CN116720623B - 一种涉及站内工具更换的直线布局拆解方案设计方法 - Google Patents
一种涉及站内工具更换的直线布局拆解方案设计方法 Download PDFInfo
- Publication number
- CN116720623B CN116720623B CN202310699776.6A CN202310699776A CN116720623B CN 116720623 B CN116720623 B CN 116720623B CN 202310699776 A CN202310699776 A CN 202310699776A CN 116720623 B CN116720623 B CN 116720623B
- Authority
- CN
- China
- Prior art keywords
- task
- workstation
- tasks
- disassembly
- population
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000005265 energy consumption Methods 0.000 claims abstract description 17
- 238000013178 mathematical model Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 22
- 230000035772 mutation Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims 1
- 238000004064 recycling Methods 0.000 abstract description 4
- 238000011027 product recovery Methods 0.000 abstract description 2
- 238000011084 recovery Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Sustainable Development (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种涉及站内工具更换的直线布局拆解方案设计方法,属于产品回收规划技术领域,包括以下步骤:以最小化工作站数量、最小化空闲时间均衡指标、最小化工具更换次数、最小化能耗为目的,建立数学模型的目标函数;在数学模型的基础上,提出目标函数的约束条件,形成考虑站内任务间工具更换的直线布局拆解线模型;求解所述直线布局拆解线模型,实现直线布局拆解线的优化设置。本发明提供了一种涉及站内工具更换的直线布局拆解方案设计方法,其考虑拆解回收产品工作站内相邻任务及首末任务间的工具更换,适用于工作中存在工具更换需要的产品线布局。
Description
技术领域
本发明涉及产品回收规划技术领域,具体是一种涉及站内工具更换的直线布局拆解方案设计方法。
背景技术
废旧产品的回收过程主要包括回收、处理(拆卸)、再制造和再利用几部分,其中,处理过程是整个废旧产品回收过程中的重要一环,处理过程不仅会影响产品的回收状况、回收效率,还会对资源回收企业未来的回收规划造成影响。所以,为资源回收企业提供一系列好的回收方案将是一项很有意义的发明。
直线拆卸布局是一种最简单的标准流水线拆卸布局形式,为向直线布局拆卸回收产品提供合理高效的标准回收方案,目前已经有部分技术对其进行了研究,但是现有技术均未考虑在拆卸过程中拆卸回收产品零部件时因零部件连接方式和结构不同所导致的拆卸工具的更换,更换工具会消耗工作时间,影响整个装置的工作效率,大部分技术对此进行了忽略处理,这也影响了其研究得到的拆卸方案的经济性。
发明内容
为解决上述问题,本发明基于直线拆卸布局形式,考虑拆解回收产品工作站内相邻任务及首末任务间的工具更换,提供了一种涉及站内工具更换的直线布局拆解方案设计方法。
为了实现上述目的,本发明的技术方案如下:
一种涉及站内工具更换的直线布局拆解设计方法,包括如下步骤:
S1、以最小化工作站数量、最小化空闲时间均衡指标、最小化工具更换次数、最小化能耗为目的,建立数学模型的目标函数;
S2、在所述数学模型的基础上,提出目标函数的约束条件,形成考虑站内任务间工具更换的直线布局拆解线模型;
S3、求解所述直线布局拆解线模型,实现直线布局拆解线的优化设置。
本发明的技术效果是:
提供了一种涉及站内工具更换的直线布局拆解方案设计方法,其考虑拆解回收产品工作站内相邻任务及首末任务间的工具更换,对于存在工具更换需要的产品线布局,其方案设计更加合理。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍。
图1是本发明多目标改进差分进化算法的流程框图;
图2是随机差分交叉操作的示意图;
图3是随机差分变异操作的示意图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地的详细说明。
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
实施例
一种涉及站内工具更换的直线布局拆解设计方法,包括如下步骤:
S1、以最小化工作站数量、最小化空闲时间均衡指标、最小化工具更换次数、最小化能耗为目的,建立数学模型的目标函数;
目标函数包括:
目标(1)为最小化工作站数量;目标(2)为最小化空闲时间均衡指标;目标(3)为最小化工具更换次数,包括相邻任务之间和相同工作站首末任务之间的工具更换;目标4为最小化能耗,其中包括工作站正常开启能耗、照明和通风等辅助能耗、危害任务拆除前的防护能耗。
NS为工作站数量;k为工作站编号;m为可用工作站总量;Sk为工作站开启变量,若第k个工作站开启,则Sk=1,否则,Sk=0;
IT为空闲时间均衡指标;CT为节拍时间;i、j为拆卸任务编号;n为拆卸任务总量;x(·)k为某一任务的分配变量,括号中为任务编号,若该任务被分配到第k个工作站,则x(·)k=1,否则x(·)k=0,如第i个任务分配到第k个工作站,则xik=1;t(·)为某一任务的拆卸时间,括号中为任务编号,如ti为第i个任务的拆卸时间;r(·)(·)k为某两个相邻任务的工具更换变量,两个括号中分别为两个相邻任务的任务编号,如果第k个工作站中的两个相邻任务需要变换工具,则r(·)(·)k=1,否则r(·)(·)k=0,如第k个工作站中相邻任务i、j需要变换工具rijk=1;tt为工具更换时间;fr(·)(·)k为首末任务工具更换变量,两个括号中分别为两个任务的任务编号,第一个括号为第一任务,第二个括号为第二任务,如果第一任务是工作站k拆卸的首任务,第二任务是工作站k中最后被拆卸的任务,且第一任务和第二任务之间存在工具更换,则fr(·)(·)k=1,否则fr(·)(·)k=0,如,如果任务i是工作站k拆卸的首任务,任务j是工作站k中最后被拆卸的任务,且任务i与任务j之间存在工具更换,则frijk=1,否则frijk=0;TR为工具更换次数,包括相邻任务之间和相同工作站首末任务之间的工具更换;EC为能耗;ew为工作站开启能耗;ea为辅助能耗;hi为危害属性,如果任务i为危害任务,则hi=1,否则hi=0;w(·)为某一任务的开始作业时间,括号中为任务编号,如wi为任务i的开始作业时刻;ed为危害任务防护能耗。
S2、在所述数学模型的基础上,提出目标函数的约束条件,形成考虑站内任务间工具更换的直线布局拆解线模型。
约束条件包括
xik+xjk-1≤zijk+zjik,1≤i<j≤n;k∈M (9)
1/2·(xik+xjk)≥zijk+zjik,1≤i<j≤n;k∈M (10)
Sk≤Sk-1,k∈{2,...,m} (31)
约束(5)为完全拆卸约束。式(6)为工作站上下限约束。式(7)为任务开始时间约束。式(8)为节拍时间约束。式(9)和(10)为任务不重叠约束。式(11)为相同工作站中任务拆卸顺序约束。式(12)为优先关系约束。式(13)–(15)为相邻任务约束。式(16)为相邻任务工具更换约束。式(17)–(19)为当前分配任务之前已发生工具更换任务统计约束。式(20)和(21)为工具更换集合,包含所有任务之间的可能。式(22)和(23)为所有可能首末任务约束。式(24)和(25)为相同工作站首末任务约束。式(26)–(28)为同一工作站首末任务工具更换约束。式(29)和(30)为工作站开启条件约束。式(31)为工作站顺序开启约束。式(32)为0–1变量。
I拆卸任务编号集合,I={1,2,...,n};s、e为拆卸任务编号;z(·)(·)k为某两个任务的拆卸顺序变量,两个括号中分别为两个任务的任务编号,第一个括号为第一任务,第二个括号为第二任务,若两个任务同时分配到第k工作站中,且第一任务分配在第二任务之前则z(·)(·)k=1,否则z(·)(·)k=0,如若任务i和j同时分配到组合工作站k中,且任务i分配在任务j之前则zijk=1,否则zijk=0;gei为某任务之前的拆卸工具更换变量,任务e与任务i均分配至同一工作站中,且任务e在任务i之前,任务e与其前一任务存在工具更换,则gei=1,否则gei=0;M为工作站编号集合,即M={1,2,...,m};α=2·CT·n,为最大工作时间,一个较大的实数;R(·)(·)为某任意两个任务变更工具变量,两个括号中分别为任意两个任务的任务编号,如果两个任务需要变换工具,则R(·)(·)=1,否则R(·)(·)k=0,如,当两任意任务i和j需要更换工具时,Rij=1,否则Rij=0;TPij拆卸任务的优先关系矩阵,若TPij=1则表示任务i是任务j的紧前任务,否则TPij=0;y(·)(·)k为相邻任务变量,两个括号中分别为两个任务的任务编号,第一个括号为第一任务,第二个括号为第二任务,若两个任务同时分配到第k工作站中,且第一任务是第二任务的前一个任务,则y(·)(·)k=1,否则y(·)(·)k=0,如若任务i和j同时分配到组合工作站k中,且任务i是任务j的前一个任务则yijk=1;TL为拆卸工具编号集合,TLi表示任务i的拆卸工具编号;TLj表示任务j的拆卸工具编号;yijk相邻任务变量;pij为首末任务变量,如果任务i为某工作站被分配的第一个任务,任务j为某工作站被分配的最后一个任务,则pij=1,否则pij=0;fijk工作站首末任务变量,如果任务i和任务j均被分配到同一工作站k,且任务i为被分配到工作站k的第一个任务,任务j为被分配到工作站k的最后一个任务,则fijk=1,否则fijk=0。
S3、求解所述直线布局拆解线模型,实现直线布局拆解线的优化设置。
本实施例采用多目标改进差分进化算法进行求解。
差分进化算法(DE)是一种随机的启发式方法,其利用种群的向量运算来实现种群更新,最终迭代向全局最优逼近。多目标改进差分进化算法(MIDE)结合了Pareto思想和NSGA-II拥挤距离机制,将种群分为精英进化种群和随机差分进化种群,对两个种群分别执行不同操作,加速寻优速度和避免陷入局部最优,MIDE算法流程图如图1所示。
采用多目标改进差分进化算法进行求解包括如下步骤:
步骤1:输入差分变异概率、缩放因子、变异概率、交叉概率、种群比例、种群大小、迭代次数等算法参数;
步骤2:设置外部档案解数量Q;
步骤3:利用编码方法生成初始种群;
步骤4:根据种群比例,将初始种群分为随机差分进化种群和精英进化种群;
步骤5:判断是否满足迭代条件(迭代次数是否达到最大迭代次数),如果是,执行步骤12;否则,执行步骤6;
步骤6:对随机差分进化种群执行随机差分变异操作;
步骤7:对随机差分进化变异后的种群执行随机差分交叉操作;
步骤8:对精英种群种群执行精英交叉操作;
步骤9:对精英交叉后的精英种群执行精英变异操作;
步骤10:合并随机差分进化种群和精英种群,对种群进行解码操作,并使用Pareto筛选获得非支配种群;
步骤11:判断非支配种群大小,如果非支配种群小于初始种群大小,使用编码生成补充个体,使得非支配种群的数量与初始种群数量相同;如果非支配种群大于初始种群大小,使用拥挤距离机制筛选多余个体,使得非支配种群的数量与初始种群数量相同;执行步骤5;
步骤12:判断非支配种群大小,如果非支配种群大于外部档案解Q的大小,使用拥挤距离机制筛选多余个体;采用处理后的非支配种群更新外部档案解。
步骤13:输出外部档案解。
随机差分进化种群的操作
随机差分交叉操作:如图2所示,选择两个体Parent A和Parent B上相同的两点,Parent A上被选中的任务按照在Parent B上的顺序排列,形成一个新的个体,个体ParentB的交叉操作与Parent A相同。
随机差分变异操作:如图3所示,在个体上随机选择一个任务,所选任务插入到其紧前任务和紧后任务之间的任一位置。
精英进化种群的操作
精英交叉操作:精英种群数量为初始种群数量与种群比例pa的乘积。精英差分进化种群采取下述计算式所示的交叉操作。
式中,rand(i)为随机产生的[0,1]之间的随机数;CR为交叉算子;ui,G+1为第G+1代的第i个个体;νi,G+1、xi,G+1为通过第G代个体产生的个体,其生成方法如下:从第G代选择两个体作为父本和母本个体,判断两个体中的差异序号,根据变异概率确定差异序号是否发生交换从而得到νi,G+1、xi,G+1;
精英变异操作:根据问题特性,随机差分进化种群的变异操作采取下述计算式所示的对差分矢量进行向下取整运算寻优。
vi,G+1=floor[xr1,G+F·(xr2,G-xr3,G)]
式中,xi,G+1为第G+1代产生的第i个新个体;xr1,G,xr2,G,xr3,G为第G代的三个不同个体;F为缩放因子;floor()表示向下取整。
下面,结合现有算法技术,求解P5和P10算例,其拆卸信息见表1。
表1拆卸信息统计表
P5和P10的优先关系矩阵如下:
优先关系矩阵中,如果任务1是任务2的紧前任务,则矩阵的第一行第二列元素为1。
采用本发明的方法计算后,其计算结果见表2。
表2拆卸布局计算结果
备注:NS为开启工作站数量目标,IT为空闲时间均衡目标,TR为工具更换次数目标,EC为能耗目标。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种涉及站内工具更换的直线布局拆解方案设计方法,其特征在于,包括以下步骤:
S1、以最小化工作站数量、最小化空闲时间均衡指标、最小化工具更换次数、最小化能耗为目的,建立数学模型的目标函数;
数学模型的目标函数包括:
NS为工作站数量;k为工作站编号;m为可用工作站总量;Sk为工作站开启变量,若第k个工作站开启,则Sk=1,否则,Sk=0;
IT为空闲时间均衡指标;CT为节拍时间;i、j为拆卸任务编号;n为拆卸任务总量;x(·)k为某一任务的分配变量,括号中为任务编号,若该任务被分配到第k个工作站,则x(·)k=1,否则x(·)k=0;t(·)为某一任务的拆卸时间,括号中为任务编号;r(·)(·)k为某两个相邻任务的工具更换变量,两个括号中分别为两个相邻任务的任务编号,如果第k个工作站中的两个相邻任务需要变换工具,则r(·)(·)k=1,否则r(·)(·)k=0;tt为工具更换时间;fr(·)(·)k为首末任务工具更换变量,两个括号中分别为两个任务的任务编号,第一个括号为第一任务,第二个括号为第二任务,如果第一任务是工作站k拆卸的首任务,第二任务是工作站k中最后被拆卸的任务,且第一任务和第二任务之间存在工具更换,则fr(·)(·)k=1,否则fr(·)(·)k=0;
TR为工具更换次数,包括相邻任务之间和相同工作站首末任务之间的工具更换;
EC为能耗;ew为工作站开启能耗;ea为辅助能耗;hi为危害属性,如果任务i为危害任务,则hi=1,否则hi=0;w(·)为某一任务的开始作业时间,括号中为任务编号;ed为危害任务防护能耗;
S2、在所述数学模型的基础上,提出目标函数的约束条件,形成直线布局拆解线模型;
S3、求解所述直线布局拆解线模型,实现直线布局拆解线的优化设置;
步骤S2中所述约束条件包括:
I拆卸任务编号集合,I={1,2,...,n};
s、e为拆卸任务编号;z(·)(·)k为某两个任务的拆卸顺序变量,两个括号中分别为两个任务的任务编号,第一个括号为第一任务,第二个括号为第二任务,若两个任务同时分配到第k工作站中,且第一任务分配在第二任务之前则z(·)(·)k=1,否则z(·)(·)k=0;gei为某任务之前的拆卸工具更换变量,任务e与任务i均分配至同一工作站中,且任务e在任务i之前,任务e与其前一任务存在工具更换,则gei=1,否则gei=0;
xik+xjk-1≤zijk+zjik,1≤i<j≤n;k∈M
M为工作站编号集合,即M={1,2,...,m}
1/2·(xik+xjk)≥zijk+zjik,1≤i<j≤n;k∈M
α=2·CT·n为最大工作时间;
R(·)(·)为某任意两个任务变更工具变量,两个括号中分别为任意两个任务的任务编号,如果两个任务需要变换工具,则R(·)(·)=1,否则R(·)(·)=0;TPij拆卸任务的优先关系矩阵,TPij=1则表示任务i是任务j的紧前任务,否则TPij=0;
y(·)(·)k为相邻任务变量,两个括号中分别为两个任务的任务编号,第一个括号为第一任务,第二个括号为第二任务,若两个任务同时分配到第k工作站中,且第一任务是第二任务的前一个任务,则y(·)(·)k=1,否则y(·)(·)k=0;
TL为拆卸工具编号集合,TLi表示任务i的拆卸工具编号;TLj表示任务j的拆卸工具编号;
yijk相邻任务变量;pij为首末任务变量,如果任务i为某工作站被分配的第一个任务,任务j为某工作站被分配的最后一个任务,则pij=1,否则pij=0
fijk工作站首末任务变量,如果任务i和任务j均被分配到同一工作站k,且任务i为被分配到工作站k的第一个任务,任务j为被分配到工作站k的最后一个任务,则fijk=1,否则fijk=0;
Sk≤Sk-1,k∈{2,...,m}
2.根据权利要求1所述的一种涉及站内工具更换的直线布局拆解方案设计方法,其特征在于,步骤S3采用多目标改进差分进化算法求解直线布局拆解线模型,具体包括如下步骤:
步骤1:参数初始化,初始化的参数包括差分变异概率、缩放因子、变异概率、交叉概率、种群比例、种群大小、最大迭代次数、外部档案解数量Q;
步骤2:生成初始种群;
步骤3:根据种群比例将初始种群分为随机差分进化种群和精英进化种群;
步骤4:判断迭代次数是否达到最大迭代次数,如果是,执行步骤11;否则,执行步骤5;
步骤5:对随机差分进化种群执行随机差分变异操作;
步骤6:对随机差分进化变异后的种群执行随机差分交叉操作;
步骤7:对精英种群执行精英交叉操作;
步骤8:对精英交叉后的精英种群执行精英变异操作;
步骤9:合并步骤6和步骤8获得的种群并使用Pareto筛选获得非支配种群;
步骤10:调整非支配种群数量使其与初始种群数量相同,如果非支配种群数量不足则随机生成新个体进行补充;如果非支配种群数量过多,使用拥挤距离机制筛选多余个体;执行步骤4;
步骤11:判断非支配种群大小,如果非支配种群大于外部档案解Q的大小,使用拥挤距离机制筛选多余个体;采用处理后的非支配种群更新外部档案解;
步骤12:输出外部档案解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310699776.6A CN116720623B (zh) | 2023-06-14 | 2023-06-14 | 一种涉及站内工具更换的直线布局拆解方案设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310699776.6A CN116720623B (zh) | 2023-06-14 | 2023-06-14 | 一种涉及站内工具更换的直线布局拆解方案设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116720623A CN116720623A (zh) | 2023-09-08 |
CN116720623B true CN116720623B (zh) | 2024-07-09 |
Family
ID=87869298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310699776.6A Active CN116720623B (zh) | 2023-06-14 | 2023-06-14 | 一种涉及站内工具更换的直线布局拆解方案设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116720623B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706895A (zh) * | 2009-12-10 | 2010-05-12 | 浙江大学 | 支持绿色设计的复杂产品目标与协同拆卸规划方法 |
CN102830621A (zh) * | 2012-09-05 | 2012-12-19 | 西南交通大学 | 一种多目标拆卸线的平衡控制方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5980084A (en) * | 1997-11-24 | 1999-11-09 | Sandia Corporation | Method and apparatus for automated assembly |
CN105045804A (zh) * | 2015-06-01 | 2015-11-11 | 内蒙古工业大学 | 一种大型复杂产品拆卸序列规划方法和系统 |
CN110580530B (zh) * | 2019-08-30 | 2022-02-22 | 西南交通大学 | 考虑工位约束及能耗的双边拆卸线设置方法 |
CN110580547B (zh) * | 2019-08-30 | 2022-02-22 | 西南交通大学 | 用于拆卸废旧产品的并行不完全拆卸线的设置方法 |
CN114077964B (zh) * | 2021-11-12 | 2022-07-15 | 江南大学 | 电子固废回收全流程智能解析方法及系统 |
CN114219217B (zh) * | 2021-11-17 | 2023-04-07 | 西南交通大学 | 一种不合并优先关系矩阵的并行拆卸线设置方法 |
CN114282370B (zh) * | 2021-12-27 | 2024-04-12 | 西南交通大学 | 考虑操作者体力和脑力负荷的拆卸线设置方法 |
CN115271568B (zh) * | 2022-09-30 | 2023-01-20 | 暨南大学 | 基于强化学习-群体进化混合算法的双边拆解线设计方法 |
-
2023
- 2023-06-14 CN CN202310699776.6A patent/CN116720623B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706895A (zh) * | 2009-12-10 | 2010-05-12 | 浙江大学 | 支持绿色设计的复杂产品目标与协同拆卸规划方法 |
CN102830621A (zh) * | 2012-09-05 | 2012-12-19 | 西南交通大学 | 一种多目标拆卸线的平衡控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116720623A (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ho et al. | An effective architecture for learning and evolving flexible job-shop schedules | |
CN113962091B (zh) | 一种处理混合废旧产品的多人共站不完全拆卸线平衡设计方法 | |
WO2016169286A1 (zh) | 一种离散制造系统的车间布局方法 | |
CN108460463B (zh) | 基于改进遗传算法的高端装备流水线生产调度方法 | |
CN109814509B (zh) | 一种面向低碳高效的并行拆卸线平衡优化方法 | |
CN107256441B (zh) | 基于非支配排序遗传算法的配电网规划建设方案设计方法 | |
CN112605988B (zh) | 一种随机多产品机器人拆卸线平衡控制方法 | |
CN113191085B (zh) | 考虑工具变换能耗下的不完全拆卸线的设置方法 | |
CN105956689A (zh) | 一种基于改进粒子群优化的运输和生产协同调度方法 | |
CN109615105B (zh) | 一种考虑柔性节拍和操作人员技能差异的装配线平衡方法 | |
CN104570997A (zh) | 一种用于金属结构件下料与加工排产集成优化方法 | |
CN109214576B (zh) | 一种面向低碳高效的拆卸线平衡优化方法 | |
Liang et al. | Restart genetic flatworm algorithm for two-sided disassembly line balancing problem considering negative impact of destructive disassembly | |
CN104616062A (zh) | 一种基于多目标遗传规划的非线性系统辨识方法 | |
CN116720623B (zh) | 一种涉及站内工具更换的直线布局拆解方案设计方法 | |
CN111966049A (zh) | 一种混合流水车间生产设备调度控制方法 | |
CN110363308A (zh) | 一种面向多阶段随机任务需求的多状态工业机器人集群选择维修方法 | |
CN110490446A (zh) | 一种基于改进遗传算法的模块化工艺重组方法 | |
CN113723803A (zh) | 联合维修策略与任务调度的并行机系统加工优化方法 | |
CN115829425A (zh) | 基于成组技术和改进cs算法的虚拟单元调度方法和系统 | |
Liang et al. | Balancing stochastic mixed-model two-sided disassembly line using multiobjective genetic flatworm algorithm | |
Azardoost et al. | A hybrid algorithm for multi objective flexible job shop scheduling problem | |
CN103996080A (zh) | 一种具有最大联通性的制造系统构型优化方法 | |
CN111884566B (zh) | 一种光伏板集群布线方法 | |
CN112036654A (zh) | 基于协同进化的光伏电站与电动汽车充电网络规划方法 |
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 | ||
GR01 | Patent grant |