邱栋团队在《福建理工大学学报》发表异步并行拆卸序列规划论文

　　福建理工大学管理学院邱栋团队在《福建理工大学学报》发表论文《考虑不确定拆卸时间的异步并行拆卸序列规划》，该研究针对拆卸时间受多种因素影响存在不确定性的问题，提出基于灰数的异步并行拆卸序列规划方法，构建多目标数学模型并设计改进人工蜂群算法，经笔记本电脑拆卸实例验证，异步并行拆卸经济效益提升23.1%，拆卸时间缩短12.7%，为回收再制造领域高效拆卸提供了新方案。

　　拆卸是回收再制造的核心环节，拆卸序列规划的科学性直接影响拆卸效率与收益。传统研究多基于确定的拆卸时间开展，但实际操作中，操作者技能、产品结构、材料特性等因素都会导致拆卸时间不确定，影响规划方案的实用性。邱栋团队聚焦这一行业痛点，将灰数引入拆卸时间描述，把不确定时间转化为可量化分析的灰数区间，为精准建模提供了数学基础。

　　团队构建了以最大拆卸收益和最小拆卸时间为目标的数学模型，同时考虑拆卸最大规定时间、工作站顺序、并行序列执行长度等多重约束条件。为高效求解该复杂模型，研发了改进人工蜂群算法：采用矩阵编码构造可行解，用锦标赛选择替代传统轮盘赌以保护最优解;在守望蜂阶段引入自适应变异操作，拓展解空间搜索范围;在侦察蜂阶段设计基于潜能值的更新策略，避免算法陷入局部最优;创新提出多解协同对比方法，高效获取非劣解。

　　通过MATLAB软件进行1000次迭代测试，将该改进算法与切诺贝利灾难算法、机器学习算法及传统人工蜂群算法对比，结果显示改进算法在接近120次迭代时即达到最优值，收敛速度显著优于对比算法，验证了其优越性。

　　为进一步验证模型与算法的实际应用效果，团队以Fujitsu AH556型号笔记本电脑为拆卸对象，其包含22个零件，回收收益从0.5元至72.3元不等。对比同步并行拆卸与异步并行拆卸效果发现，异步并行拆卸平均收益达256.4元，较同步并行拆卸的208.3元显著提升;平均拆卸时间从163.3秒缩短至142.6秒，实现了效率与收益的双重优化。

　　该研究创新性地解决了不确定环境下的拆卸序列规划难题，其提出的方法和算法可为大型复杂机电产品的高效回收拆卸提供技术支撑，对推动再制造产业提质增效、促进资源循环利用具有重要意义。