Decision-making of Disassembly Sequence Alternatives for End-of-life Mechanical Products Based on Intuitionistic Normal Cloud

doi:10.3969/j.issn.1004-132X.2026.04.024

Abstract

Abstract:

To address the challenges of disassembly end-of-life mechanical products in complex and fuzzy environments， which complicated the sequencing of disassembly alternatives， a hybrid multi-criteria decision-making method was proposed based on INC fuzzy theory and incorporating integrated subjective and objective weights. According to dismantling features， a comprehensive optimization criteria system for evaluating disassembly sequence alternatives of end-of-life mechanical products was constructed across the environmental， economic， and human-related dimensions. Combining Monte Carlo simulation with cloud model distance， improvements were made to the cross-entropy and full consistency method to determine criteria fusion weights. The INC-measurement of alternatives and ranking according to compromise solution method was subsequently employed to rank the disassembly sequence alternatives and determine the optimal solution. Finally， an end-of-life coal-fire power products was employed as a case study to verify the scientific rigor and effectiveness of the proposed method by comparing the impacts of different weighting strategies and decision-making methods on the final results.

Key words: end-of-life mechanical product, green remanufacturing, multi-criteria decision making, intuitionistic normal cloud（INC）, disassembly sequence alternative

摘要：

针对退役机械产品在复杂模糊环境中拆解序列方案排序困难的问题，提出了一种基于直觉正态云（INC）模糊理论的主客观权重融合的混合多属性决策方法。通过分析产品拆解特点，从环境、经济和人本3个维度建立了综合的退役机械产品拆解序列方案选优指标体系；结合蒙特卡罗模拟和云模型距离对交叉熵和完全一致性方法进行改进，确定指标融合权重；采用INC-折中正负理想解排序法对备选拆解序列方案进行排序以确定最优方案。最后以退役火电机组为例进行验证，通过比较不同赋权方式、决策方法对决策结果的影响，验证了所提方法的科学性和有效性。

关键词: 退役机械产品, 绿色再制造, 多属性决策, 直觉正态云, 拆解序列方案

CLC Number:

TH162

ZHANG Honghao, HAN Tao, ZHANG Shaolin, WANG Danqi, TIAN Guangdong, HUANG Zhongwei. Decision-making of Disassembly Sequence Alternatives for End-of-life Mechanical Products Based on Intuitionistic Normal Cloud[J]. China Mechanical Engineering, 2026, 37(4): 999-1006.

张洪浩, 韩涛, 张绍琳, 王丹琦, 田广东, 黄忠伟. 基于直觉正态云的退役机械产品拆解序列方案决策[J]. 中国机械工程, 2026, 37(4): 999-1006.

Figures/Tables 13

Fig.1 Intuitionistic normal cloud

Tab.1 Linguistic variables and corresponding INC

语言术语	INC
极低（VL）	（0，2.958，0.125，（0.10，0.75））
低（L）	（2.25，2.655，0.226，（0.25，0.60））
较低（ML）	（3.85，2.100，0.411，（0.40，0.50））
一般（F）	（5.00，1.922，0.470，（0.50，0.40））
较高（MH）	（6.15，2.100，0.411，（0.60，0.30））
高（H）	（7.75，2.655，0.226，（0.70，0.20））
极高（VH）	（10.00，2.958，0.125，（0.80，0.10））

Tab.2 Criteria system for disassembly sequence alternatives of end-of-life mechanical products

维度	指标	表示形式	描述	类型
经济	平滑度C₁	拆解数据	衡量拆解线各配对工作站间任务负载均衡程度	成本型
	拆解成本C₂	拆解数据	退役产品在拆解过程中所消耗的经济资源	成本型
	工具转换时间C₃	拆解数据	拆解过程由于工具变化所导致的时间消耗	成本型
	市场需求C₄	语言术语	拆解获得的零部件价值	效益型
环境	环境危害C₅	语言术语	反映了拆解活动中产生的有害物质	成本型
环境	能源消耗C₆	拆解数据	在拆解活动中的能源消耗情况	成本型
人文	可达性C₇	语言术语	工人在处理拆解任务时所需的行业经验	效益型
人文	拆解复杂性C₈	语言术语	指工人在完成拆解任务时的劳动强度	成本型

Fig.2 Flowchart of decision method

Fig.3 End-of-life coal-fire power products

Tab.3 Criterion comparison vectors

专家	比较向量
E₁	（C₁，C₆，C₂，C₈，C₇，C₅，C₄，C₃）
E₂	（C₁，C₆，C₂，C₈，C₇，C₅，C₄，C₃）
E₄	（C₆，C₅，C₂，C₈，C₁，C₇，C₄，C₃）
E₅	（C₆，C₅，C₂，C₈，C₁，C₇，C₄，C₃）
E₆	（C₅，C₆，C₂，C₈，C₇，C₁，C₄，C₃）
E₇	（C₂，C₆，C₄，C₅，C₁，C₃，C₇，C₈）
E₈	（C₂，C₄，C₆，C₅，C₁，C₃，C₇，C₈）

Tab.4 Distance decision matrix

方案	C₁	C₂	C₃	C₄	C₅	C₆	C₇	C₈
A1	0.301	0.170	0.252	0.280	0.938	0.241	0.361	0.528
A2	0.262	0.192	0.251	0.470	1.000	0.262	0	0.104
A3	0	1.000	1.000	0.681	0.188	1.000	0.351	0.720
A4	0.673	0.080	0	0.471	0.172	0.331	0.872	0.321
A5	0.021	0.841	0.251	0.000	0.296	0.850	0.581	1.000
A6	0.161	0.501	1.000	1.000	0	0.691	0.221	0
A7	1.000	0	0.252	0.042	0.935	0	1.000	0.521

Tab.5 Criteria weight in different weight methods

C₁

C₂

C₃

C₄

C₅

C₆

C₇

C₈

融合

权重

Tab.6 S and UD value of MARCOS method

	A1	A2	A3	A4	A5	A6	A7
S	（0.697，0.220，0.069，（1，0））	（0.710，0.253，0.071，（1，0））	（0.816，0.433，0.087，（1，0））	（0.699，0.503，0.098，（1，0））	（0.738，0.351，0.061，（1，0））	（0.888，2.219，0.364，（1，0））	（0.597，0.234，0.044，（1，0））
U $D i d$	（0.697，1.563，0.264，（1，0））	（0.71，1.597，0.269，（1，0））	（0.816，1.861，0.311，（1，0））	（0.699，1.63，0.274，（1，0））	（0.738，1.676，0.277，（1，0））	（0.888，2.968，0.488，（1，0））	（0.597，1.346，0.223，（1，0））
U $D a i$	（1.300，0.654，0.159，（1，0））	（1.324，0.700，0.165，（1，0））	（1.521，1.003，0.197，（1，0））	（1.302，1.067，0.206，（1，0））	（1.376，0.848，0.152，（1，0））	（1.656，4.188，0.69，（1，0））	（1.114，0.616，0.116，（1，0））

Tab.6 S and UD value of MARCOS method

	A1	A2	A3	A4	A5	A6	A7
S	（0.697，0.220，0.069，（1，0））	（0.710，0.253，0.071，（1，0））	（0.816，0.433，0.087，（1，0））	（0.699，0.503，0.098，（1，0））	（0.738，0.351，0.061，（1，0））	（0.888，2.219，0.364，（1，0））	（0.597，0.234，0.044，（1，0））
U $D i d$	（0.697，1.563，0.264，（1，0））	（0.71，1.597，0.269，（1，0））	（0.816，1.861，0.311，（1，0））	（0.699，1.63，0.274，（1，0））	（0.738，1.676，0.277，（1，0））	（0.888，2.968，0.488，（1，0））	（0.597，1.346，0.223，（1，0））
U $D a i$	（1.300，0.654，0.159，（1，0））	（1.324，0.700，0.165，（1，0））	（1.521，1.003，0.197，（1，0））	（1.302，1.067，0.206，（1，0））	（1.376，0.848，0.152，（1，0））	（1.656，4.188，0.69，（1，0））	（1.114，0.616，0.116，（1，0））

Fig.4 UF of disassembly sequence alternatives

Fig.5 Impact of different weighting vectors on disassembly sequence alternatives selection

Fig.6 Impact of different number of cloud droplets on disassembly sequence alternatives scores

Fig.7 Ranking of the alternatives with different methods

References 18

[1]	王蕾，杨润航，张泽琳，等. 基于同源信息融合的废旧机械零件再制造工艺方案决策方法［J］. 机床与液压， 2025， 1-12.
	WANG Lei， YANG Runhang， ZHANG Zelin， et al. Decision-making Method for Remanufacturing Process Scheme of Used Mechanical Parts Based on Homologous Information Fusion［J］. Machine Tool & Hydraulics， 2025， 1-12.
[2]	KAZANCOGLU Y， OZTURKOGLU Y. Integrated Framework of Disassembly Line Balancing with Green and Business Objectives Using a Mixed MCDM［J］. Journal of Cleaner Production， 2018， 191： 179-191.
[3]	ZAHEDI H， BAPTISTE P. A Fuzzy ANP-based Model for Sustainable Aircraft End-of-life Planning： a Case Study of a Mid-size Regional Airliner Decommissioning［J］. International Journal of Sustainable Aviation， 2025， 11（3）： 271-301.
[4]	REN Y， ZHANG C， ZHAO F， et al. An MCDM-based Multiobjective General Variable Neighborhood Search Approach for Disassembly Line Balancing Problem［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2020， 50（10）： 3770-3783.
[5]	KAZANÇOĞLU Y， OZTURKOGLU Y， SARMA P R S， et al. Integrating Sustainability and Quality Orientation in the Disassembly Line Balancing Operations［J］. Management of Environmental Quality， 2025， 36（5）： 1145-1165.
[6]	任亚平，任莹，郭洪飞，等. 工序随机失效及其修复条件下的退役机电产品拆解工艺路线决策研究［J］. 机械工程学报， 2024， 60（24）： 365-376.
	REN Yaping， REN Ying， GUO Hongfei， et al. Research on Decision-making of Disassembly Process Route for End-of-life Mechanical and Electrical Products under Random Failure and Repair Conditions［J］. Journal of Mechanical Engineering， 2024， 60（24）： 365-376.
[7]	GONG Y， YAN Y， LIU Z， et al. Remanufacturing Benefit Comprehensive Evaluation for an Automotive Alternator Based on the Fuzzy Analytic Hierarchy Process［J］. International Journal of Environmental Science and Technology， 2024， 21（4）： 4547-4564.
[8]	张华，殷俊鸿，鄢威，等. 基于价值评估的废旧产品拆卸序列与拆卸深度决策［J］. 组合机床与自动化加工技术， 2025（1）： 143-149.
	ZHANG Hua， YIN Junhong， YAN Wei， et al. Decision of Disassembly Sequence and Disassembly Depth of Waste Products Based on Value Evaluation［J］. Modular Machine Tool & Automatic Manufacturing Technique， 2025（1）： 143-149.
[9]	WANG X， WANG J， YANG W. Multi-criteria Group Decision Making Method Based on Intuitionistic Linguistic Aggregation Operators［J］. Journal of Intelligent & Fuzzy Systems， 2014， 26（1）： 115-125.
[10]	WANG J， PENG J， ZHANG H， et al. An Uncertain Linguistic Multi-criteria Group Decision-making Method Based on a Cloud Model［J］. Group Decision and Negotiation， 2015， 24（1）： 171-192.
[11]	XU Z， HAN Y， ZHU D. Considering the Imperfect Cooperation among Workers in the Two-sided Partial Disassembly Line Balancing Problem and the Corresponding Multi-modal Multi-objective Solution Algorithm［J］. Applied Soft Computing， 2025， 170： 112728.
[12]	XU W， TANG Q， LIU J， et al. Disassembly Sequence Planning Using Discrete Bees Algorithm for Human-robot Collaboration in Remanufacturing［J］. Robotics and Computer-Integrated Manufacturing， 2020， 62： 101860.
[13]	WANG K， LI X， GAO L. Modeling and Optimization of Multi-objective Partial Disassembly Line Balancing Problem Considering Hazard and Profit［J］. Journal of Cleaner Production， 2019， 211： 115-133.
[14]	TIAN G， ZHANG C， FATHOLLAHI-FARD A M， et al. An Enhanced Social Engineering Optimizer for Solving an Energy-efficient Disassembly Line Balancing Problem Based on Bucket Brigades and Cloud Theory［J］. IEEE Transactions on Industrial Informatics， 2023， 19（5）： 7148-7159.
[15]	苏宇，丁佳庆，杨庆香，等. 纳米流体静电雾化和同轴静电雾化润滑的加工性能对比分析与综合评价［J］.中国机械工程， 2026， 1-10.
	SU Yu， DING Jiaqing， YANG Qingxiang， et al. Comparative Analysis and Comprehensive Evaluation of Processing Performance of Nanofluid Electrostatic Atomization and Coaxial Electrostatic Atomization Lubrication［J］. China Mechanical Engineering， 2026， 1-10
[16]	陆蔚华，孙天琪. 基于视觉感知的灰色设计决策方法［J］. 中国机械工程， 2021， 32（23）： 2890-2897.
	LU Weihua， SUN Tianqi. Grey Design Decision Method Based on Visual Perception Data［J］. China Mechanical Engineering， 2021， 32（23）： 2890-2897.
[17]	OCAMPO L， CABIGAS J， JONES D， et al. An Integrated Three-way Decision Methodology for Sustainability of Wastewater Circularity in Thermal Power Plants［J］. Applied Soft Computing， 2024， 151： 111111.
[18]	杨威，李姣英. 基于TODIM的毕达哥拉斯概率犹豫模糊MABAC方法［J］. 模糊系统与数学， 2024， 38（5）： 127-139.
	YANG Wei， LI Jiaoying. Pythagorean Probabilistic Hesitant Fuzzy MABAC Method Based on TODIM［J］. Fuzzy Systems and Mathematics， 2024， 38（5）： 127-139.