Scholarlink

In den letzten Jahren ist die WiederaufbereitungWiederaufbereitung für den Umweltschutz und den Erhalt natürlicher Ressourcen von entscheidender Bedeutung geworden. Ziel der in diesem Kapitel berichteten Arbeit ist es, den besten Plan für die Produktdemontage – den ersten Schritt in der Wiedergewinnung von Produkten am Ende ihrer Lebensdauer – zu finden, der die drei Ziele der NachhaltigkeitNachhaltigkeit – wirtschaftlich, energetisch und umweltfreundlich – ausbalanciert. Die Studie schlägt drei Strategien vor: WiederverwendungWiederverwendung, WiederaufbereitungWiederaufbereitung und RecyclingRecycling. Der mehrzieligeMulti-Objektiv Bienenalgorithmus (MOBA), der Non-Dominated Sorting Genetic Algorithm II (NSGA II) und der Pareto Envelope based Selection Algorithm II (PESA II) werden verwendet, um Lösungen für zwei Fallstudien zu erstellen. In dieser Arbeit übertrifft MOBA andere Algorithmen bei der Suche nach Pareto-optimalen Lösungen für die Roboterdemontagesequenzplanung in allen Fällen.

错误：搜索内容不能为空，请输入英文关键词
错误：关键词超出字数限制，请精简
高级检索

Optimierung von Roboterdemontage-Sequenzplänen für Nachhaltigkeit mit dem mehrzieligen Bienenalgorithmus

  • 章节

  • 发表日期：

    2025年

查看全文
  • Natalia Hartono,
  • F. Javier Ramírez,
  • D. T. Pham

摘要

In den letzten Jahren ist die WiederaufbereitungWiederaufbereitung für den Umweltschutz und den Erhalt natürlicher Ressourcen von entscheidender Bedeutung geworden. Ziel der in diesem Kapitel berichteten Arbeit ist es, den besten Plan für die Produktdemontage – den ersten Schritt in der Wiedergewinnung von Produkten am Ende ihrer Lebensdauer – zu finden, der die drei Ziele der NachhaltigkeitNachhaltigkeit – wirtschaftlich, energetisch und umweltfreundlich – ausbalanciert. Die Studie schlägt drei Strategien vor: WiederverwendungWiederverwendung, WiederaufbereitungWiederaufbereitung und RecyclingRecycling. Der mehrzieligeMulti-Objektiv Bienenalgorithmus (MOBA), der Non-Dominated Sorting Genetic Algorithm II (NSGA II) und der Pareto Envelope based Selection Algorithm II (PESA II) werden verwendet, um Lösungen für zwei Fallstudien zu erstellen. In dieser Arbeit übertrifft MOBA andere Algorithmen bei der Suche nach Pareto-optimalen Lösungen für die Roboterdemontagesequenzplanung in allen Fällen.