CN105808840B - 一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法 - Google Patents

一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法 Download PDF

Info

Publication number
CN105808840B
CN105808840B CN201610125861.1A CN201610125861A CN105808840B CN 105808840 B CN105808840 B CN 105808840B CN 201610125861 A CN201610125861 A CN 201610125861A CN 105808840 B CN105808840 B CN 105808840B
Authority
CN
China
Prior art keywords
former piece
piece
rate
charging ratio
former
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610125861.1A
Other languages
English (en)
Other versions
CN105808840A (zh
Inventor
刘强
张�浩
陈新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Publication of CN105808840A publication Critical patent/CN105808840A/zh
Application granted granted Critical
Publication of CN105808840B publication Critical patent/CN105808840B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • CCHEMISTRY; METALLURGY
    • C03GLASS; MINERAL OR SLAG WOOL
    • C03BMANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
    • C03B27/00Tempering or quenching glass products
    • C03B27/012Tempering or quenching glass products by heat treatment, e.g. for crystallisation; Heat treatment of glass products before tempering by cooling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Thermal Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Materials Engineering (AREA)
  • Organic Chemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法,所述方法包括如下步骤:第一步,可行原片组序列构造与递进式松弛;第二步,以下料率a作为优化目标,生成各原片排样方案,相同规格原片初始下料率a单调赋值;第三步,设定目标装载率;第四步,将原片两两组合,并按互换先后关系,依照排样方案,确定掰片顺序与切片流片顺序;第五步,按深度优先的方式,以原片组合的装载率不低于目标装载率为条件,逐次扩大原片组合的成员数;第六步,依据集覆盖问题的建模原理进行精确求解,获得解方案中的流片顺序;计算该解方案最终的装载率;本发明可以较好地解决上述玻璃下料与钢化炉装载的耦合优化问题;计算过程简单,容易实现。

Description

一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法
技术领域
本发明涉及玻璃加工技术领域,尤其涉及一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法。
背景技术
玻璃的深加工过程需经过开料、磨边、清洗、打标、钢化、中空热压等主要工序。在开料工序,通过切割、掰片等动作,将玻璃原片分割成的玻璃切片,切片依次通过磨边、清洗、打标等工序,完成加工处理;再经过钢化,完成材料性质的处理。
从切片的空间布局观察,玻璃原片下料问题是一个经典的二维矩形件排样优化问题,即将给定不同规格矩形工件,长和宽分别为wi×hi(i=1,2,...,n),和一系列不同规格的板材件,长和宽分别为Wj×Hj(j=1,2,...,m),要求选出最佳的板材组合,将所有矩形工件进行排样和布局,使得板材组合的利用率最高;如图1所示;钢化过程分层式的二维矩形件排样优化过程,在其排放过程中,玻璃切片在钢化炉内必须分层排放,水平方向上可以排布多片,单垂直方向只允许排放一块,且各原片之间保留一定的间隙,以利于受热均匀,如附图1所示。
受玻璃加工工艺和车间物流的约束,切片玻璃加工次序与加工流程必须遵守严格的次序,这使得下料排样与钢化炉装载排样形成耦合,即下料率高的切割方案,钢化炉装载率不一定高,影响产能;钢化炉装载率高,则下料率不一定高,影响原料成本;因此,亟待一种能够将上述两环节综合考虑进行优化的方法。
发明内容
(一)要解决的技术问题
为解决上述问题,本发明提出了一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法,能够获得下料排样与钢化炉装载排样的平衡优化方式。
(二)技术方案
本发明的兼顾玻璃原片下料率与钢化炉装载率的集成优化方法,所述方法包括如下步骤:
第一步,可行原片组序列构造与递进式松弛;其具体步骤如下:假设要求加工的切片长和宽及其数量分别为wi、hi和ci(i=1,2,...,n),库存原片按面积大小降序排列后长和宽分别为Wj×Hj(j=1,2,...,m),且第j类型板材件的库存数量为Cj
(1)由于本算法按照矩形工件总面积来选取板材件组合,因此先求得矩形工件总面积和S为:
其中i=1,2,...,n
假设选择第j类型的板材件数量为xj,则板材件组合BinList的定义为:
其含义可解释为:当第j类型的板材件数量为xj时,j类型的总面积即可表示为WjHjxj,则第一个算式表示所有类型的板材件之和要大于切片组总面积S;第二个算式表示所有第j类型的板材件数量为xj不得大于该类型的库存数量Cj
(2)从最大面积原片数量出发,严格按照原片库存数量表尝试计算下式:
将满足r大于零且小于最小板材件面积的xj按照大块优先选择的原则列出来,r值保存到至相应数组a;
(3)从数组a里选择r为0的可行解BinList存到可行解集solutions,且该解集里每个BinList的解为(x1,x2,...,xn);若没有为0的解,则选择r值最大且最小面积原片数量不为Cn的可行解BinList存到可行解集solutions,且该解集里每个BinList的解为(x1,x2,...,xn+1);
(4)需要从可行解集solutions里选择合适的可行原片组BinList,选择BinList的启发式规则按以下适应度公式作为评估指标:
(5)通过计算solutions里面每组BinList的适应度值f,选取f值最大的组合作为初始排样原片组合BinList;
(6)一旦当排样在某块原片失败后,即根据计算判断剩余的原片组已不能排下所有的切片,切片出现冗余,因此该组原片不可用,则需要按照f值由大到小的方式重新选择BinList组合,进行排样;
(7)如果排样仍然失败后,按某一大于1的比值,放宽S,形成新的solutions进行排样;
第二步,以下料率a作为优化目标,生成各原片排样方案,相同规格原片初始下料率a单调赋值;其中,相同规格原片初始下料率a单调赋值具体如下:
单个原片进行排样时,假定某原片面积为Si,原片排样优化时,利用下料率作为遍历变量,并采用逐步放宽的方式:即初始利用率为100%,可行方案的废料面积最大值为0,以排样过程中的累积废料面积小于可行方案的废料面积最大值作为回溯条件,进行排样方案的搜索。一旦排样失败,则按给定比例,逐步放宽利用率,并更新可行方案的废料面积最大值及回溯条件,进行搜索,直到发现解;对于可行原片组中的同类原片,当前原片的初始下料率不高于前一相同规格原片最终解的下料率,即同类原片初始下料率的单调下降;
第三步,设定目标装载率;
第四步,(1)将原片两两组合,并按互换先后关系,依照排样方案,确定掰片顺序与切片流片顺序,进行分层式装载排放,记录原片组合的装载率;
(2)将原片组按装载率由高到低排列;
(3)将高于目标装载率的组合单列出,并将在这些组合中出现过多的原片在原片组中删除;
(4)将调整后的原片组中的组合按三三组合,并按照(1)至(3)的原理进行操作,形成原片组;
(5)依据(4)依次放宽原片组合的数量限制,按照(1)至(3)的原理进行操作,形成原片组;
(6)将没有与其他组合形成原片组的原片依次与形成的原片组合再次进行组合,进行分层式装载排放,计算装载率,一旦高于目标装载率,形成新的原片组合,原来的原片组合予以保留;
(7)剩余的未列入原片组的原片作为只有单个原片的原片组;
第五步,按深度优选的方式,以原片组合的装载率不低于目标装载率为条件,逐次扩大原片组合的成员数;
第六步,依据集覆盖问题的建模原理,基于形成的原片组及原片,构造一维排样问题,进行精确求解,获得解方案中的流片顺序;计算该解方案最终的装载率;
第七步,确定当前装载率是否高于目标装载率;如果没有高于目标装载率,则当前装载率默认目标装载率,输出排样方案与装载方案;如果高于目标装载率,则将当前装载率作为目标装载率,重新回到第四步进行操作。
(三)有益效果
与现有技术相比,本发明的兼顾玻璃原片下料率与钢化炉装载率的集成优化方法,可以较好地解决上述玻璃下料与钢化炉装载的耦合优化问题;计算过程简单,容易实现。
附图说明
图1是本发明的玻璃切片在钢化炉内分层摆放示意图;
图2是本发明的流程框图。
具体实施方式
如图2所示的兼顾玻璃原片下料率与钢化炉装载率的集成优化方法,所述的设计方法具体如下:
第一步,可行原片组序列构造与递进式松弛;具体步骤如下:
假设要求加工的切片长和宽及其数量分别为wi、hi和ci(i=1,2,...,n),库存原片按面积大小降序排列后长和宽分别为Wj×Hj(j=1,2,...,m),且第j类型板材件的库存数量为Cj
(1)由于本算法按照矩形工件总面积来选取板材件组合,因此先求得矩形工件总面积和S为:
其中i=1,2,...,n
假设选择第j类型的板材件数量为xj,则板材件组合BinList的定义为:
其含义可解释为:当第j类型的板材件数量为xj时,j类型的总面积即可表示为WjHjxj,则第一个算式表示所有类型的板材件之和要大于切片组总面积S;第二个算式表示所有第j类型的板材件数量为xj不得大于该类型的库存数量Cj
(2)从最大面积原片数量出发,严格按照原片库存数量表尝试计算下式:
将满足r大于零小于最小板材件面积的xj按照大块优先选择的原则列出来,r值保存到至相应数组a;
(3)从数组a里选择r为0的可行解BinList存到可行解集solutions,且该解集里每个BinList的解为(x1,x2,...,xn);若没有为0的解,则选择r值最大且最小面积原片数量不为Cn的可行解BinList存到可行解集solutions,且该解集里每个BinList的解为(x1,x2,...,xn+1);
(4)需要从可行解集solutions里选择合适的可行原片组BinList,选择BinList的启发式规则按以下适应度公式作为评估指标:
(5)通过计算solutions里面每组BinList的适应度值f,选取f值最大的组合作为初始排样原片组合BinList;
(6)一旦当排样在某块原片失败后,即根据计算判断剩余的原片组已不能排下所有的切片,切片出现冗余,因此该组原片不可用,则需要按照f值由大到小的方式重新选择BinList组合,进行排样;
(7)如果排样仍然失败后,按某一大于1的比值,放宽S,形成新的solutions进行排样;
第二步,以下料率a作为优化目标,生成各原片排样方案,相同规格原片初始下料率a单调赋值;其中,相同规格原片初始下料率a单调赋值具体如下:
单个原片进行排样时,假定某原片面积为Si,原片排样优化时,利用下料率作为遍历变量,并采用逐步放宽的方式:即初始利用率为100%,可行方案的废料面积最大值为0,以排样过程中的累积废料面积小于可行方案的废料面积最大值作为回溯条件,进行排样方案的搜索。一旦排样失败,则按给定比例,逐步放宽利用率,并更新可行方案的废料面积最大值及回溯条件,进行搜索,直到发现解;对于可行原片组中的同类原片,当前原片的初始下料率不高于前一相同规格原片最终解的下料率,即同类原片初始下料率的单调下降;
第三步,设定目标装载率;
第四步和第五步具体如下:
(1)将原片两两组合,并按互换先后关系,依照排样方案,确定掰片顺序与切片流片顺序,进行分层式装载排放,记录原片组合的装载率;
(2)将原片组按装载率由高到低排列;
(3)将高于目标装载率的组合单列出,并将在这些组合中出现过多的原片在原片组中删除;
(4)将调整后的原片组中的组合按三三组合,并按照(1)至(3)的原理进行操作,形成原片组;
(5)依据(4)依次放宽原片组合的数量限制(如放宽到四四组合,五五组合),按照(1)至(3)的原理进行操作,形成原片组;
(6)将没有与其他组合形成原片组的原片依次与形成的原片组合再次进行组合,进行分层式装载排放,计算装载率,一旦高于目标装载率,形成新的原片组合,原来的原片组合予以保留;
(7)剩余的未列入原片组的原片作为只有单个原片的原片组;
第六步,依据集覆盖问题的建模原理,基于形成的原片组及原片,构造一维排样问题,进行精确求解,获得解方案中的流片顺序;计算该解方案最终的装载率;其具体如下:
(1)建立覆盖集矩阵
(2)建立数学模型
目标函数:Max:L1*X1+L2*X2+……+Ln*Xn
目标函数:
(3)集成CPLEX算法进行求解
ILOG CPLEX是当前国际上比较流行的优化软件包,它提供了灵活、高性能的优化器,可解决线性规划问题、二次规划问题、二次约束规划问题以及混合整数规划问题等。该优化器采用分支定界法(branch-and-bound technique),充分利用最新的预处理算法为整数规划问题提供高性能的解法;
通过集成CPLEX平台提供Java接口包,建立数序模型与数据传输通道,在Java平台上调用CPLEX的核心算法,并进行求解。
第七步,确定当前装载率是否高于目标装载率;如果没有高于目标装载率,则当前装载率默认目标装载率,输出排样方案与装载方案;如果高于目标装载率,则将当前装载率作为目标装载率,重新回到第四步进行操作。
上面所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的构思和范围进行限定。在不脱离本发明设计构思的前提下,本领域普通人员对本发明的技术方案做出的各种变型和改进,均应落入到本发明的保护范围,本发明请求保护的技术内容,已经全部记载在权利要求书中。

Claims (1)

1.一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法,其特征在于,所述方法包括如下步骤:
第一步,确定可行原片组,要求原片组总面积不少于切片组总面积;通过计算确定满足切片组总面积排列的最小原片组总面积,再计算最小原片组总面积的各种原片的组合的子集,每一个子集即为一个可行原片组;以适应度公式作为评估指标,选择原片组中原片面积平均最大的一组可行原片组来进行序列构造与递进式松弛;适应度公式如下:
f = Σ j = 1 n W j H j x j / Σ j = 1 n x j ;
其中,f为每组可行原片组的适应度值;WjHjxj为j类型的总面积;xj为第j类型的板材件数量;
第二步,以下料率a作为优化目标,生成各原片排样方案,相同规格原片初始下料率a单调赋值,即单个原片进行排样时,假定某原片面积为Si,原片排样优化时,利用下料率作为遍历变量,并采用逐步放宽的方式:即初始利用率为100%,可行方案的废料面积最大值为0,以排样过程中的累积废料面积小于可行方案的废料面积最大值作为回溯条件,进行排样方案的搜索;一旦排样失败,则按给定比例,逐步放宽利用率,并更新可行方案的废料面积最大值及回溯条件,进行搜索,直到发现解;对于可行原片组中的同类原片,当前原片的初始下料率不高于前一相同规格原片最终解的下料率,即同类原片初始下料率的单调下降;
第三步,设定目标装载率;
第四步,将原片两两组合,并按互换先后关系,依照排样方案,确定掰片顺序与切片流片顺序,进行分层式装载排放,记录原片组合的装载率;
第五步,按深度优选的方式,以原片组合的装载率不低于目标装载率为条件,逐次扩大原片组合的成员数;
第六步,依据集覆盖问题的建模原理,基于形成的原片组及原片,构造一维排样问题,建立目标函数,进行精确求解,获得解决方案中的流片顺序;计算该解决方案最终的装载率;建立的目标函数如下:
其中,Kij(i=1,2,…,n;j=1,2,…,m)为第i原片组的第j原片;xi为第i原片组的决策变量;
第七步,确定当前装载率是否高于目标装载率;如果没有高于目标装载率,则当前装载率默认目标装载率,输出排样方案与装载方案;如果高于目标装载率,则将当前装载率作为目标装载率,重新回到第四步进行操作。
CN201610125861.1A 2015-04-20 2016-03-04 一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法 Active CN105808840B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2015101876690 2015-04-20
CN201510187669.0A CN104876429A (zh) 2015-04-20 2015-04-20 一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法

Publications (2)

Publication Number Publication Date
CN105808840A CN105808840A (zh) 2016-07-27
CN105808840B true CN105808840B (zh) 2017-06-16

Family

ID=53944153

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201510187669.0A Pending CN104876429A (zh) 2015-04-20 2015-04-20 一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法
CN201610125861.1A Active CN105808840B (zh) 2015-04-20 2016-03-04 一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201510187669.0A Pending CN104876429A (zh) 2015-04-20 2015-04-20 一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法

Country Status (1)

Country Link
CN (2) CN104876429A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3055718A1 (fr) * 2016-09-07 2018-03-09 Saint-Gobain Glass France Procede et dispositif d'optimisation d'un plan de decoupe par guillotine de pieces de verre
CN111410414B (zh) * 2020-04-27 2022-03-29 江西财经大学 一种玻璃切割优化技术的实现方法
CN215248132U (zh) * 2020-11-19 2021-12-21 洛阳兰迪玻璃机器股份有限公司 一种玻璃输送系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1900695B1 (de) * 2006-08-17 2011-12-14 Albat + Wirsam Software AG Verfahren und Vorrichtung zum Zuschneiden von Rohglasplatten
CN104008145B (zh) * 2014-05-09 2017-03-29 刘强 一种基于组化技术的矩形件排样方法

Also Published As

Publication number Publication date
CN104876429A (zh) 2015-09-02
CN105808840A (zh) 2016-07-27

Similar Documents

Publication Publication Date Title
Skibniewski et al. Evaluation of advanced construction technology with AHP method
CN104267693B (zh) 一种机械加工能量效率的切削参数优化方法
CN105808840B (zh) 一种兼顾玻璃原片下料率与钢化炉装载率的集成优化方法
CN106647262A (zh) 一种面向敏捷卫星多目标任务规划的差分进化方法
CN109063976A (zh) 基于模糊层次分析法的智能制造能力成熟度评价方法
CN106779153A (zh) 一种智能立体仓库货位分配优化方法
CN104036324B (zh) 一种基于遗传算法的通信网络容量可靠性最优设计方法
CN107590319A (zh) 一种用于机械产品方案辅助设计的知识建模方法和系统
CN107229693A (zh) 基于深度学习的大数据系统配置参数调优的方法和系统
CN104992240B (zh) 一种优化拣货路径的方法及装置
CN105574680A (zh) 一种企业竞争能力诊断的方法及系统
CN107392307A (zh) 并行化时序数据的预测方法
CN108647859A (zh) 知识驱动的置换流水线双种群协同学习策略与优化方法
CN108053152A (zh) 基于多色集合的改进遗传算法求解动态车间调度的方法
CN106447089A (zh) 一种基于裁床的裁剪分床方法
CN103440534A (zh) 基于成本贡献度与用户满意度融合的产品优化方法
Tang et al. Optimal and near-optimal algorithms to rolling batch scheduling for seamless steel tube production
CN105787088B (zh) 一种基于分段编码遗传算法的文本信息分类方法
CN107909251A (zh) 一种卷烟设备综合效率影响因素分析方法和装置
CN106682816A (zh) 一种基于特征的三维机加工艺编排系统及方法
CN108876093A (zh) 一种众创平台下的众创设计任务推送方法
CN102521442B (zh) 基于特征样本的飞机结构件神经网络加工时间预测方法
CN104392317A (zh) 一种基于遗传文化基因算法的项目调度方法
CN114240061A (zh) 一种用于制造车间的任务匹配方法及装置
CN106980613A (zh) 一种搜索导航方法及设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant