虚拟现实辅助装配人机功效实时评价

第1章 虚拟现实辅助可装配性关键技术 从18世纪60年代**次工业革命开始，工业生产至今已经过了两百多年的发展，从*开始的家庭小作坊生产，到后来大规模流水线生产，再到如今全球化生产，工业产品的设计原则、设计方法、生命周期管理等概念经历了多次蜕变。工业产品的设计方法也由*开始的经验设计，转变为后来的规范化、公理化设计，发展到如今的面向产品生命周期各环节设计（design for X，DFX）的全生命周期设计。由此可见，产品生命周期的各个环节对产品的性能、成本和可用性均有重要的影响，需要在产品设计前期加以考虑。 装配是产品生命周期中至关重要的环节之一。零件可装配性（assemblability），虽提高了单个零件的制造复杂度和产品总成本，但提高程度远低于不考虑产品可装配性而导致的装配复杂度和产品总成本的提高。但由于设计理念、方法、工具的不统一，“抛墙”式设计仍然存在，无法在产品设计初期对产品全生命周期的可装配性进行全面考虑。 1.1可装配性概念及评价方法 可装配性是产品的一种固有特性。通常来说，可装配性被定义为产品从分离的零件或组件组装成具有功能性整体的难易程度[1，2]。根据Boothroyd等[1]的定义，可装配性的测量对象——装配（assembly）定义为将分离的组件或零件匹配或连接在一起，包含零件的操作（handling）与零件的插入（insertion）两个部分。Samy等[3]及Sinha等[4，5]在Boothroyd等的装配操作定义的基础上，增加了对系统结构的考虑，建立了考虑零件复杂度、零件之间作用关系复杂度以及系统拓扑复杂度的产品装配复杂度模型。Alkan等[6]通过模型计算证明了装配复杂度与装配任务难度的线性正相关关系，即装配复杂度越高，装配越难完成。因此，可装配性在系统层级的维度上，可分为零件固有特性导致的可装配性、零件之间的作用关系导致的可装配性，以及产品结构导致的可装配性。 装配对应的逆操作为拆解（disassembly），即将零件从完整功能产品上拆卸下来，从而也衍生出描述产品拆解难易程度的量度——可拆解性（disassemblability）。可拆解性同样是产品的一种固有特性。可拆解性与可装配性有很强的对偶性，往往将二者合为一个特性进行研究[1，5，6]。 在产品的全生命周期中，装配和拆解不仅发生在产品的制造过程中，也会影响后期的维护和修理[7]过程。产品可维护性（maintainability）通常定义为，在规定维护和维修等级，采用规定方法和资源，由专业技术人员进行保养或恢复到一个特定的状态所需要的时间和资源的相对容易性和经济性[8]，也涉及产品的拆解和再装配。许多学者在分析产品的可维护性时，根据可装配性与可拆解性的定义与内容对可维护性进行测量和评价。鉴于产品可装配性、可拆解性与可维护性在定义与内容上具有相当高的重叠性，本书将狭义的可装配性定义为描述产品生产环节中由零件组装成具有完整功能的总成的难易程度，而广义的可装配性定义为全生命周期中产品装配与拆解的难易程度。本书的研究对象面向广义的可装配性。 1.1.1可装配性影响因素 影响产品可装配性的因素有许多。Boothroyd等[1]在装配设计的指导建议中，提出影响手工搬移零件时间的因素有零件的大小、厚度、重量、连接方式、缠连情况、易碎性、柔性、表面光滑度、表面黏性、是否需要双手操作以及是否使用工具抓取等。影响手工插入和紧固时间的因素有装配位置的可达性、装配工具的易操作性、装配位置的可见性、装配过程的易对齐性和自定位性以及装配行程等[9]。Alkan等[6]与Samy等[3]以Boothroyd等的理论为基础，从零件操作属性、零件匹配属性以及系统结构三个方面计算装配复杂度来评价产品的可装配性。Diaz-Calderon等[10]从工具可达性、可操作性与手部空间三个方面对装配任务的难度进行评价，以获得产品的可装配性。顾寄南等[11]将影响产品可装配性的因素分为三类：**类为零件自身对可装配性的影响，如零件的输送、零件的装配方向辨认与零件的抓取和操作难度等；第二类为装配工艺对可装配性的影响，如装配顺序、装配路径和装配工位等；第三类是装配资源对可装配性的影响，如装配工位布局、装配夹具的类型等。Hsu等[12]通过评价产品的每个组件在装配过程中的可达性来评估产品的可装配性。Mall等[8]提出影响装配的因素有三种，分别是装配设计（结构、材料、零件数量、形状等）、装配任务（连接操作、装配操作等），以及装配系统（工作场地布局、工具、工人和工装等）。其中，在对装配任务的影响因素进行评估时，主要考虑了装配工具的可达性与装配困难度（多连接点装配、视觉障碍和空间障碍等）。 随着人本思想的发展，工人在工作过程中的身体健康状况得到了更多的关注。工人不自然的工作姿势和危险的动作会导致工人骨骼肌肉失常[13]。人机功效欠佳的工位布置也会对生产力、产品质量、成本带来极大的负面影响[14]。在生产过程中，人机功效逐渐纳入产品设计的考虑范围。周凤等[15]将人机功效引入产品可装配性评价体系之中，从人机功效角度考虑将影响产品可装配性的因素分为装配特性因素（装配路径可达性、装配空间、操作工具和可视性）、生理疲劳特性因素与心理疲劳特性因素三个方面。户艳等[16]从视觉因素、舒适度以及能量消耗三个方面考虑了人的因素对产品装配效率和装配性能的影响。Peruzzini等[17]基于认知工程学和Norman交互心理模型[18]，从身体负荷与认知负荷两个角度出发，提出了一种以人为中心的工位设计的人体工程学评价标准。 基于上述分析，本书将产品的可装配性影响因素归为零件属性、装配关系、系统属性与人的因素四个部分，分类如图1.1所示。需要注意的是，Alkan等[6]和Samy等[3]的可装配性分析模型将可达性、可视性归类到零件间的交互作用因素，认为可达性与可视性是影响零件之间作用效果的因素。早期的零件可视性与可达性度量也只从产品构型与装配设计的角度进行建模[6，12]，但零件在装配过程中的可视性与可达性，不仅取决于产品构型与装配设计，还取决于人体生理结构与姿态等因素。若仅考虑零件在装配体中的结构可视性与可达性，忽略人体生理结构的限制，则会导致装配路径无法满足人体生理结构的要求。随着虚拟现实技术的发展，人体全身运动的仿真精度得到较大提高，从人体生理结构角度分析产品装配的可视性与可达性更加符合真实情况。出于上述考虑，本书将零件装配的可视性与可达性归类于人的因素范畴，与舒适度、人体姿态等人机功效因素共同分析。 图1.1产品可装配性影响因素分类 1.1.2可装配性评价方法 在早期面向装配设计（design for assembly，DFA）时，产品的可装配性评价是公理化定性评价。在Boothroyd[19]的DFA方法中，产品的可装配性通过三条原则进行优化。De Fazio等[20]从装配特征的属性、匹配关系等角度分析了产品的可装配性，提出了基于装配特征的产品装配设计规范。Warnecke等[21]则提出了一种面向装配的设计流程，在流程的每个环节中均有设计规则，作为设计者检索零件装配设计不足的参考。这种公理化定性评价的方法主观性较强，需要设计者具备丰富的设计知识与经验，难以反映产品的相对可装配性。 后来的学者开始采用量化的方法表示产品的可装配性。Boothroyd[19]根据大量的实验与经验，总结了影响产品可装配性的因素。针对每种因素的测量值给出对应的装配时间估计，以理论*短时间与实际装配时间的比值作为产品的可装配性评价指数，即DFA指数[22]。LucasDFA方法从产品装配设计的功能零件比例、零件操作性与零件匹配性三个方面评价产品装配难度，基于评分表得到产品装配难度的量化值[23]。日本日立公司[24]的可装配性评价方法（assemblability evaluation method，AEM）将装配中可能涉及的动作进行编码，以“向下装入”动作为基础动作定义了每个动作的惩罚值。产品可装配性的量化值，即可装配性评价方法分数，是产品装配过程中所有动作惩罚值的统计结果。 本书定义基于之前的实验数据或者经验得到产品可装配性量化值的方法为查表法。这种方法在一定程度上降低了对设计者经验的依赖，但仍需要设计者依靠主观评价计算产品可装配性的量化值。装配体本身信息量巨大，影响装配的因素繁多，难以通过实验建立完善的数据库。对于不能完全匹配数据库中预设情况的设计，评价结果会偏离实际情况。 为了解决这一问题，郑寿森等[25]采用模糊评价方法，将专家经验引入产品可装配性评价。周凤等[15]通过数字企业精益制造互动式应用（digital enterprise lean manufacturing interactive application，DELMIA）仿真软件与专家评价得到单因素评价结果，基于专家经验得到量化评价值，采用多层模糊综合评价得到产品的可装配性量化值。Yu等[26]利用模糊评价方法评价了产品的可维护性，建立了具有交互功能的虚拟环境，并对产品可维护性进行评价，采用层级分析法对多层评价指标进行综合评价。Gao等[27]利用沉浸式虚拟环境对产品可维护性进行了仿真，采用模糊评价方法得到产品可维护性量化值。模糊评价方法适用于可装配性这种影响因素多、量化困难的评价对象，能够很好地将专家经验转变成评价量化值，而且可以与虚拟仿真结果相结合，具有较好的泛化能力。但这种方法过多依赖专家经验，评价结果含有较多的主观性，易受专家水平的影响。 基于信息熵与结构复杂度的评价方法则完全消除了可装配性量化评价中的主观性。信息熵方法借助了信息论中的加权平均信息量与相对率原理[28]，对产品的装配复杂度进行评价。Diaz-Calderon等[10]对产品装配过程中的工具可达性、工具可操作性与手部空间进行建模，利用信息熵理论得到了装配任务困难度的量化值。ElMaraghy等[29]基于信息数量、信息差异性与信息内容三个元素建立了生产系统复杂度模型，提出了系统化的生产复杂度评价工具。Samy等[3]基于ElMaraghy等的模型，借助DFA定义的产品操作属性和插入属性困难度因子，计算了产品装配过程中每个零件的装配复杂度，用加权平均的方法计算了产品整体装配复杂度。 基于结构复杂度的评价方法认为产品的装配复杂度包含三个部分：零件自身的复杂度、零件之间交互作用的复杂度以及装配体拓扑结构所包含的内在复杂度。Sinha等[4，5]基于结构复杂度理论[30]建立了复杂产品架构的结构复杂度模型。该模型包含三部分，即零件自身内在复杂度、零件装配关系的邻接矩阵与邻接复杂度以及邻接矩阵的图能量。Alkan等[6]基于的分子轨道模型建立了产品装配复杂度模型及其评价方法，得到了产品装配复杂度与装配时间的线性正相关关系。 基于信息熵与结构复杂度的产品可装配性评价方法提供了一种客观的可装配性度量模型，基本排除了主观因素的干扰。但评价过程与评价结果比较抽象，难以绝对地评价产品可装配性的好坏，只能用于不同装配设计之间的比较。受DFA理论限制，计算方法无法适应所有的产品装配设计。 在对可装配性影响因素的研究中，除了利用专家经验和对照数据库的方式进行定性评价的方法，许多国内外学者采用建模的方法描述可装配性影响因素对产品可装配性的作用，可分为基于模型的抽象评价和基于仿真的实践评价。基于模型的抽象评价是指将可装配性影响因素进行抽象化处理，分析其中的数学原理和物理规律，采用数学模型或者物理模型来描述可装配性影响因素对可装配性的影响[3-5，32-38]。 基于数学模型的评价方法简便有效，但难以反映可装配性影响因素所包含的物理规律。因此，许多学者基于装配过程中装配特征之间的物理作用以及人体动力学因素建立了基于物理模型的可装配性影响因素量化模型。需要注意的是，本书对于这个概念的物理模型