汽车再制造企业旧件回收业务系统的优化研究——以临港再制造企业为例

目前,我国已成为世界汽车产销第一大国、保有量第二大国,工程机械、机床保有量第一大国。据查,2014年我国汽车保有量已经超过1.6亿辆,每年面临报废的汽车达到500万辆,需要报废或大修的工程机械超过100万辆。如此庞大的汽车和机电产品面临报废,如果不能加以循环利用,是对资源与能源的巨大浪费。《关于推进再制造产业发展的意见》支出再制造与制造新品相比可节能60%,节材70%,几乎不产生固体废物,大气污染排放量降低80%左右,再制造与制造新品相比节约成本达50%;该文件同时指出当在制造零部件占维修市场的65%时,维修速度将增加8倍。无论从环境保护和经济效益,还是社会发展和产业发展,汽车再制造行业发展潜力巨大。而相较于美国和欧洲国家,我们国家的再制造行业犹初生的孩子,缺乏经验,认知度和认可度不够。对于汽车再制造企业而言,旧件回收是汽车逆向物流的重要环节,旧件回收业务系统的优化非常关键。本文通过对临港再制造企业的现状及旧件回收业务系统的了解和调查,主要提出发现的几个问题并浅谈见解和建议。

平均连接卷积神经网络

在图像分类研究领域,卷积神经网络以其强大的特征提取能力取得了巨大的成就。它有效利用了权值共享结构,大大降低了网络模型的复杂程度,从而成功避免了传统识别过程中复杂的特征提取和数据重建过程。但是当前深度卷积神经网络模型仍然存在有一些问题,比如:反向传播过程中梯度消失或梯度爆炸、训练中过拟合以及网络沉余性等问题。针对上述问题,提出了一种新型的卷积神经网络模型AverageNet。本模型运用"平均连接"的思想,通过适当的跳跃连接,一方面充分利用了前面的输入数据的特征,另一方面不会出现过度的连接现象,降低了模型的参数量,提高了训练效率。网络结构在OlivettiFaces人脸数据集上进行实验,相对于目前流行的算法能够在更少的计算成本下表现出极强的性能。