CN113283616A - 一种废旧产品拆解序列与拆解深度集成决策方法 - Google Patents
一种废旧产品拆解序列与拆解深度集成决策方法 Download PDFInfo
- Publication number
- CN113283616A CN113283616A CN202110398156.XA CN202110398156A CN113283616A CN 113283616 A CN113283616 A CN 113283616A CN 202110398156 A CN202110398156 A CN 202110398156A CN 113283616 A CN113283616 A CN 113283616A
- Authority
- CN
- China
- Prior art keywords
- disassembly
- evaluation value
- evaluation
- value
- recycling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000002699 waste material Substances 0.000 title claims abstract description 59
- 238000011156 evaluation Methods 0.000 claims abstract description 167
- 238000011084 recovery Methods 0.000 claims abstract description 57
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 238000004064 recycling Methods 0.000 claims description 63
- 230000006378 damage Effects 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 10
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Sustainable Development (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种废旧产品拆解序列与拆解深度集成决策方法,包括以下步骤,S1、构建零件回收综合评价指标体系;S2、数据收集及预处理;S3、利用Choquet积分计算零件的回收评价值;S4、构造废旧产品的拆解优先图并赋予节点对应的零件的回收评价值;S5、采用拓扑排序的方法结合零件回收评价值确定完全拆解序列;S6、构造拆解深度价值曲线;S7、进行拆解深度决策。本发明方法与传统的优化方法相比,在保证解的质量的同时极大的缩短了求解废旧产品最佳拆解序列与拆解深度的速度,并且通过合理评价零件的回收效益提高了求得解的可靠性。
Description
技术领域
本发明属于废旧产品拆解技术领域,具体涉及一种废旧产品拆解序列与拆 解深度集成决策方法。
背景技术
近年来,随着科学技术的进步和发展,产品的生命周期不断缩短,由此产 生越来越多的废旧产品。废旧产品通常含有各种有害物质,如果处理不当不仅 会造成资源浪费,还会加剧生态污染,因此对废旧产品的拆解回收再利用由于 具有经济和环境双重效益而受到社会的广泛关注。
拆解作为回收废旧产品的第一步,其结果直接影响废旧产品的回收处理, 所以为提高废旧产品的回收效益需要确定最佳的拆解序列和拆解深度。目前大 多数的解决方案是采用传统优化方法,然而随着废旧产品复杂度的增加,使用 传统优化方法求解最佳拆解序列和拆解深度时往往会出现“组合爆炸”问题, 使求解难度迅速上升;同时废旧产品内部各零件的回收效益对拆解序列和拆解 深度的决策起关键作用,但传统优化方法几乎没有涉及零件的回收评价问题, 所以难以实现废旧产品综合回收效益的最大化。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提出一种废旧产品拆 解序列与拆解深度集成决策方法,以解决现有方法在确定拆解序列和拆解深度 时,随着待拆产品复杂度和拆解规模的不断增大导致求解效率迅速降低,以及 随着考虑的决策目标或影响因素增多而无力求解等问题。
为了达到上述目的,本发明采用以下技术方案:
一种废旧产品拆解序列与拆解深度集成决策方法,包括以下步骤:
S1、构建零件回收综合评价指标体系;
S2、数据收集及预处理;
S3、利用Choquet积分计算零件的回收评价值;
S4、构造废旧产品的拆解优先图并赋予节点对应的零件的回收评价值;
S5、采用拓扑排序的方法结合零件回收评价值确定完全拆解序列;
S6、构造拆解深度价值曲线;
S7、进行拆解深度决策。
进一步的,所述构建零件回收综合评价指标体系具体为:
考虑到零件评价指标间的相互作用关系构建具有多层次结构的零件回收综 合评价指标体系,包括目标层、指标层以及准则层;
所述目标层具体为零件回收评价值;所述指标层具体包括经济性、环保性、 技术难度、重要性以及质量状况;所述准则层具体包括回收利润、市场需求、 危害程度、拆解操作难度、回收处理难度、优先支配的零件个数、功能丧失程 度以及结构损坏程度;
所述零件回收评价值表示为:
G={F1,F2,F3,F4,F5}
其中,G表示零件回收评价值,F1表示经济性,F2表示环保性,F3表示技 术难度,F4表示重要性,F5表示质量状况;
所述经济性表示为:
F1={C1,C2}
其中,C1表示回收利润,C2表示市场需求;
所述环保性表示为:
F2={C3}
其中,C3表示危害程度;
所述技术难度表示为:
F3={C4,C5}
其中,C4表示拆解操作难度,C5表示回收处理难度;
所述重要性表示为:
F4={C6}
其中,C6表示优先支配的零件个数;
所述质量状况表示为:
F5={C7,C8}
其中,C7表示功能丧失程度,C8表示结构损坏程度。
进一步的,所述数据收集前,将需要收集的数据分为定量数据以及定性数 据;
所述定量数据的评价值用实数表示,通过调查获取;定量数据包括回收利 润和优先支配的零件个数,所述回收利润的评价值通过下式计算:
x=ID-CD
其中,ID为拆解回收零件产生的收益,包括对零件进行再利用、再制造或 再回收所获取的收益;CD为拆解回收零件产生的成本,包括人工成本、运输成 本以及设备成本;
所述优先支配的零件个数通过统计该零件优先其它零件拆解的个数作为评 价值。
进一步的,所述定性数据的评价值采用三角模糊数表示,通过邀请专家评 价拟定;定型数据包括市场需求、危害程度、拆解操作难度、回收处理难度、 功能丧失程度、结构损坏程度以及所有指标的权重;
所述专家评价拟定具体为通过如下公式进行计算:
其中,k=1,2,…,t,t表示专家的人数,表示第k个专家对某 定量数据的评价值,用三角模糊数表示该值,表示该定量数据的平 均评价值,用三角模糊数表示该值;需要对每个零件都计算对应准则的评价值, 但只需计算一次所有指标和准则的权重。
进一步的,所述预处理具体包括:
S21、将获得的平均评价值分别通过三种方法解模糊化,包括距离测量法、 中心值法和重心法,然后通过下式计算最终的评价值:
所述距离测量法通过下式解模糊化:
所述中心值法通过下式解模糊化:
所述重心法通过下式解模糊化:
S22、整理所有指标和准则的权重,并且将定性数据中准则的评价值和定量 数据中准则的评价值合并成评价值矩阵R:
其中,m表示废旧产品中需要评价的零件个数,n表示准则的个数;rij表示 零件i的第j个准则的评价值;
S23、将零件回收综合评价指标体系中的所有准则分为效应型准则和成本型 准则,效应型准则包括回收利润、市场需求以及优先支配的零件个数;
成本型准则包括危害程度、拆解操作难度、回收处理难度、功能损失程度 以及结构损坏程度;
通过下式归一化处理:
其中,N1表示效应型准则的评价值,N2表示成本型准则的评价值;i=1,2,…,m, m表示废旧产品中需要评价的零件个数;j=1,2,…,n,n表示准则的个数;rjmin和rjmax分别表示第j个准则的所有零件的评价值中的最小值和最大值;rij表示零件i的 第j个准则的评价值;vij表示零件i的第j个准则的评价值的归一化结果。
进一步的,所述步骤S3具体包括:
S31、由S2解模糊化得到的准则的权重作为模糊密度gi,然后选取一个指 标,通过下式计算λ值:
其中,n表示选取的指标包含的准则的个数;gi表示选取的指标包含的第i 个准则的权重;
S32、通过下式计算选取的指标下的所有不同准则组合的模糊测度gλ:
其中,Zn={z1,z2,…,zn}表示选取的指标包含的准则可能构成的所有集合;
S33、重复步骤S31至S32,计算出零件回收综合评价指标体系中准则层的 λ值和模糊测度gλ;
S34、选择一个零件和该零件的一个评价指标,将该指标下的所有准则的最 终评价值按从大到小排序,得到f(zn)≥f(zn-1)≥…f(z1)≥f(z0)=0,然后通过下 式进行Choquet积分,并将Choquet积分值作为该指标的评价值:
其中,gλ(Zn-i+1)表示选取的指标包含的准则构成的集合Zn-i+1的模糊测度;n 表示选取的指标包含的准则的个数;f(zi)表示第i个准则的最终评价值;
S35、重复S31至S32计算出选取的零件的所有指标的评价值并将其按照从 大到小排序,将指标的权重作为模糊密度gi,然后计算指标层的λ值和指标间可 能构成的所有集合的模糊测度gλ,最后通过Choquet积分计算得到该零件的回收 评价值;
S36、重复S34至S35计算出废旧产品中所有零件的回收评价值。
进一步的,所述步骤S4具体为,以零件为节点,以优先约束关系为有向边 构造有向无环图,然后赋予每个节点对应零件的回收评价值。
进一步的,所述步骤S5具体包括:
S51、遍历拆解优先图的所有节点,找出所有入度为零的节点中回收评价值 最大的节点;
S52、移除该节点和与其关联的所有弧,同时所有相邻节点的入度减一;
S53、重复步骤S51至S52直到所有节点都被移除,节点移除的顺序构成一 个完全拆解序列。
进一步的,所述步骤S6具体为:
计算完全拆解序列不同拆解深度下的回收评价总值,然后以拆解深度为x 轴,回收评价总值为y轴构造拆解深度价值曲线;
所述回收评价总值通过下式计算:
其中,s=1,2,…,n,n为废旧产品的零件总数;ei为完全拆解序列下拆解的零 件i的回收评价值。
进一步的,所述步骤S7具体为,以回收评价总值最大为目标,遍历所有拆 解深度,回收评价总值最大对应的拆解深度即为最佳拆解深度。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明综合考虑废旧产品拆解回收的多方面因素,建立层次化结构的零 件回收综合评价指标体系,能更准确和全面的反映零件的回收效益;利用 Choquet积分计算零件回收评价值不需要假设指标/准则间的相互独立,更加接近 现实;采用拓扑排序方法结合零件回收评价值提高了求解废旧产品拆解序列的 效率;通过拆解深度价值曲线将拆解序列和拆解深度联系起来,使得拆解序列 和拆解深度可以分开求解,降低了求得问题解的难度;与传统的优化方法相比, 在保证解的质量的同时极大的缩短了求解废旧产品最佳拆解序列与拆解深度的 速度,并且通过合理评价零件的回收效益提高了求得解的可靠性。
附图说明
图1是本发明方法的流程图;
图2是零件回收综合评价指标体系的示意图;
图3是实施例中废旧动力电池的拆解优先图;
图4是实施例中废旧动力电池的完全拆解序列示意图;
图5是实施例中废旧动力电池的拆解深度价值曲线图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方 式不限于此。
实施例
如图1所示,本发明,一种废旧产品拆解序列与拆解深度集成决策方法, 包括以下步骤:
S1、构建零件回收综合评价指标体系,具体为:
考虑到零件评价指标间的相互作用关系构建具有多层次结构的零件回收综 合评价指标体系,包括目标层、指标层以及准则层;
如图2所示,所述目标层具体为零件回收评价值;所述指标层具体包括经 济性、环保性、技术难度、重要性以及质量状况;所述准则层具体包括回收利 润、市场需求、危害程度、拆解操作难度、回收处理难度、优先支配的零件个 数、功能丧失程度以及结构损坏程度;
所述零件回收评价值表示为:
G={F1,F2,F3,F4,F5}
其中,G表示零件回收评价值,F1表示经济性,F2表示环保性,F3表示技 术难度,F4表示重要性,F5表示质量状况;
所述经济性表示为:
F1={C1,C2}
其中,C1表示回收利润,C2表示市场需求;
所述环保性表示为:
F2={C3}
其中,C3表示危害程度;
所述技术难度表示为:
F3={C4,C5}
其中,C4表示拆解操作难度,C5表示回收处理难度;
所述重要性表示为:
F4={C6}
其中,C6表示优先支配的零件个数;
所述质量状况表示为:
F5={C7,C8}
其中,C7表示功能丧失程度,C8表示结构损坏程度。
S2、数据收集及预处理,具体为:
所述数据收集前,将需要收集的数据分为定量数据以及定性数据;
所述定量数据的评价值用实数表示,通过调查获取;定量数据包括回收利 润和优先支配的零件个数,所述回收利润的评价值通过下式计算:
x=ID-CD
其中,ID为拆解回收零件产生的收益,包括对零件进行再利用、再制造或 再回收所获取的收益;CD为拆解回收零件产生的成本,包括人工成本、运输成 本以及设备成本;
所述优先支配的零件个数通过统计该零件优先其它零件拆解的个数作为评 价值;
所述定性数据的评价值采用三角模糊数表示,通过邀请专家评价拟定;定 型数据包括市场需求、危害程度、拆解操作难度、回收处理难度、功能丧失程 度、结构损坏程度以及所有指标的权重;
所述专家评价拟定具体为通过如下公式进行计算:
其中,表示专家的人数,表示第k个专家对某定量数据的评价值,用三角 模糊数表示该值,表示该定量数据的平均评价值,用三角模糊数表示该值;需 要对每个零件都计算对应准则的评价值,但只需计算一次所有指标和准则的权 重。
所述预处理具体为:
S21、将由S1所获得的平均评价值分别通过三种方法解模糊化,包括距离 测量法、中心值法和重心法,然后通过下式计算最终的评价值:
所述距离测量法通过下式解模糊化:
所述中心值法通过下式解模糊化:
所述的重心法通过下式解模糊化:
S22、整理所有指标和准则的权重,并且将定性数据中准则的评价值和定量 数据中准则的评价值合并成评价值矩阵R:
其中,m表示废旧产品中需要评价的零件个数,n表示准则的个数;rij表示 零件i的第j个准则的评价值;
在本实施例中,如下表1显示了所有指标和准则的权重,表2显示了所有 准则的评价值。
表1
表2
S23、将零件回收综合评价指标体系中的所有准则分为效应型准则和成本型 准则,效应型准则包括回收利润、市场需求以及优先支配的零件个数;
成本型准则包括危害程度、拆解操作难度、回收处理难度、功能损失程度 以及结构损坏程度;
通过下式归一化处理:
其中,N1表示效应型准则的评价值,N2表示成本型准则的评价值;i=1,2,…,m, m表示废旧产品中需要评价的零件个数;j=1,2,…,n,n表示准则的个数;rjmin和rjmax分别表示第j个准则的所有零件的评价值中的最小值和最大值;rij表示零件i的 第j个准则的评价值;vij表示零件i的第j个准则的评价值的归一化结果。
在本实施例中,经过步骤S23计算的所有准则的评价值归一化处理后的结 果如表3所示。
表3
S3、利用Choquet积分计算零件的回收评价值,具体为:
S31、由S2解模糊化得到的准则的权重作为模糊密度gi,然后选取一个指 标,通过下式计算λ值:
其中,n表示选取的指标包含的准则的个数;gi表示选取的指标包含的第i 个准则的权重;
S32、通过下式计算选取的指标下的所有不同准则组合的模糊测度gλ:
其中,Zn={z1,z2,…,zn}表示选取的指标包含的准则可能构成的所有集合;
S33、重复S31至S32,计算出零件回收综合评价指标体系中准则层的λ值 和模糊测度gλ;
S34、选择一个零件和该零件的一个评价指标,将该指标下的所有准则的最 终评价值按从大到小排序,得到f(zn)≥f(zn-1)≥…f(z1)≥f(z0)=0,然后通过下 式进行Choquet积分,并将Choquet积分值作为该指标的评价值:
其中,gλ(Zn-i+1)表示选取的指标包含的准则构成的集合Zn-i+1的模糊测度;n 表示选取的指标包含的准则的个数;f(zi)表示第i个准则的最终评价值;
S35、重复S31至S32计算出选取的零件的所有指标的评价值并将其按照从 大到小排序,将指标的权重作为模糊密度gi,然后计算指标层的λ值和指标间可 能构成的所有集合的模糊测度gλ,最后通过Choquet积分计算得到该零件的回收 评价值;
在本实施例中,经过步骤S35计算的指标层和准则层的λ值如下表4所示; 经过步骤S35计算的指标层的部分模糊测度gλ如下表5所示。
表4
表5
S36、重复S34至S35计算出废旧产品中所有零件的回收评价值;
在本实施例中,经过步骤S36计算的废旧动力电池的所有零件的回收评价 值如表6所示。
表6
S4、构造废旧产品的拆解优先图并赋予节点对应零件的回收评价值,具体 为:
以零件为节点,以优先约束关系为有向边构造有向无环图,然后根据表6 赋予每个节点对应零件的回收评价值。
如图3所示,为本实施例废旧动力电池的拆解优先图。
S5、采用拓扑排序方法结合零件回收评价值确定完全拆解序列,具体为:
S51、遍历拆解优先图的所有节点,找出所有入度为零的节点中回收评价值 最大的节点;
S52、移除该节点和与其关联的所有弧,同时所有相邻节点的入度减一;
S53、重复S51至S52直到所有节点都被移除,节点移除的顺序构成一个完 全拆解序列。
在本实施例中,如图3所示,可知,零件4和零件5不存在优先约束关系, 但零件4的评价值大于零件5,所以先拆零件4;零件16和零件12也不存在优 先约束关系,但零件16的评价值大于零件12,所以先拆零件16;同理可得再 拆零件17;之后由于零件的优先约束关系所以依次拆除零件12到零件15;因 此,得到完全拆解序列,如图4所示,为本实施例废旧动力电池的完全拆解序 列。
S6、构造拆解深度价值曲线,具体为:
计算完全拆解序列不同拆解深度下的回收评价总值,然后以拆解深度为x 轴,回收评价总值为y轴构造拆解深度价值曲线;
所述回收评价总值通过下式计算:
其中,s=1,2,…,n,n为废旧产品的零件总数;ei为某一完全拆解序列下拆解 的零件i的回收评价值。
在本实施例中,如图5所示,为废旧动力电池的拆解深度价值曲线;如下 表7所示,为废旧动力电池的拆解深度价值曲线对应的拆解零件序号及回收评 价总值。
表7
S7、进行拆解深度决策,具体为:
以回收评价总值最大为目标遍历所有拆解深度,回收评价总值最大对应的拆 解深度即为最佳拆解深度;
在本实施例中,由拆解深度价值曲线图5以及表7可知拆解零件17时可以 得到最大的回收效益评价总值为0.726,所以在此处停止拆解,可以使废旧产品 回收效益最大。
还需要说明的是,在本说明书中,诸如术语“包括”、“包含”或者其任何 其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、 物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者 是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的 情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过 程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本 发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的, 本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他 实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要 符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种废旧产品拆解序列与拆解深度集成决策方法,其特征在于,包括以下步骤:
S1、构建零件回收综合评价指标体系;
S2、数据收集及预处理;
S3、利用Choquet积分计算零件的回收评价值;
S4、构造废旧产品的拆解优先图并赋予节点对应的零件的回收评价值;
S5、采用拓扑排序的方法结合零件回收评价值确定完全拆解序列;
S6、构造拆解深度价值曲线;
S7、进行拆解深度决策。
2.根据权利要求1所述的一种废旧产品拆解序列与拆解深度集成决策方法,其特征在于,所述构建零件回收综合评价指标体系具体为:
考虑到零件评价指标间的相互作用关系构建具有多层次结构的零件回收综合评价指标体系,包括目标层、指标层以及准则层;
所述目标层具体为零件回收评价值;所述指标层具体包括经济性、环保性、技术难度、重要性以及质量状况;所述准则层具体包括回收利润、市场需求、危害程度、拆解操作难度、回收处理难度、优先支配的零件个数、功能丧失程度以及结构损坏程度;
所述零件回收评价值表示为:
G={F1,F2,F3,F4,F5}
其中,G表示零件回收评价值,F1表示经济性,F2表示环保性,F3表示技术难度,F4表示重要性,F5表示质量状况;
所述经济性表示为:
F1={C1,C2}
其中,C1表示回收利润,C2表示市场需求;
所述环保性表示为:
F2={C3}
其中,C3表示危害程度;
所述技术难度表示为:
F3={C4,C5}
其中,C4表示拆解操作难度,C5表示回收处理难度;
所述重要性表示为:
F4={C6}
其中,C6表示优先支配的零件个数;
所述质量状况表示为:
F5={C7,C8}
其中,C7表示功能丧失程度,C8表示结构损坏程度。
3.根据权利要求1所述的一种废旧产品拆解序列与拆解深度集成决策方法,其特征在于,所述数据收集前,将需要收集的数据分为定量数据以及定性数据;
所述定量数据的评价值用实数表示,通过调查获取;定量数据包括回收利润和优先支配的零件个数,所述回收利润的评价值通过下式计算:
x=ID-CD
其中,ID为拆解回收零件产生的收益,包括对零件进行再利用、再制造或再回收所获取的收益;CD为拆解回收零件产生的成本,包括人工成本、运输成本以及设备成本;
所述优先支配的零件个数通过统计该零件优先其它零件拆解的个数作为评价值。
5.根据权利要求4所述的一种废旧产品拆解序列与拆解深度集成决策方法,其特征在于,所述预处理具体包括:
S21、将获得的平均评价值分别通过三种方法解模糊化,包括距离测量法、中心值法和重心法,然后通过下式计算最终的评价值:
所述距离测量法通过下式解模糊化:
所述中心值法通过下式解模糊化:
所述重心法通过下式解模糊化:
S22、整理所有指标和准则的权重,并且将定性数据中准则的评价值和定量数据中准则的评价值合并成评价值矩阵R:
其中,m表示废旧产品中需要评价的零件个数,n表示准则的个数;rij表示零件i的第j个准则的评价值;
S23、将零件回收综合评价指标体系中的所有准则分为效应型准则和成本型准则,效应型准则包括回收利润、市场需求以及优先支配的零件个数;
成本型准则包括危害程度、拆解操作难度、回收处理难度、功能损失程度以及结构损坏程度;
通过下式归一化处理:
其中,N1表示效应型准则的评价值,N2表示成本型准则的评价值;i=1,2,…,m,m表示废旧产品中需要评价的零件个数;j=1,2,…,n,n表示准则的个数;rjmin和rjmax分别表示第j个准则的所有零件的评价值中的最小值和最大值;rij表示零件i的第j个准则的评价值;vij表示零件i的第j个准则的评价值的归一化结果。
6.根据权利要求1所述的一种废旧产品拆解序列与拆解深度集成决策方法,其特征在于,所述步骤S3具体包括:
S31、由S2解模糊化得到的准则的权重作为模糊密度gi,然后选取一个指标,通过下式计算λ值:
其中,n表示选取的指标包含的准则的个数;gi表示选取的指标包含的第i个准则的权重;
S32、通过下式计算选取的指标下的所有不同准则组合的模糊测度gλ:
其中,Zn={z1,z2,…,zn}表示选取的指标包含的准则可能构成的所有集合;
S33、重复步骤S31至S32,计算出零件回收综合评价指标体系中准则层的λ值和模糊测度gλ;
S34、选择一个零件和该零件的一个评价指标,将该指标下的所有准则的最终评价值按从大到小排序,得到f(zn)≥f(zn-1)≥……f(z1)≥f(z0)=0,然后通过下式进行Choquet积分,并将Choquet积分值作为该指标的评价值:
其中,gλ(Zn-i+1)表示选取的指标包含的准则构成的集合Zn-i+1的模糊测度;n表示选取的指标包含的准则的个数;f(zi)表示第i个准则的最终评价值;
S35、重复S31至S32计算出选取的零件的所有指标的评价值并将其按照从大到小排序,将指标的权重作为模糊密度gi,然后计算指标层的λ值和指标间可能构成的所有集合的模糊测度gλ,最后通过Choquet积分计算得到该零件的回收评价值;
S36、重复S34至S35计算出废旧产品中所有零件的回收评价值。
7.根据权利要求1所述的一种废旧产品拆解序列与拆解深度集成决策方法,其特征在于,所述步骤S4具体为,以零件为节点,以优先约束关系为有向边构造有向无环图,然后赋予每个节点对应零件的回收评价值。
8.根据权利要求1所述的一种废旧产品拆解序列与拆解深度集成决策方法,其特征在于,所述步骤S5具体包括:
S51、遍历拆解优先图的所有节点,找出所有入度为零的节点中回收评价值最大的节点;
S52、移除该节点和与其关联的所有弧,同时所有相邻节点的入度减一;
S53、重复步骤S51至S52直到所有节点都被移除,节点移除的顺序构成一个完全拆解序列。
10.根据权利要求9所述的一种废旧产品拆解序列与拆解深度集成决策方法,其特征在于,所述步骤S7具体为,以回收评价总值最大为目标,遍历所有拆解深度,回收评价总值最大对应的拆解深度即为最佳拆解深度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110398156.XA CN113283616A (zh) | 2021-04-14 | 2021-04-14 | 一种废旧产品拆解序列与拆解深度集成决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110398156.XA CN113283616A (zh) | 2021-04-14 | 2021-04-14 | 一种废旧产品拆解序列与拆解深度集成决策方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113283616A true CN113283616A (zh) | 2021-08-20 |
Family
ID=77276654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110398156.XA Pending CN113283616A (zh) | 2021-04-14 | 2021-04-14 | 一种废旧产品拆解序列与拆解深度集成决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113283616A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943492A (zh) * | 2022-07-25 | 2022-08-26 | 深圳市爱博绿环保科技有限公司 | 机电产品质量分数计算方法、装置和计算机设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005250620A (ja) * | 2004-03-02 | 2005-09-15 | Csd:Kk | 債券格付け決定装置および債券格付け向上コンサルテーション装置 |
US20080082981A1 (en) * | 2006-10-02 | 2008-04-03 | Japan Aerospace Expioraion Agency, Institute Of Space And Astronautical Science | Autonomous distributed control involving constraint on resources |
CN105825319A (zh) * | 2016-03-09 | 2016-08-03 | 同济大学 | 面向全生命周期的产品可回收度评价方法 |
CN106447047A (zh) * | 2016-01-17 | 2017-02-22 | 沈阳工业大学 | 一种废旧机床可再制造质量评估方法 |
CN107808210A (zh) * | 2017-09-13 | 2018-03-16 | 南京航空航天大学 | 面向复杂产品拆卸再生的拆卸方案及再生方案的集成决策方法 |
CN110674953A (zh) * | 2019-10-09 | 2020-01-10 | 青岛科技大学 | 基于废旧智能手机价值评估的拆卸回收方法 |
-
2021
- 2021-04-14 CN CN202110398156.XA patent/CN113283616A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005250620A (ja) * | 2004-03-02 | 2005-09-15 | Csd:Kk | 債券格付け決定装置および債券格付け向上コンサルテーション装置 |
US20080082981A1 (en) * | 2006-10-02 | 2008-04-03 | Japan Aerospace Expioraion Agency, Institute Of Space And Astronautical Science | Autonomous distributed control involving constraint on resources |
CN106447047A (zh) * | 2016-01-17 | 2017-02-22 | 沈阳工业大学 | 一种废旧机床可再制造质量评估方法 |
CN105825319A (zh) * | 2016-03-09 | 2016-08-03 | 同济大学 | 面向全生命周期的产品可回收度评价方法 |
CN107808210A (zh) * | 2017-09-13 | 2018-03-16 | 南京航空航天大学 | 面向复杂产品拆卸再生的拆卸方案及再生方案的集成决策方法 |
CN110674953A (zh) * | 2019-10-09 | 2020-01-10 | 青岛科技大学 | 基于废旧智能手机价值评估的拆卸回收方法 |
Non-Patent Citations (4)
Title |
---|
YAPING REN等: "《An MCDM-Based Multiobjective General Variable》", 《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS: SYSTEMS》 * |
周智勇等: "《基于拆装任务的虚拟拆装顺序规划及评价研究》", 《现代制造工程》 * |
张秀芬等: "面向复杂机械产品的目标选择性", 《机械工程学报》 * |
韩筱婷: "《滚筒洗衣机的拆卸序列规划研究》", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943492A (zh) * | 2022-07-25 | 2022-08-26 | 深圳市爱博绿环保科技有限公司 | 机电产品质量分数计算方法、装置和计算机设备 |
CN114943492B (zh) * | 2022-07-25 | 2022-11-11 | 深圳市爱博绿环保科技有限公司 | 机电产品质量分数计算方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110288137B (zh) | 路网级道路基础设施结构综合养护决策方法及系统 | |
CN111160750A (zh) | 一种基于关联规则挖掘的配网分析和投资决策方法 | |
CN111614491A (zh) | 一种面向电力监控系统安全态势评估指标选取方法及系统 | |
CN110751355A (zh) | 一种科技成果评估方法和装置 | |
CN115063056B (zh) | 基于图拓扑分析改进的建造行为安全风险动态分析方法 | |
CN113283616A (zh) | 一种废旧产品拆解序列与拆解深度集成决策方法 | |
CN110110447B (zh) | 一种混合蛙跳反馈极限学习机带钢厚度预测方法 | |
CN112346974B (zh) | 基于深度特征嵌入的跨移动应用程序即时缺陷预测方法 | |
CN113077271A (zh) | 一种基于bp神经网络的企业信用评级方法及装置 | |
CN113723637A (zh) | 一种面向船舶维修体系的经济性修理级别分析方法及系统 | |
Pourjavad et al. | A hybrid approach integrating AHP and TOPSIS for sustainable end-of-life vehicle strategy evaluation under fuzzy environment | |
CN110826917A (zh) | 一种建筑垃圾资源化模式模糊评价方法 | |
CN116823487A (zh) | 一种esg评价体系投资决策系统 | |
CN110837967A (zh) | 一种建筑施工模板系统的多属性评价方法 | |
CN115374858A (zh) | 基于混合集成模型的流程工业生产品质的智能诊断方法 | |
CN115619033A (zh) | 基于工业互联网的采购供应链一体化优化方法和设备 | |
CN115511357A (zh) | 一种建筑运维阶段碳排放影响因素判定方法及判定系统 | |
CN113448840A (zh) | 基于预测缺陷率和模糊综合评价模型的软件质量评价方法 | |
CN109447498B (zh) | 一种轨道交通系统成本关联多域影响要素大数据驱动分析方法 | |
CN112215514A (zh) | 一种经营分析报告生成方法及系统 | |
CN112381560B (zh) | 一种共享设备产品市场预测系统及方法 | |
CN117010283B (zh) | Pba车站钢管柱结构变形预测方法、系统 | |
CN112308169B (zh) | 一种基于改进在线序列极限学习机的出水水质预测方法 | |
CN116961987A (zh) | 一种网络安全指数评估方法 | |
CN118095827A (zh) | 一种基于bp神经网络的闭环供应链风险识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210820 |
|
RJ01 | Rejection of invention patent application after publication |