CN117808398A - 一维套料方法、系统、电子设备和存储介质 - Google Patents

一维套料方法、系统、电子设备和存储介质 Download PDF

Info

Publication number
CN117808398A
CN117808398A CN202311828459.6A CN202311828459A CN117808398A CN 117808398 A CN117808398 A CN 117808398A CN 202311828459 A CN202311828459 A CN 202311828459A CN 117808398 A CN117808398 A CN 117808398A
Authority
CN
China
Prior art keywords
stock
target
nesting
initial
trepanning
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.)
Pending
Application number
CN202311828459.6A
Other languages
English (en)
Inventor
朱德昭
谈宏志
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.)
Shanghai Electric Group Corp
Original Assignee
Shanghai Electric Group Corp
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 Shanghai Electric Group Corp filed Critical Shanghai Electric Group Corp
Priority to CN202311828459.6A priority Critical patent/CN117808398A/zh
Publication of CN117808398A publication Critical patent/CN117808398A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Factory Administration (AREA)

Abstract

本公开提供一种一维套料方法、系统、电子设备和存储介质，所述一维套料方法包括：确定套料任务中目标件的目标参数以及库存原料的原料参数；基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案；基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案；根据所述第一套料方案和所述第二套料方案确定所述套料任务的套料方案。本公开通过对套料任务分别基于列生成算法以及束搜索算法进行求解，获得满足约束条件的目标结果。实现了将复杂的套料任务分步处理，使算法建模更简单，结果更符合实际应用场景，在减少对人工的依赖的同时提升了套料的生产效率。也减少了在套料过程中废料的生成，节约成本。

Description

一维套料方法、系统、电子设备和存储介质
技术领域
本公开涉及智能制造领域，尤其涉及一种一维套料方法、系统、电子设备和存储介质。
背景技术
在制造行业，处于对于成本的控制，针对原料的下料与套料问题一直是行业面临的重要课题。尤其是涉及到套料问题，由于套料与下料相比不仅需要切割工艺还增加了焊接工艺，因此套料问题的复杂程度是远高于下料的。目前，尽管很多学者针对一维套料问题提出了各种优化算法，如整数规划和启发式算法等，但在实际生产过程中，现存的算法几乎都很难满足实际场景需求。导致套料算法在实际应用当中效率偏低。
发明内容
本公开要解决的问题是为了克服现有技术中套料问题的算法效率低下的缺陷，提供一种一维套料方法、系统、电子设备和存储介质。
本公开是通过下述技术方案来解决上述技术问题：
本公开提供一种一维套料方法，所述一维套料方法包括：
确定套料任务中目标件的目标参数以及库存原料的原料参数；
基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案；其中，所述第一套料模型的约束条件为：所述第一目标件所对应的所有所述库存原料的第一原料长度大于所述第一目标件的第一目标长度，所述第一原料长度与所述第一目标长度之间的第一差值小于余料阈值，并且所述第一目标件所对应的所有所述库存原料的数目小于或等于当前可用的所述库存原料的数目；所述第一套料模型的目标为：所述第一目标件所需要使用的所述库存原料的数目最少；
基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案；其中，所述第二套料模型的约束条件为：所有所述第二目标件所对应的所有所述库存原料的第二原料长度大于所有所述第二目标件的第二目标长度；所述第二套料模型的目标为：求解所获得的套料方案所对应的焊口数量最少；
根据所述第一套料方案和所述第二套料方案确定所述套料任务的套料方案。
较佳地，所述基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案的步骤之前，还包括：
将所有所述目标参数与所述原料参数进行逐一匹配，得到第一初始套料方案；所述第一初始套料方案包括匹配成功的第一初始目标件以及对应的第一初始库存原料；其中，所述匹配成功的条件为单个所述库存原料的长度大于或等于所述目标件的长度；
根据所述第一初始套料方案确定所述第一目标件以及第一库存原料；所述第一目标件以及所述第一库存原料将作为所述第一套料模型的输入参数。
较佳地，所述根据所述第一初始套料方案确定所述第一目标件以及第一库存原料，包括：将所述第一初始套料方案中未涉及的所述目标件作为所述第一目标件；
将所述第一初始套料方案中未涉及的所述库存原料作为所述第一库存原料。
较佳地，所述根据所述第一初始套料方案确定所述第一目标件以及第一库存原料，包括：
将所述第一初始套料方案中未涉及的所述目标件作为第二初始目标件，将所述第一初始套料方案中未涉及的所述库存原料作为第二初始库存原料；
将所述第二初始目标件与所述第二初始库存原料通过拼接模型进行处理，得到第二初始套料方案；其中，所述拼接模型的约束条件为：一个所述第二初始目标件由至少一个所述第二初始库存原料拼接而成，参与拼接的所述第二初始库存原料的初始库存长度小于所述第二初始目标的初始目标长度，并且所述初始目标长度与所述初始库存长度之间的第二差值大于或等于缺料阈值；所述拼接模型的目标为：所述第二差值最小；
将所述第二初始套料方案中未涉及的所述第二初始目标件，以及第二初始套料方案中的所述第二差值作为所述第一目标件；将所述第二初始套料方案中未涉及的所述库存原料作为所述第一库存原料。
较佳地，所述基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案，包括：
确定当前可用的第一库存原料；
分别将每个规格所对应的所述第一库存原料与所述第一目标件，输入所述第一套料模型并基于列生成算法进行求解；
将所述第一套料方案未涉及的所述第一目标件作为第二目标件，将所述第一套料方案未涉及的第一库存原料作为第二库存原料；
所述第二目标件与所述第二库存原料将作为所述第二套料模型的输入参数。
较佳地，所述基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案，包括：
将所有所述第二目标件进行排序后固定，以生成目标序列；
将所述第二目标件与所述第二库存原料，输入所述第二套料模型并基于束搜索算法进行求解，包括：利用束搜索算法将所述第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式，直到参与拼接的所述第二库存原料的长度大于或者等于所述目标序列的长度；
根据所述候选拼接方式与所述目标序列确定每个所述候选拼接方式的焊接口数量，并将所述焊接口数量的最小值所对应的候选拼接方式作为最终求解方案。
较佳地，所述利用束搜索算法将所述第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式，包括：
利用束搜索算法将当前的原料中满足焊口条件的原料进行拼接时，若拼接方式不满足禁焊约束条件，则通过舍弃部分原料以改变焊口位置；
所述禁焊约束条件为工艺上要求禁止产生焊口的位置。
本公开还提供一种一维套料系统，所述一维套料系统包括：
第一确定模块，用于确定套料任务中目标件的目标参数以及库存原料的原料参数；
列生成算法模块，用于基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案；其中，所述第一套料模型的约束条件为：所述第一目标件所对应的所有所述库存原料的第一原料长度大于所述第一目标件的第一目标长度，所述第一原料长度与所述第一目标长度之间的第一差值小于余料阈值，并且所述第一目标件所对应的所有所述库存原料的数目小于或等于当前可用的所述库存原料的数目；所述第一套料模型的目标为：所述第一目标件所需要使用的所述库存原料的数目最少；
束搜索算法模块，用于基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案；其中，所述第二套料模型的约束条件为：所有所述第二目标件所对应的所有所述库存原料的第二原料长度大于所有所述第二目标件的第二目标长度；所述第二套料模型的目标为：求解所获得的套料方案所对应的焊口数量最少；
第二确定模块，用于根据所述第一套料方案和所述第二套料方案确定所述套料任务的套料方案。
较佳地，所述一维套料系统还包括：
初始模块，用于将所有所述目标参数与所述原料参数进行逐一匹配，得到第一初始套料方案；所述第一初始套料方案包括匹配成功的第一初始目标件以及对应的第一初始库存原料；其中，所述匹配成功的条件为单个所述库存原料的长度大于或等于所述目标件的长度；
所述初始模块，还用于根据所述第一初始套料方案确定所述第一目标件以及第一库存原料；所述第一目标件以及所述第一库存原料将作为所述第一套料模型的输入参数。
较佳地，所述初始模块，还具体用于包括：将所述第一初始套料方案中未涉及的所述目标件作为所述第一目标件；
将所述第一初始套料方案中未涉及的所述库存原料作为所述第一库存原料。
较佳地，所述初始模块，还具体用于包括：将所述第一初始套料方案中未涉及的所述目标件作为第二初始目标件，将所述第一初始套料方案中未涉及的所述库存原料作为第二初始库存原料；
将所述第二初始目标件与所述第二初始库存原料通过拼接模型进行处理，得到第二初始套料方案；其中，所述拼接模型的约束条件为：一个所述第二初始目标件由至少一个所述第二初始库存原料拼接而成，参与拼接的所述第二初始库存原料的初始库存长度小于所述第二初始目标的初始目标长度，并且所述初始目标长度与所述初始库存长度之间的第二差值大于或等于缺料阈值；所述拼接模型的目标为：所述第二差值最小；
将所述第二初始套料方案中未涉及的所述第二初始目标件，以及第二初始套料方案中的所述第二差值作为所述第一目标件；将所述第二初始套料方案中未涉及的所述库存原料作为所述第一库存原料。
较佳地，所述列生成算法模块，具体用于包括：
确定当前可用的第一库存原料；
分别将每个规格所对应的所述第一库存原料与所述第一目标件，输入所述第一套料模型并基于列生成算法进行求解；
将所述第一套料方案未涉及的所述第一目标件作为第二目标件，将所述第一套料方案未涉及的第一库存原料作为第二库存原料；
所述第二目标件与所述第二库存原料将作为所述第二套料模型的输入参数。
较佳地，所述束搜索算法模块，具体用于包括：
将所有所述第二目标件进行排序后固定，以生成目标序列；
将所述第二目标件与所述第二库存原料，输入所述第二套料模型并基于束搜索算法进行求解，包括：利用束搜索算法将所述第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式，直到参与拼接的所述第二库存原料的长度大于或者等于所述目标序列的长度；
根据所述候选拼接方式与所述目标序列确定每个所述候选拼接方式的焊接口数量，并将所述焊接口数量的最小值所对应的候选拼接方式作为最终求解方案。
较佳地，所述束搜索算法模块，还具体用于包括：
利用束搜索算法将当前的原料中满足焊口条件的原料进行拼接时，若拼接方式不满足禁焊约束条件，则通过舍弃部分原料以改变焊口位置；
所述禁焊约束条件为工艺上要求禁止产生焊口的位置。
本公开还提供一种电子设备，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述的一维套料方法。
本公开还提供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时实现前述的一维套料方法。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本公开各较佳实例。
本公开的积极进步效果在于：通过对套料任务分别基于列生成算法以及束搜索算法进行求解，获得满足约束条件的目标结果。实现了将复杂的套料任务分步处理，一方面使算法建模更简单，结果更符合实际应用场景，在减少对人工的依赖的同时提升了套料的生产效率。也减少了在套料过程中废料的生成，节约成本。
附图说明
图1为本公开一示例性实施例提供的一种一维套料方法的流程图；
图2为本公开一示例性实施例提供的一种步骤102的流程图；
图3为本公开一示例性实施例提供的一种步骤102的具体示例的流程图；
图4本公开一示例性实施例提供的一种步骤103的具体示例的流程图；
图5为本公开一示例性实施例提供的一种第二库存原料进行拼接后切割与焊口的示意图；
图6为本公开一示例性实施例提供的另一种第二库存原料进行拼接后切割与焊口的示意图；
图7为基于束搜索算法将第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式的示意图；
图8为本公开一示例性实施例提供的另一种一维套料方法的流程图；
图9本公开一示例性实施例提供的一种步骤106的具体示例的流程图；
图10本公开一示例性实施例提供的另一种步骤106的具体示例的流程图；
图11为本公开一示例性实施例提供的一种一维套料系统的模块示意图；
图12为本公开一示例性实施例提供的一种电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本公开，但并不因此将本公开限制在所述的实施例范围之中。
本公开致力于公开一种解决在制造业中所遇到的套料问题，与套料问题所类似的问题是下料问题。但是，与下料问题所不同的是，下料问题仅涉及从原材料上实施切割操作以制作出目标件。但是套料问题不仅涉及从原材料上实施切割操作，根据实际需要也需要实施连接操作(例如焊接或粘连)，才能获得最终的目标件。在本公开中的目标件是指，套料任务中所包含的需要制作完成的部件。例如，来自客户的某一批订单为15米和20米各100根的管材，该订单合计共需要制作200件相应长度的管材，其中的某一跟管材就可以称之为一个目标件，该订单所包含的200件目标件可以称之为一个套料任务。不过，在实际操作当中，为了高效的对生产进程进行管理通常还需要考虑到库存原料的情况，一般情况下为了节约成本是希望在保证由足够的原材料用于制作目标件，另一方面也希望库存原料的存量(数目以及单个原料的长度)控制在合理的范围之内。因此，在本公开中套料任务不仅包含目标件也包含库存原料。
另外，还需要说明的是，本公开的技术方案针对于一维材料的套料问题，所谓一维套料是指除了上面所提到的管材的例子，还包括例如：钢筋，线材，棒料等，具备一维线性属性的工业材料的套料问题。在本公开中所涉及的套料问题，由于会涉及到焊接手段，因此最终期望呈现的套料方案应该是焊口数量最少的，因为每焊一次，不仅焊接成本高，工艺上的损耗(例如坡口损耗大概为0.04m)会导致原料成本的增加。同样，切割也会造成一定的损耗(大概为0.01m)。
实施例1
图1为本公开一示例性实施例提供的一种一维套料方法的流程图，该一维套料方法包括以下步骤：
步骤101、确定套料任务中目标件的目标参数以及库存原料的原料参数。
在本步骤中，确定套料任务中所需要制作的目标件以及目标件的目标参数，以及本次套料任务所对应的库存原料，以及库存原料的原料参数。可选地，目标参数与原料参数在参数名称以及参数类型上是对应的，一般为了方便计算目标参数与原料参数可以涉及到长度、口径、根数(或者称之为数目)、材质、型号、产地等。
步骤102、基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案。
其中，第一套料模型的约束条件为：第一目标件所对应的所有库存原料的第一原料长度大于第一目标件的第一目标长度，第一原料长度与第一目标长度之间的第一差值小于余料阈值，并且第一目标件所对应的所有库存原料的数目小于或等于当前可用的库存原料的数目。
应当理解的是，该约束条件的设定意义为，当库存原料中短于目标件的时候，需要进行拼接以制作出目标件，因此需要若干个库存原料以拼接出一个比目标件较长的拼接原料，剩余长度则需满足最短拼接长度；或者当库存原料中长于目标件的时候该拼接原料在制作目标件的过程中需要进行截取，其中截取掉的部分有可能成为废料，因此尽可能地使废料最小化，因此设定了余料阈值对截取掉的部分进行了限定。另外，由于拼接原料需要满足长于目标件的同时，还要保证当前有足够的库存原料可供使用，因此还有一个限定条件是需要保证拼接原料所需要的原料数目小于或等于当前可用的库存原料的数目。
可选地，将上述约束条件用函数的形式表达如下：
或min(lcg_org-lcg_tar)s.t.lcg_org-lcg_tar≤lcg_allow；
约束条件1：该约束条件的目标函数为：
或者，约束条件2：lcg_org-lcg_tar≤lcg_allow，该约束条件的目标函数为：min(lcg_org-lcg_tar)；
其中，lcg_tar为第一目标件的第一目标长度，为第j个第一目标件的第一目标长度，lcg_org为第一目标件的第一原料长度，为第一目标件所对应的所有库存原料的第一原料长度之和，lcg_allow为余料阈值，该余料阈值为套料过程中的所允许产生的最大余料长度，lmwl为缺料阈值，也可理解为允许的最短拼接长度。应当理解的是，余料阈值可根据实际需要进行设定。
第一套料模型的目标为：第一目标件所需要使用的库存原料的数目最少。
可选地，将上述目标用目标函数的形式表达如下：
min ncg_use_org
并且，约束条件为：
其中，ncg_use_org为第一目标件所需要使用的库存原料的数目，ncg_tar为第一目标件所对应的所有库存原料的数目，为当前可用的库存原料的数目。应当理解的是，该目标函数的设定意义为这样既保证了有充足的库存原料可用，又保证了不会多用。
可选地，参见图2为本公开一示例性实施例提供的一种步骤102的流程图；步骤102中的基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案，具体可以包括：
步骤1021、确定当前可用的第一库存原料。
步骤1022、分别将每个规格所对应的第一库存原料与第一目标件，输入第一套料模型并基于列生成算法进行求解。
在本步骤中，规格一般是指长度规格，因为在实际应用场景中，库存原料会存在不同的长度规格，而且列生成算法一般只能处理单一规格的原料，因此为了能更好地应对多规格的现实状况，针对现有库存原料的每一种规格都基于列生成算法进行求解。应当理解的是，本公开所使用的列生成算法(Column Generation Algorithm)的理论基础由Danzig等人于1960年提出，的一种用于求解大规模线性优化问题的高效算法。
步骤1023、将第一套料方案未涉及的第一目标件作为第二目标件，将第一套料方案未涉及的第一库存原料作为第二库存原料。
在本步骤中，第一套料方案是已经可以作为当前套料任务的套料方案的一部分的，因为该第一套料方案已经解决了当前套料任务的一部分套料问题了，即一部分的目标件已经有了相应的库存原料可以制作完成。
步骤1024、第二目标件与第二库存原料将作为第二套料模型的输入参数。
经过上述步骤1021至步骤1023的处理后，第一套料方案所未解决的套料问题，将交由下一个环节继续处理。即未生成套料方案的第二目标件与经过上述步骤后剩余第二库存原料将作为第二套料模型的输入参数，继续进行套料方案的求解。
在此为了说明步骤102，在此举一个具体示例，参照图3为本公开一示例性实施例提供的一种步骤102的具体示例的流程图可知：
步骤801、统计第一库存原料和第一目标件。在本步骤中，首先统计当前的第一库存原料和第一目标件作为输入。可选地，该第一库存原料和第一目标件是经过预先处理的。然后交给后面的步骤执行，后续步骤主要作用是遍历所有原料的规格，选择一种规格进入下一步，若遍历结束则停止当前循环，并进行方案的整理；
步骤802、选择第i种规格的第一库存原料，如果满足i<＝第一库存原料种类，则j＝1，进入步骤803；否则进入步骤807；其中，当确定当前的原料规格lcg_tar后，初始化虚接根数j＝1，即当前原料直接作为列生成算法中的原料规格；
步骤803、j根原料虚接作为列生成原料，如果满足j<＝允许的虚接根数，则进入步骤804，否则进入步骤802，并将i加1。j更新为j+1。如果j≤lcg_allow，j根当前原料长度lcg_tar虚接后lcg_tar*j作为列生成算法中的原料规格，即通过主动添加焊口使列生成尽可能求解出更多满足条件的方案，然后重新回到步骤804执行；否则重新回到步骤802执行，并更新步骤802中的原料规格为遍历的下一个原料规格。
在本步骤中，允许的虚接根数可以根据实际需要进行调整。一般情况下根据实践经验进行设定，或者参考原料规格以及目标长度进行设定。例如，当原料规格为6m，目标件的目标长度为4m的时候，此时允许的虚接根数为2，则可知，若要想获取1根目标长度为4m的目标件，需要1根原料规格为6m原料，切割2m后得到4m的长度；若要想获取2根目标长度为4m的目标件，需要执行两次制作1根4m目标件的过程即可；若要想获取3根目标长度为4m的目标件，则需要将2根原料规格为6m原料进行虚接，形成12m的原材料，然后均分成3份得到3根4m的长度。
步骤804、求解后选择余料满足要求的方案。从求解的方案中筛选余料满足的方案，即满足约束条件为的方案。其中，lcg tar为第一目标件的第一目标长度，为第一目标件所对应的所有库存原料的第一原料长度，lcg_allow为余料阈值。
步骤805、使用方案次数满足原料数量要求。方案的使用次数则根据原料和目标中的最少根数确定，以确保有料可用的同时不多用。使用次数的数学表示为其中，ncg_tar为第一目标件所对应的所有库存原料的数目，为当前可用的库存原料的数目。
步骤806、更新剩下的原料信息。满足条件的方案将被使用，进而更新原料和目标信息。
步骤807、方案整理。
通过上述步骤801至步骤807可构建能解决列生成仅针对单一规格原料且数量不限问题的多规格列生成模块，并输出部分切割方案以再次简化问题。步骤102利用多规格列生成算法有效求解出不需要焊接的方案以节省制造成本。
步骤103、基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案。
其中，第二套料模型的约束条件为：所有第二目标件所对应的所有库存原料的第二原料长度大于所有第二目标件的第二目标长度。
应当理解的是，该约束条件的设定意义为，使进行拼接后的第二原料长度大于第二目标长度，以便后续通过切割和/或焊接获得所需要的目标件。
第二套料模型的目标为：求解所获得的套料方案所对应的焊口数量最少。
应当理解的是，该目标的设定意义为，使整体套料方案的焊口数量最少，焊口数量少不仅可以降低生产成本，而且焊口较少的目标件外表美观而且具备较好的整体强度。
可选地，参见图4本公开一示例性实施例提供的一种步骤103的具体示例的流程图，步骤103中的基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案，具体可以包括：
步骤1031、将所有第二目标件进行排序后固定，以生成目标序列。
在本步骤中，将第二目标件进行固定，可以将所有第二目标件作为一个整体问题锚定，锚定后的问题方便后续利用束搜索算法进行计算，以提高计算效率。
步骤1032、将第二目标件与第二库存原料，输入第二套料模型并基于束搜索算法进行求解，包括：利用束搜索算法将第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式，直到参与拼接的第二库存原料的长度大于或者等于目标序列的长度。
可选地，利用束搜索算法将第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式，包括：利用束搜索算法将当前的原料中满足焊口条件的原料进行拼接时，若拼接方式不满足禁焊约束条件，则通过舍弃部分原料以改变焊口位置。其中，禁焊约束条件为工艺上要求禁止产生焊口的位置。
对于拼接方式在此举两个具体示例，第一种方式如图5所示，上半部分为固定顺序的目标件，下半部分为库存原料的拼接顺序，目标件A、B、C直接由库存原料A切割得到，若库存原料A长度不足需使用下一根库存原料B，则设置一个焊口，即切割段A组合切割段B得到目标件D，依次类推，值得注意的是，如果组合方式不满足禁焊约束条件，则可以在切割段A中舍弃少量原料以满足禁焊约束或减少焊口。在此，进一步进行解释说明，应当理解的是，在束搜索算法阶段主要考虑的是生成的方案的焊口最少，这是因为焊口会造成工艺的复杂化以及成本的增加，当然，禁焊条件也是重要的考虑因素之一。
例如，如图5所示将库存原料A切割得到切割段A，若切割段A的长度为0.02m，最短拼接长度为0.5m时，一方面该0.02m由于没有大于或等于最短拼接长度的长度，因此不可以与其他原料进行焊接，另一方面0.02m长度如果损耗掉成本也不算高，在实践中会将该0.02m直接舍弃掉。还有一种情况是，若切割段A的长度为0.21m，假设最短拼接长度为0.2m时，即便该0.21m满足最短拼接长度的长度，由于接口位置不满足禁焊条件(例如该接口位置不可以进行焊接)，则该0.21m的切割段A也不可用。
第二种方式如图6所示，同样上半部分为固定顺序的目标件，下半部分为库存原料的拼接顺序，目标件A、B直接由库存原料A切割得到，若第一种方式舍弃少量原料后仍不满足禁焊约束条件，则可以将库存原料A的剩余长度拆分为切割段A、B(按比例或者长度分割使得A和B均满足最短拼接长度即可)，再组合库存原料B切割得到的切割段C、D得到目标件，即切割段A组合切割段C得到目标件C，切割段B组合切割段D得到目标件D，依次类(值得注意的是，如果组合方式不满足禁焊约束，则可以在切割段B中舍弃少量原料以满足禁焊约束)。
然后将按照上述切割和焊接方式，采用束搜索寻找合适的原料摆放顺序，搜索目标为焊口数量最少。
参照图7，为基于束搜索算法将第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式的示意图。
在时间步1，选择具有最少焊口数量的1(束搜索超参数)个库存原料,这个库存原料将成为候选输出序列的第一个原料。在随后的每个时间步k，基于上一时间步选取的k-1个候选输出序列，我们将继续从剩余库存原料中筛选补充1个原料作为候选输出序列，使新的组合拥有最少的焊口数量。最后束搜索将在很短的时间内得到焊口数量较少的排列顺序，经过切割和焊接整理后便可得到最终的一维套料方案。应当理解的是，本公开中所使用的束搜索(Beam Search)算法是机器学习中的一种搜索方法。
步骤1033、根据候选拼接方式与目标序列确定每个候选拼接方式的焊接口数量，并将焊接口数量的最小值所对应的候选拼接方式作为最终求解方案。
步骤103利用虚接束搜索模块则通过优化焊口数量和废料长度评价指标，在较少的搜索空间寻得局部最优解，稳定高效且不需要人工干预，同时保证了余料位置在最后一根。
步骤104、根据第一套料方案和第二套料方案确定套料任务的套料方案。
在本步骤中，将通过上述步骤所产生的第一套料方案和第二套料方案作为套料方案输出。应当理解的是，若在这些步骤之前还存在预处理，即在第一套料方案和第二套料方案生成之前已经生成了相应的套料方案(在此称之为预先处理方案，可选地，参考步骤105以及步骤106的处理)，套料任务所对应的最终完整套料方案还应该包括预先处理方案。
可选地，参照图8可知步骤102之前，还包括：
步骤105、将所有目标参数与原料参数进行逐一匹配，得到第一初始套料方案；第一初始套料方案包括匹配成功的第一初始目标件以及对应的第一初始库存原料；其中，匹配成功的条件为单个库存原料的长度大于或等于目标件的长度。可选地，匹配条件还可以在此基础上包括：单个库存原料的长度大于与方案寻得组合目标件长度和之差小于预设余料长度。并且，为了提高匹配效率可以依据所有目标参数中的长度信息将所有目标件从短至长升序排列。
应当理解的是，本步骤中的匹配条件的设定意义为，优先将整料进行使用，如果所有库存原料中存在比目标件长的即可用于制作目标件，而且应当理解的是制作目标件的过程中需要将长的部分截取，被截取的部分有可能作为废料，因此为了实现用料成本的控制，被截取的部分需要控制在一定得合理范围内，预设余料长度就是为此所做的限定。
步骤106、根据第一初始套料方案确定第一目标件以及第一库存原料；第一目标件以及第一库存原料将作为第一套料模型的输入参数。
较佳地，参见图9本公开一示例性实施例提供的一种步骤106的具体示例的流程图，可知步骤106中的根据第一初始套料方案确定第一目标件以及第一库存原料，具体可以包括：
步骤1061、将第一初始套料方案中未涉及的目标件作为第一目标件。
步骤1062、将第一初始套料方案中未涉及的库存原料作为第一库存原料。
较佳地，参见图10可知步骤106中的根据第一初始套料方案确定第一目标件以及第一库存原料，可以具体包括：
步骤1063、将第一初始套料方案中未涉及的目标件作为第二初始目标件，将第一初始套料方案中未涉及的库存原料作为第二初始库存原料；
在本步骤中。可选地为了提高后续的处理效率可以依据所有第二初始目标件的长度将第二初始目标件从短至长升序排列。
步骤1064、将第二初始目标件与第二初始库存原料通过拼接模型进行处理，得到第二初始套料方案；其中，拼接模型的约束条件为：一个第二初始目标件由至少一段第二初始库存原料生成，参与拼接的第二初始库存原料的初始库存长度小于第二初始目标的初始目标长度，并且初始目标长度与初始库存长度之间的第二差值大于或等于缺料阈值；拼接模型的目标为：第二差值最小；
应当理解的是，该匹配条件的设定意义为，由于在本步骤中目标件必须有库存原料拼接而成，因此在实际应用场景中需要涉及到焊接操作，一方面为了保证焊接后的整体材料强度以及美观，第二差值需要大于或等于缺料阈值。
可选地，将上述约束条件用函数的形式表达如下：
其中，为初始库存长度，为任一参与拼接的第二初始库存原料的长度，为参与拼接的第二初始库存原料的初始库存长度，lmwl为缺料阈值。并且和均大于零，i和j为大于零的正整数。
应当理解的是，该目标的设定意义为，保证满足第二差值大于或等于缺料阈值的同时，保证后续的用料最少。此处的缺料阈值可以理解为最短拼接长度，即进行拼接的库存原料所具备的最小长度。
可选地，将上述目标用函数的形式表达如下：
其中，为初始库存长度，为任一参与拼接的第二初始库存原料的长度，为参与拼接的第二初始库存原料的初始库存长度。并且和均大于零，i和j为大于零的正整数。
步骤1065、将第二初始套料方案中未涉及的第二初始目标件，以及第二初始套料方案中的第二差值作为第一目标件；将第二初始套料方案中未涉及的库存原料作为第一库存原料。
在此，举两个例子：
例1，当前库存原料分别为8m、5m、4m，目标件为10m。缺料阈值设定为1m，此时会有两种方案可作为备选：
方案一、4m和5m进行焊接成9m，缺料1m完成10m的目标件，该缺少的1m可以由其他库存原料通过切割截取后提供，当然优选使用恰好为1m或者长度略长于1m的库存原料；该10m的目标件总共需量2个焊接点；
方案二、直接用8m，缺料2m完成10m的目标件，该缺少的2m可以由其他库存原料通过切割截取后提供，当然优选使用恰好为2m或者长度略长于2m的库存原料；该10m的目标件总共需1个焊接点。
上述两个方案，优选方案二，因为方案二只有一个焊口同时满足缺料阈值。
例2，当前库存原料有5个，分别为5m、4m、3m、2m和2m，目标件为10m。缺料阈值设定为2m，此时会有两种方案可作为备选，
方案一、4m和5m进行焊接成9m，缺料1m完成10m的目标件，由于缺料阈值设定为2m，该方案不可行；
方案二、2m、3m和5m进行拼接完成10m的目标件；该10m的目标件总共需2个焊接点。
上述两个方案，只能优选方案二。
上述步骤105和步骤106实现了将问题简化和统计约束条件，降低了后续步骤的求解时间。
基于上述一维套料方法应用在实际应用场景中，与单一采用人工方式相比较而言，该方法的套料时间及焊口数量，至少缩短90％的求解时间(综合输入时间)和5％的焊口数量。具体案例如下：
计算类别：集箱
目标件的目标长度：
[22680.000,22680.000,22680.000,22680.000,8000.000,8000.000,8000.000,8000.000,22680.000,22680.000,22680.000,22680.000,8000.000,8000.000,8000.000,8000.000]共计16根；
原料长度：
[7920.000,8050.000,7660.000,7900.000,8000.000,7900.000,7920.000,7970.000,7940.000,7900.000,7950.000,8120.000,8180.000,7900.000,7730.000,8180.000,8130.000,7970.000,7980.000,7950.000,8050.000,7980.000,8170.000,8140.000,7950.000,7870.000,7950.000,7790.000,7870.000,7700.000,7930.000,7680.000,2980.000]共计33根；
在满足禁焊等约束的前提下，基于上述套料方法进行计算约2.4秒后输出最终套料方案，该方案有25个焊口，同时统计了剩余原料为两件[7660.000,1945.000]。
通过上述一维套料方法实现了将复杂的套料任务分步处理，一方面使算法建模更简单，结果更符合实际应用场景，在减少对人工的依赖的同时提升了套料的生产效率。也减少了在套料过程中废料的生成，节约成本。
实施例2
参照图11，为本公开一示例性实施例提供的一种一维套料系统的模块示意图，该一维套料系统对应于实施例1中的一维套料方法。该一维套料系统包括：
第一确定模块21，用于确定套料任务中目标件的目标参数以及库存原料的原料参数；
列生成算法模块22，用于基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案；其中，第一套料模型的约束条件为：第一目标件所对应的所有库存原料的第一原料长度大于第一目标件的第一目标长度，第一原料长度与第一目标长度之间的第一差值小于余料阈值，并且第一目标件所对应的所有库存原料的数目小于或等于当前可用的库存原料的数目；第一套料模型的目标为：第一目标件所需要使用的库存原料的数目最少；
束搜索算法模块23，用于基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案；其中，第二套料模型的约束条件为：所有第二目标件所对应的所有库存原料的第二原料长度大于所有第二目标件的第二目标长度；第二套料模型的目标为：求解所获得的套料方案所对应的焊口数量最少；
第二确定模块24，用于根据第一套料方案和第二套料方案确定套料任务的套料方案。
较佳地，一维套料系统还包括：
初始模块，用于将所有目标参数与原料参数进行逐一匹配，得到第一初始套料方案；第一初始套料方案包括匹配成功的第一初始目标件以及对应的第一初始库存原料；其中，匹配成功的条件为单个库存原料的长度大于或等于目标件的长度；
初始模块，还用于根据第一初始套料方案确定第一目标件以及第一库存原料；第一目标件以及第一库存原料将作为第一套料模型的输入参数。
较佳地，初始模块，还具体用于包括：将第一初始套料方案中未涉及的目标件作为第一目标件；
将第一初始套料方案中未涉及的库存原料作为第一库存原料。
较佳地，初始模块，还具体用于包括：将第一初始套料方案中未涉及的目标件作为第二初始目标件，将第一初始套料方案中未涉及的库存原料作为第二初始库存原料；
将第二初始目标件与第二初始库存原料通过拼接模型进行处理，得到第二初始套料方案；其中，拼接模型的约束条件为：一个第二初始目标件由至少一个第二初始库存原料拼接而成，参与拼接的第二初始库存原料的初始库存长度小于第二初始目标的初始目标长度，并且初始目标长度与初始库存长度之间的第二差值大于或等于缺料阈值；拼接模型的目标为：第二差值最小；
将第二初始套料方案中未涉及的第二初始目标件，以及第二初始套料方案中的第二差值作为第一目标件；将第二初始套料方案中未涉及的库存原料作为第一库存原料。
较佳地，列生成算法模块22，具体用于包括：
确定当前可用的第一库存原料；
分别将每个规格所对应的第一库存原料与第一目标件，输入第一套料模型并基于列生成算法进行求解；
将第一套料方案未涉及的第一目标件作为第二目标件，将第一套料方案未涉及的第一库存原料作为第二库存原料；
第二目标件与第二库存原料将作为第二套料模型的输入参数。
较佳地，束搜索算法模块23，具体用于包括：
将所有第二目标件进行排序后固定，以生成目标序列；
将第二目标件与第二库存原料，输入第二套料模型并基于束搜索算法进行求解，包括：利用束搜索算法将第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式，直到参与拼接的第二库存原料的长度大于或者等于目标序列的长度；
根据候选拼接方式与目标序列确定每个候选拼接方式的焊接口数量，并将焊接口数量的最小值所对应的候选拼接方式作为最终求解方案。
较佳地，束搜索算法模块23，还具体用于包括：
利用束搜索算法将当前的原料中满足焊口条件的原料进行拼接时，若拼接方式不满足禁焊约束条件，则通过舍弃部分原料以改变焊口位置；
禁焊约束条件为工艺上要求禁止产生焊口的位置。
通过上述一维套料系统实现了将复杂的套料任务分步处理，一方面使算法建模更简单，结果更符合实际应用场景，在减少对人工的依赖的同时提升了套料的生产效率。也减少了在套料过程中废料的生成，节约成本。
实施例3
图12为本实施例提供的一种电子设备的结构示意图。所述电子设备包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例提供的一维套料方法。图12显示的电子设备300仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
参照图12，电子设备300可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备300的组件可以包括但不限于：上述至少一个处理器301、上述至少一个存储器302、连接不同系统组件(包括存储器302和处理器301)的总线303。
总线303包括数据总线、地址总线和控制总线。
存储器302可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器302还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器301通过运行存储在存储器302中的计算机程序，从而执行各种功能应用以及数据处理，例如本公开实施例的一维套料方法。
电子设备300也可以与一个或多个外部设备304(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口305进行。并且，模型生成的设备300还可以通过网络适配器306与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器306通过总线303与模型生成的设备300的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例提供的一维套料方法。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本公开还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现上述任一实施例提供的一维套料方法。
其中，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公开的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本公开的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本公开的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本公开的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本公开的保护范围。

Claims (10)

1.一种一维套料方法，其特征在于，所述一维套料方法包括：
确定套料任务中目标件的目标参数以及库存原料的原料参数；
基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案；其中，所述第一套料模型的约束条件为：所述第一目标件所对应的所有所述库存原料的第一原料长度大于所述第一目标件的第一目标长度，所述第一原料长度与所述第一目标长度之间的第一差值小于余料阈值，并且所述第一目标件所对应的所有所述库存原料的数目小于或等于当前可用的所述库存原料的数目；所述第一套料模型的目标为：所述第一目标件所需要使用的所述库存原料的数目最少；
基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案；其中，所述第二套料模型的约束条件为：所有所述第二目标件所对应的所有所述库存原料的第二原料长度大于所有所述第二目标件的第二目标长度；所述第二套料模型的目标为：求解所获得的套料方案所对应的焊口数量最少；
根据所述第一套料方案和所述第二套料方案确定所述套料任务的套料方案。
2.根据权利要求1所述的一维套料方法，其特征在于，所述基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案的步骤之前，还包括：
将所有所述目标参数与所述原料参数进行逐一匹配，得到第一初始套料方案；所述第一初始套料方案包括匹配成功的第一初始目标件以及对应的第一初始库存原料；其中，所述匹配成功的条件为单个所述库存原料的长度大于或等于所述目标件的长度；
根据所述第一初始套料方案确定所述第一目标件以及第一库存原料；所述第一目标件以及所述第一库存原料将作为所述第一套料模型的输入参数。
3.根据权利要求2所述的一维套料方法，其特征在于，所述根据所述第一初始套料方案确定所述第一目标件以及第一库存原料，包括：将所述第一初始套料方案中未涉及的所述目标件作为所述第一目标件；
将所述第一初始套料方案中未涉及的所述库存原料作为所述第一库存原料。
4.根据权利要求2所述的一维套料方法，其特征在于，所述根据所述第一初始套料方案确定所述第一目标件以及第一库存原料，包括：
将所述第一初始套料方案中未涉及的所述目标件作为第二初始目标件，将所述第一初始套料方案中未涉及的所述库存原料作为第二初始库存原料；
将所述第二初始目标件与所述第二初始库存原料通过拼接模型进行处理，得到第二初始套料方案；其中，所述拼接模型的约束条件为：一个所述第二初始目标件由至少一个所述第二初始库存原料拼接而成，参与拼接的所述第二初始库存原料的初始库存长度小于所述第二初始目标的初始目标长度，并且所述初始目标长度与所述初始库存长度之间的第二差值大于或等于缺料阈值；所述拼接模型的目标为：所述第二差值最小；
将所述第二初始套料方案中未涉及的所述第二初始目标件，以及第二初始套料方案中的所述第二差值作为所述第一目标件；将所述第二初始套料方案中未涉及的所述库存原料作为所述第一库存原料。
5.根据权利要求1至4中任一项所述的一维套料方法，其特征在于，所述基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案，包括：
确定当前可用的第一库存原料；
分别将每个规格所对应的所述第一库存原料与所述第一目标件，输入所述第一套料模型并基于列生成算法进行求解；
将所述第一套料方案未涉及的所述第一目标件作为第二目标件，将所述第一套料方案未涉及的第一库存原料作为第二库存原料；
所述第二目标件与所述第二库存原料将作为所述第二套料模型的输入参数。
6.根据权利要求5所述的一维套料方法，其特征在于，所述基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案，包括：
将所有所述第二目标件进行排序后固定，以生成目标序列；
将所述第二目标件与所述第二库存原料，输入所述第二套料模型并基于束搜索算法进行求解，包括：利用束搜索算法将所述第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式，直到参与拼接的所述第二库存原料的长度大于或者等于所述目标序列的长度；
根据所述候选拼接方式与所述目标序列确定每个所述候选拼接方式的焊接口数量，并将所述焊接口数量的最小值所对应的候选拼接方式作为最终求解方案。
7.根据权利要求6所述的一维套料方法，其特征在于，所述利用束搜索算法将所述第二库存原料中满足焊口条件的原料进行依次拼接以生成候选拼接方式，包括：
利用束搜索算法将当前的原料中满足焊口条件的原料进行拼接时，若拼接方式不满足禁焊约束条件，则通过舍弃部分原料以改变焊口位置；
所述禁焊约束条件为工艺上要求禁止产生焊口的位置。
8.一种一维套料系统，其特征在于，所述一维套料系统包括：
第一确定模块，用于确定套料任务中目标件的目标参数以及库存原料的原料参数；
列生成算法模块，用于基于列生成算法对第一套料模型进行求解，得到与第一目标件相匹配的第一套料方案；其中，所述第一套料模型的约束条件为：所述第一目标件所对应的所有所述库存原料的第一原料长度大于所述第一目标件的第一目标长度，所述第一原料长度与所述第一目标长度之间的第一差值小于余料阈值，并且所述第一目标件所对应的所有所述库存原料的数目小于或等于当前可用的所述库存原料的数目；所述第一套料模型的目标为：所述第一目标件所需要使用的所述库存原料的数目最少；
束搜索算法模块，用于基于束搜索算法对第二套料模型进行求解，得到与第二目标件相匹配的第二套料方案；其中，所述第二套料模型的约束条件为：所有所述第二目标件所对应的所有所述库存原料的第二原料长度大于所有所述第二目标件的第二目标长度；所述第二套料模型的目标为：求解所获得的套料方案所对应的焊口数量最少；
第二确定模块，用于根据所述第一套料方案和所述第二套料方案确定所述套料任务的套料方案。
9.一种电子设备，包括存储器、处理器及存储在存储器上并用于在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的一维套料方法。
10.一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时实现权利要求1至7中任一项所述的一维套料方法。
CN202311828459.6A 2023-12-27 2023-12-27 一维套料方法、系统、电子设备和存储介质 Pending CN117808398A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311828459.6A CN117808398A (zh) 2023-12-27 2023-12-27 一维套料方法、系统、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311828459.6A CN117808398A (zh) 2023-12-27 2023-12-27 一维套料方法、系统、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN117808398A true CN117808398A (zh) 2024-04-02

Family

ID=90419419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311828459.6A Pending CN117808398A (zh) 2023-12-27 2023-12-27 一维套料方法、系统、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN117808398A (zh)

Similar Documents

Publication Publication Date Title
Swarup et al. Unit commitment solution methodology using genetic algorithm
Meloni et al. A rollout metaheuristic for job shop scheduling problems
Zhang et al. An ant colony system based decision support system for construction time-cost optimization
US20010041999A1 (en) Method, process and system for optimized outcome driven workflow synthesis and reduction
CN107111653A (zh) 适于并行数据库系统的系统内存负载的查询优化
US20180314733A1 (en) Dynamic operation scheduling for distributed data processing
CN110781311B (zh) 一种企业一致行动人运算系统及方法
CN116610896B (zh) 一种基于子图同构的制造服务供需匹配方法
CN112990850A (zh) 一种基于规则引擎的流程实现方法及系统
CN115293623A (zh) 一种生产调度模型的训练方法、装置、电子设备及介质
CN115167274A (zh) 物料切割方法、装置、控制系统、存储介质及电子设备
Overbeck et al. Continuous validation and updating for high accuracy of digital twins of production systems
CN109359760A (zh) 一种物流路径优化方法、装置及服务器
CN117808398A (zh) 一维套料方法、系统、电子设备和存储介质
CN110704791A (zh) 一种基于0-1规划模型的一维管材最优下料方法
CN115208954B (zh) 用于分布式数据处理系统的并行策略预置系统及其方法
CN108921502B (zh) 一种项目过程跟踪方法及装置
Guo et al. K-loop free assignment in conference review systems
Nowak Defining project approach using decision tree and quasi-hierarchical multiple criteria method
Baumgärtel et al. Combining multi-agent systems and constraint techniques in production logistics
Nappu et al. Path-relinking Grey Wolf Optimizer for Solving Operation Sequencing Problem
Peralta et al. Alternatives for the eco-innovation of business models: A conceptual reference to valueholders
CN118398946B (zh) 柔性拆解退役动力电池的工艺方法
US12099346B1 (en) Large-scale dynamic double-effect scheduling method for flexible job shop based on genetic programming
JP3380814B2 (ja) 環境適応型生産計画作成装置

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