一种基于知识的协作式变量邻域搜索方法，用于考虑预防性维护场景的能源意识型机器人混合模型双面装配线平衡问题

《Expert Systems with Applications》：A knowledge-based collaborative variable neighborhood search for energy-aware robotic mixed-model two-sided assembly line balancing considering preventive maintenance scenarios

　　赵连鹏|唐秋华 教育部冶金设备与控制技术重点实验室，武汉科技大学，武汉，430081，中国 **摘要** 为了降低高人机工程风险和劳动力成本，机器人被用于替代工人执行装配任务。在机器人混合模型双面装配线上，预防性维护（PM）活动会导致生产中断和可用站点的产能浪费。为了解决这个问题，需要根据特定场景制定可互换的任务分配方案。同时，随着能源意识的提高，机器人分配和任务分配需要共同考虑以减少能源消耗。然而，尚未研究考虑预防性维护场景的能源意识型机器人混合模型双面装配线平衡问题（ERMTALBP-PM）。因此，本文提出了一个混合整数线性规划模型，以同时最小化周期时间、能源消耗和任务调整。此外，还定制了一种基于知识的协作变量邻域搜索（KCVNS）方法。具体来说，设计了一种基于空闲时间减少的解码机制，以实现具有最小周期时间的方案。提出了一种基于隐性关系的初始化方法，以获得高质量的初始解。基于关键机器人、站点和任务开发了两种邻域结构，以获得具有更好目标的邻居节点。此外，还设计了一种基于多领域知识的重启操作符，以摆脱局部最优解。实验结果表明，KCVNS在实现帕累托前沿方面优于其他先进的元启发式算法，具有更好的收敛性和多样性。 **引言** 为了解决日益增长的个性化需求，大规模定制（即按订单生产个性化产品，同时保持大规模生产的效率）在制造业中得到了越来越多的应用（Da Silveira, Borenstein, & Fogliatto, 2001）。在生产大型和高产量产品（如汽车、建筑机械和航空航天部件）时，混合模型双面装配线被用来组装属于同一产品系列的多种产品模型（Delice, K?z?lkaya Aydo?an, ?zcan, & Mehmet S?tk?, 2017）。在这种装配线上，站点成对安装在传送带的两侧，L型任务必须在左侧站点完成，R型任务需要在右侧站点完成，E型任务可以在任意一侧的站点处理。这种独特的布局和配置减少了生产线长度和物料运输时间，不仅显著提高了生产效率，还快速响应了多样化的订单需求。 在实践中，所有涉及的产品模型的任务都具有一定的可选方向、优先关系和不同的处理时间，这些任务需要尽可能均匀地分配到可用站点。这种具有特定目标（如周期时间、站点数量和平滑度指数）的分配行为就是混合模型双面装配线平衡问题（Yuan, Zhang, Shao, & Jiang, 2015b）。值得注意的是，?zcan & Toklu（2009）首次在2009年将这个问题构建为数学模型。自那时起，混合模型双面装配线平衡问题引起了工业界和学术界的广泛关注，并出现了一系列该问题的变体应用。 具体来说，在原始混合模型双面装配线平衡问题的基础上，Kucukkoc & Zhang（2016b）和Zhang & Kucukkoc（2013）考虑了并行多条生产线的配置，以提高生产灵活性。Kucukkoc, Li, Karaoglan, & Zhang（2018）将地下站点纳入考虑范围，允许在装配线上的半成品下方执行任务。Yang & Cheng（2020）考虑了前向和后向设置，以适应不同的工作条件。Li, Zhang, Tian, Shao, & Li（2016a）增加了额外的约束条件，包括分区、同步和位置约束，使问题更加现实。Fattahi, Samoei, & Zandieh（2016）关注多技能工人的分配，以在给定周期时间内降低总人力成本。 上述研究主要集中在处理特殊约束或变量上，并为混合模型双面装配线的有效运行提供了理论支持（Huang, Mao, Fang, & Yuan, 2022）。在传统制造业中，混合模型双面装配线的运行主要依赖于装配工人（Li, Janardhanan, Tang, & Ponnambalam, 2019）。然而，生产效率受到人为因素（如装配工人的体力、疲劳、熟练程度和技能水平）的限制，难以进一步压缩周期时间和提高装配精度（Zhang, Tang, & Zhang, 2019）。此外，随着劳动力成本和安全生产要求的提高，传统制造业向自动化制造业的转型正在推进（Chutima, 2022）。 由于机器人具有高精度和稳定性，它们可以快速适应复杂且危险的装配任务，并且负载波动较小，从而有效确保每个产品模型质量的一致性（Cao et al., 2024）。因此，为了降低劳动力成本和避免人机工程风险，部分或全部用机器人替代了装配工人，机器人混合模型双面装配线变得越来越流行。然而，机器人的广泛使用不可避免地会导致能源消耗增加和电力成本上升（Belkharroubi & Yahyaoui, 2022）。随着能源意识的提高，这个问题需要得到认真关注和积极解决。 在机器人混合模型双面装配线上，由于机器人的类型、使用寿命和性能可能不同，机器人单位时间的能源消耗和处理相同任务所需的时间也可能不同（Li, Tang, & Zhang, 2016b）。因此，需要制定所有产品模型的机器人和任务的操作方案。具体来说，在满足必要的约束条件（如可选方向、优先关系和周期时间约束）的情况下，需要共同确定这些机器人和任务，以提高生产线效率和降低能源消耗。这一联合决策过程就是机器人混合模型双面装配线平衡问题。 目前，关于机器人混合模型双面装配线平衡问题的研究仅有五篇。具体来说，Aghajani, Ghodsi, & Javadi（2014）首次提出了这个问题并进行了求解。在此基础上，Aslan（2023）考虑了实际场景中任务之间的顺序依赖设置时间。Huang, Sheng, Fu, Luo, & Lu（2024a）将设置时间和多个额外约束条件结合起来，使问题变得更加复杂。