买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种基于人员动态装配工时估计的车间人力资源配置优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115907364B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211428738.9，技术领域涉及：G06Q10/0631；该发明授权一种基于人员动态装配工时估计的车间人力资源配置优化方法是由李波;姜楠;洪涛;刘民岷;邓伯孟;刘拾红;张晓军设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本一种基于人员动态装配工时估计的车间人力资源配置优化方法在说明书摘要公布了：本发明公开了一种基于人员动态装配工时估计的车间人力资源配置优化方法，解决现有生产场景下主要基于经验进行人员配置的不精准问题，以及现有研究中以固化的标准装配工时作为人员分配依据的不灵活问题。本发明基于学习、疲劳‑恢复效应理论，估算平均技术水平工人装配过程中的动态工时，获取多级技工相对工作效能；然后构建以最小化装配车间人力资源成本为目标的数学模型；最后从编码方式、惯性因子动态调节方式等方面改进粒子群算法，进行模型求解。

本发明授权一种基于人员动态装配工时估计的车间人力资源配置优化方法在权利要求书中公布了：1.一种基于人员动态装配工时估计的车间人力资源配置优化方法，包括以下步骤： 步骤1：针对各组件，累加在适宜的操作条件下，用合适的操作方法，以平均经验技术水平工人的正常速度完成各工序的劳动时间，得到各组件的理论工时；然后结合学习效应、疲劳恢复效应及人因失误概率，估算平均经验技术水平下的动态装配工时； 步骤2：建立装配车间人力资源成本优化模型，并确定相应约束条件； 步骤2.1：建立目标函数为 其中，表示组件类型编号，；表示负责类组件装配的班组完成应交付组件需要的以日计的时间，a表示班组，表示班组总数，表示工人技能水平编号，，表示各技能水平的工人数量，表示级技能水平工人的日薪； 步骤2.2：约束条件包括 1在节拍交付节点，组件工位现有的累积数目必须达到需求值； 其中，表示第个节拍末组件的累积总产量，表示第个节拍末，装配线对组件的总需求量； 2初级技工不能单独装配； 其中，表示负责类组件装配的班组的人员配置情况，； 3装配每一组件的各班组人员数目具有上下限； 其中，表示组件各工装需配备的人数下限，表示组件各工装需配备的人数上限； 4组件装配所用到的员工数目不能超过生产系统所含有的数目； 其中，表示2级技能水平工人的数量，表示掌握类组件装配技能的级技工的人数，； 步骤3：以中级技能水平人员装配效率为基准，求解各级技能水平人员的效能，以及不同人员组合模式下的组合效能； 步骤3.1：分析组件各工序对于人员配置的需求以及工序的串并行操作情况，结合装配环境限制确定各组件装配人数的上下限； 步骤3.2：用学习曲线模拟人员技能水平变化，并根据经验对学习曲线进行分段，分割点代表由初级技工升至中级技工所需积累的产量，分割点代表升至高级技工所需积累的产量； 步骤3.3：以表示各级技工与中级技工的动态效能比，公式如下： 步骤3.4：计算出各级技工以中级技工为基准的装配效能； 其中，表示级技能水平工人的装配效率； 步骤3.5：根据各装配作业的特点，由单人并行完成作业内容的工序，随人员数目增加，效能累加；由单人串行完成作业内容的工序，效能为所分配人员的效能均值；需协作串行完成作业内容的工序，随人员数目增加，效能累加后除以协作必须的人数； 步骤4：从自适应惯性因子与动态粒子编码方面改进粒子群算法，并采用改进算法求解人力资源成本优化模型； 步骤4.1：计算各组件的值； 步骤4.2：设定粒子群算法各参数的值、产品目标产量、装配线开工条数、迭代层次、各层的迭代次数以及各级技工数量； 步骤4.3：初始化各组件的班组数目； 步骤4.4：初始化粒子群，各粒子的位置与速度均以二维数组形式表示； 步骤4.5：通过步骤3.5所述的组合效能求解方式与具体组件工序类型的理论工时占比，解算该具体人员分配模式下装配组件的动态工时； 步骤4.6：计算粒子适应度值，适应度值是目标函数值与三个惩罚项的和； 步骤4.7：针对每一粒子，将其适应度值与其经过的最好位置作比较，如果更好，则将其作为当前的最好位置； 步骤4.8：将所有粒子的历史最优位置与粒子群全局最优位置作比较，若比更好则，采用更新，否则不更新；累计适应度值保持不变的次数，并将其作为寻优次数； 步骤4.9：判断是否达到跳转条件，跳转条件为：迭代次数达上限；若未达到跳转条件，则执行步骤4.10；否则执行步骤4.11； 步骤4.10：更新各区域中各粒子的位置与速度，返回步骤4.5，其中，惯性因子由中的惩罚项值、算法迭代次数及种群整体最优解持续不变的次数共同决定： 在惩罚项值不为零时，说明粒子距离目标位置的距离尚远，因而全局寻优为粒子的主要工作，此阶段粒子保持最大的惯性因子；当惩罚项值为零后，粒子应随着目标函数值的减小逐步加强局部搜索能力，如果粒子群持续多次搜索得到的最优位置不变，考虑粒子群已到达全局最优位置，或者陷入局部最优位置，此时恢复惯性因子的全局搜索能力，为粒子获取一个跳出局部最优的突变速度；即： 当时，，为在当前层中的迭代次数，为当前层的总迭代次数，为设定的种群整体最优解持续不变的次数上限；否则，当时，激活粒子的全局搜索能力，令： ，其中； 步骤4.11：判断位置处的惩罚项之和是否为0，若是则输出，退出程序，得到的即为最优的人力资源配置；否则根据时间惩罚项扩大粒子长度，增加组件对应的班组数目，返回步骤4.4，进行新一轮解算。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。