工序随机失效及其修复条件下的退役机电产品拆解工艺路线决策研究

作     者：任亚平 任莹 郭洪飞 张超勇 

作者机构：暨南大学广东省大湾区智慧物流国际科技合作基地 暨南大学智能科学与工程学院 暨南大学物联网与物流工程研究院 暨南大学管理学院 内蒙古科学技术研究院先进制造技术研究所 内蒙古工业大学数据科学与应用学院 华中科技大学数字制造装备与技术国家重点实验室 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金青年科学基金(52205526) 中央高校基本科研业务费专项资金(21623219) 省部共建公共大数据国家重点实验室(贵州大学)联合开放基金(黔教技418号) 贵州省教育厅联合开放基金(438号) 内蒙古自治区科技创新引导(2022CXYD001) 教育部中国高校产学研创新基金(2021ITA05005) 内蒙古自治区重点研发(2023YFJM0007) 内蒙古自治区教育科学“十四五”规划课题(NGJGH2023122)资助项目 

主　　题：退役机电产品 拆解工序随机失效 贝叶斯网络 失效修复 拆解工艺路线决策 

摘      要：对退役机电产品进行合理拆解并回收利用不仅可以促进资源的回收利用，还有利于减少环境污染与安全隐患等不良后果。针对退役机电产品拆解过程中时常出现的工序失效行为，从其内部零件失效角度及拆解工艺流程执行层面，系统性研究拆解工序的随机失效行为机理，包括多工序间失效因果关联机理的准确解析和单个工序随机失效(条件)概率的精准估计，建立工序随机失效及其修复条件下的拆解工艺路线决策模型，并提出贝叶斯网络-遗传混合算法，通过贝叶斯网络分别获取拆解工序间的失效因果关联和各拆解工序的随机失效条件概率，在此基础上运用遗传算法高效求解全局近似最优拆解工艺路线。最后，选择退役动力电池作为实际案例，对提出的模型和算法进行验证，实验结果表明通过论文提出的模型和方法求出的失效修复条件下的拆解工艺路线，其回收效益明显优于一般随机失效条件下的拆解工艺路线。