基于改进教与学优化算法的废旧智能手机拆解深度优化研究

针对现有拆解深度决策方法无法客观准确地得到废旧智能手机最优拆解深度的问题,提出了一种基于改进教与学优化(Teaching-Learning-Based Optimization,TLBO)算法的废旧智能手机拆解深度优化方法。构建了拆解利润模型、拆解时间模型和拆解能耗模型并确立拆解深度优化目标,利用改进教与学优化算法求解得到一组最优的拆解深度解集。以小米5手机的拆解过程研究为例,验证了提出的拆解深度优化方法的有效性;结果表明提出的拆解深度优化方法的最优解搜寻能力和收敛速度均得到增强。

基于零件回收综合评价的废旧产品拆解序列与拆解深度集成决策研究

产品更新换代的速度不断加快导致生活中废旧产品的数量与日俱增,对废旧产品进行合理拆解并回收再利用已成为发展可持续制造的重要途经。论文针对废旧产品拆解规划问题,将零件回收评价融入拆解序列和拆解深度的决策过程。综合考虑影响废旧产品内部零件回收效益的多项评价指标/准则以及这些评价指标/准则间的相互作用关系,构建零件回收综合评价模型,并基于零件回收综合评价模型提出拆解序列与拆解深度集成决策方法,利用零件回收效益评价值快速确定可行且高质量的拆解序列和拆解深度,以最大化废旧产品的回收效益。最后以动力电池和随机生成的不同规模废旧产品为拆解对象,验证论文构建的模型和提出的方法的可行性与有效性,计算结果表明零件回收综合评价模型和拆解序列与拆解深度集成决策方法在计算效率上的优势会随着废旧产品规模的扩大而增加。