第1章 绪论 1
1.1 再制造基本概念及其研究内容 1
1.1.1 再制造工程内涵 1
1.1.2 再制造工程的学科体系 4
1.1.3 研究背景 7
1.1.4 研究意义 11
1.2 研究现状及存在的主要问题 11
1.2.1 再制造产业及发展现状 11
1.2.2 再制造生产计划及调度研究现状 12
1.2.3 求解方法概述 16
1.2.4 存在问题 18
1.3 本书主要内容 19
第2章 再制造工程技术及生产管理模式 23
2.1 再制造工程技术概述 23
2.1.1 废旧零件损伤 23
2.1.2 零件的检验与分类 25
2.1.3 再制造修复技术概述 26
2.2 再制造生产管理 27
2.2.1 再制造生产模式 27
2.2.2 再制造资源计划技术RMPR（Remanufacturing Resource Planning） 31
2.2.3 机电产品再制造的RMRP解决方案 35
第3章 再制造生产中不确定因素描述与分析 39
3.1 再制造生产不确定性因素 39
3.1.1 再制造生产系统包含的不确定性因素 39
3.1.2 再制造系统不确定性因素处理方法 42
3.2 不确定性因素数学描述 44
3.2.1 不确定变量 44
3.2.2 不确定规划 48
3.3 基于FGERT网络的工艺路线与工艺时间不确定性研究 50
3.3.1 FGERT网络模型 51
3.3.2 基于FGERT网络的再制造工艺路线及作业时间问题研究 53
第4章 不确定环境下再制造生产计划问题研究 60
4.1 再制造生产计划影响因素 60
4.2 两阶段模糊规划 62
4.2.1 两阶段模糊规划 62
4.2.2 补偿函数逼近方法 64
4.3 单品种两阶段模糊生产计划模型 66
4.3.1 问题描述 66
4.3.2 模型构建 68
4.3.3 模型求解 70
4.4 多品种两阶段模糊生产计划模型 72
4.4.1 问题描述 72
4.4.2 模型求解 75
4.5 实例仿真与分析 79
第5章 不确定环境下再制造加工车间调度问题研究 88
5.1 再制造毛坯质量评价 88
5.1.1 曲轴分类评价指标 89
5.1.2 检测指标属性约简 90
5.1.3 TOPSIS求解步骤 91
5.2 再制造加工及其生产调度模型 94
5.2.1 再制造检验及加工流程 94
5.2.2 问题描述及数学模型 97
5.3 模型求解 100
5.3.1 双重模糊模拟 100
5.3.2 神经网络的函数逼近 100
5.3.3 利用遗传算法优化再制造加工调度问题 101
5.4 实例仿真与分析 102
5.4.1 权重累积评价 103
5.4.2 TOPSIS评价模型检验 105
5.4.3 调度模型仿真 107
第6章 不确定环境下再制造生产计划与调度集成优化研究 112
6.1 再加工作业车间生产计划与调度集成模型 112
6.1.1 问题描述 112
6.1.2 数学模型 113
6.2 模糊随机机会约束规划 117
6.3 集成优化算法设计 118
6.3.1 模糊随机模拟 118
6.3.2 多层前向神经网络函数逼近 119
6.3.3 遗传算法应用求解 120
6.4 实例仿真与分析 124
6.4.1 应用实例及实验参数 124
6.4.2 实验结果分析 126
第7章 再制造生产计划与调度系统开发与实现 132
7.1 再制造生产计划与调度集成信息框架模型 132
7.2 系统实现 134
7.2.1 系统开发环境 134
7.2.2 系统功能模块实现 135
7.3 原型系统运行实例 141
第8章 结论及建议 145
8.1 本书主要工作 145
8.2 尚需解决的问题 146
参考文献 148