Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuçlar, yaklaşımımızın ergonomik risk kısıtlamaları altında gerçek hayattaki makine çizelgeleme problemleri açısından umut verici olduğunu göstermektedir.
📌 3 Maddede Bu Makale
Özet
Bu çalışmada, tamamlanma zamanı minimizasyon problemine (MMP) farklı iş bozulma oranları ile pozisyona bağlı öğrenme oranları dâhil edildi. Çalışanların maruz kaldığı fiziksel iş yükleri ve ergonomik tasarım riskleri göz önünde bulunduruldu. Uygun olmayan duruşları, faaliyet kuvvet seviyelerini, malzeme taşıma ve üst uzuv yüklenmelerini değerlendirmeyi mümkün kılması nedeniyle, Avrupa Meclisi Çalışma Sayfası (EAWS) bir risk değerlendirme yöntemi olarak seçilerek risk bozulma oranını belirlemesi için kullanıldı. İmalat sektöründeki bir şirkette 10 montaj işi için EAWS risk değerlendirmeleri yapıldı. İşe bağlı risk bozulması ve pozisyona bağlı öğrenme etkisi ile tamamlanma zamanı minimizasyon probleminin En Küçük Bozulma Kuralı (SDR) ile temel işlem zamanı yerine genel işlem zamanı kullanılarak en iyi şekilde çözülebileceği kanıtlandı ve sayısal örneklerle gösterildi. Sonuçlar, yaklaşımımızın ergonomik risk kısıtlamaları altında gerçek hayattaki makine çizelgeleme problemleri açısından umut verici olduğunu göstermektedir. Bu makalenin literatüre katkısı, EAWS ile kas-iskelet bozukluğu risklerinin modellenmesi ve bozulma oranlarının ilk kez hiperbolik tanjant fonksiyonu ile hesaplanmasıdır. Ayrıca, tamamlanma zamanı minimizasyon probleminin En Küçük Bozulma Kuralına göre en iyi şekilde çözülebileceği kanıtlanmış ve sayısal olarak gösterilmiştir. Gelecekteki çalışmalarda paralel makine çizelgelemesi ya da ergonomik risk değerlendirmelerinde farklı bozulma fonksiyonları kullanılabilir.
Abstract
In this study, different job deterioration rates with the position dependent learning rates were included in makespan minimization problem (MMP). Physicalworkloads and ergonomic design risks that the employee is exposed were considered. The European Assembly Worksheet (EAWS) was selected as a riskevaluation method and employed for determining risk deterioration rate, since it makes possible to assess awkward postures, action forces levels, material handlingsand repetitive load of the upper limbs. EAWS risk assessments were made for 10 assembly jobs in a company in the manufacturing sector. It was proved andnumerically shown that makespan minimization problem with job dependent risk deterioration and position dependent learning effect can be optimally solved bySmallest Deterioration Rule (SDR), only if common process time is used instead of basic process time. The results show that our approach is promising in terms of real life machine scheduling problems under ergonomic risk constraints. The contribution of this paper to the literature is the modeling musculoskeletal disorderrisks with EAWS and calculation of deterioration rates by a hyperbolic tangent function for the first time. Furthermore, it was proved and numerically shown that makespan minimization problem can be optimally solved with SDR. As a future work, parallel machine scheduling or different deterioration functions could be employed for the ergonomic risks evaluations.