CN109614387A - 一种矩形件排样方法、电子设备、存储介质 - Google Patents

Abstract

本发明提供一种矩形件排样方法，包括步骤：将利用率达到阈值的排样图转换为排样方案信息，将排样方案信息存入排样库和排样库详细工件库；提取用户输入订单的工件信息，将工件信息存入工件库；将工件信息与历史搜索库中的信息进行匹配，从排样库中输出与匹配历史信息关联的排样图；通过剩余工件数更新剩余库，在排样库中查找与剩余库中剩余工件数对应的工件信息相似的结果集。本发明涉及电子设备与可读存储介质，用于执行上述方法；本发明通过将排样订单的工件信息与历史搜索库中的排样方案信息进行匹配，具有较强的学习能力；对未匹配的工件信息采用启发式搜索算法进行矩形优化排样，提高板材利用率，提高余料的可再用性，提高工厂的生产效率。

Description

一种矩形件排样方法、电子设备、存储介质

技术领域

本发明涉及智能化家居技术领域，尤其涉及一种矩形件排样方法、电子设备、存储介质。

背景技术

当前家具企业的生产成本越来越高，加上市场竞争日益激烈，如何提高材料利用率，降低生产成本是每个家具企业面临的难题。目前，发达国家同行业的材料利用率达到75％以上，国内只有50％-70％左右，差距巨大。

材料利用率的提高最重要的一步是排样下料方案的生成。排样是优化组合的一类典型问题，其实质是对定量资源进行合理分配，使得剩余的数量最小。传统的排样是由熟练工人完成，太依赖于个人的技巧，而且需要耗费大量的时间，此外培养工人拥有熟练的技巧也需要很长的一段时间。

目前，对排料问题的处理大多使用直接排料的方法，但是此方法的复杂度高，难度大，而且效果不是很理想，需要大量的尝试，缺乏有效的迭代停止条件，遭遇局部最优的问题，导致排样生成的排样图时间过长。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种矩形件排样方法，解决了现有排样方法依赖于人工技巧，需要耗费大量的时间，人才培养成本高，直接排料方法的复杂度高，难度大，效果不理想，需要大量的尝试，缺乏有效的迭代停止条件，遭遇局部最优的问题，导致排样生成的排样图时间过长的问题。

本发明提供一种矩形件排样方法，包括以下步骤：

导入排样图，将利用率达到阈值的排样图转换为排样方案信息，并将所述排样方案信息存入排样库和排样库详细工件库；

提取订单信息，提取用户输入订单的工件信息，将所述工件信息存入工件库，所述工件信息包括待排样工件数；

历史信息搜索，将所述工件信息与历史搜索库中的信息进行匹配，得到匹配历史信息，从所述排样库中输出与所述匹配历史信息关联的排样图，通过所述排样图得到已使用工件数，将所述排样图存储至输出库；

相似信息搜索，将所述待排样工件数减去所述已使用工件数，得到剩余工件数，通过所述剩余工件数更新剩余库，在所述排样库中查找与所述剩余库中剩余工件数对应的工件信息相似的结果集，得到排样图，通过所述排样图更新所述已使用工件数，将所述排样图存储至输出库。

进一步地，在所述导入排样图步骤和所述提取订单信息步骤之间还包括配置管理数据库步骤，配置工件库、历史搜索库、排样库、剩余库、输出库、排样库详细工件库；

所述工件库包括编号、长度、宽度、纹路、数量、附加信息、名称、备注信息；

所述历史搜索库包括编号、工件编号、迭代次数、排样图编号、搜索的批次号；

所述排样库包括编号、板材总长、板材总宽、利用率、总层数、排样图的层级字符串；

所述剩余库包括编号、长度、宽度、纹路、数量、附加信息、名称、备注信息；

所述输出库包括编号、排样图方案、利用率、总层数、板材总长、板材总宽；

所述排样库详细工件库包括编号、排样库编号、层级号、长度、宽度、起点X、起点Y、终点X、终点Y、在括号层级中的位置、合并长宽后若干位长度的字符串。

进一步地，所述提取订单信息步骤中，工件信息还包括长度、宽度、纹路、板材尺寸。

进一步地，所述相似信息搜索步骤还包括：将所述待排样工件数减去更新后的已使用工件数，得到新的剩余工件数，通过新的剩余工件数更新所述剩余库，将当前搜索记录存储至历史搜索库，通过优化算法对所述剩余库中的剩余工件数进行处理，得到排样图，将所述排样图存储至输出库，若所述排样图的利用率达到阈值，则将所述排样图存储至排样库。

进一步地，在所述相似信息搜索之后还包括优化排样步骤，通过优化算法对所述剩余库中的剩余工件数进行处理，得到排样图，将所述排样图存储至输出库，若所述排样图的利用率达到阈值，则将所述排样图存储至排样库。

进一步地，所述优化排样步骤中，所述优化算法为启发式搜索算法。

进一步地，在所述优化排样步骤之后还包括自动学习排样步骤，从所述工件库随机取任意若干个工件编号组成新的订单，重复所述导入排样图步骤至所述优化排样步骤，得到利用率达到阈值的排样图，通过所述排样图填充排样库。

一种电子设备，包括：处理器；

存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行上述一种矩形件排样方法。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行上述一种矩形件排样方法。

相比现有技术，本发明的有益效果在于：

本发明通过将排样订单的工件信息与利用率高的历史搜索库中的排样方案信息进行匹配，具有较强的学习能力；对未匹配到的工件信息采用启发式搜索算法进行矩形优化排样，即利用目标函数确定每一步的切割和排放方式，以求得最佳路径，有效降低时间空间的复杂度，通过不断的学习，实现利用率高的矩形排样图的积累，最终实现高效率高利用率的排样图生成；解决了传统的排样依赖于工人技巧，需要耗费大量的时间，人才培养成本高的问题；解决了直接排料方法复杂度高，难度大，效果不是很理想，需要大量的尝试，缺乏有效的迭代停止条件，遭遇局部最优的问题，导致排样生成的排样图时间过长的问题；具有省时、省力、高效的特点，能显著提高板材利用率，提高余料的可再用性，提高工厂的生产效率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的一种矩形件排样方法流程图；

图2为本发明的管理数据库结构示意图；

图3为本发明实施例的矩形件排样方法流程图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

一种矩形件排样方法，如图1所示，包括以下步骤：

导入排样图，将第三方软件产生的利用率达到阈值的排样图转换为排样方案信息，并将排样方案信息存入排样库和排样库详细工件库；如图2所示，优选的，在导入排样图步骤和提取订单信息步骤之间还包括配置管理数据库步骤，配置工件库、历史搜索库、排样库、剩余库、输出库、排样库详细工件库；

工件库包括编号、长度、宽度、纹路、数量、附加信息、名称、备注信息；

历史搜索库包括编号、工件编号、迭代次数、排样图编号、搜索的批次号；

排样库包括编号、板材总长、板材总宽、利用率、总层数、排样图的层级字符串；

剩余库包括编号、长度、宽度、纹路、数量、附加信息、名称、备注信息；

输出库包括编号、排样图方案、利用率、总层数、板材总长、板材总宽；

排样库详细工件库包括编号、排样库编号、层级号、长度、宽度、起点X、起点Y、终点X、终点Y、在括号层级中的位置、合并长宽后若干位长度的字符串，如合并长宽后10位长度的字符串。

如图3所示，提取订单信息，提取用户输入订单的工件信息，将工件信息存入工件库，工件信息包括待排样工件数；优选的，提取订单信息步骤中，工件信息还包括长度、宽度、纹路、板材尺寸。

历史信息搜索，将工件信息与历史搜索库中的信息进行匹配，得到匹配历史信息，从排样库中输出与匹配历史信息关联的排样图，通过排样图得到已使用工件数，将排样图存储至输出库；

相似信息搜索，将待排样工件数减去已使用工件数，得到剩余工件数，通过剩余工件数更新剩余库，在排样库中查找与剩余库中剩余工件数对应的工件信息相似的结果集，得到排样图，通过排样图更新已使用工件数，将排样图存储至输出库。优选的，相似信息搜索步骤还包括：将待排样工件数减去更新后的已使用工件数，得到新的剩余工件数，通过新的剩余工件数更新剩余库，将当前搜索记录存储至历史搜索库，通过优化算法对剩余库中的剩余工件数进行处理，得到排样图，将排样图存储至输出库，若排样图的利用率达到阈值，则将排样图存储至排样库。

在相似信息搜索之后还包括优化排样步骤，通过优化算法对剩余库中的剩余工件数进行处理，得到排样图，将排样图存储至输出库，若排样图的利用率达到阈值，则将排样图存储至排样库。优化排样步骤中，优化算法为启发式搜索算法。启发式搜索算法将工件的选择和位置的排放问题综合考虑，对各个可排位置选择出最合适的一组工件，即最优解的工件组合。根据各可排的位置与最优解的工件组合的匹配程度，选择最优的排放位置优先排放，使得当前排放的工件与已排的工件尽可能的紧凑。为了使当前排放有利于后续排放，将排放的矩形工件组按低到高排序后再排放，按照此排放过程，直到排放完所有的工件或者排放不下。通过启发式搜索算法提高板材利用率，减少计算时间。

在优化排样步骤之后还包括自动学习排样步骤，从工件库随机取任意若干个工件编号组成新的订单，重复导入排样图步骤至优化排样步骤，得到利用率达到阈值的排样图，通过排样图填充排样库。

一种电子设备，包括：处理器；

存储器；以及程序，其中程序被存储在存储器中，并且被配置成由处理器执行，程序包括用于执行上述一种矩形件排样方法。

一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行上述一种矩形件排样方法。

本发明通过将排样订单的工件信息与利用率高的历史搜索库中的排样方案信息进行匹配，具有较强的学习能力；对未匹配到的工件信息采用启发式搜索算法进行矩形优化排样，即利用目标函数确定每一步的切割和排放方式，以求得最佳路径，有效降低时间空间的复杂度，通过不断的学习，实现利用率高的矩形排样图的积累，最终实现高效率高利用率的排样图生成；解决了传统的排样依赖于工人技巧，需要耗费大量的时间，人才培养成本高的问题；解决了直接排料方法复杂度高，难度大，效果不是很理想，需要大量的尝试，缺乏有效的迭代停止条件，遭遇局部最优的问题，导致排样生成的排样图时间过长的问题；具有省时、省力、高效的特点，能显著提高板材利用率，提高余料的可再用性，提高工厂的生产效率。

以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。

Claims (9)

1.一种矩形件排样方法，其特征在于包括以下步骤：

导入排样图，将利用率达到阈值的排样图转换为排样方案信息，并将所述排样方案信息存入排样库和排样库详细工件库；

提取订单信息，提取用户输入订单的工件信息，将所述工件信息存入工件库，所述工件信息包括待排样工件数；

历史信息搜索，将所述工件信息与历史搜索库中的信息进行匹配，得到匹配历史信息，从所述排样库中输出与所述匹配历史信息关联的排样图，通过所述排样图得到已使用工件数，将所述排样图存储至输出库；

相似信息搜索，将所述待排样工件数减去所述已使用工件数，得到剩余工件数，通过所述剩余工件数更新剩余库，在所述排样库中查找与所述剩余库中剩余工件数对应的工件信息相似的结果集，得到排样图，通过所述排样图更新所述已使用工件数，将所述排样图存储至输出库。

2.如权利要求1所述的一种矩形件排样方法，其特征在于：在所述导入排样图步骤和所述提取订单信息步骤之间还包括配置管理数据库步骤，配置工件库、历史搜索库、排样库、剩余库、输出库、排样库详细工件库；

所述工件库包括编号、长度、宽度、纹路、数量、附加信息、名称、备注信息；

所述历史搜索库包括编号、工件编号、迭代次数、排样图编号、搜索的批次号；

所述排样库包括编号、板材总长、板材总宽、利用率、总层数、排样图的层级字符串；

所述剩余库包括编号、长度、宽度、纹路、数量、附加信息、名称、备注信息；

所述输出库包括编号、排样图方案、利用率、总层数、板材总长、板材总宽；

所述排样库详细工件库包括编号、排样库编号、层级号、长度、宽度、起点X、起点Y、终点X、终点Y、在括号层级中的位置、合并长宽后若干位长度的字符串。

3.如权利要求2所述的一种矩形件排样方法，其特征在于：所述提取订单信息步骤中，工件信息还包括长度、宽度、纹路、板材尺寸。

4.如权利要求1所述的一种矩形件排样方法，其特征在于，所述相似信息搜索步骤还包括：将所述待排样工件数减去更新后的已使用工件数，得到新的剩余工件数，通过新的剩余工件数更新所述剩余库，将当前搜索记录存储至历史搜索库，通过优化算法对所述剩余库中的剩余工件数进行处理，得到排样图，将所述排样图存储至输出库，若所述排样图的利用率达到阈值，则将所述排样图存储至排样库。

5.如权利要求4所述的一种矩形件排样方法，其特征在于：在所述相似信息搜索之后还包括优化排样步骤，通过优化算法对所述剩余库中的剩余工件数进行处理，得到排样图，将所述排样图存储至输出库，若所述排样图的利用率达到阈值，则将所述排样图存储至排样库。

6.如权利要求5所述的一种矩形件排样方法，其特征在于：所述优化排样步骤中，所述优化算法为启发式搜索算法。

7.如权利要求5所述的一种矩形件排样方法，其特征在于：在所述优化排样步骤之后还包括自动学习排样步骤，从所述工件库随机取任意若干个工件编号组成新的订单，重复所述导入排样图步骤至所述优化排样步骤，得到利用率达到阈值的排样图，通过所述排样图填充排样库。

8.一种电子设备，其特征在于包括：处理器；

存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行权利要求1-7任意一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1-7任意一项所述的方法。