为了解决大理石板的下料问题，确保成品矩形板材的纹理和色差一致，同时提高材料的利用率，采取轮廓提取算法对大理石母板可排样区域进行轮廓提取，提出了基于母板滑动策略的矩形件排样方法。采用齐头切约束下的最低水平线算法构建样件域，提出融合人工蜂群算法和黑寡妇算法的混合算法（ABWO）对样件域进行优化。通过母板在样件域中进行滑动与旋转寻优，以母板填充率作为评价指标，实现了最优排样方案的高效求解。实验结果表明：在单一规格矩形的排样实验中，所提方法排样时间缩短90%以上，排样填充率与传统方法相当，排样结果满足一刀切约束，有利于后续切割下料；非单一规格矩形排样实验中，采用ABWO算法对零件排入顺序进行优化，样件域填充率提高5%。结合母板滑动策略，最终排样填充率与传统排样方法相比提高了3%。
服役环境的不确定性使得废旧零部件的质量评估变得复杂。提出了一种基于Dirichlet分布的损伤-质量状态映射模型，该模型通过分析废旧零部件失效行为来确定主要失效特征，采用多项分布对零部件损伤量数据进行数学抽象，选取Dirichlet分布作为先验概率分布，结合贝叶斯公式更新得到后验分布参数，从而获得将损伤量数据映射到不同质量等级的后验概率期望值。进一步，引入D-S证据理论融合损伤信息来综合评估废旧零部件质量状况。为了验证模型的可行性和有效性，以废旧蜗轮蜗杆为案例研究对象，并与现有方法进行对比，实验结果显示，该模型在预测精度和泛化能力上具有优势。
