沙特国王大学学报电子废物管理工厂Naveen Kumara，Deepak Sinwarb，Monika Sainia，Dinesh Kumar Sainib，Ashish Kumara，ManjitKaurc，Dilbag Singhc，Heung-No Leec，a印度斋浦尔Manipal大学数学统计系b印度斋浦尔马尼帕尔大学计算机与通信工程系c韩国光州科学技术学院电气工程与计算机科学学院，光州61005阿提奇莱因福奥文章历史记录：接收日期：2022年2022年5月17日修订2022年5月27日接受2022年6月9日在线发布保留字：电子废物管理工厂维修性遗传算法-差分进化粒子群优化马尔可夫死亡过程A B S T R A C T目的：可靠性和可维护性是过程和制造业以及处理厂，特别是电子废物管理厂的关键系统有效性措施。目前的工作提出了一个座右铭，以开发一个随机框架的电子废物管理工厂，以优化其可用性集成的可靠性，可用性，可维护性和可靠性（RAMD）的措施和马尔可夫分析，以估计稳态可用性的电子废物管理工厂。在分析中，还努力确定电子废物工厂的可用性优化的最佳执行算法方法：一个特定的工厂的随机模型的开发和其可用性优化使用各种元启发式方法，如遗传算法（GA），粒子群优化（PSO），和差分进化（DE）。最敏感的组件被确定使用RAMD方法，而在各种故障和修复率的偏差的影响观察所提出的模型。故障率和维修率服从指数分布。所有时间相关的随机变量都是统计独立的。独创性/新颖性：一种新的随机模型，提出了一个电子废物管理工厂和最优的，妈妈的可用性，使用元启发式方法。该方法在流程工业的可靠性分析中还没有被讨论过。结 果 ： 所 提 出 的 模 型 的 数 值 结 果 进 行 比 较 ， 以 确 定 最 有 效 的 算 法 。 据 观 察 ， 遗 传 算 法 提 供 了 最 大 值（0.92330969）的可用性在人口规模为2500经过500次迭代。粒子群优化算法在迭代50次、种群规模为100时，获得了最大可用度（0.99996744）.因此，它的收敛速度比GA快。在种群规模大于1000的情况下，经过500次迭代，差分进化算法的最优可用性值为0.99997。这些发现对系统设计人员非常有益实际意义：所提出的方法可以用来找到其他过程工业的可靠性措施©2022作者（S）。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY许可下的文章（http://creativecommons.org/licenses/by/4.0/）。1. 介绍在当今的科技时代，废弃物的管理成为最大的挑战。废物进来*通讯作者。电子邮件地址：heungno@gist.ac.kr（H.- N. Lee）。沙特国王大学负责同行审查许多不同的形式，如生物废物、电子废物、农业废物、工业废物等。每种废物都有其自身的后果和不同的处理方法。今天，技术的快速发展，电子工业技术创新的升级，导致了世界上增长最快的废物流之一全球电子和电子设备市场以多种形式继续呈指数级增长。电子废物是不需要的电子物品或不工作的设备的当人们缺乏https://doi.org/10.1016/j.jksuci.2022.05.0181319-1578/©2022作者。由Elsevier B.V.代表沙特国王大学出版。这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comN. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4713关于电子废物和电子废物的知识被焚烧，燃烧的颗粒与土壤或地下水混合。因此，它以饮用水或食物的形式进入人体。一些电子垃圾的成分有汞、铅、钡、铬、砷和镉.就全球电子废物产生而言，其为5950万公吨，预计到2030年将达到7470万公吨（Tiseo，2019年）。石化产品价格的上涨和政府减少温室气体排放在大流行期间，计算设备的使用增加了许多倍。所有这些都导致了电子垃圾的增加。为了处理这些电子垃圾，需要真诚的努力。Ikhlayel（2017）描述了电子废物与固体废物混合的情况。他建议，它需要特别关注和综合思维可以提供这些问题的解决方案。Kahhat等人（2008）讨论了美国电子垃圾收集、回收和再利用的程序。S.A. Ghimire和Ariya（2020年）描述了电子废物的回收、组成、生产中的知识差距以及对可持续性的影响。印度第一部管理电子废物的法规于2011年出台，并于2012年生效。Kaya（2012年）提出了一种废弃电气和电子设备的拆解、切碎、分离、熔炼和在此之后，规则已经修改了两次。该法规对电子废物处理提出了各种政策建议，建立电子废物管理工厂是其中的一项突出政策。这些工厂非常复杂，具有中央电子废物收集中心、物体识别单元、拆卸和销毁单元、处置单元和破碎单元等设备结构复杂，影响了其工作环境所以必须非常小心地处理这株植物为此，工厂的可靠性措施是关键的性能评估标准。文献中已有可靠性、 可用性、 可维护 性和可靠 性（ Reliability ， Availability ，Maintenance，and Trustability，RAMD）、故障树分析、最小割集法、Petri网法、半马尔可夫法和马尔可夫法等用于过程设备可靠性特性的评估方法所有这些技术评估的可靠性作为一个本地的解决方案。Cheng等人（2020年）提出一个优化模型，通过重新分配设施之间的废物需求分布来提高固体废物收集系统的可靠性，而不会减少废物产生或提高废物管理设施的容量。 Aggarwal等人（2016）对脱脂奶粉生产子系统进行了RAMD分析，并确定了导致乳品厂低绩效的最关键组件。Zeng等人（2015年）开发了一个模型来解决综合移动回收厂中的电子废物问题。 Saini和Kumar（2019）研究了蒸发系统，旨在分析可靠性、可用性、可维护性和可靠性在识别糖厂最敏感子系统中的应用。利用马尔可夫生灭过程导出了Chap-manNi等人（2021年）对方法学进行了系统审查参与电子废物管理，并确定了新的研究议程。Ahmadi 和Amin（2019）为具有供应商选择的手机闭环供应链网络开发了一个集成机会约束随机模型。Kaya（2012年）探讨了模糊环境中废物管理的外包替代方案。Wang等人（2021）开发了一种用于热备用胚胎细胞阵列可靠性评估的Deenadayalan和Vaishnavi（2021）发明了基于深度学习的新技术，用于使用故障识别进行可靠性评估和 Rahimifar等人（2021）开发了一种用于软件能耗预测的随机马尔可夫模型定义的无线传感器网络。 Jithish等人（2021）建议采用以决策为中心的方法来开发安全和节能的网络物理系统，这些结果并没有被普遍考虑。为了获得全局解，几种软计算技术如遗传算法（Goldberg和Holland，1988）、微粒群优化（Kennedy和Eberhart，1995）和差分进化（Mullen等人，2011; Storn和Price，1997）已经在过程工业中使用。Kehar和Chopra（2021）将动态多目标差分进化用于遥感图像的可见性恢复。Padmanabhan和Premalatha（2019）使用不同的差分进化策略来优化风穿透非凸动态功率调度问题。Syu和Wu（2021）使用多目标优化技术和粒子群优化修改了ORB交易策略 Sinwar等人（2021）将基于自然的算法GA和PSO用于污水处理厂的可用性优化。从文献回顾中发现，电子废物管理工厂的可靠性评估和性能优化，目前还没有得到广泛的探讨。SalehiAmiri等人（2020）确定了易腐商品两阶段供应链 Abdi等人（2020）提出了设计绿色供应链网络的创新方法，包括提货和分批交货。Fasihi等人（2021，2021）提出了一个双目标数学模型，通过使用各种多目标元启发式方法来开发鱼类闭环供应链。Hamdi-Asl等人（2021）以棕榈枣为例，建立了一个实现农业供应链可持续发展的模型。Zahedi等人（Zahedi等人，2021）为具有多种运输方式的多任务销售代理设计了闭环供应链。Mousavi等人（2021）使用元启发式方法评估了采用社会因素的血液分解供应链设计的绩效。Akbarpour等人（2021年）利用随机优化下的车辆路径问题为智慧城市开发了一种创新的电子废物管理工厂。Amuthan和Arulmurugan（2021）开发了一种基于半马尔可夫的混合信任预测模型，用于在无线传感器网络中使用可靠的簇头选择来保持生命周期。Prajapati（2021）使用粒子群优化算法进行大规模多目标软件的架构恢复。Ghoushchi等人（2021）提出了通过使用基于球面模糊集的综合SWARA-WASPAS框架进行医疗废物管理的方法。Shahsavar（2022）建议在综合决策结构上开展城市塑料废物管理的生物回收程序。Salehi-Amiri等人（2022）设计了一个可持续的废物管理系统，并配备了物联网设施。Chouhan等人（2022）通过考虑环境影响，基于决策技术开发了一种糖厂可持续发展模型。Kumar（2022）提出了一个有效的随机模型，用于使用基于种群的算法计算汽轮机发电厂部件的运行可用性。Saini等人（2022，xxxx）将元启发式方法用于各种过程工业的性能优化。 Das等人（2022）在设计多态计算网格时，考虑了代价和带宽的思想，采用遗传算法。通过记住所有上述事实和数字，可以观察到，电子废物管理工厂的可靠性优化到目前为止还没有被探索。此外，使用元启发式方法来优化电子废物管理工厂的性能没有进行。这促使作者进行这项研究。简而言之，这项工作的主要贡献突出如下：N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4714建立了一个新的随机框架，以优化电子废物管理的稳态可用性。可用性优化采用三种成熟的元启发式方法，即微分进化（DE），粒子群优化（PSO）和遗传算法（GA）。使用可靠性、可用性、可维护性和可靠性（RAMD）方法确定最敏感的组件。指数分布应用于故障率和维修率，并使用所提出的模型观察其变化的影响（即，马尔可夫方法）。所提出的模型的数值结果进行比较，以确定最有效的算法。整个手稿分为六个部分，包括引言部分。第2节，材料和方法是desig- nated符号，系统描述，并描述各种元启发式方法。第三节对各子系统进行了RAMD分析，第四节进行了稳态可用性分析及其优化。第5节专门讨论结果，结论纳入第6节。2. 材料和方法2.1. 符号模型开发使用以下术语1收集模式X模式X我SL单元2分类一一S1L1单元BBS2L23拆除CCS3L3单元DDS4L44破碎单元EeS5L55废物FFS6L6转移GGS7L7P00tt的导数P0t;：在时间t，系统处于0状态：运行状态：失败状态中心材料包括塑料、铜、钢、铝被转移进行粉碎，并提取有价值的材料或将电子卡片出口以供再利用。系统描述的流程图如图1所示。在电厂人员的帮助下，绘制所有机组的故障率和维修率，并将其与可能的搜索空间一起报告在表1中。所有的随机变量在统计上相互独立，并呈指数分布。该系统的假设条件下，有足够的维修设施，没有同时故障，和完美的修复。2.3. 优化策略为了优化电子废物管理的稳态可用性，三个成熟的元启发式算法，即DE，GA和PSO。基于文献回顾，它被观察到，这些算法被发现是合适的，这样的系统的可用性这些算法的简要描述在下面的小节中提到。2.3.1. 差分进化差分进化（DE）（Storn和Price，1997）在获得一些工程和科学问题的优化解决方案方面越来越感兴趣。然而，DE是一种启发式方法，但 它 不 像 其 他 进 化 算 法 那 样 受 到 生 物 学 启 发 （ Georgioudakis 和Plevris，2020）。进化算法只做一些假设或不做任何假设，并在初始随机解上开始进化。为了从候选解决方案的搜索空间中获得最优解决方案，DE随机执行变异，交叉和选择。标准DE算法本质上是简单的，并且仅需要调整三个控制参数。有时，预测控制参数的正确值的问题变得困难和耗时的一些问题。为了解决这个问题，研究人员还提出了DE的几种变体，并将其称为DE变体（Wang et al.，2011;Brest等人，2006;Zhang和Sanderson，2009）。标准DE算法是一种直接搜索方法，利用人口个别的解决方案。标准DE的基本步骤如下：1. 1.初始种群NP由全体D维的参数空间，并随机选择，或由用户提供的值。假设均匀概率分布适用于所有随机决策。在初始解存在的情况下，通过加入正态分布的随机偏差，得到初始种群。2. 变异：新的参数向量的产生是通过两个种群向量的差相加而三选择人口中的成员，即xr0;xr1和xr2，对于每个靶载体xi;G;i/f1;···：;NPg：2.2.系统描述在本节中，讨论了电子废物管理工厂的配置。这是一个非常复杂的系统，有六个单位，即集中废物收集单位，分类，拆卸和销毁单位，破碎，处置和转移危险处理中心。最初，电子废物收集在智能电子废物收集vi 1/4xr0F：1/4xr1-2/4 x r1这里，F表示差分加权向量，其值一般在0到1之间; G表示生成。突变继续，直到发生指定数量的突变Crossover：Crossover从供体向量vi的元素或从目标向量xi的元素获得试验向量ui，如（2）中给出的：箱子，然后通过对象识别u1/4。vi;j如果r i;j≤CR或 J1/4兰特ð2Þ技术.分类的材料分为各种类别，如小型IT设备、PCB、灯具、温度交换器i;jxi;j否则下一步，开始拆除和销毁设备。含有玻璃有毒成分的废弃物送去处理或转移到危险废物处理其中i<$f1;···;NPg，j<$f1;···;Dg，ri;jU<$0;1是均匀分布的。为每个j生成的分配随机数，以确保ui●●●●●S.子系统代码失败修复号速率/小时速率/小时手术失败SLiN. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4715中央收集中心•Smart E废物收集箱1•Smart E废物收集箱2•Smart E废物收集箱3分类•垃圾打包机•废物分离器迪门塔灵•废物粉碎机•Wste输送机破碎•卷筒刀具垃圾中转•出口回收和再利用•处置并转移至危险废物处理中心Fig. 1.电子废物管理工厂流程图。3选择：利用贪婪准则，将跟踪向量与目标向量进行比较，以达到最小化如果ui;G<$1xi;G则xi;G<$1 <$$>ui;G<$1，否则保留xi;G<2.3.2. 遗传算法遗传算法（GA）（Goldberg和Holland，1988）是一种基于种群的方法，其灵感来自达尔文的生物进化过程理论（适者生存）。它是一种流行的进化计算技术，其特点是个体的适应度计算。具有足够适应性的个体参与下一轮进化。初始随机解称为染色体，参数称为基因。如果可以使用决策参数对问题进行编码，则遗传算子（选择、交叉和变异）的计算变化产生了基本算法的新变体在算法1中提到的GA的基本伪代码如下：选择测试个体（亲本）用于个体的进一步繁殖。在Crossover中，新的后代是基于所选亲本的基因交换生成的，直到指定交叉点。交叉点可以随机地或基于某些假设来决定。然而，在突变中，个体的基因根据指定的算法被打乱或翻转。许多突变算法存在于研究文献中，为研究人员的工作提供了自主权2.3.3. 粒子群优化算法PSO（Kennedy and Eberhart，1995）在这里，粒子是指问题空间中朝着共同目标前进的个体个体的初始位置是根据上界和下界中的约束条件随机确定的另一方面，Swarm指的是粒子的数量和速度，算法1遗传算法的基本伪代码（Goldberg和Holland，1988）。在“选择”中，将个体的适应度值与指定的阈值进行比较很少有实现是基于使用轮盘机制随机选择个体两个合适的-个体向全局优化移动的速度被称为速度。在粒子的每次运动中，算法计算它们的适应度值，称为个人最佳（或P_Best），N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4716ð Þðþ Þ表1子系统的故障率和维修率子系统RAMD和马尔可夫分析基础值搜索空间故障率修复率故障率修复率收集单元s= 0.006l= 0.285[0.00001-0.90]【0.00001-2.00】分类s1= 0.007l1= 0.281【0.00001-0.80】【0.00001-2.10】单元s2= 0.009l2= 0.196[0.00001-0.95]【0.00001-2.45】拆除S3= 0.068l3= 0.123【0.00001-0.97】【0.00001-1.94】单元S4= 0.087l4= 0.401【0.00001-0.96】【0.00001-1.43】破碎单元s5= 0.041l5= 0.318[0.00001-0.94]【0.00001-3.20】垃圾中转S6= 0.041l6= 0.167【0.00001-0.87】【0.00001-2.43】S7= 0.041l7= 0.167[0.00001-0.95]【0.00001-2.08】通过将速度值添加到当前位置来确定下一个位置在全球最佳状态的基础上更新个人最佳状态的过程算法在达到最大迭代次数时收敛，或和c2是加速度系数。标准PSO的伪代码（Abbas和Abdulsaheb，2016）在算法2中提到如下：算法2粒子群优化算法的基本伪代码。满足停止标准。提出了粒子群优化算法的基本方程由方程式（三）、这里，x i<$t<$i表示时间t时粒子i在搜索空间中的位置。其中，v it表示粒子i在时间t的速度。粒子的更新位置是通过添加速度到当前位置，如（3）中所述。xit1xitvit13速度v it1考虑了其他几个分量，即惯性系数、认知分量和如等式中所述的社会分量。（四）、vit1w：vitc1pit-xitc2gt-xit4这里，w表示惯性系数，pit表示个人最佳，gt表示全局最佳，vit表示初始速度，c1N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报47172.4.仿真环境为了模拟实验评估，我们在具有8 GB主内存和Intel Core i7第7代CPU的Windows 10 64位上使用了RStudio（版本1.2.5042）。3. 电子废物处理厂3.1. 收集单元它是任何电子废物管理工厂的主要单元在这里，所有收集的废物都储存在智能盒子里。在所提出的系统中，它包括三个并行的智能盒。所有盒子的故障率和修复率都是相同的，并呈指数分布。马尔可夫N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4718P0340413214140I¼2323032303X3τμ2X2τμXτμX0 1 2 3图二、采集单元状态转换图方法用于采集单元的可靠性、可用性和可维护性分析。它的状态转换图是示于图 二、P02未分类-l2P2未分类2P0未分类17未分类在稳态条件下，Eqs.（15）电话：021 -88888888传真：021-88888888l1P1P1P0P1P9Pl2P2P0P2P0P2P 0P在解决Eqs。（18）与过渡直径ni¼1P1= 0.02418，P2= 0.00495，其中克收集单位如下：P01s1s212112 3 4 5 67 89 10 1112 13 14 1516 17 18 193.3.拆卸装置它是任何电子废物管理工厂的主要单位。在这里，进行废料的销毁。在拟议的系统中，它由两个组成部分废物切碎机和废物输送机。这两个组件的故障率和修复率是不同的，但指数分布。采用马尔可夫方法对拆卸单元进行可靠性、可用性和维修性分析。其状态转换图如图4所示。Chapman-Kolmogorov方程组与trans-位置图如图所示。 4、拆解单位：P0t-ssPtlPtlPt22P0t-lPtsPt23n1Pi 1，我们得到三六二6s3P0t-lPtsPt24在稳态条件下，Eqs.（22）P1未显示IP 0未显示;P 2未显示其中.l2P0未满13岁;P3未满13岁l3P0未满13岁2019 -04 - 25 00：00：0000：00.3s6s26s3-1l4P1不含税4P0不含税26不含税P0¼1升2升3升ð14ÞlPtsPt273.2. 分类单元在解决Eqs。 （25）Pn我们得到P1= 0.122588，P2= 0.312376，其中它是任何电子废物管理工厂的关键单元。在这里，山口-1/1均p0.1s4第3条第1款第 28项存储在智能盒中的所选废物由废物分离器分类。它包括两个不同的组件，具有不同的故障率和维修率。故障率和修复率呈指数分布。采用马尔可夫方法对采集单元进行可靠性、可用性和维修性分析。其状态转换图如图1所示。3.第三章。图1所示的转捩图所对应的Chapman-Kolmogorov微分方程组。 3个分类单元为：P00不含税-不含税1不含税2不含税0不含税1不含税2不含税15不含税P01未满16周岁-l1P1 未满16周岁1P0 未满16周岁2014年4月3日3.4. 破碎单元它是任何电子废物管理工厂的主要单元。它执行- forms破碎钢，塑料，和铝材料.在所提出的系统中，它包括单个组件。 其故障率和修复率服从指数分布。采用马尔可夫方法对采集单元进行可靠性、可用性和可扩展性分析。其状态转换图如图1所示。 五、图1所示的相变图所对应的Chapman-Kolmogorov方程。破碎单元的5个参数是：图三.分类单元状态转换图见图4。拆卸单元状态转换图。PP00不超过3sP0不超过3sP1不超过3 sð5ÞP01非标-非标2s非标P1非标3s非标P0非标P2非标ð6ÞP02不含硫-不含硫P2不含硫2不含硫P1不含硫P3不含硫ð7ÞP03不含硫P2不含硫-lP3不含硫ð8Þ在稳态条件下，Eqs.（5）3sP0tlP1tð9Þ22秒后1秒后3秒后0秒后1秒后2秒后3秒后ð10Þsð11ÞsP2不带齿lP3不带齿ð12Þ后解方程（9）使用归一化条件N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4719Y¼PL5P0从系统结构上看，所有的元件串联配置，任何一个元件的故障都会导致系统的完全失效。因此，E废物系统的RAM测量可以使用表达式导出：图五、破碎单元状态转换图可靠性51/1可用性1/4Y5Rite-0： 1725t40电话号码：021- 89999230P00t1/45P1t-s5P0t29i¼1i5我可维护性01/1Mit1-e-lt42P1未满1小时-l5P1未满5小时5P0未满30小时在稳态条件下，Eqs.（29）和（30）成为l5P1不含税5P0不含税31不含税后解决当量（三十一）和使用归一化条件4. 电子垃圾处理厂稳态可用度分析RAMD测量用于调查瞬时性能以及识别最关键的组件，n1/1Pi 1，我们得到the system.在所有衡量标准中，可用性是最关键的受其故障率和维修率影响很大的措施P11/40：114206，其中P0。1秒5秒41秒32秒3.5. 废物转移装置在电子废物管理工厂的最后阶段进行配置。从这里，有用的材料被送去回收/再利用，含有危险材料的材料被送去进一步处理或分解。在所提出的系统中，它包括用于该任务的两个不相同的组件这两个组件的故障率和修复率是不同的，呈指数分布。采用马尔可夫方法对采集单元进行可靠性、可用性和可维护性分析 其状态转换图如图1所示。 六、图1所示的相变图所对应的Chapman-Kolmogorov方程。 废物转运装置的6个参数为：P10不包括在内。第7页第6页第1页第6页第0页第7页第2页第33页P001 123456P0 0 1 2 3 4 56 7 8 9 9 10 10 1P0不含税1P2不含税7P1不含税35美元以及时间。因此，有必要在做出任何关于系统性能的决定之前调查系统的稳态可用性。因此，在这里提出了一个数学模型的电子废物管理工厂使用马尔可夫生灭过程。应用第2节中描述的符号和假设，准备状态转换图并在图7中示出。态间的跃迁是通过一定的速率参数实现的。使用简单的概率参数和转换图，数学模型已经开发。微分方程描述如下：P1未分类t1- 3s-s1-s2-s3-s4-s5-s6-s7未分类t1未分类t1P2未分类t1 P5未分类t2P6未分类t3P7未分类t2019年10月15日，第14届中国国际汽车工业展览会在北京隆重举行，中国国际汽车工业展览会在北京隆重举行，中国国际汽车工业展览会在北京隆重举行。P1tdt-P1tDt=. -3s-s1-s2-s3-s4-s5-s6-s7l6P1 00，我们得到P012 7在稳态条件下，Eqs.（33）2019 - 06 - 2600：00：00 00：00l6P1未满37岁6P0未满37岁l7P2不适用于7P1不适用于38P在解决Eqs。（36）1/4P2非标1P5非标2P6非标3P7非标4P8非标电话：+86-510 -8888888传真：+86-510 - 88888888同样地，P021/3秒P1不含税P3不含税1P12不含税2P13不含税3P14不含税电话：+86-510 -88888888传真：+86-510-88888888ni¼1Pi 1，我们得到P03P1¼0： 188016;P2¼ 0： 046155，其中.S. s。s×P 1件þ1/2秒P2不含税P4不含税1P19P20 -2000 -2000第21页ðtÞ7 6六升七升六¼1ð39Þ电话：021 -88888888传真：021 - 88888888P04不含税P4不含税P3不含税46不含税P0i4liP5siP1;i1;2;3;4;5;6;747P0j11ljP12sjP2;j1;2;3;4;5;6;748Y6N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4720P¼iP0k18lkP19skP3;k1;2;3;4;5;6;749#21453;限T？1在Eqs。（43）1/1见图6。 废物转运单元状态转换图。N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4721图7.第一次会议。电子废物处理厂的状态转换图表2元分析的参数值算法参数遗传算法种群大小= 100，1000，1500，2000，2500，5000;最大迭代次数= 500;交叉率= 0.7;变异因子= 0.8粒子群优化群体大小= 100、1000、1500、2000、2500、5000，最大迭代次数= 500;惯性权重= 1;阻尼比= 0.9;全局最佳= 2.8;个人最佳= 1.8差分进化群体大小= 100、1000、1500、2000、2500、5000;最大迭代次数= 500;交叉率= 0.7;突变因子= 0.8表3电子废物处理厂及其子系统的可靠性指标指数SS1 SS2 SS3 SS4 SS5可用性0.9999980.999990.9999980.999990.999955可靠性e-0：018te-0：016te-0：0155te-0：041te-0：082t维护性e-8999：994te15999： 9744te-77499：5544te-0：40999905te-1822：14083t可靠性499999.001999998.4499997.1259.99997722221.2298MTTR（小时）0.0001111120.00006250010.00001290332.439030.000548805MTBF（小时）55.55662.56.451612924.390243912.195122N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4722112016年12月26日2l2位þl þl3l布里尔布里尔布里尔布里尔¼P1;P 11¼P1;P 12¼S6S73sS13sS2L6L71L12L22016年12月26日3P13ss2s3s1½f1l6l26l3ls2s32013年2月3日第四 季第五季第六季第七季2014年4月25日与电子废物管理工厂的马尔可夫模型相关的初始条件是：- 是的3秒。s1000。3秒。s2个字母。3秒。s3个字母。3秒。s4L L1L L2L L3L L4. 如果i1，则为1.3秒。500美元。3秒。s6mm。3秒。s700。s2m。s1þL2L1þL L6þL L7þ6LL50，如果i. s2m。s2m。s2m。s3m 。s2m。s4L2L2L2L3L2L4利用上述微分差分方程和初始条件，条件的代数解已被推导出一个特定的情况.s2m。s5L2L5S2S66. s2m。第7条第1L2L7G使用MATLAB R2019a。电子废物的稳定状态可用性管理工厂是：类似地，状态下的概率如下：3ss2s3s可用性1页1页2页3页P2¼P1;P3¼6P1;P4¼61P1;P 5¼P 1;P 6.3ss2ll2s2s3l3l1S4S5¼1l6l21/4lP1;P7/4l P1;P8¼lP1;P9¼lP1;P10.13s6s26s3s1s2s3s4s52345S6S7. 3秒。s1L L1P1;P 13.- 是的Σ.- 是的Σ2016年6月27L L1þ L L21/4。3秒。s2=P1;P14¼。3秒。第3条第1款;第15L L2L L3- 是的 3秒。 s3个字母。 3秒。s4400。 3秒。s5L L3L L4L L5. 3秒。s4m。3秒。s5¼ L L4L L5.3秒。s6 .3秒。 s700。s2m。s1þ1þLL7L2L6 LL. 3秒。s6mm 。3秒。第7条¼ L L6L L7. s2m。 s2m。 s2m。s3m。 s2m。s4þ6L2L4þ63L2Lþ62 L2L. s2m。s。s2m。sL2L2.s2m。s5þ65 L2LS2S66. s2m。第7条第1款L2L7. s2m。s3m。s2m。s41/4l2lP1;P22¼6l2P1;P234据观察，从代数方法得出的结果是本地解决方案。为了达成一项全球性的解决办法，.s2m。s5L2L5.s2m。s6L2L6使用遗传算法优化系统的可用性算法（GA）、粒子群优化（PSO）和微分.s2m。第7条L2L7进化（DE）。所有算法的搜索空间在表2.表4故障率对电子废物处理厂可用性的影响S基准值见表1s1+s 1的s2+s 2的s3+s 3的s4+s 4的s5+s 5的s6+s 6的s7+s 7的0.0060.4063990.4059880.4056420.3974690.4028470.4042810.4023850.4023850.0070.4063940.4059830.4056370.3974640.4028430.4042760.402380.402380.0080.4063880.4059770.4056310.3974580.4028360.404270.4023730.4023730.0090.406380.4059690.4056230.397450.4028280.4042620.4023650.4023650.010.406370.4059590.4056130.3974410.4028180.4042520.4023550.402355电话：+86-21-6666666ð52Þþ6þ6þ6þ6ð50Þ345×P1;P 16¼þ6P1;P 17P1;P 18¼P1;P 19¼6P1;P20¼6P1;P 21ð53Þ¼6P1;P 25P1;P24¼6¼6P1151毫米LN. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报47230.0110.4063570.4059460.4056010.3974290.4028060.4042390.4023430.4023430.0120.4063430.4059320.4055860.3974150.4027920.4042250.4023290.4023290.0130.4063260.4059150.405570.3973990.4027760.4042090.4023130.4023130.0140.4063070.4058960.405550.3973810.4027570.404190.4022940.4022940.0150.4062850.4058740.4055280.397360.4027350.4041680.4022730.402273表5修理率对电子废物处理厂的可用性的影响。L基准值见表1l1+l 1的l2+l 2的l3+ l3的l4+l 4的l5+l 5的l6+l 6的l7+l 7的0.2850.4063990.4067740.407090.4148730.4096830.4083440.4101190.4101190.2860.4063990.4067740.407090.4148730.4096830.4083450.4101190.4101190.2870.40640.4067740.407090.4148730.4096830.4083450.4101190.4101190.2880.40640.4067740.407090.4148730.4096830.4083450.410120.410120.2890.40640.4067740.407090.4148740.4096840.4083450.410120.410120.290.40640.4067740.407090.4148740.4096840.4083450.410120.410120.2910.40640.4067740.407090.4148740.4096840.4083450.410120.410120.2920.40640.4067740.4070910.4148740.4096840.4083450.410120.410120.2930.40640.4067740.4070910.4148740.4096840.4083450.410120.410120.2940.40640.4067740.4070910.4148740.4096840.4083450.410120.41012N. 库马尔，D.Sinwar，M.Saini等人沙特国王大学学报4724表6在使用DE、GA和PSO进行多次迭代后，对应于不同人口规模的电子废物管理工厂的可用性迭代\弹出10010001500200025005000DE100.571860.650880.678940.663240.640790.72968500.838080.888190.927150.931010.921660.931491000.972420.975080.980210.981610.982580.987181500.990880.996270.995880.994760.995740.996092000.997060.99840.998490.998860.99910.999112500.998750.999330.999620.999660.999510.999695000.999960.999970.999970.999970.999970.99997GA100.6821637540.4922373180.5409497830.7470692940.5903734080.61942313500.7888937120.8992520010.8053159960.7418848760.7776226290.6615761471000.7710458870.8277065450.8361370920.7355806420.7854609080.7745862861500.8914777280.771525480.8561429270.7925085430.9045685460.842280812000.8460619670.8391096630.8203256980.8932910240.8244799930.81266124
我的内容管理
展开
