近日，我院张文康副教授的最新研究成果《A Multi-Phase Integrated Scheduling Method for Cloud Remanufacturing Systems》在国际顶级期刊《Advanced Engineering Informatics》上发表（影响因子：IF=8.0，中科院一区）。该研究由安徽农业大学、阿尔伯塔大学、南方科技大学、西交利物浦大学共同完成，提出了一种多阶段耦合调度方法，着眼于利用云计算和物联网技术来管理再制造任务，促进资源的合理分配与高效利用。
云再制造平台基于云计算和物联网，将再制造资源和服务整合为可以通过互联网访问的服务。通过云平台，再制造任务可以被分解为多个子任务，并被动态分配给不同的服务提供商，以便更有效地完成。云再制造平台的核心是其服务池和任务池，服务池中包含不同企业提供的再制造资源和服务，如拆解、清洗、修复、组装等；而任务池则存储来自客户的再制造任务。云平台通过匹配服务池中的资源和任务池中的任务，确保每个再制造任务能够找到最适合的资源来完成，从而实现资源的最优利用（如图1所示）。
图1 基于云平台的再制造系统调度框架
再制造是一种可持续的生产方式，其目的是将报废的产品通过拆解、修复、再组装等过程，使其达到甚至超越新品的性能和质量（如图2所示）。然而，云再制造系统面临着复杂的任务调度和资源分配问题，特别是在任务具有多个前置关系的情况下，传统算法无法有效地解决这些挑战。为此，研究团队提出了一种改进的鲸鱼优化算法（Improved Whale Optimization Algorithm, IWOA），通过自适应加权和二次插值技术的结合，使其能够有效应对云再制造系统中的多阶段整合调度问题。
图2 再制造流程
该研究提出的IWOA算法通过改进鲸鱼优化算法的群体更新机制，增强了算法的全局与局部搜索能力。实验结果显示，与其他经典的元启发式算法相比，IWOA在解决多阶段调度问题时具备更快的计算速度、更高的准确度以及更优的收敛性能。这种算法的引入使得云再制造系统能够更好地实现任务的分解与优化调度，从而有效降低任务的完成时间和再制造成本。此次研究还设计了一个实际案例，使用汽车零部件再制造公司数据，验证了IWOA在处理真实再制造调度问题中的有效性。结果表明，IWOA在处理大规模、多目标优化问题时表现优异，为未来云再制造系统的调度研究开辟了新的方向。（文/图/张文康 编辑/陈鑫诚 审核/杨洋）
图3 基于云平台再制造调度甘特图
链接：https://www.sciencedirect.com/science/article/pii/S1474034624004506
