Optimization of the Human–Robot Collaborative Disassembly Process Using a Genetic Algorithm: Application to the Reconditioning of Electric Vehicle Batteries
Notice bibliographique
Résumé
To achieve a complete circular economy for used electric vehicle batteries, it is essential to implement a disassembly step. Given the significant diversity of battery geometries and designs, a high degree of flexibility is required for automated disassembly processes. The incorporation of human–robot interaction provides a valuable degree of flexibility in the process workflow. However, human behavior is characterized by unpredictable timing and variable task durations, which add considerable complexity to process planning. Therefore, it is crucial to develop a robust strategy for coordinating human and robotic tasks to manage the scheduling of production activities efficiently. This study proposes a global optimization approach to the scheduling of production activities, which employs a genetic algorithm with the objective of minimizing the total production time while simultaneously reducing the idle time of both the human operator and robot. The proposed approach is concerned with optimizing the sequencing of disassembly tasks, considering both temporal and exclusion constraints, to guarantee that tasks deemed hazardous are not executed in the presence of a human. This approach is based on a two-level adaptation framework developed in RoboDK (Robot Development Kit, v5.4.3.22231, 2022, RoboDK Inc., Montréal, QC Canada). At the first level, offline optimization is performed using a genetic algorithm to determine the optimal task sequencing strategy. This stage anticipates human behavior by proposing disassembly sequences aligned with expected human availability. At the second level, an online reactive adjustment refines the plan in real time, adapting it to actual human interventions and compensating for deviations from initial forecasts. The effectiveness of this global optimization strategy is evaluated against a non-global approach, in which the problem is partitioned into independent subproblems solved separately and then integrated. The results demonstrate the efficacy of the proposed approach in comparison with a non-global approach, particularly in scenarios where humans arrive earlier than anticipated.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».