为了实现废旧产品再制造方案的优选,分析了废旧产品再制造方案复杂性的影响因素,提出了基于信息熵的废旧产品再制造方案复杂性测度模型。结合失效模型与影响分析理论（Failure Model and Effect Analysis,FMEA）、社会网络分析法及信息熵理论,定量地分析废旧零/部件关键性及其损伤程度、零/部件处理方式不确定性,以及再制造系统状态不确定性对产品再制造方案复杂性的影响程度,通过比较不同再制造方案复杂性熵,得出最优再制造方案。以废旧发动机为例,验证了上述模型的可行性和有效性。

产品拆卸序列的优化有助于提高产品的拆卸效率和经济性。分析废旧产品的拆卸过程，对废旧产品中的零件进行分类，将其零件分为破坏性拆卸零件和常规拆卸零件两类，把零件分类的概念引入拆卸模型中，进而建立一个改进拆卸混合图模型，将常规拆卸方法和破坏性拆卸方法有效地结合起来应用到废旧产品的拆卸过程中。构建以最小拆卸时间和最小拆卸成本为目标的产品拆卸序列多目标优化函数，运用粒子群算法对该目标函数进行求解。通过实例验证该方法的可行性和有效性。

分析了废旧零部件失效特征对其再制造成本的影响,建立了一种基于失效特征的废旧零部件再制造成本预测模型,该模型将半监督学习与最小二乘支持向量机回归(LS-SVR)算法相结合,实现了在只有少量已完成再制造的废旧零部件样本和大量未知再制造成本的零部件样本的条件下,对废旧零件再制造成本的预测。该算法加入了k最近邻(kNN)算法,以kNN为辅、LS-SVR为主对未标记的样本进行置信度评估,将各阶段最优未标记样本逐步添加进有标记的样本集中,逐步更新预测模型,能够有效降低噪声,提高模型精度。经案例验证,提出的算法具有良好的回归预测能力和泛化能力。

针对传统成本分析中分配标准单一的不足,引入了作业成本分析法。将再制造过程费用按照作业动因进行分配,可准确计算出不同机床再制造过程费用。结合直接材料费和直接人工费,可得出不同机床的再制造成本,为决策者提供有效的成本信息。

废旧机械装备再制造成本是判断其再制造性的重要因素之一。由于废旧装备服役状态的差异性和失效特征的多样性,导致废旧机械装备再制造成本分析与预测具有复杂性,为此提出基于废旧机械装备主要零部件失效特征的再制造成本预测模型。分析废旧机械装备再制造成本构成,模糊量化主要零部件的失效特征,通过计算主要零部件的相似度,选取历史相似再制造案例构建废旧机械装备再制造成本预测模型,采用遗传算法对模型中的参数进行优化,提高模型的预测精度。以某型号的机床再制造成本预测为例,验证了该模型的合理性与准确性。

为有效评价废旧机床再制造方案,根据机床再制造实践过程,构建了由技术性、经济性和资源环境性组成的废旧机床再制造方案三维评价指标体系。针对废旧机床再制造评价指标难以协调优化的缺点,提出一种基于矢量分析的废旧机床再制造方案评价模型,首先构建三维评价指标的空间几何模型,然后采用矢量分析法进行再制造方案的静态和动态协调性评价,实现再制造方案评价指标间均衡协调与有机统一,进而选择废旧机床再制造的最佳方案。最后结合某机床厂车床再制造方案选择,对该模型的有效性进行验证。