同时优化工作站数量、节拍时间和缺陷率。

研究内容与意义：研究人员构建了MO-ALWABP多目标模型，目标为最小化工作站数量Z₁、节拍时间Z₂和全线累计操作员任务缺陷率Z₃；约束包括每个任务唯一分配、每个活动工作站仅分配一名工人、每名工人至多分配一个工作站、工作站负荷不超过节拍时间、任务优先关系以及工作站激活一致性等。OTDR由历史生产数据估计，并作为确定性的工人—任务参数用于战术级装配线平衡决策。为求解该模型，研究人员开发增强型NSGA-II（Non-dominated Sorting Genetic Algorithm II，非支配排序遗传算法II），通过构造式解码与基于OTDR的质量感知工人分配策略，将缺陷相关信息直接纳入解构造过程。研究结论表明，所提方法在测试实例上可生成多样化帕累托最优解，并在重复运行中表现稳定；与CPLEX比较，NSGA-II获得有竞争力的解质量、较好的收敛与多样性。其意义在于将工人相关质量信息纳入任务分配决策，为质量敏感型装配线平衡提供规划级决策框架。

关键技术方法（不超过250字）：研究人员建立多目标混合整数规划模型，并设计增强型NSGA-II：采用整数任务排列编码，遗传算子仅作用于任务序列；构造式初始种群并解码为工作站组；对每个活动工作站，在满足C_ref的可行工人集合中选择使累计∑Q_wi最小者，实现质量感知贪心分配；采用优先保持交叉（Precedence-preserving crossover, POX）和破坏变异（scramble mutation），结合非支配排序与拥挤距离选择；以CPLEX为基准，采用HV和IGD等指标评价。无样本队列；实验数据为随机生成，T_i取[7,20]分钟，t_wi围绕T_i有限变异，缺陷率取[0%,10%]，参数范围参照ALBP文献设定。

研究结果：
Experimental setup and performance analysis of NSGA-II：通过参数调优并在不同N、S、W规模实例上运行NSGA-II，得出算法可在测试实例上生成帕累托解，且随规模增大计算时间增加；目标Z₁、Z₂、Z₃的均值、最优值和最差值随世代改善，第一帕累托前沿个体数增加、平均拥挤距离增大，HV上升，S_pr增大、S_pa下降、唯一解数增加，表明收敛性与多样性均改善。
Comparative analysis of the computational performance and solution quality of NSGA-II and CPLEX：通过NSGA-II与CPLEX对比，得出NSGA-II在测试实例中生成的帕累托解数量略多，但计算时间更长，且规模越大时间差越明显。
Computational efficiency and scalability：通过多规模实例比较，得出NSGA-II虽计算成本较高，但能在不同问题规模下保持生成高质量帕累托前沿的能力；结果体现解质量与计算时间之间的权衡。
Solution quality and Pareto front analysis：通过目标值演化、帕累托前沿多样性分析、30次独立运行统计以及HV和IGD比较，得出NSGA-II在各实例中IGD更低、HV更高，解集多样性较好，且均值、标准差和置信区间显示性能稳定；帕累托解差异反映工人异质性对生产率和质量组合的影响。

讨论与结论翻译：讨论部分表明，所提模型在测试条件下可同时改善效率与质量目标，Z₂降低关联于吞吐量和资源利用改善，Z₃降低关联于产品可靠性提高及返工和检验成本降低；帕累托前沿多样性为决策者提供多种权衡方案。算法在收敛与多样性之间取得平衡，30次独立运行结果较稳定。但研究属于受控实验条件下的初步验证，实例为小中型规模；OTDR作为确定性规划参数，捕捉疲劳、学习、重复和负荷变化的平均效应，但未显式建模短期随机或状态依赖行为。未来需开展更大规模基准、其他元启发式比较、工业案例以及OTDR敏感性分析和随机扩展。研究结论翻译：尽管工业自动化持续扩展，许多制造系统仍高度依赖人工劳动，尤其是需要灵活性和决策的任务；人的绩效常受疲劳、单调和动机变化影响，可能导致生产率下降和质量波动。为应对该挑战，本研究提出将OTDR集成到ALWABP中，使质量考虑纳入优化过程。研究人员建立了多目标数学模型，以工作站利用率、节拍时间和缺陷率优化任务分配与工人配置，并用增强型NSGA-II求解。计算结果表明，所提方法在测试实例上生成多样化帕累托最优解，并在重复运行中表现稳定。将历史OTDR值作为确定性规划级参数，可将工人质量绩效纳入分配决策；该抽象捕捉疲劳、学习、重复和工作负荷变化的平均效应，但不显式建模短期随机或状态依赖行为。在该设定下，小中型实例实验表明，与CPLEX相比，所提方法在解质量和多样性方面具有竞争性能。这些发现表明，所提框架对质量敏感型装配线平衡具有重要贡献，并为在更大规模和工业环境中进一步验证提供基础。未来研究可集中于与其他元启发式基准比较、更大实例和现实平衡的工业案例研究，并通过敏感性分析和随机扩展探索OTDR变异性，以更准确反映疲劳、学习效应和工作负荷动态。