[論文レビュー] Balancing parallel assembly lines with disabled workers

Felipe Francisco Bezerra Araújo, Alysson M. Costa+1 more|arXiv (Cornell University)|Apr 4, 2013

Assembly Line Balancing Optimization被引用数 2

ひとこと要約

本稿は、障害を有する作業者が勤務する避難所型職場における並列ライン構成を可能にする、並列アセンブリライン作業員割り当て・バランシング問題（PALWABP）を提案する。混合整数線形計画法と2つのヒューリスティクス（タブー探索およびバイアス付きランダムキー遺伝的アルゴリズム）を提案し、並列ラインが直列ラインと比較してサイクル時間を最大20.95％短縮できることを示した。これにより生産性と職務回転の機会が顕著に向上する。

ABSTRACT

We study an assembly line balancing problem that occurs in sheltered worker centers for the disabled, where workers with very different characteristics are present. We are interested in the situation in which parallel assembly lines are allowed and name the resulting problem as parallel assembly line worker assignment and balancing problem. We present a linear mixed-integer formulation and a four-stage heuristic algorithm. Computational results with a large set of instances recently proposed in the literature show the advantages of allowing alternative line layouts.

研究の動機と目的

• 障害を有する作業者が勤務する避難所型職場におけるアセンブリラインのバランシング課題に取り組むこと。ここには、作業者の多様性と生産性制約が共存する。
• 並列アセンブリライン構成が生産性と労働力統合の向上に与える利点を調査すること。
• 従来のALWABPを並列ラインレイアウトに拡張した新しいPALWABPを解くためのヒューリスティクス手法を開発・評価すること。
• 並列ライン構成がサイクル時間および解の妥当性という観点で、直列ラインと比較して優れた解をもたらすかどうかを評価すること。

提案手法

• 並列アセンブリライン作業員割り当て・バランシング問題（PALWABP）を混合整数線形計画モデルとして定式化し、並列ライン間での作業員-タスク割り当てを最適化する。
• 多様化と強化戦略を用いたタブー探索ヒューリスティクスを適用し、解空間を効率的に探索する。
• 進化的選択を通じて高品質な解を生成・改善するバイアス付きランダムキー遺伝的アルゴリズム（BRKGA）を実装する。
• 両方のメタヒューリスティクスの探索プロセスを初期化および誘導するため、構成的ヒューリスティクスを用いる。
• 局所的改善を探索するため、タスク再割り当ておよびライン間での作業員再割り当てに基づく近傍構造を採用する。
• 既存のALWABPテストケースを基に、144のベンチマークインスタンスを生成し、タスク時間のばらつき、非適合率、先行順序グラフの種別を変化させることで性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 障害を有する作業者を対象とする職場において、並列アセンブリライン構成は、従来の直列ライン設定と比較して、顕著にサイクル時間を短縮できるか？
• RQ2 並列ラインの導入は、多様な作業環境における作業員-タスク割り当ての妥当性および品質にどのように影響を与えるか？
• RQ3 PALWABPにおいて、解の品質および計算効率という観点から、タブー探索とBRKGAのどちらが優れているか？
• RQ4 異なる先行順序グラフ構造（ボトルネック型、チェーン型、ミックス型）は、並列ライン構成の有効性にどの程度影響を与えるか？
• RQ5 提案手法は、割り当ての多様性を高めることで、職務回転および作業者のウェルビーイングの向上を支援できるか？

主な発見

• タブー探索ヒューリスティクスは、解の品質および実行時間の両面でBRKGAを上回り、最良の既知の直列ALWABP解よりも平均で13.76％のサイクル時間短縮を達成した。
• タブー探索法はチェーン型先行順序インスタンスにおいて、全構成の中で最高の68.92％の妥当解を発見し、複雑なタスク依存関係への強い適応性を示した。
• ボトルネック型先行順序グラフでは、タブー探索法が最良の直列解と比較して20.95％のサイクル時間短縮を達成し、最大の改善可能性を示した。
• 列挙法は大規模インスタンスでメモリ制限により失敗したため、PALWABPのスケーラブルな解法にはメタヒューリスティクスの必要性が浮き彫りになった。
• 平均して、並列ライン構成は直列解と比較してサイクル時間を2.67％から6.13％短縮したが、ボトルネック型およびミックス型グラフ構造で最も高い改善が見られた。
• BRKGA法はチェーン型インスタンスで、直列の最良解から-15.64％の偏差を達成したが、タブー探索と比較して著しく長い計算時間（最大498秒）を要した。