CN117634710B - 一种板材定尺方法及装置 - Google Patents

一种板材定尺方法及装置 Download PDF

Info

Publication number
CN117634710B
CN117634710B CN202410090433.4A CN202410090433A CN117634710B CN 117634710 B CN117634710 B CN 117634710B CN 202410090433 A CN202410090433 A CN 202410090433A CN 117634710 B CN117634710 B CN 117634710B
Authority
CN
China
Prior art keywords
sequence
part stock
stock
layout
sequences
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
CN202410090433.4A
Other languages
English (en)
Other versions
CN117634710A (zh
Inventor
喻林杰
王义文
徐晓光
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.)
Hunan Sany Zhongcheng Vehicle Body Co ltd
Original Assignee
Hunan Sany Zhongcheng Vehicle Body Co ltd
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 Hunan Sany Zhongcheng Vehicle Body Co ltd filed Critical Hunan Sany Zhongcheng Vehicle Body Co ltd
Priority to CN202410090433.4A priority Critical patent/CN117634710B/zh
Publication of CN117634710A publication Critical patent/CN117634710A/zh
Application granted granted Critical
Publication of CN117634710B publication Critical patent/CN117634710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • General Factory Administration (AREA)

Abstract

本申请公开了一种板材定尺方法及装置,通过生成目标零件集的初始零件排样序列和辅助零件排样序列;根据辅助零件排样序列中的最优序列,执行初始零件排样序列的交叉操作,以迭代产生目标序列;选取初始零件排样序列和目标序列中的多个优选序列,得到更新后的初始零件排样序列;若更新后的初始零件排样序列满足预设条件,则将更新后的初始零件排样序列中的最优序列作为最终定尺方案;即生成两个相互独立的零件排样序列,并且利用辅助零件排样序列中的最优序列指导初始零件排样序列的交叉迭代,从而产生更优质的目标序列,以加快算法的收敛性和全局寻优能力,从而可以快速求解得到最优的定尺方案,继而提高了板材的利用率、降低了废料的数量。

Description

一种板材定尺方法及装置
技术领域
本申请涉及板材定尺技术领域,具体涉及一种板材定尺方法及装置。
背景技术
异形零件排样问题是指如何将不同形状和大小的零件合理地排列在一个给定的区域内,以最大化利用空间并最小化浪费。二维不规则异形零件排样问题是典型的NP-Hard组合优化问题。设计高效的排样算法可为企业节省生产成本,具有重要的应用意义。
对于制造行业的企业,通常下料车间的物料多达到几万种或几十万种,随着产品型号的增加变更,物料的数量还会不断增加,同时车间物料大多为以满足交货需求优先,以能加工出产品为前提,如果不提高钢板原材料利用率,钢板以高代价去使用,虽然能满足生产需求,但会导致物料出现呆滞、浪费。时间一长呆滞物料堆积会越来越多,只能当废料处理,浪费巨大,增加了企业生产成本,不利用企业良性发展。
发明内容
为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种板材定尺方法及装置,采用两个并行交叉的零件排样序列相互指导交叉迭代以求解不规则排样问题,可以提高算法的收敛速度和全局寻优能力,从而解决了上述板材利用率低的技术问题。
根据本申请的一个方面,提供了一种板材定尺方法,包括:
生成目标零件集的初始零件排样序列和辅助零件排样序列,其中,在所述辅助零件排样序列中,所述目标零件集中的零件按照面积大小顺序排列;根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列,其中,所述最优序列为所述辅助零件排样序列中,板材利用率最高的排样序列;选取所述初始零件排样序列和所述目标序列中的多个优选序列,得到更新后的初始零件排样序列,其中,所述优选序列对应的零件排样序列的板材利用率大于所述优选序列之外的排样序列的板材利用率;若所述更新后的初始零件排样序列满足预设条件,则将所述更新后的初始零件排样序列中的最优序列作为最终定尺方案。
在一实施例中,所述根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列包括:随机生成零件排样序列中的两个交叉位置点;以及保持所述初始零件排样序列中每个序列位于所述两个交叉位置点之间的值不变、且将所述辅助零件排样序列中的最优序列的值依次替换其他位置的值,以迭代产生所述目标序列;其中,所述其他位置标示所述两个交叉位置点的两侧位置。
在一实施例中,所述辅助零件排样序列中的最优序列的确定方式包括:计算所述辅助零件排样序列中每个序列的适应度函数值;其中,所述适应度函数值表征对应的零件排样序列的板材利用率;以及选取所述辅助零件排样序列中所述适应度函数值最大的序列为所述最优序列。
在一实施例中,在所述根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列之前,所述板材定尺方法还包括:对所述初始零件排样序列和所述辅助零件排样序列的序列分别进行选择、交叉和变异操作,以得到所述初始零件排样序列的迭代序列和所述辅助零件排样序列的迭代序列;以及选取所述辅助零件排样序列和所述辅助零件排样序列的迭代序列中的多个优选序列,得到更新后的辅助零件排样序列;选取所述初始零件排样序列和所述目标序列中多个优选序列,得到更新后的初始零件排样序列包括:选取所述初始零件排样序列、所述目标序列和所述初始零件排样序列的迭代序列中的多个优选序列,得到更新后的初始零件排样序列。
在一实施例中,所述初始零件排样序列的生成方式包括:根据所有零件对应的板材定尺种类,确定多种定尺方案;其中,每种所述定尺方案包括多种板材类别,每种所述板材类别表示一种板材材质和板材厚度;针对每种所述定尺方案,生成每种所述板材类别的多种板材规格;其中,每种所述板材规格表示一种板材长度和宽度;以及根据多种所述板材规格,生成所述初始零件排样序列。
在一实施例中,所述根据多种所述板材规格,生成所述初始零件排样序列包括:根据所有零件的尺寸和计划量、多种所述板材规格,生成多种零件排样序列;对多种所述零件排样序列进行评分;以及根据评分结果选取多种所述零件排样序列,生成所述初始零件排样序列。
在一实施例中,所述对多种所述零件排样序列进行评分包括:计算每种所述零件排样序列的多个评分指标;以及对多个所述评分指标加权平均,得到所述评分结果。
在一实施例中,所述计算每种所述零件排样序列的多个评分指标包括:计算每种所述零件排样序列的板材利用率、余料重量、板材规格数量、板材消耗周期;对多个所述评分指标加权平均,得到所述评分结果包括:对所述板材利用率、所述余料重量、所述板材规格数量、所述板材消耗周期加权平均,得到所述评分结果。
在一实施例中,所述根据所有零件的尺寸和计划量、多种所述板材规格,生成多种零件排样序列包括:根据零件宽度由大到小将所有零件排序;根据所有零件的宽度和计划量,将所有零件分为多个宽度区间并计算分段值;其中,所述分段值表示所述宽度区间的宽度值;以及针对每个所述宽度区间,根据多种所述板材规格确定一个板材规格,以生成多种零件排样序列。
根据本申请的另一个方面,提供了一种板材定尺装置,包括:初始序列生成模块,用于生成目标零件集的初始零件排样序列和辅助零件排样序列,其中,在所述辅助零件排样序列中,所述目标零件集中的零件按照面积大小顺序排列;交叉迭代执行模块,用于根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列,其中,所述最优序列为所述辅助零件排样序列中,板材利用率最高的排样序列;初始序列更新模块,用于选取所述初始零件排样序列和所述目标序列中的多个优选序列,得到更新后的初始零件排样序列,其中,所述优选序列对应的零件排样序列的板材利用率大于所述优选序列之外的排样序列的板材利用率;定尺方案确定模块,用于若所述更新后的初始零件排样序列满足预设条件,则将所述更新后的初始零件排样序列中的最优序列作为最终定尺方案。
本申请提供的一种板材定尺方法及装置,通过生成目标零件集的初始零件排样序列和辅助零件排样序列,其中,在辅助零件排样序列中,目标零件集中的零件按照面积大小顺序排列;根据辅助零件排样序列中的最优序列,执行初始零件排样序列的交叉操作,以迭代产生目标序列,其中,最优序列为辅助零件排样序列中板材利用率最高的排样序列;选取初始零件排样序列和目标序列中的多个优选序列,得到更新后的初始零件排样序列,其中,优选序列对应的零件排样序列的板材利用率大于优选序列之外的排样序列的板材利用率;若更新后的初始零件排样序列满足预设条件,则将更新后的初始零件排样序列中的最优序列作为最终定尺方案;即生成两个相互独立的零件排样序列,并且利用辅助零件排样序列中的最优序列指导初始零件排样序列的交叉迭代,从而产生更优质的目标序列,以加快算法的收敛性和全局寻优能力,从而可以快速求解得到最优的定尺方案,继而提高了板材的利用率、降低了废料的数量。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本申请一示例性实施例提供的一种板材定尺方法的流程示意图。
图2是本申请另一示例性实施例提供的一种板材定尺方法的流程示意图。
图3是本申请一示例性实施例提供的一种序列交叉操作原理的结构示意图。
图4是本申请另一示例性实施例提供的一种板材定尺方法的流程示意图。
图5是本申请另一示例性实施例提供的一种板材定尺方法的流程示意图。
图6是本申请一示例性实施例提供的一种板材定尺装置的结构示意图。
图7是本申请另一示例性实施例提供的一种板材定尺装置的结构示意图。
图8是本申请一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本申请的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
图1是本申请一示例性实施例提供的一种板材定尺方法的流程示意图。如图1所示,该板材定尺方法包括如下步骤:
步骤110:生成目标零件集的初始零件排样序列和辅助零件排样序列。
其中,初始零件排样序列中的单个序列表示一种零件排样序列,辅助零件排样序列中的单个序列也表示一种零件排样序列,在辅助零件排样序列中,目标零件集中的零件按照面积大小顺序排列。具体的,初始零件排样序列的序列数量为N(大于1的整数),通过生成初始零件排样序列,以得到初始零件排样序列集;由于面积较大的零件所占用的板材空间较大,优先排样面积较大的零件可以尽量提高板材的利用率,因此,本申请根据零件的面积由大到小生成辅助零件排样序列,以得到一个与初始零件排样序列独立的序列集,即得到另一个零件排样序列集。
步骤120:根据辅助零件排样序列中的最优序列,执行初始零件排样序列的交叉操作,以迭代产生目标序列。
其中,最优序列为辅助零件排样序列中,板材利用率最高的排样序列。在得到了辅助零件排样序列中的最优序列后,以该最优序列为参考指导初始零件排样序列中的序列进行交叉操作,以产生新的序列,即目标序列。即利用辅助零件排样序列中的最优序列指导初始零件排样序列中序列的交叉操作,有针对性的实现初始零件排样序列中序列的交叉操作,以提高搜寻最优序列的速率。
在一实施例中,辅助零件排样序列中的最优序列的确定方式可以是:计算辅助零件排样序列中每个序列的适应度函数值,其中适应度函数值表征对应的零件排样序列的板材利用率;选取辅助零件排样序列中适应度函数值最大的序列为最优序列。
通过计算辅助零件排样序列中每个序列的适应度函数值,以确定辅助零件排样序列中序列的优劣度。具体的,将n个零件按照排放顺序编号,构成了一个整数序列,该整数序列中的元素为排放入板材的多边形零件编号和对应的旋转角度。
本申请中的适应度函数为:F(Xi)=Sum/(W×Lmax(Xi)),其中,Xi表示一个可行解(即一个序列),Sum 表示该序列对应的所有多边形零件的面积之和,W表示原材料板材的固定宽度,Lmax(Xi)表示该序列对应的所有零件构成的外部轮廓的最大长度(即已经使用的原材料板材的长度)。
通过计算每个序列的适应度函数值,并且通过比对或排序以选取辅助零件排样序列中适应度函数值最大的序列为最优序列,即辅助零件排样序列中的板材利用率最高的序列。
步骤130:选取初始零件排样序列和目标序列中的多个优选序列,得到更新后的初始零件排样序列。
其中,优选序列对应的零件排样序列的板材利用率大于优选序列之外的排样序列的板材利用率。在生成目标序列后,结合初始零件排样序列和目标序列(与初始零件排样序列的序列数量相同),并从中选取最优的N个序列作为新的初始零件排样序列,即在得到目标序列后,选取最优的N个序列更新初始零件排样序列,以保证初始零件排样序列中的序列为当前最优的序列集合。
步骤140:若更新后的初始零件排样序列满足预设条件,则将更新后的初始零件排样序列中的最优序列作为最终定尺方案。
具体的,若更新后的初始零件排样序列中存在最优解,例如该最优解对应的适应度函数值大于一个预设值,即说明此最优解对应的板材利用率已经达到了预期值,此时可以停止迭代并输出该最优解对应的定尺方案。同理,若在迭代了预设次数后仍然不能找到满足板材利用率的排样序列,此时可以选取初始零件排样序列中的最优序列作为最终定尺方案,其中,初始零件排样序列中的最优序列的确定方式与辅助零件排样序列中的最优序列的确定方式一致。
本申请提供的一种板材定尺方法,通过生成目标零件集的初始零件排样序列和辅助零件排样序列,其中,在辅助零件排样序列中,目标零件集中的零件按照面积大小顺序排列;根据辅助零件排样序列中的最优序列,执行初始零件排样序列的交叉操作,以迭代产生目标序列,其中,最优序列为辅助零件排样序列中板材利用率最高的排样序列;选取初始零件排样序列和目标序列中的多个优选序列,得到更新后的初始零件排样序列,其中,优选序列对应的零件排样序列的板材利用率大于优选序列之外的排样序列的板材利用率;若更新后的初始零件排样序列满足预设条件,则将更新后的初始零件排样序列中的最优序列作为最终定尺方案;即生成两个相互独立的零件排样序列,并且利用辅助零件排样序列中的最优序列指导初始零件排样序列的交叉迭代,从而产生更优质的目标序列,以加快算法的收敛性和全局寻优能力,从而可以快速求解得到最优的定尺方案,继而提高了板材的利用率、降低了废料的数量。
图2是本申请另一示例性实施例提供的一种板材定尺方法的流程示意图。如图2所示,上述步骤120可以包括:
步骤121:随机生成零件排样序列中的两个交叉位置点。
步骤122:保持初始零件排样序列中每个序列位于两个交叉位置点之间的值不变、且将辅助零件排样序列中的最优序列的值依次替换其他位置的值,以迭代产生目标序列。
其中,其他位置标示两个交叉位置点的两侧位置。具体的,如图3所示,通过随机生成两个位于[1,n]交叉位置点(n为零件数量,Bit1和Bit2为交叉位置点),以初始零件排样序列中任一个序列(如图3中所示的父代个体parent1)为例进行说明,保持parent1中位于Bit1和Bit2之间的基因(序号)不变,parent1的其他位置的基因按照parent2(辅助零件排样序列中的最优序列)的基因位置顺序选取基因填充(跳过已经出现在parent1中的基因),具体如图3中子代个体child1的生成过程所示。应当理解,本申请还可以采用初始零件排样序列中的最优序列作为参考指导辅助零件排样序列的所有序列的交叉操作,其具体方法与上述过程一致(如图3中子代个体child2的生成过程所示),并且在得到目标序列后更新辅助零件排样序列(选取最优的N个序列)。
图4是本申请另一示例性实施例提供的一种板材定尺方法的流程示意图。如图4所示,在步骤120之前,上述板材定尺方法还可以包括:
步骤150:对初始零件排样序列和辅助零件排样序列的序列分别进行选择、交叉和变异操作,以得到初始零件排样序列的迭代序列和辅助零件排样序列的迭代序列。
为了得到更多更优的序列,本申请还可以对初始零件排样序列和辅助零件排样序列的序列分别进行选择、交叉和变异操作,以得到更多的迭代序列,即提高最优解搜寻的速率。
步骤160:选取辅助零件排样序列和辅助零件排样序列的迭代序列中的多个优选序列,得到更新后的辅助零件排样序列。
在得到了辅助零件排样序列的迭代序列后,再结合辅助零件排样序列(父代序列)和迭代序列(子代序列),从中选取最优的N个序列,以更新辅助零件排样序列,从而进一步加快搜寻的进度。
对应的,步骤130可以包括:
步骤131:选取初始零件排样序列、目标序列和初始零件排样序列的迭代序列中的多个优选序列,得到更新后的初始零件排样序列。
在得到了初始零件排样序列的迭代序列后,再结合初始零件排样序列、辅助零件排样序列中的最优序列指导初始零件排样序列交叉操作得到的目标序列和迭代序列(子代序列),从中选取最优的N个序列,以更新初始零件排样序列,从而进一步加快搜寻的进度。
图5是本申请另一示例性实施例提供的一种板材定尺方法的流程示意图。如图5所示,上述步骤110可以包括:
步骤111:根据所有零件对应的板材定尺种类,确定多种定尺方案。
其中,每种定尺方案包括多种板材类别,每种板材类别表示一种板材材质和板材厚度。具体的,将零件按照料厚排序,并且按照同材质同料厚为一种板材类别进行分类,以确定所有零件对应的板材定尺种类A(例如A=80),并且确定多种定尺方案(例如11种定尺方案),其中,每种定尺方案所包含的板材类别数量分别为A-5、A-4、A-3、A-2、A-1、A、A+1、A+2、A+3、A+4、A+5。
步骤112:针对每种定尺方案,生成每种板材类别的多种板材规格。
其中,每种板材规格表示一种板材长度和宽度。
步骤113:根据多种板材规格,生成初始零件排样序列。
在一实施例中,上述步骤113的具体实现方式可以是:根据所有零件的尺寸和计划量、多种板材规格,生成多种零件排样序列;对多种零件排样序列进行评分;根据评分结果选取多种零件排样序列,生成初始零件排样序列。本申请根据所有零件的尺寸和计划量、以及多种板材规格,先生成多种零件排样序列,然后多每种零件排样序列进行评分,选取评分结果较好的多个零件排样序列作为初始零件排样序列的序列。
在进一步的实施例中,对多种零件排样序列进行评分的具体方式可以是:计算每种零件排样序列的多个评分指标;对多个评分指标加权平均,得到评分结果。
本申请可以计算每种零件排样序列的板材利用率、余料重量、板材规格数量、板材消耗周期;对板材利用率、余料重量、板材规格数量、板材消耗周期加权平均,得到评分结果。具体的,板材利用率L=∑(零件重量×计划量)/∑(板材重量×计划量),若L≥90%,则评分为100分,并且每减少1%评分减少1分,即板材利用率评分L'=100-(90-L×100);余料重量G=∑(零件余料重量×计划量/1000)吨,若计划周期(前6个月-后3个月)的余料总重量为0,则评分为100分,每增加20吨评分减少1分,即余料重量评分G'=100-G/20;板材规格数量A不变时评分为80分,每新增一种规格评分减少2分,减少一种规格评分加2分,即板材规格数量评分A'=80+(A-80)×2;板材消耗周期H=6个月评分为80分,每减少1个月评分加3.33分,每增加1个月评分减3.33分,即板材消耗周期评分H'=80+(6-H)×20/6;评分结果F=L'*35%+G'*35%+A'*15%+H'*15%。
在进一步的实施例中,多种零件排样序列的生产方式可以是:根据零件宽度由大到小将所有零件排序;根据所有零件的宽度和计划量,将所有零件分为多个宽度区间并计算分段值,其中,分段值表示宽度区间的宽度值;针对每个宽度区间,根据多种板材规格确定一个板材规格,以生成多种零件排样序列。本申请根据零件宽度由大到小将所有零件排序,然后计算分段值=零件宽度+10×计划量,并且将所有零件按照分段值划分为多个宽度区间,针对每一个分段区间确定一个板材规格,具体的,筛选出该分段区间内零件的长度最大值C和宽度最大值K,根据定尺钢板规格单边余量≥15mm的原则,确定该分段区间的板材规格为:长(C+30mm)*宽(K+30mm)。
图6是本申请一示例性实施例提供的一种板材定尺装置的结构示意图。如图6所示,该板材定尺装置60包括:初始序列生成模块61,用于生成目标零件集的初始零件排样序列和辅助零件排样序列,其中,在所述辅助零件排样序列中,所述目标零件集中的零件按照面积大小顺序排列;交叉迭代执行模块62,用于根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列,其中,所述最优序列为所述辅助零件排样序列中,板材利用率最高的排样序列;初始序列更新模块63,用于选取所述初始零件排样序列和所述目标序列中的多个优选序列,得到更新后的初始零件排样序列,其中,所述优选序列对应的零件排样序列的板材利用率大于所述优选序列之外的排样序列的板材利用率;定尺方案确定模块64,用于若所述更新后的初始零件排样序列满足预设条件,则将所述更新后的初始零件排样序列中的最优序列作为最终定尺方案。
本申请提供的一种板材定尺装置,通过初始序列生成模块61生成目标零件集的初始零件排样序列和辅助零件排样序列,其中,在辅助零件排样序列中,目标零件集中的零件按照面积大小顺序排列;交叉迭代执行模块62根据辅助零件排样序列中的最优序列,执行初始零件排样序列的交叉操作,以迭代产生目标序列,其中,最优序列为辅助零件排样序列中板材利用率最高的排样序列;初始序列更新模块63选取初始零件排样序列和目标序列中的多个优选序列,得到更新后的初始零件排样序列,其中,优选序列对应的零件排样序列的板材利用率大于优选序列之外的排样序列的板材利用率;若更新后的初始零件排样序列满足预设条件,定尺方案确定模块64则将更新后的初始零件排样序列中的最优序列作为最终定尺方案;即生成两个相互独立的零件排样序列,并且利用辅助零件排样序列中的最优序列指导初始零件排样序列的交叉迭代,从而产生更优质的目标序列,以加快算法的收敛性和全局寻优能力,从而可以快速求解得到最优的定尺方案,继而提高了板材的利用率、降低了废料的数量。
在一实施例中,板材定尺装置60可以进一步配置为:计算辅助零件排样序列中每个序列的适应度函数值,其中适应度函数值表征对应的零件排样序列的板材利用率;选取辅助零件排样序列中适应度函数值最大的序列为最优序列。
图7是本申请另一示例性实施例提供的一种板材定尺装置的结构示意图。如图7所示,上述交叉迭代执行模块62可以包括:交叉位置生成单元621,用于随机生成零件排样序列中的两个交叉位置点;交叉序列生成单元622,用于保持初始零件排样序列中每个序列位于两个交叉位置点之间的值不变、且将辅助零件排样序列中的最优序列的值依次替换其他位置的值,以迭代产生目标序列;其中,其他位置标示两个交叉位置点的两侧位置。
在一实施例中,如图7所示,该板材定尺装置60还可以包括:排样序列迭代模块65,用于对初始零件排样序列和辅助零件排样序列的序列分别进行选择、交叉和变异操作,以得到初始零件排样序列的迭代序列和辅助零件排样序列的迭代序列;辅助种群更新模块66,用于选取辅助零件排样序列和辅助零件排样序列的迭代序列中的多个优选序列,得到更新后的辅助零件排样序列;对应的,初始序列更新模块63可以进一步配置为:选取初始零件排样序列、目标序列和初始零件排样序列的迭代序列中的多个优选序列,得到更新后的初始零件排样序列。
在一实施例中,初始序列生成模块61可以进一步配置为:根据所有零件对应的板材定尺种类,确定多种定尺方案;其中,每种定尺方案包括多种板材类别,每种板材类别表示一种板材材质和板材厚度;针对每种定尺方案,生成每种板材类别的多种板材规格;其中,每种板材规格表示一种板材长度和宽度;根据多种板材规格,生成初始零件排样序列。
在一实施例中,初始序列生成模块61可以进一步配置为:根据所有零件的尺寸和计划量、多种板材规格,生成多种零件排样序列;对多种零件排样序列进行评分;根据评分结果选取多种零件排样序列,生成初始零件排样序列。
在一实施例中,初始序列生成模块61可以进一步配置为:计算每种零件排样序列的多个评分指标;对多个评分指标加权平均,得到评分结果。
在一实施例中,初始序列生成模块61可以进一步配置为:根据零件宽度由大到小将所有零件排序;根据所有零件的宽度和计划量,将所有零件分为多个宽度区间并计算分段值,其中,分段值表示宽度区间的宽度值;针对每个宽度区间,根据多种板材规格确定一个板材规格,以生成多种零件排样序列。
下面,参考图8来描述根据本申请实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图8图示了根据本申请实施例的电子设备的框图。
如图8所示,电子设备10包括一个或多个处理器11和存储器12。
处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器11可以运行所述程序指令,以实现上文所述的本申请的各个实施例的方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备10还可以包括:输入装置13和输出装置14,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
在该电子设备是单机设备时,该输入装置13可以是通信网络连接器,用于从第一设备和第二设备接收所采集的输入信号。
此外,该输入装置13还可以包括例如键盘、鼠标等等。
该输出装置14可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图8中仅示出了该电子设备10中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备10还可以包括任何其他适当的组件。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (9)

1.一种板材定尺方法,其特征在于,包括:
生成目标零件集的初始零件排样序列和辅助零件排样序列,其中,在所述辅助零件排样序列中,所述目标零件集中的零件按照面积大小顺序排列;
根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列,其中,所述最优序列为所述辅助零件排样序列中,板材利用率最高的排样序列,以所述最优序列为参考指导初始零件排样序列中的序列进行交叉操作,以产生所述目标序列;
选取所述初始零件排样序列和所述目标序列中的多个优选序列,得到更新后的初始零件排样序列,其中,所述优选序列对应的零件排样序列的板材利用率大于所述优选序列之外的排样序列的板材利用率;
若所述更新后的初始零件排样序列满足预设条件,则将所述更新后的初始零件排样序列中的最优序列作为最终定尺方案;
在所述根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列之前,所述板材定尺方法还包括:
对所述初始零件排样序列和所述辅助零件排样序列的序列分别进行选择、交叉和变异操作,以得到所述初始零件排样序列的迭代序列和所述辅助零件排样序列的迭代序列;以及
选取所述辅助零件排样序列和所述辅助零件排样序列的迭代序列中的多个优选序列,得到更新后的辅助零件排样序列;
选取所述初始零件排样序列和所述目标序列中多个优选序列,得到更新后的初始零件排样序列包括:
选取所述初始零件排样序列、所述目标序列和所述初始零件排样序列的迭代序列中的多个优选序列,得到更新后的初始零件排样序列。
2.根据权利要求1所述的板材定尺方法,其特征在于,所述根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列包括:
随机生成零件排样序列中的两个交叉位置点;以及
保持所述初始零件排样序列中每个序列位于所述两个交叉位置点之间的值不变、且将所述辅助零件排样序列中的最优序列的值依次替换其他位置的值,以迭代产生所述目标序列;其中,所述其他位置标示所述两个交叉位置点的两侧位置。
3.根据权利要求1所述的板材定尺方法,其特征在于,所述辅助零件排样序列中的最优序列的确定方式包括:
计算所述辅助零件排样序列中每个序列的适应度函数值;其中,所述适应度函数值表征对应的零件排样序列的板材利用率;以及
选取所述辅助零件排样序列中所述适应度函数值最大的序列为所述最优序列。
4.根据权利要求1所述的板材定尺方法,其特征在于,所述初始零件排样序列的生成方式包括:
根据所有零件对应的板材定尺种类,确定多种定尺方案;其中,每种所述定尺方案包括多种板材类别,每种所述板材类别表示一种板材材质和板材厚度;
针对每种所述定尺方案,生成每种所述板材类别的多种板材规格;其中,每种所述板材规格表示一种板材长度和宽度;以及
根据多种所述板材规格,生成所述初始零件排样序列。
5.根据权利要求4所述的板材定尺方法,其特征在于,所述根据多种所述板材规格,生成所述初始零件排样序列包括:
根据所有零件的尺寸和计划量、多种所述板材规格,生成多种零件排样序列;
对多种所述零件排样序列进行评分;以及
根据评分结果选取多种所述零件排样序列,生成所述初始零件排样序列。
6.根据权利要求5所述的板材定尺方法,其特征在于,所述对多种所述零件排样序列进行评分包括:
计算每种所述零件排样序列的多个评分指标;以及
对多个所述评分指标加权平均,得到所述评分结果。
7.根据权利要求6所述的板材定尺方法,其特征在于,所述计算每种所述零件排样序列的多个评分指标包括:
计算每种所述零件排样序列的板材利用率、余料重量、板材规格数量、板材消耗周期;
对多个所述评分指标加权平均,得到所述评分结果包括:
对所述板材利用率、所述余料重量、所述板材规格数量、所述板材消耗周期加权平均,得到所述评分结果。
8.根据权利要求5所述的板材定尺方法,其特征在于,所述根据所有零件的尺寸和计划量、多种所述板材规格,生成多种零件排样序列包括:
根据零件宽度由大到小将所有零件排序;
根据所有零件的宽度和计划量,将所有零件分为多个宽度区间并计算分段值;其中,所述分段值表示所述宽度区间的宽度值;以及
针对每个所述宽度区间,根据多种所述板材规格确定一个板材规格,以生成多种零件排样序列。
9.一种板材定尺装置,其特征在于,包括:
初始序列生成模块,用于生成目标零件集的初始零件排样序列和辅助零件排样序列,其中,在所述辅助零件排样序列中,所述目标零件集中的零件按照面积大小顺序排列;
交叉迭代执行模块,用于根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列,其中,所述最优序列为所述辅助零件排样序列中,板材利用率最高的排样序列,以所述最优序列为参考指导初始零件排样序列中的序列进行交叉操作,以产生所述目标序列;
初始序列更新模块,用于选取所述初始零件排样序列和所述目标序列中的多个优选序列,得到更新后的初始零件排样序列,其中,所述优选序列对应的零件排样序列的板材利用率大于所述优选序列之外的排样序列的板材利用率;
定尺方案确定模块,用于若所述更新后的初始零件排样序列满足预设条件,则将所述更新后的初始零件排样序列中的最优序列作为最终定尺方案;
初始序列生成模块还用于在所述根据所述辅助零件排样序列中的最优序列,执行所述初始零件排样序列的交叉操作,以迭代产生目标序列之前,所述板材定尺方法还包括:
对所述初始零件排样序列和所述辅助零件排样序列的序列分别进行选择、交叉和变异操作,以得到所述初始零件排样序列的迭代序列和所述辅助零件排样序列的迭代序列;以及
选取所述辅助零件排样序列和所述辅助零件排样序列的迭代序列中的多个优选序列,得到更新后的辅助零件排样序列;
选取所述初始零件排样序列和所述目标序列中多个优选序列,得到更新后的初始零件排样序列包括:
选取所述初始零件排样序列、所述目标序列和所述初始零件排样序列的迭代序列中的多个优选序列,得到更新后的初始零件排样序列。
CN202410090433.4A 2024-01-23 2024-01-23 一种板材定尺方法及装置 Active CN117634710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410090433.4A CN117634710B (zh) 2024-01-23 2024-01-23 一种板材定尺方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410090433.4A CN117634710B (zh) 2024-01-23 2024-01-23 一种板材定尺方法及装置

Publications (2)

Publication Number Publication Date
CN117634710A CN117634710A (zh) 2024-03-01
CN117634710B true CN117634710B (zh) 2024-04-26

Family

ID=90018476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410090433.4A Active CN117634710B (zh) 2024-01-23 2024-01-23 一种板材定尺方法及装置

Country Status (1)

Country Link
CN (1) CN117634710B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281722A (zh) * 2013-07-04 2015-01-14 广州中国科学院先进技术研究所 自动排料方法
CN105956663A (zh) * 2016-03-04 2016-09-21 安徽工程大学 异形零件下料的并行排样优化方法
CN109214557A (zh) * 2018-08-15 2019-01-15 浙江优尼家装饰科技有限公司 一种二维不规则板件排样方法
CN113642264A (zh) * 2021-10-19 2021-11-12 深圳须弥云图空间科技有限公司 基于遗传算法的排样方法及装置
WO2022197238A1 (en) * 2021-03-16 2022-09-22 Envision Digital International Pte. Ltd. System and method for optimizing composition of ensemble member outputs to generate a series of short period local wind speed forecasts
CN115759634A (zh) * 2022-11-18 2023-03-07 中南大学 一种矩形板材组批排样高效协同方法
CN116933653A (zh) * 2023-07-31 2023-10-24 济南邦德激光股份有限公司 一种矩形排样方法、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112115257B (zh) * 2019-06-20 2023-07-14 百度在线网络技术(北京)有限公司 用于生成信息评估模型的方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281722A (zh) * 2013-07-04 2015-01-14 广州中国科学院先进技术研究所 自动排料方法
CN105956663A (zh) * 2016-03-04 2016-09-21 安徽工程大学 异形零件下料的并行排样优化方法
CN109214557A (zh) * 2018-08-15 2019-01-15 浙江优尼家装饰科技有限公司 一种二维不规则板件排样方法
WO2022197238A1 (en) * 2021-03-16 2022-09-22 Envision Digital International Pte. Ltd. System and method for optimizing composition of ensemble member outputs to generate a series of short period local wind speed forecasts
CN113642264A (zh) * 2021-10-19 2021-11-12 深圳须弥云图空间科技有限公司 基于遗传算法的排样方法及装置
CN115759634A (zh) * 2022-11-18 2023-03-07 中南大学 一种矩形板材组批排样高效协同方法
CN116933653A (zh) * 2023-07-31 2023-10-24 济南邦德激光股份有限公司 一种矩形排样方法、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于并行交叉遗传算法的二维不规则排样问题求解;王静静;《计算机应用与软件》;20200731;第37卷(第07期);188-193 *

Also Published As

Publication number Publication date
CN117634710A (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
Wang et al. Determination of temporal information granules to improve forecasting in fuzzy time series
CN101093519A (zh) 用于在ic制造中提高成品率的方法和服务
US10048669B2 (en) Optimizing manufacturing schedule with time-dependent energy cost
US10496436B2 (en) Method and apparatus for automatically scheduling jobs in computer numerical control machines using machine learning approaches
Chaves et al. Adaptive biased random-key genetic algorithm with local search for the capacitated centered clustering problem
Tang et al. Optimization of parts scheduling in multiple cells considering intercell move using scatter search approach
Chen et al. Production scheduling for blocking flowshop in distributed environment using effective heuristics and iterated greedy algorithm
US6714889B2 (en) Production instruction volume decision support method and program therefor
JP2004530967A (ja) 予測用モデルを展開する方法及び装置
Abreu et al. A genetic algorithm with neighborhood search procedures for unrelated parallel machine scheduling problem with sequence-dependent setup times
CN114862090A (zh) 基于改进多目标遗传算法的车间调度方法和系统
Hu et al. Scheduling unrelated additive manufacturing machines with practical constraints
Asokan et al. Machine-cell grouping in cellular manufacturing systems using non-traditional optimisation techniques-A comparative study
CN117634710B (zh) 一种板材定尺方法及装置
Cunha Campos et al. NSGA-II with iterated greedy for a bi-objective three-stage assembly flowshop scheduling problem
Yin et al. Formation of manufacturing cells based on material flows
Vaghefinezhad et al. A genetic algorithm approach for solving a flexible job shop scheduling problem
CN106708875A (zh) 一种特征筛选方法及系统
De Buck et al. Exploiting trade-off criteria to improve the efficiency of genetic multi-objective optimisation algorithms
Halim et al. Single-machine integrated production preventive maintenance scheduling: A simheuristic approach
Liu et al. Integrated optimization of mixed-model assembly line balancing and buffer allocation based on operation time complexity
Xu et al. Two sided disassembly line balancing problem with rest time of works: A constraint programming model and an improved NSGA II algorithm
JP2023057945A (ja) 最適化問題求解装置及び最適化問題求解方法
Gao et al. Stochastic programming-based mathematical model and solution strategy for chemical production scheduling with processing time uncertainty
Nugraheni et al. Hybrid Metaheuristics for Job Shop Scheduling Problems.

Legal Events

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