《ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING》：Balancing productivity and safety: a risk-aware framework for human-robot collaborative workflows
编辑推荐：
•基于 CP 的 HRC-ALBP 将 PFMEA 风险指标与人机任务规划相结合。•双目标模型共同优化周期时间和聚合失效风险。•安全约束防止工作站中人机协作的不安全并发。•均衡的技能和协作机器人配置可产生更优的 CT-ARPN 性能。•该框架为人机协作线架起了风险评估与战术决
- •
基于 CP 的 HRC-ALBP 将 PFMEA 风险指标与人机任务规划相结合。
- •
双目标模型共同优化周期时间和聚合失效风险。
- •
安全约束防止工作站中人机协作的不安全并发。
- •
均衡的技能和协作机器人配置可产生更优的 CT-ARPN 性能。
- •
该框架为人机协作线架起了风险评估与战术决策之间的桥梁。
引言
在现代制造系统中，将协作机器人（cobots）集成到装配线中越来越受到追求，以提高生产力和操作灵活性 [[1], [2]]。然而，人机协作（HRC）也带来了独特的挑战，特别是在任务分配和调度决策中平衡效率和安全方面 [3]。在协作工作站中，人机之间的物理屏障被移除，以便在共享工作空间中进行直接交互。尽管具有优势，但这种环境并非没有风险，因为人机之间意外的碰撞或接触可能会造成危险情况，并对操作员安全和流程连续性产生负面影响 [4]。
为了应对这些挑战，制造商主要依靠安全标准、操作员培训和先进的传感技术来进行危害预防和实时监控 [5]。这些做法至关重要，但它们主要在设计或运营层面运作。在设计层面，ISO 10,218 和 ISO/TS 15,066 等安全标准规范了协作工作空间布局、协作机器人集成要求和一般安全条件。在运营层面，监控和控制系统通过轨迹适应、速度调整和时间表修改来被动检测和缓解危害 [6,7]。相比之下，战术决策层面（在此层面进行任务到工作站的分配和资源分配选择）从安全风险角度来看受到的关注要少得多。然而，不适当的战术决策可能在运营开始之前就造成不安全或容易发生故障的配置。因此，仅依靠设计阶段的保护措施或运营监控可能会导致增加成本和降低生产力的被动纠正，留下了主动规划方面的关键空白 [8]。
这一差距在人机协作装配线中变得更加重要，因为任务分配决策的后果超出了周期时间。根据执行模式，任务可能涉及不同的失效模式和不同的安全、时间、质量和性能后果 [9]。当任务特征的变异与操作员熟练度和协作机器人运行速度的差异相结合时，这些风险变得更加难以管理。尽管如此，文献中大多数的人机协作装配线平衡问题（HRC-ALBPs）仍然主要关注传统的性能指标，如周期时间、工作站数量或成本，而将结构化的任务失效风险明确集成到战术平衡决策中仍然非常有限。尽管过程失效模式与影响分析（PFMEA）已被用于评估协作系统中的风险，但其输出很少被转化为战术装配线平衡模型中的优化参数。因此，文献中仍然缺乏一种战术 HRC-ALBP 框架，该框架能将失效风险评估直接集成到平衡决策中，同时考虑到异构的操作员技能和协作机器人运行条件。
为填补这一空白，本文提出了一种基于约束编程（CP）的 HRC-ALBP 模型，将任务失效风险直接纳入周期时间优化框架中。该模型采用受 PFMEA 启发的方法来量化分配给工作站的潜在失效风险，由替代风险优先数（ARPN）表示，并将其与周期时间（CT）共同最小化。ARPN 反映了任务处理失效对安全、时间、质量和性能的影响，从而在平衡决策中捕捉更广泛的人机协作相关风险。与主要关注设计阶段安全评估或动态运营控制的现有研究不同，所提出的框架将失效风险信息直接嵌入到战术任务和资源分配决策中。
该模型涵盖了九种可能的任务执行模式，代表三个级别的操作员熟练度（初学者、中级/受过训练和专家）、三个级别的协作机器人速度（低、中和高）以及由操作员和中等速度的协作机器人执行的三种协作执行替代方案。尽管之前的 HRC-ALBP 研究考虑了不同的人类技能水平 [10,11]，但它们通常假设协作机器人任务具有单一的执行时间，因为协作机器人通常被建模为出于安全原因以减速运行。因此，与协作机器人速度相关的替代方案往往被忽视。本研究通过明确考虑协作机器人速度替代方案以及操作员熟练度水平，扩展了现有的 HRC-ALBP 文献。此外，引入了一种安全感知约束，以控制在潜在高风险场景下的并行操作，例如协作工作站中存在初学者级别的操作员。通过这种方式，该模型同时解决了生产力和安全问题，并反映了不同的人机任务组合的敏感性。
因此，本研究的目的是为 HRC 装配线开发一个战术决策支持框架，该框架共同解决生产力和任务失效风险问题。更具体地说，本文研究了装配线平衡决策如何结合失效风险信息，以便人机协作线在不同的操作员技能和协作机器人运行条件下既保持高效又更安全。
因此，本研究的主要贡献如下：
- 它提出了一种新颖的受 PFMEA 启发的 HRC-ALBP 模型，将失效风险评估直接嵌入到战术装配线平衡决策中。
- 它开发了一种双目标基于 CP 的优化框架，同时最小化周期时间和累积任务失效风险效应。
- 它纳入了异构的操作员熟练度水平和不同的协作机器人速度设置，与大多数现有的 HRC-ALBP 研究相比，能够实现更丰富的执行替代方案表示。
- 它引入了一种安全感知的并行任务约束，当可能出现严重的安全后果时，防止不安全的协作任务分配。
本文其余部分组织如下。第 2 节提供了人机协作（HRC）背景下装配线平衡问题（ALBPs）的文献综述，特别强调了促使集成任务失效风险和周期时间最小化的可靠性和安全挑战。第 3 节描述了问题假设并概述了提出的优化模型框架。第 4 节详细介绍了数值实验采用的参数设计程序。第 5 节展示并分析了实验结果，突出了主要发现并讨论了所提出模型的主要局限性。第 6 节为决策者提供了结果的管理启示和实际意义。最后，第 7 节总结贡献和成果并提出了未来研究的前进方向，从而结束了本文。
章节摘要
文献综述
在工业 4.0 和工业 5.0 的背景下，装配系统中的人机协作（HRC）日益受到关注，因为它承诺更高的灵活性、改进的生产力以及对产品多样性的更大响应能力。同时，协作装配引入了与安全、可靠性和协调相关的新挑战，因为人类工人和协作机器人共享工作空间、任务，在某些情况下还共享执行时间。Berx 等人 [8] 确定了 254 项 HRC 特定风险
人机协作装配线平衡 (HRCALB)
HRCALB 问题研究了一种根据人类操作员和机器人的能力寻找最佳工作站并将任务分配给工作站的适当方法，考虑到这些工作代理的可用性。平衡决策通常将装配线布局配置、任务要求和劳动力特征作为问题约束，同时满足某些目标。图 1 说明了假设的装配线，包含可用劳动力、待分配的任务
实验设计
数值实验服务于两个主要目的，与平衡风险和周期时间的主要研究目标一致。首先，它们分析不同系统配置下的模型行为和结果，突出生产力 - 风险权衡如何随操作员技能水平、协作机器人集成程度以及目标函数中周期时间和风险的权重而变化。这种分析表明，将协作机器人分配给装配线的所有工作站并
结果分析与讨论
第 4 节中设计的数值实验的输出在此详细呈现。所有示例均在 Python 环境中实现，并使用配备 16GB RAM 的 Intel Core i7 笔记本电脑上的 OR-Tools CP-SAT 求解器求解。求解模型的时限设置为 14,400 秒，这足以找到所有测试实例的解。作为默认设置，CP-SAT 按顺序探索潜在解决方案，不在解空间的不同方向上并发搜索。因此，我们
管理启示
数值实验证实，在人机协作装配线平衡问题（HRC-ALBP）中，生产力和操作风险是不可分割的；优化一方通常涉及对另一方的让步。周期时间（CT）最小化和 ARPN 减少争夺优先级，平衡点最终取决于管理偏好和风险承受能力。通过嵌入一个限制并行安全效应组合严重性的安全严重性约束
结论与未来研究
本研究引入了一种新颖的基于约束编程（CP）的优化框架，用于人机协作装配线平衡问题（HRC-ALBP），集成了受 PFMEA 启发的风险指标，并适应了不同的操作员熟练度水平以及多种协作机器人运行速度。通过共同优化周期时间（CT）和聚合替代风险优先数（ARPN），该模型提供了一种结构化手段来评估生产力和
CRediT 作者贡献声明
Mahboobe Kheirabadi: 写作 - 审阅与编辑，写作 - 原稿，可视化，验证，项目管理，方法论，调查，形式分析，数据整理，概念化。 Samira Keivanpour: 写作 - 审阅与编辑，验证，监督，资源，项目管理，资金获取，概念化。 Jean-Marc Frayret: 写作 - 审阅与编辑，验证，监督，项目管理，概念化。 Yuvin Chinniah: 验证，
Mahboobe Kheirabadi|Samira Keivanpour|Jean-Marc Frayret|Yuvin Chinniah
