論文の概要: A multi parallel mixed-model disassembly line and its balancing optimization for fuel vehicles and pure electric vehicles

• arxiv url: http://arxiv.org/abs/2511.05559v1
• Date: Tue, 04 Nov 2025 01:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.440167
• Title: A multi parallel mixed-model disassembly line and its balancing optimization for fuel vehicles and pure electric vehicles
• Title（参考訳）: 多並列混合モデル分解ラインとその燃料車と純電気自動車のバランス最適化
• Authors: Qi Wang, Qingtao Liu, Jingxiang Lv, Xinji Wei, Jiongqi Guo, Panyu Yu, Yibo Guo,
• Abstract要約: 本稿では,マルチ並列混合モデル分解線路(MPMDL)を設計する。 実現可能な解の分布と動的検索資源割り当てに基づいて、改良された非支配的ソート多目的遺伝的アルゴリズム(INSGA-III)を用いる。 提案手法は, 資源利用効率を効果的に向上し, エネルギー消費を低減し, 作業者の負荷を軽減し, 高品質な分解ソリューションを複数提供できることが示唆された。
• 参考スコア（独自算出の注目度）: 5.24680480696875
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the continuous growth of the number of end-of-life vehicles and the rapid increase in the ownership of pure electric vehicles, the automobile disassembly industry is facing the challenge of transitioning from the traditional fuel vehicles to the mixed disassembly of fuel vehicles and pure electric vehicles. In order to cope with the uncertainty of recycling quantity and the demand of mixed-model disassembly of multiple vehicle types, this paper designs a multi-parallel mixed-model disassembly line (MPMDL), and constructs a corresponding mixed-integer planning model for the equilibrium optimization problem of this disassembly line with the optimization objectives of the minimum number of workstations, the minimum fatigue level of workers and the minimum energy consumption. Combining the differences in disassembly processes between fuel vehicles and pure electric vehicles, an improved non-dominated sorting multi-objective genetic algorithm (INSGA-III) based on the distribution of feasible solutions and dynamic search resource allocation is designed to solve this multi-objective dynamic balance optimization problem, and the two-stage dynamic adjustment strategy is adopted to realize the adaptive adjustment of the disassembly line under the uncertainty of the recycling quantity, and, recently, arithmetic validation is carried out. The results show that the proposed method can effectively improve the resource utilization efficiency, reduce energy consumption, alleviate the workers' load, and provide multiple high-quality disassembly solutions under the multi-objective trade-off. Compared with mainstream multi-objective optimization algorithms, the INSGA-III algorithm shows significant advantages in terms of solution quality, convergence and stability. This study provides a green, efficient and flexible solution for hybrid disassembly of fuel and pure electric vehicles.
• Abstract（参考訳）: 終末期車両の連続的な増加と純粋な電気自動車の所有の急速な増加により、自動車解体産業は、従来の燃料車から燃料車と純粋な電気自動車の混合分解に移行するという課題に直面している。 本論文は, リサイクル量の不確実性と複数車両の混合モデル分解の需要に対応するため, マルチ並列混合モデル分解ライン (MPMDL) を設計し, この分解ラインの平衡最適化問題に対応する混合整数計画モデルを構築した。 燃料車と純粋な電気自動車の分解過程の違いを組み合わせ、実現可能な解の分布と動的探索資源割り当てに基づく改良された非支配的選別多目的遺伝的アルゴリズム(INSGA-III)を設計し、この多目的動的バランス最適化問題を解決し、リサイクル量の不確実性の下で分解ラインの適応調整を実現するための2段階動的調整戦略を採用し、近年、算術的検証を行っている。 提案手法は, 資源利用効率を効果的に向上し, エネルギー消費を低減し, 作業者の負荷を軽減し, 多目的トレードオフの下で複数の高品質な分解ソリューションを提供する。 主流の多目的最適化アルゴリズムと比較して、INSGA-IIIアルゴリズムは、解の質、収束、安定性の点で大きな利点を示している。 この研究は、燃料と純粋な電気自動車のハイブリッド分解のための、グリーンで効率的で柔軟なソリューションを提供する。

関連論文リスト

• Advancing Generative Artificial Intelligence and Large Language Models for Demand Side Management with Internet of Electric Vehicles [89.07174232698982]
  本稿では,大規模言語モデル(LLM)のエネルギー管理への統合について検討する。 本稿では、自動問題定式化、コード生成、カスタマイズ最適化のために、LLMを検索拡張生成で強化する革新的なソリューションを提案する。 本稿では,電気自動車の充電スケジューリングと最適化における提案手法の有効性を示すケーススタディを提案する。
  論文  参考訳（メタデータ） (2025-01-26T14:31:03Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
  本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。 BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。 我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
  論文  参考訳（メタデータ） (2024-12-03T19:20:08Z)
• Recent Progress in Energy Management of Connected Hybrid Electric Vehicles Using Reinforcement Learning [6.851787321368938]
  電気輸送へのシフトは、化石燃料消費に関する環境問題を抑制することを目的としている。 HEVからコネクテッドハイブリッド電気自動車(CHEV)へのエネルギー管理システム(EMS)の進化は、重要なシフトを表している。 このレビューは、将来の持続可能な輸送システムに対するRLベースのソリューションのギャップを橋渡しし、課題、進歩、潜在的貢献を明らかにする。
  論文  参考訳（メタデータ） (2023-08-28T14:12:52Z)
• Multi-agent Deep Reinforcement Learning for Charge-sustaining Control of Multi-mode Hybrid Vehicles [9.416703139663705]
  電気化は車両の電気部品の増加を必要とする。 本稿では,マルチモードハイブリッド電気自動車におけるエネルギー管理戦略のオンライン最適化に焦点をあてる。 マルチエージェントを用いた新しいサイバー物理学習法が提案されている。
  論文  参考訳（メタデータ） (2022-09-06T16:40:55Z)
• Eco-driving for Electric Connected Vehicles at Signalized Intersections: A Parameterized Reinforcement Learning approach [6.475252042082737]
  本稿では、強化学習(RL)に基づく電気連系車両(CV)のエコ駆動フレームワークを提案する。 我々の戦略は、他の人間駆動車(HDV)を中断することなく適切な行動スキームを学習することで、エネルギー消費を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2022-06-24T04:11:28Z)
• A new Hyper-heuristic based on Adaptive Simulated Annealing and Reinforcement Learning for the Capacitated Electric Vehicle Routing Problem [9.655068751758952]
  都市部では環境汚染と地球温暖化を減らすために電気自動車(EV)が採用されている。 社会と経済の持続可能性に影響を与え続けているラストマイルロジスティクスの軌道をルーティングするのにはまだ不足がある。 本稿では,高ヒューリスティック適応アニーリングと強化学習というハイパーヒューリスティックなアプローチを提案する。
  論文  参考訳（メタデータ） (2022-06-07T11:10:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。