Disassembly sequencing is important for remanufacturing and recycling used or discarded products. AND/OR graphs (AOGs) have been applied to describe practical disassembly problems by using "AND" and "OR" nodes. An AOG-based disassembly sequence planning problem is an NP-hard combinatorial optimization problem. Heuristic evolution methods can be adopted to handle it. While precedence and "AND" relationship issues can be addressed, OR (exclusive OR) relations are not well addressed by the existing heuristic methods. Thus, an ineffective result may be obtained in practice. A conflict matrix is introduced to cope with the exclusive OR relation in an AOG graph. By using it together with precedence and succession matrices in the existing work, this work proposes an effective triple-phase adjustment method to produce feasible disassembly sequences based on an AOG graph. Energy consumption is adopted to evaluate the disassembly efficiency. Its use with the traditional economical criterion leads to a novel dual-objective optimization model such that disassembly profit is maximized and disassembly energy consumption is minimized. An improved artificial bee colony algorithm is developed to effectively generate a set of Pareto solutions for this dual-objective disassembly optimization problem. This methodology is employed to practical disassembly processes of two products to verify its feasibility and effectiveness. The results show that it is capable of rapidly generating satisfactory Pareto results and outperforms a well-known genetic algorithm.

Disassembly planning aims to search the best disassembly sequences of a given obsolete/used product in terms of economic and environmental performances. A practical disassembly process may face great uncertainty owing to various unpredictable factors. To handle it, researchers have addressed the stochastic cost and time problems of product disassembly. In reality, the uncertain environment of product disassembly is associated with both randomness and fuzziness. Besides uncertain disassembly cost and time, the quality of disassembled components/parts in a process has uncertainty and thus needs to be assessed via expert opinions/subjects. To do so, this paper presents a new AND/OR-graph-based disassembly sequence planning problem by considering uncertain component quality and varying disassembly operational cost. Important disassembly planning models are built on the basis of different disassembly criteria. A novel hybrid intelligent algorithm integrating fuzzy simulation and artificial bee colony is proposed to solve them. Its effectiveness is well illustrated through several numerical cases and comparison with a prior method, i.e., fuzzy-simulation-based genetic algorithm.

Disassembly modeling and planning are meaningful and important to the reuse, recovery, and recycling of obsolete and discarded products. However, the existing methods pay little or no attention to resources constraints, e.g., disassembly operators and tools. Thus a resulting plan when being executed may be ineffective in actual product disassembly. This paper proposes to model and optimize selective disassembly sequences subject to multiresource constraints to maximize disassembly profit. Moreover, two scatter search algorithms with different combination operators, namely one with precedence preserved crossover combination operator and another with path-relink combination operator, are designed to solve the proposed model. Their validity is shown by comparing them with the optimization results from well-known optimization software CPLEX for different cases. The experimental results illustrate the effectiveness of the proposed method.