Recycling of end-of-life (EOL) products has drawn much attention from both researchers and practitioners over the recent decades due to the environmental protection, sustainable development and economic benefits. For an EOL product recycling system, a core problem is to separate their useful and hazardous parts by an efficient disassembly line in which there exist uncertain factors, such as stochastic task processing time. The corresponding combinatorial optimization problems aim to optimally choose alternative task processes, determine the number of workstations to be opened, and assign the disassembly tasks to the opened workstations. In most existing studies, the probability distribution of task processing time is assumed to be known. However, the complete information of probability distribution is often unavailable due to various factors. In this study, we address a disassembly line balancing problem to minimize the total disassembly cost in which only limited information of probability distribution, i.e., the mean, lower and upper bounds of task processing time, is known. Based on problem analysis, some properties are derived for the construction of a new distribution-free model. Furthermore, an effective second-order cone program approximation-based method is developed to solve the proposed model. Experimental results of benchmark examples and newly generated instances demonstrate the effectiveness and efficiency of the proposed method in dealing with stochastic disassembly line balancing with limited distributional information. Finally, managerial insights and future research are discussed.

由于环境保护，可持续发展和经济利益，近几十年来，报废产品的回收已引起研究人员和从业人员的广泛关注。对于EOL产品回收系统，核心问题是通过有效的拆卸生产线来分离它们的有用零件和危险零件，其中存在不确定因素，例如随机任务处理时间。相应的组合优化问题旨在优化选择替代任务流程，确定要打开的工作站数量，并将拆卸任务分配给打开的工作站。在大多数现有研究中，假定任务处理时间的概率分布是已知的。但是，由于各种因素，通常无法获得概率分布的完整信息。在这项研究中，我们解决了一个拆装线平衡问题，以最大程度地减少总拆装成本，在这种情况下，仅了解概率分布的有限信息，即任务处理时间的均值，下限和上限。在问题分析的基础上，导出了一些属性，以构建新的无分布模型。此外，开发了一种有效的基于二阶锥程序逼近的方法来求解所提出的模型。基准实例和新生成实例的实验结果证明了该方法在有限分布信息下处理随机拆卸生产线平衡的有效性和效率。最后，讨论了管理见解和未来研究。我们解决拆卸线平衡问题，以最大程度地减少总拆卸成本，在这种情况下，仅知道概率分布的有限信息，即任务处理时间的均值，上下限。在问题分析的基础上，导出了一些属性，以构建新的无分布模型。此外，开发了一种有效的基于二阶锥程序逼近的方法来求解所提出的模型。基准实例和新生成实例的实验结果证明了该方法在有限分布信息下处理随机拆卸生产线平衡的有效性和效率。最后，讨论了管理见解和未来研究。我们解决拆卸线平衡问题，以最大程度地减少总拆卸成本，在这种情况下，仅知道概率分布的有限信息，即任务处理时间的均值，上下限。在问题分析的基础上，导出了一些属性，以构建新的无分布模型。此外，开发了一种有效的基于二阶锥程序逼近的方法来求解所提出的模型。基准实例和新生成实例的实验结果证明了该方法在有限分布信息下处理随机拆卸生产线平衡的有效性和效率。最后，讨论了管理见解和未来研究。任务处理时间的上下限是已知的。在问题分析的基础上，导出了一些属性，以构建新的无分布模型。此外，开发了一种有效的基于二阶锥程序逼近的方法来求解所提出的模型。基准实例和新生成实例的实验结果证明了该方法在有限分布信息下处理随机拆卸生产线平衡的有效性和效率。最后，讨论了管理见解和未来研究。任务处理时间的上下限是已知的。在问题分析的基础上，导出了一些属性，用于构建新的无分布模型。此外，开发了一种有效的基于二阶锥程序逼近的方法来求解所提出的模型。基准实例和新生成实例的实验结果证明了该方法在有限分布信息下处理随机拆卸生产线平衡的有效性和效率。最后，讨论了管理见解和未来研究。基准实例和新生成实例的实验结果证明了该方法在有限分布信息下处理随机拆卸生产线平衡的有效性和效率。最后，讨论了管理见解和未来研究。基准示例和新生成的实例的实验结果证明了该方法在有限分布信息下处理随机拆卸生产线平衡的有效性和效率。最后，讨论了管理见解和未来研究。