双边拆卸线平衡问题建模与优化

针对实际作业中部分产品采用双边拆卸,但已有拆卸线平衡问题研究中工作站均为单边布局的不足,建立了多目标双边拆卸线平衡问题模型。解码时,将任务优先分配至工作站较少的边、次优先分配至剩余时间较多的工作站,以缩短输送路径和工作站空闲时间。针对所建立模型,提出一种Pareto蝙蝠算法,引入Pareto思想以保证解的多样性;采用精英策略有效加速算法的收敛;通过拥挤距离筛选外部档案以提高算法运行效率。通过求解经典算例并对比分析,验证了所提出算法的有效性。将所建模型应用于拆卸线设计,能为决策者提供多种高质量的平衡方案。     

考虑工位约束及能耗的双边拆卸线平衡问题建模与优化

针对现有双边拆卸线对能耗问题研究的不足,以最小化工作站数、负载均衡指标、危害指标和能耗指标构建了多目标双边拆卸线数学模型。该模型新增工位优先关系及站内位置两种约束,线性化表达了具有优先关系约束的拆卸任务的分配方式;明确了分配至同一工作站内不同任务间的相对位置关系。结合双边拆卸线问题特征,提出一种改进差分进化算法,该算法融入了差分随机策略和差分进化策略,使寻优过程避免陷入局部最优,达到快速收敛效果;引入Pareto思想及NSGA-II拥挤距离机制对多目标求解结果进行筛选,以此保留较优解。通过与经典案例对比,验证了所提算法在双边拆卸线平衡问题中的可行性与高效性。最后,将所建模型运用于双边拆卸实例计算,求解出多种高质量方案供决策者选择。     

废旧产品拆卸领域人机工程学的发展与应用

为了实现废旧产品的规模化和集约化的拆解与回收,目前简单粗放的工作模式迫切需要改变。必须从人机工程学的角度来设计和布置拆解设备、拆解线的总体结构。从废旧产品拆卸过程中的工作环境、拆解线布局、拆卸工具、工作姿势等方面分析了人机工程学在产品拆卸领域中的发展和研究现状,并在此基础上讨论了产品拆卸中人机工程学研究存在的问题。     

基于改进人工蜂群算法的产品拆卸序列规划

为了提高复杂产品拆卸序列规划效率,提出了一种改进的人工蜂群算法用于此类问题求解。通过拆卸混合图表达产品零部件之间的连接关系和优先约束关系,并推导出可行拆卸序列的约束表达式,建立拆卸序列规划数学模型和适应度计算公式。对初始种群进行了优先约束规划,提出一种可行度算法用于蜂群对蜜源的搜寻与选择。定义了自适应选择参数、动态平衡可行度与适应度算法的优先配比,以实现复杂产品拆卸序列规划的快速求解。最后以内啮合齿轮泵为实例,利用所提方法进行了拆卸序列规划求解,通过分析实验结果,并对比传统人工蜂群算法,证明了该方法的可行性和高效性。     

再制造拆卸服务生产线及其平衡优化

为了提高再制造拆卸的资源利用率和整体效率,根据再制造服务的理念提出一种再制造拆卸服务模式,分析了该模式下单产品拆卸、多产品混流拆卸和基于机器人的柔性拆卸3种类型生产线的布局和特点。针对再制造拆卸服务生产线平衡问题,以最大化拆卸线负载均衡率和优先拆卸高价值的零部件为优化目标,建立了单产品双目标的拆卸线平衡模型,为简化参数设置并提高运算效率,提出一种改进型教与学的优化算法,在随机键法初始化以及教与学的基础上,赋予自学习能力,以增强算法的局部搜索效力。通过对比分析该算法与遗传算法对两组经典案例的求解结果,验证了该算法的可行性与有效性,以减速器拆卸为工程实例,验证了模型与算法的实用性。     

多目标的拆卸线平衡问题优化研究

拆卸是废旧产品回收利用的重要途径，根据产品拆卸线的特点，构建拆卸线平衡问题的多目标关系。针对求解拆卸线平衡问题所遇到的求解结果单一、无法满足平衡诸多目标等问题，以均衡工作站负载且引入操作安全性、任务拆卸方向和任务需求为优化目标建立数学模型，在此基础上，提出一种基于遗传改进的多目标灰狼算法进行求解计算。基于废旧电冰箱拆卸案例对比验证算法的效果与性能，并将其应用于再制造企业某废旧电视机拆卸实例中。以Plant Simulation 15.0仿真软件为平台，运用仿真技术对所得理论方案分析与优化，通过在重要工位上建立缓冲区来解决实际拆卸过程中所存在的工位堵塞问题。结果表明该算法的收敛性较好，所获得非支配解集更逼近Pareto最优前沿，得出多个合理拆卸方案，为决策者选择拆卸方案提供了依据，且改善后的工位产能也提升了3.23%。     

基于Pareto解集蚁群算法的拆卸序列规划

为提高产品拆卸序列规划的效率,分析拆卸序列规划问题中的多个优化目标平衡问题,提出一种基于Pareto解集的多目标蚁群优化算法求解此类拆卸规划问题,并给出拆卸序列的构建过程。通过利用拆卸矩阵推导拆卸可行条件,获得可以执行拆卸操作的零件及其可行的拆卸方向。通过利用零件的轴向包围盒(Axis aligned bounding boxes,AABB)计算零件的拆卸行程。考虑拆卸方向改变次数、拆卸总行程、拆卸零件数量为优化目标,通过利用蚁群算法搜索可行解并计算各个解之间的支配关系,得到Pareto解集,实现求解优化的拆卸序列,给出算法的具体步骤。最后以单杠发动机为拆卸实例,利用所提方法进行拆卸序列规划求解,通过分析试验结果,并对比典型的单目标蚁群规划算法,证明了该方法的高效性和可行性。     

一种面向拆卸稳定性的产品拆卸序列规划方法

针对拆卸过程稳定性问题,以及复杂产品拆卸图模型构建困难和效率低等不足,提出一种面向拆卸稳定性的拆卸序列规划方法。充分分析面向绿色制造和循环经济的拆卸的特点和原则;通过分析产品的CAD模型,构建一种集零部件类型、零部件可行拆卸方向集、零部件拆卸空间制约矩阵、零部件接触矩阵、零部件自由度约束矩阵等于一体的产品拆卸信息分析模型;提出相关拆卸优先原则和稳定性原则;给出基于拆卸过程稳定性的产品拆卸序列规划算法;通过一个完全拆卸和目标零件拆卸实例验证该算法的可行性、实用性。     

基于概率的产品可拆解性评价方法及数学描述

在对零部件拆卸和产品拆解概念做出明确区分的基础上,对拆解类型进行了分析,给出了可拆卸性和可拆解性的定义;以概率理论为基础,对可拆卸度、拆卸率、可拆解度及拆解率等指标进行了数学描述;推导出可拆卸度、拆卸概率密度与拆卸率之间的关系;在非破坏性拆解及零部件拆卸过程相互独立的条件下,拆解概率密度是相关零部件拆卸概率密度的卷积,并通过对其积分可以确定产品的可拆解度.以汽车的典型零部件拆卸时间测定及数据统计分析为基础,确定了零部件的拆卸分布及其拆解分布规律.上述研究为产品拆解过程的定量评估提供了理论基础.     

面向多目标拆卸线平衡问题的一种改进粒子群优化算法

为提升粒子群优化算法在解决复杂拆卸线平衡问题时的计算能力,提出一种改进的粒子群优化算法。该算法选取每个粒子运行最优的邻居粒子为粒子每次迭代过程中"个体学习部分"的学习样本。为保证种群多样性,避免算法出现早熟收敛,提出一种粒子间的水平混合变异(均匀分布变异和高斯分布变异),通过变异判定条件,对粒子的位置进行变异更新,提升算法的搜索性能。针对多目标问题,利用基于目标优先顺序的粒子群优化算法,将多个目标问题按优先顺序进行优化。通过拆卸问题的仿真计算比较结果,验证算法的有效性。     

考虑不定拆卸程度的选择性异步并行拆卸序列规划

针对废旧产品再生过程中常用的选择性拆卸规划方法无法全面考虑所有零部件再生收益的问题,提出了考虑不定拆卸程度的选择性异步并行拆卸序列规划方法。通过拆卸混合图表达产品零部件之间的连接关系和优先约束关系,在此基础上,以目标件逆向搜索出的最小必拆零件集合为拆卸程度下限,获取不同拆卸程度集合;以拆卸时间最小、拆卸利润最大为优化目标建立了数学模型,提出了一种改进的生物地理学优化算法进行求解优化;结合拆卸序列规划问题特点,设计了基于三层链表的编码方式,采用随机拓扑结构以提高算法的搜索能力;最后以机械臂与二级圆柱圆锥齿轮减速器为实例,验证了所提模型和方法的可行性和有效性。     

A new multi-objective ant colony algorithm for solving the disassembly line balancing problem

The disassembly line is the best choice for automated disassembly of disposal products. Therefore, disassembly line should be designed and balanced so that it can work as efficiently as possible. In this paper, a mathematical model for the multi-objective disassembly line balancing problem is formalized firstly. Then, a novel multi-objective ant colony optimization (MOACO) algorithm is proposed for solving this multi-objective optimization problem. Taking into account the problem constraints, a solution construction mechanism based on the method of tasks assignment is utilized in the algorithm. Additionally, niche technology is used to embed in the updating operation to search the Pareto optimal solutions. Moreover, in order to find the Pareto optimal set, the MOACO algorithm uses the concept of Pareto dominance to dynamically filter the obtained non-dominated solution set. To validate the performance of algorithm, the proposed algorithm is measured over published results obtained from single-objective optimization approaches and compared with multi-objective ACO algorithm based on uniform design. The experimental results show that the proposed MOACO is well suited to multi-objective optimization in disassembly line balancing.     

基于多目标算法与动态仿真的带调整时间的拆卸线平衡优化方法

针对拆卸方向改变对作业时间的影响,以最小化拆卸成本、无效作业率和不平滑率为优化目标,构建了考虑调整时间的多目标拆卸线平衡问题模型,并提出了一种Pareto免疫遗传算法与仿真技术相结合的求解方法。算法融合了遗传算子和免疫算子,能有效避免解出现退化和陷入局部最优。通过求解25项拆卸任务算例,并与现有5种算法进行对比,验证了所提算法的有效性。进而将所提模型和算法应用于某打印机拆卸线实例,进一步考虑拆卸时间不确定、存在故障等实际情况,运用仿真技术分析与优化,结果表明所提方法能有效降低等待和堵塞造成的无效作业时间,提高拆卸效率。     

基于遗传算法的直线型和U型混流装配线平衡问题研究

针对混流装配线上不同产品作业时间差异导致的工作站瞬时负荷不均衡问题,提出了一种改进的直线型和U型混流装配线多目标平衡方法,并以装配线平衡率、平滑指数作为平衡效果的评价指标。综合考虑工序分配约束、工作站约束、优先关系约束和节拍约束等约束条件,同时兼顾工作站数最小和各工作站内不同品种产品负荷均衡2个目标函数,分别建立直线型和U型混流装配线多目标平衡优化模型。采用遗传算法作为优化算法,并在变异环节加入强制规则,使得变异过程能够朝着规定方向进行,以提高可行解的比例。最后通过对比算例分析结果,表明所提方法能够快速有效求解直线型和U型混流装配线平衡问题,可以为企业在直线型和U型混流装配线规划阶段制定平衡方案提供参考。     

考虑碳排放与收益的随机并行拆卸线平衡优化

针对废旧产品回收过程中,需有选择对综合收益高的零部件进行拆卸的问题。选择最小工作站数,平滑度,碳排放量,拆卸收益作为优化目标,并对相应目标进行量化分析,提出一种随机并行拆卸线平衡优化方法。在构建随机并行拆卸线基本解集的基础上,为避免Pareto解集逐渐趋同的问题,提出一种基于环形拓扑结构的花授粉算法(Ring topology flower pollination algorithm, Ring-FPA),实现了对Pareto解集的决策处理,获得考虑碳排放与收益的随机并行拆卸线平衡最优解。以手机和笔记本电脑并行拆卸线平衡优化为例,选择NSGA-Ⅱ、FPA,以及AFSA算法进行对比,对所提方法的可行性和有效性进行了验证。     

资源约束下拆卸线平衡问题的建模与改进混合蛙跳算法

针对实际拆卸线中涉及的资源约束和危害零件问题,以资源总数、工作站数和危害指数为目标函数,构建了多目标资源约束拆卸线平衡问题数学模型。基于AND/OR关系,在优先关系矩阵中添加OR关系的描述,解决了产生初始解仅考虑AND关系的不足问题。提出了一种融入Pareto思想的改进混合蛙跳算法  ,该算法采用基于满意度的改进排序分组策略来解决多目标优化种群分组问题;提出了一种新的交叉变异方式进行局部搜索以提高收敛性能;利用拥挤距离机制评价非劣解集以及有效地维护外部档案容量。采用田口实验和统计分析方法确定了算法最佳参数组合,将改进前后的混合蛙跳算法及NSGA-Ⅱ对测试算例的求解结果进行了多指标对比分析,研究结果表明：改进混合蛙跳算法具有良好的综合求解优势。最后,将所提算法应用到某电冰箱的资源约束拆卸线平衡问题中,为决策者提供了较优的拆卸方案。