电子废物管理工厂：随机模型与元算法比较提升可靠性与可维护性

本文探讨了电子废物管理工厂的可靠性和可维护性优化问题，发表于《沙特国王大学学报》。研究团队，由Naveen Kumara等人组成，来自印度斋浦尔Manipal大学和韩国光州科学技术学院，针对这个关键领域的问题，提出了一个随机模型框架。该模型旨在集成可靠性、可用性、可维护性和可靠性（RAMD）指标，通过马尔可夫分析来评估电子废物管理工厂的稳态可用性。 研究方法采用了多种元启发式算法，包括遗传算法（GA）、粒子群优化（PSO）和差分进化（DE），以优化工厂的可用性。通过RAMD方法确定最敏感的组件，并考虑了故障率和维修率的指数分布，以及随机变量之间的统计独立性。这种新颖的模型尚未在流程工业的可靠性分析中得到广泛应用。 研究结果显示，遗传算法在较大的种群规模（2500）和迭代次数（500）下表现出最佳性能，达到的可用性为0.92330969。相比之下，PSO在较小的种群规模（100）和迭代次数（50）下表现出更快的收敛速度，最大可用度为0.99996744。当种群规模增加到1000以上，差分进化算法在相同条件下显示出最优可用性值为0.99997。 这项研究的实际意义在于，为系统设计人员提供了一种工具，可以帮助他们优化其他过程工业的可靠性措施。由于文章在CC BY许可下开放访问，这意味着研究成果可以被广泛地分享和应用，促进了电子废物管理技术和可靠性优化方法的发展。