TWI669622B - 放射性切割件包裝方法 - Google Patents

放射性切割件包裝方法 Download PDF

Info

Publication number
TWI669622B
TWI669622B TW107143284A TW107143284A TWI669622B TW I669622 B TWI669622 B TW I669622B TW 107143284 A TW107143284 A TW 107143284A TW 107143284 A TW107143284 A TW 107143284A TW I669622 B TWI669622 B TW I669622B
Authority
TW
Taiwan
Prior art keywords
chromosomes
cutting
chromosome
packaging
weight
Prior art date
Application number
TW107143284A
Other languages
English (en)
Other versions
TW202008194A (zh
Inventor
吳晃昭
黃崇豪
楊烽正
Original Assignee
行政院原子能委員會核能研究所
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 行政院原子能委員會核能研究所 filed Critical 行政院原子能委員會核能研究所
Priority to US16/394,340 priority Critical patent/US20200027003A1/en
Application granted granted Critical
Publication of TWI669622B publication Critical patent/TWI669622B/zh
Publication of TW202008194A publication Critical patent/TW202008194A/zh

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65D—CONTAINERS FOR STORAGE OR TRANSPORT OF ARTICLES OR MATERIALS, e.g. BAGS, BARRELS, BOTTLES, BOXES, CANS, CARTONS, CRATES, DRUMS, JARS, TANKS, HOPPERS, FORWARDING CONTAINERS; ACCESSORIES, CLOSURES, OR FITTINGS THEREFOR; PACKAGING ELEMENTS; PACKAGES
    • B65D85/00—Containers, packaging elements or packages, specially adapted for particular articles or materials
    • B65D85/70—Containers, packaging elements or packages, specially adapted for particular articles or materials for materials not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Graphics (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Complex Calculations (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Container Filling Or Packaging Operations (AREA)

Abstract

一種放射性切割件的包裝方法，以離散技術像素(voxel)化不規則的切割件實體成為體素模型，再搭配啟發式的基因演算法(genetic algorithm)，在龐大但有界限的解集合中有效運算，朝全域切割件重量、體積、方位、順序與輻射劑量率等參數的最佳解演化，進而得到優化的切割件裝箱結果，從而達成包裝箱的重量均勻化或使用最少包裝箱數量之目的，能有效求解不規則核廢棄切割件的裝箱最適化問題。

Description

放射性切割件包裝方法
本發明是關於一種放射性切割件的包裝方法，利用體素模型和啟發式的基因遺傳演算法進行切割件的最佳化包裝配置，用以達成最少包裝箱使用量的目的。
核能發電廠為國家電力供應的重要來源，由於核能發電的過程不會造成空氣汙染且未排出二氧化碳等溫室氣體，核能發電廠遂成備受矚目的能源供應。然而，日本三一一福島大地震的核災，引發社會對核能發電的安全性產生疑慮，導致社會提前面對核能發電廠除役。
核能發電廠的除役過程中需要將放射性廢棄物的切割件放置於包裝箱中，再進行處置。由於包裝箱的尺寸和輻射劑量率的限制，有必要將切割件的包裝配置進行優化，使包裝箱的使用量達到最小，但坊間迄今仍未有放射性廢棄物切割件的最適化包裝方法可供利用。因此，本發明嘗試設計一種切割件包裝演算方法，以期改善過去對不規則切割件的裝箱技術缺失，進而增進產業上之實施利用。
有鑑於上述習知之問題，本發明係透過三維體素模型與啟發式的基因遺傳演算法，進行不規則幾何形狀之切割件的最佳化裝箱演算。捨棄以往簡單地矩形物件裝箱演算，使演算結果更符合產業實際所需。本發明的目的在於提供一種放射性切割件包裝方法，用以解決習知技術中所面臨之問題。
基於上述目的，本發明提供一種放射性切割件包裝方法，其包括：(1)根據複數個切割件的座標且滿足包覆條件，轉置各切割件，以針對各切割件產生包覆體。(2)體素化各包覆體，將各包覆體離散成複數個立方體，並對各立方體和其對應的切割件進行布林運算，使各立方體分為複數個第一立方體和複數個第二立方體。(3)沿分析軸分析各包覆體的複數個第一立方體和複數個第二立方體，使各第一立方體和各第二立方體在每個分析位置具有體素線捆。(4)結合各包覆體的各體素線捆為體素模型，使各切割件分別對應其所屬的體素模型，各體素模型具有位置座標和方位代碼。(5)對各切割件進行編碼，使各切割件分別具有排列號碼，根據排列號碼決定複數個容納切割件的包裝箱的數目，各包裝箱容納切割件。(6)以基因演算法對各包裝箱的所容納的各切割件演算包裝資訊，其包括：(i)設定各排列號碼為編碼染色體的第一對應區塊，各第一對應區塊分別具有相應的排列號碼，並根據各包裝箱的容量、重量以及輻射劑量率限值，計算各編碼染色體的第一適應值。(ii)交配和突變各編碼染色體以取得複數個變異編碼染色體，計算各變異編碼染色體的第一變異適應值，排列各第一適應值和各第一變異適應值的順序，並根據第一選擇條件選擇複數個第一優良染色體。(iii)對各第一優良染色體所對應的各體素模型設定為位置染色體的第二對應區塊，各第二對應區塊分別具有相應的體素模型，並依據各體素模型的位置座標和方位代碼計算各位置染色體的第二適應值。(iv)交配和突變各位置染色體以取得複數個變異位置染色體，計算各變異位置染色體的第二變異適應值，排列各第二適應值和各第二變異適應值的順序，並根據第二選擇條件選擇複數個第二優良染色體。(v)整合各第二優良染色體對應的位置座標、方位代碼和排列號碼為包裝資訊。(7)依據各包裝箱所對應的包裝資訊，將各切割件分配至所屬的包裝箱。透過體素模型和基因演算法的搭配，使得切割件的包裝最佳化，切割件則依據包裝資訊分配至所屬的包裝箱，以達成使用最少包裝箱數量之目的。
較佳地，布林運算為交集，各第一立方體為對應其所屬的切割件而為實心，各第二立方體則未對應其所屬的切割件而為空心。
較佳地，包覆條件為各切割件之各相鄰面為正交，亦即，各切割件之各相鄰面互相垂直。
較佳地，第一選擇條件為選擇複數個第一適應值和複數個第一變異適應值中前幾個其數值較小所對應的編碼染色體和變異編碼染色體為複數個第一優良染色體，複數個第一優良染色體的數目為相等於編碼染色體的數目。
較佳地，第二選擇條件為選擇複數個第二適應值和複數個第二變異適應值中前幾個其數值較小所對應的位置染色體和變異位置染色體為複數個第二優良染色體，複數個第二優良染色體的數目為相等於位置染色體的數目。
基於上述目的，本發明提供一種放射性切割件包裝方法，其包括：(1)根據複數個切割件的座標且滿足包覆條件，轉置各切割件，以針對各切割件產生包覆體。(2)體素化各包覆體而將各包覆體離散成複數個立方體，並對各立方體和其對應的切割件進行布林運算，使各立方體分為複數個第一立方體和複數個第二立方體。(3)沿分析軸模擬分析各包覆體的複數個第一立方體和複數個第二立方體，使各第一立方體和各第二立方體在每個分析位置具有體素線捆。(4)結合各包覆體的各體素線捆為體素模型，使各切割件分別對應其所屬的體素模型，各體素模型具有位置座標和方位代碼。(5)對各切割件進行編碼，使各切割件分別具有排列號碼，根據排列號碼決定複數個容納切割件之包裝箱的數目。(6)以基因演算法對各包裝箱容納之離散化後的各切割件演算排列資訊，其包括：(i)設定各排列號碼為編碼染色體的第一對應區塊，各第一對應區塊分別具有相應的排列號碼，並根據各包裝箱的容量、重量以及輻射劑量率限值，計算各編碼染色體的第一適應值。(ii)交配和突變各編碼染色體以取得複數個變異編碼染色體，計算各變異編碼染色體的第一變異適應值，排列各第一適應值和各第一變異適應值的順序，並根據第一選擇條件選擇複數個第一優良染色體。(iii)整合各第一平均優良染色體對應的排列號碼為排列資訊。(7)以基因演算法對各包裝箱的重量變異數演算重量資訊，其包括：(i)設定各包裝箱的重量變異數為重量染色體的第二對應區塊，各第二對應區塊分別具有相應的重量變異數，並依據各重量變異數計算各重量染色體的第二適應值。(ii)交配和突變各重量染色體以取得複數個變異重量染色體，計算各變異重量染色體的第二變異適應值，排列各第二適應值和各第二變異適應值的順序，並根據第二選擇條件選擇複數個第二優良染色體。(iii)整合各第二優良染色體對應的重量變異數為重量資訊。(8)以基因演算法對各包裝箱的所容納之離散化後的各切割件演算位置資訊，其包括：(i)設定各體素模型為位置染色體的第三對應區塊，各第三對應區塊分別具有相應的體素模型，並依據各體素模型的位置座標和方位代碼計算各位置染色體的第三適應值。(ii)交配和突變各該位置染色體以取得複數個變異位置染色體，計算各變異位置染色體的第三變異適應值，排列各第三適應值和各第三變異適應值的順序，並根據第三選擇條件選擇複數個第三優良染色體。(iii)整合各第三優良染色體對應的位置座標以及方位代碼為位置資訊。(9)以基因演算法對各包裝箱的所容納的各切割件演算輻射劑量資訊，其包括：(i)設定各切割件的輻射劑量率為輻射劑量率染色體的第四對應區塊，各第四對應區塊分別具有相應的輻射劑量率，並依據各切割件的輻射劑量率計算各輻射劑量率染色體的第四適應值。(ii)交配和突變各輻射劑量率染色體以取得複數個變異輻射劑量率染色體，計算各變異輻射劑量率染色體的第四變異適應值，排列各第四適應值和各第四變異適應值的順序，並根據第四選擇條件選擇複數個第四優良染色體。(iii)整合各第四優良染色體對應的輻射劑量率為輻射劑量資訊。(10)依據各包裝箱所對應的排列資訊、重量資訊、位置資訊以及輻射劑量資訊，將離散化後的各切割件分配至所屬的包裝箱。透過體素模型和基因演算法的搭配，使得切割件的包裝最佳化，切割件則依據排列資訊和重量資訊分配至所屬的包裝箱，以達成使用最少包裝箱之目的。
較佳地，布林運算為交集，各第一立方體為對應其所屬的切割件而為實心，各第二立方體則未對應其所屬的切割件而為空心。
較佳地，包覆條件為各切割件之各相鄰面為正交，亦即，各切割件之各相鄰面互相垂直。
較佳地，第一選擇條件為選擇複數個第一適應值、複數個第一變異適應值和第一平均適應值中前幾個其數值較小所對應的編碼染色體和變異編碼染色體為複數個第一平均優良染色體，複數個第一平均優良染色體的數目為相等於編碼染色體的數目。
較佳地，第二選擇條件為選擇複數個第二適應值和複數個第二變異適應值中前幾個其數值較小所對應的重量染色體和變異重量染色體為複數個第二優良染色體，複數個第二優良染色體的數目為相等於重量染色體的數目。
承上所述，本發明之切割件包裝方法，透過體素模型和基因演算法的搭配，使切割件的包裝最佳化，切割件則據此分配至所屬的包裝箱，進而達成包裝箱的重量均勻化或使用最少包裝箱數量之目的
本發明之優點、特徵以及達到之技術方法，將參照本申請書例示性實施例及所附圖式進行更詳細地描述而更容易理解，且本發明可以用不同形式來實現，故不應被理解僅限於此處所陳述的實施例，相反地，對所屬技術領域具有通常知識者而言，所提供的實施例將使本揭露更加透徹與全面且完整地傳達本發明的範疇，且本發明將僅為所附加的申請專利範圍所定義。
請參閱第1圖，其為本發明之放射性切割件包裝方法之第一實施例之方塊圖。如第1圖所示，本發明之核反應爐結構切割方法所需搭配的裝置包括切割件10、處理器20、資料庫30以及包裝箱40。資料庫30具有各式各樣的包覆體O；處理器20根據輸入的切割件10的結構和形狀，於資料庫30內選擇適當的包覆體O，且處理器20包括體素元件21、分析元件22、編碼元件23、排列元件24、選擇元件25以及模擬元件26，前述元件為演算基因演算法所需的元件，演算基因演算法的相關描述在下文中敘述，處理器20在演算基因演算法後輸出包裝資訊P。
請參閱第2圖、第3圖以及第4圖，其為本發明之放射性切割件包裝方法之第一實施例的流程圖、本發明之放射性切割件包裝方法之第一實施例的包覆體圖以及本發明之放射性切割件包裝方法之第一實施例的體素模型圖。於本實施例中，本發明之切割件包裝方法，其包括：(1)S11步驟：根據複數個切割件10的座標且滿足包覆條件，處理器20如第3圖所示轉置各切割件10以使切割件10翻轉至適當的方位，處理器20進而針對各切割件10產生包覆體O，各包覆體O完整地包覆各切割件10的外型以方便後續的各切割件10的結構分析，設定各包覆體O的體積大於各切割件10的體積，複數個包覆體O的體積大於複數個切割件10的體積，當然也可設定各包覆體O的體積小於各切割件10的體積，此種設定適用於切割件10的形狀不規則，包覆體O有部份未包覆到切割件10而呈中空狀態，使各切割件10的分配結果不甚理想；透過包覆體O的設置確保各切割件10在分配於包裝箱40時無互相交疊，並搭配座標確定各包覆體O的包覆和各切割件10所佔用的空間。需說明的是，包覆體O可如第3圖所示為矩形體，包覆體O也理應能根據切割件10的形狀不同而為圓柱體或其他類型的多面體；其中，包覆條件為各切割件10之各相鄰面為正交，亦即，各切割件10之各相鄰面互相垂直。(2)S12步驟：體素元件21體素化各包覆體O而將各包覆體O離散成複數個立方體，並對各立方體和其對應的切割件10進行布林運算，體素元件21將各立方體如第4圖所示分為複數個第一立方體S和複數個第二立方體E；具體而言，體素元件21為對各立方體和其對應的切割件10進行交集運算，進而將各立方體如第4圖所示分為複數個第一立方體S和複數個第二立方體E，各第一立方體S為對應其所屬的切割件10及而為實心，各第二立方體E則未對應其所屬的切割件10而為空心，亦即，各第一立方體S為實際存在於切割件10，各第二立方體E則未存在於切割件10。(3)S13步驟：分析元件22沿分析軸分析各包覆體O的複數個第一立方體S和複數個第二立方體E，並使各第一立方體S和各第二立方體E如第4圖所示在每個分析位置具有體素線捆，具體而言，各個第一立方體S和各個第二立方體E彼此連接形成體素線，體素線結合成體素段，並在各個分析位置具有體素線捆。(4)S14步驟：體素元件21結合各包覆體O的各體素線捆為體素模型M，各切割件10分別對應其所屬的體素模型M，而各體素模型M具有位置座標和方位代碼，其中，體素模型M為根據體素線捆(voxel-line-bunched, VLB-rep)的模型並搭配座標而得，體素線捆的模型種類有24種。(5)S15步驟：編碼元件23對各切割件10進行編碼，使各切割件10分別具有排列號碼，複數個包裝箱40的數目則根據排列號碼決定，各包裝箱40容納切割件10；需說明的是，當單個包裝箱40因累計重量、體積或輻射劑量率超標而無法容納切割件10時，切割件10則放置於新的包裝箱40，且各包裝箱40容納多個切割件10而非僅有單個切割件10，其中，重量的限制條件如下： ， 為單個切割件10的重量， 為單個包裝箱40所能承載的重量；體積的限制條件如下： ， 為單個切割件10的體積， 為單個包裝箱40所能容納的體積。(6)S16步驟：處理器20以基因演算法對各包裝箱40的所容納的各切割件10演算包裝資訊P，基因演算法將在後文中敘述。(7)S17步驟：依據各包裝箱40所對應的包裝資訊P，將各切割件10分配至所屬的包裝箱40。透過體素模型M和基因演算法的搭配，使得切割件10的包裝最佳化，切割件10則依據包裝資訊P分配至所屬的包裝箱40，以達成使用最少數量的包裝箱40的目的。
於此，需說明的是，切割件10為核反應爐切割後的元件，複數個第一立方體S和複數個第二立方體E即為體素(體素為三維空間分割上的最小單位)，體素化的流程和體素模型M的建立為依據體素線捆(voxel-line-bunched representation, VLB-rep)的實體模型表示法，體素線捆的實體模型表示法包括VoxelLine結構(structure)、VLBOrientation以及VoxelLineBunchedSolid，體素化的流程為在SolidWorks內執行，資料庫30為SolidWorks內的資料庫；由於x軸比y軸和z軸需運算的資料量較少，分析軸較佳為x軸，分析位置則能根據實際體素線捆的數目所需加以調整。
請參閱第5圖，其為本發明之放射性切割件包裝方法之第一實施例的基因演算法的流程圖。如第5圖所示，處理器20利用基因演算法演算包裝資訊P的說明如下：(i)S21步驟：模擬元件26設定各排列號碼為編碼染色體的第一對應區塊，各第一對應區塊分別具有相應的排列號碼，舉例來說，排列號碼可依據編碼染色體的編號設定如下： ，d為染色體。(ii)S22步驟：計算元件27根據各包裝箱40的容量、重量以及輻射劑量率限值，計算各編碼染色體的第一適應值。(iii)S23步驟：模擬元件26交配和突變各編碼染色體以取得複數個變異編碼染色體，計算元件27計算各變異編碼染色體的第一變異適應值，其中，複數個變異編碼染色體對應的排列號碼相異於複數個編碼染色體對應的排列號碼。(iv)S24步驟：排列元件24排列各第一適應值和各第一變異適應值的順序，選擇元件25則根據第一選擇條件選擇複數個第一優良染色體。(v)S25步驟：模擬元件26對各第一優良染色體所對應的各體素模型M設定為位置染色體的第二對應區塊，各第二對應區塊分別具有相應的體素模型M。(vi)S26步驟：計算元件27依據各體素模型M的位置座標和方位代碼計算各位置染色體的第二適應值，舉例來說，各體素模型M的位置座標和方位代碼， ，a為染色體，(xi, yi, zi)為各體素模型的位置座標，oi為體素模型的方位代碼， 、 、 分別為各包裝箱40於x軸、y軸以及z軸的體素，各包裝箱40的體素容量 ，所有切割件10之體素模型M的體素容量小於各包裝箱40的體素容量。(vii)S27步驟：模擬元件26交配和突變各位置染色體以取得複數個變異位置染色體，計算元件27計算各變異位置染色體的第二變異適應值，其中，複數個變異位置染色體對應的位置座標和方位代碼相異於位置染色體對應的位置座標和方位代碼。(viii)S28步驟：排列元件24排列各第二適應值和各第二變異適應值的順序，選擇元件25則根據第二選擇條件選擇複數個第二優良染色體。(ix)S29步驟：選擇元件25則整合各第二優良染色體對應的位置座標、方位代碼和排列號碼為包裝資訊P。透過基因演算法之排列號碼、位置座標以及方位代碼之篩選機制，且利用適應值的大小做排列而降低運算量及包裝箱40所需的數目，使切割件10適當地配置於包裝箱40，並避免切割件10溢出包裝箱40外及各切割件10彼此交疊。
其中，第一選擇條件為選擇複數個第一適應值和複數個第一變異適應值中前幾個其數值較小所對應的編碼染色體和變異編碼染色體為複數個第一優良染色體，複數個第一優良染色體的數目為相等於編碼染色體的數目，當選擇元件25無法找尋到較佳的複數個第一優良染色體，則編碼染色體演化至800代停止；第二選擇條件為選擇複數個第二適應值和複數個第二變異適應值中前幾個其數值較小所對應的位置染色體和變異位置染色體為複數個第二優良染色體，複數個第二優良染色體的數目為相等於位置染色體的數目，當選擇元件25無法找尋到較佳的複數個第二優良染色體，則位置染色體演化至800代停止。
此外，交配和突變各編碼染色體為製造出複數個變異編碼染色體，各個變異編碼染色體則具有相異於各編碼染色體的排列號碼，使排列號碼多樣化；同樣地，交配和突變位置染色體為製造出複數個位置變異染色體，各變異位置染色體具有相異於位置染色體的位置座標和方位代碼，使位置座標和方位代碼多樣化。
請參閱第6圖，其為本發明之放射性切割件包裝方法之第一實施例的基因演算法的另一流程圖。如第6圖所示，不同於前述而將進行兩次演算法的演算，其包括：(i)S21A步驟：模擬元件26設定各排列號碼為編碼染色體的第一對應區塊，各第一對應區塊分別具有相應的排列號碼舉例來說，舉例來說，排列號碼可依據編碼染色體的編號設定如下： ，d為染色體。(ii)S22A步驟：計算元件27根據各包裝箱40的容量、重量以及輻射劑量率限值，計算各編碼染色體的第一適應值。(iii)S23A步驟：模擬元件26交配和突變各編碼染色體以取得複數個變異編碼染色體，計算元件27計算各變異編碼染色體的第一變異適應值，其中，複數個變異編碼染色體對應的排列號碼相異於複數個編碼染色體對應的排列號碼。(iv)S24A步驟：排列元件24排列各第一適應值和各第一變異適應值的順序，選擇元件25則根據第一選擇條件選擇複數個第一優良染色體。(v)S25A步驟：選擇元件25取出各第一優良染色體所對應的排列號碼，並將各切割件10的排列號碼整理為分箱結果，其中，S21A~S25A之步驟可重複多次，以得出較佳的分箱結果。(vi)S26A步驟：根據分箱結果，將各包裝箱40所容納的各切割件10的體素模型M設定為位置染色體的第二對應區塊，各第二對應區塊分別具有相應的體素模型M，其中，此位置染色體的設定為依據單個包裝箱40所容納的各切割件10進行設定。(vii)S27A步驟：計算元件27依據各體素模型M的位置座標和方位代碼計算各位置染色體的第二適應值，舉例來說，各體素模型M的位置座標和方位代碼， ，a k為染色體，(xi, yi, zi)為各體素模型的位置座標，oi為體素模型的方位代碼，k為包裝箱40的號碼，第k個包裝箱40的切割件10數量為 ， 、 、 分別為各包裝箱40於x軸、y軸以及z軸的體素，各包裝箱40的體素容量 ，所有切割件10之體素模型M的體素容量小於單個包裝箱40的體素容量。(viii)S28A步驟：模擬元件26交配和突變各位置染色體以取得複數個變異位置染色體，計算元件27計算各變異位置染色體的第二變異適應值，其中，複數個變異位置染色體對應的位置座標和方位代碼相異於位置染色體對應的位置座標和方位代碼。(ix)S29A步驟：排列元件24排列各第二適應值和各第二變異適應值的順序，選擇元件25則根據第二選擇條件選擇複數個第二優良染色體。(x)S30A步驟：選擇元件25則整合各第二優良染色體對應的位置座標和方位代碼為配置結果，各包裝箱40的各切割件10根據配置結果進行擺放。其中，第一選擇條件和第二選擇條件與前述相同而不重複敘述。於此所述的基因演算法的流程為進行兩次基因演算法，而非前述的單次演算法同時進行排列號碼、位置座標和方位代碼的演算，並透過分次排列號碼、位置座標和方位代碼的優化，將切割件10適當地分配至各包裝箱40，且包裝箱40的使用數目最小化。
此外，第一實施例的基因演算法也能根據使用者設定的解析度，將包覆體O和包裝箱40分割成固定數量的解析元素(類似體素)，設定切割件10為由規則的解析元素組成的矩型體，固定第一立方體S和第二立方體E的數目，並利用解析元素設定切割件10的位置坐標，從而設定設定複數個切割件10的體素小於包裝箱40的體素，以確保切割件10不會溢出包裝箱40。舉例來說，各體素模型M的位置座標和方位代碼， ，a k為染色體，(xi, yi, zi)為各體素模型的位置座標，oi為體素模型的方位代碼，k為包裝箱40的號碼，第k個包裝箱40的切割件10數量為 ， 、 、 分別為各包裝箱40於x軸、y軸以及z軸的解析元素，各包裝箱40的解析元素容量 ，所有切割件10之體素模型M的解析元素容量小於各包裝箱40的解析元素容量。
請參閱第7圖，其為本發明之放射性切割件包裝方法之第二實施例的流程圖。於此實施例中，本發明之切割件包裝方法搭配第1圖的元件說明如下：(1)S31步驟~S34步驟等同於本發明之第一實施例的S11步驟至S14步驟，S31步驟~S34步驟應具備相同之技術特徵，於此不再重複敘述之。(5)S35步驟：編碼元件23對各切割件10進行編碼，使各切割件10分別具有排列號碼，複數個包裝箱40的數目則根據排列號碼決定，各包裝箱40容納切割件10，需說明的是，複數個包裝箱40的數目為根據切割件10的數目而最小化，且考量到各包裝箱40的體積、各切割件10的體素模型以及各包裝箱40的所能承受的重量，使複數個包裝箱40的使用數目最少，且各包裝箱40容納多個切割件10而非僅有單個切割件10。(6)S36步驟：處理器20以基因演算法對各包裝箱40的所容納的各切割件10演算排列資訊，利用基因演算法演算排列資訊的敘述將在後文中敘述。(7)S37步驟：處理器20以基因演算法對各包裝箱40的重量變異數演算重量資訊，利用基因演算法演算重量資訊的敘述將在後文中敘述。(8)S38步驟：處理器20以基因演算法對各包裝箱40的所容納的各切割件10演算位置資訊，利用基因演算法演算位置資訊的敘述將在後文中敘述。(9)S39步驟：處理器20以基因演算法對各包裝箱40的所容納的各切割件10演算輻射劑量資訊，利用基因演算法演算輻射劑量資訊的敘述將在後文中敘述。(10)S40步驟：依據各包裝箱40所對應的排列資訊、重量資訊、輻射劑量資訊以及位置資訊，將各切割件10分配至所屬的包裝箱40。透過體素模型和基因演算法的搭配，使得切割件10的包裝最佳化，切割件10則依據排列資訊、重量資訊、輻射劑量資訊以及位置資訊分配至所屬的包裝箱40，以達成包裝箱40的最小使用量之目的。
請參閱第8圖，其為本發明之放射性切割件包裝方法之第二實施例的基因演算法的流程圖。如第8圖所示，處理器20以基因演算法對各包裝箱40的所容納的各切割件10演算排列資訊的說明如下：(i)S41步驟：模擬元件26設定各排列號碼為編碼染色體，並計算各編碼染色體的第一適應值。(ii)S42步驟：模擬元件26交配和突變各編碼染色體以取得複數個變異編碼染色體，計算元件27計算各變異編碼染色體的第一變異適應值，其中，複數個變異編碼染色體對應的排列號碼相異於複數個編碼染色體對應的排列號碼。(iii)S43步驟：排列元件24排列各第一適應值和各第一變異適應值的順序，選擇元件25根據第一選擇條件選擇複數個第一優良染色體。(iv)S44步驟：選擇元件25整合各第一優良染色體對應的排列號碼為排列資訊。
請參閱第9圖，其為本發明之放射性切割件包裝方法之第二實施例的基因演算法的流程圖。如第9圖所示，此為根據前述排列資訊將各切割件10分配至各包裝箱40，使各包裝箱40皆具有重量(舉例來說，設定各切割件10所歸屬的容器編號如下： ， 為各切割件10歸屬的容器編號)，處理器20以基因演算法對各包裝箱40的重量變異數演算重量資訊的說明如下：(i)S51步驟：模擬元件26設定各包裝箱40的重量變異數為重量染色體的第二對應區塊，各第二對應區塊分別具有相應的該重量變異數，計算元件27依據各重量變異數計算各重量染色體的第二適應值。(ii)S52步驟：模擬元件26交配和突變各重量染色體以取得複數個變異重量染色體，計算元件27計算各變異重量染色體的第二變異適應值，其中，複數個變異重量染色體對應的重量變異數相異於複數個重量染色體的重量變異數。(iii)S53步驟：排列元件24排列各第二適應值和各第二變異適應值的順序，選擇元件25根據第二選擇條件選擇複數個第二優良染色體。(iv)S54步驟：選擇元件25整合各第二優良染色體對應的重量變異數為重量資訊。再次進行基因演算法的演化，使各包裝箱40的使用數目最少並且均勻裝箱。
於此，需說明的是，各包裝箱40的重量先經過平均而得出重量平均數，各包裝箱40的重量與重量平均數經過相減後再平方而取得數值，最後數值在除以包裝箱40的數目而得到重量變異數，而關於重量變異數之第二適應值的運算式如下：minf(b)= ， 為單個包裝箱40之複數個切割件10的總重， 為重量平均數，Sc為包裝箱40的數目，minf(b)為第二適應值。因此，各包裝箱40的重量變異數皆不同。
請參閱第10圖，其為本發明之放射性切割件包裝方法之第二實施例的基因演算法的流程圖。如第10圖所示，此為根據前述重量資訊將各切割件10分配至各包裝箱40，處理器20以基因演算法對各包裝箱40的所容納的各切割件10演算位置資訊，其包括：(i)S61步驟：模擬元件26設定各切割件10所對應的各體素模型M為位置染色體的第三對應區塊，各第三對應區塊分別具有相應的體素模型M，計算元件27依據各體素模型M的位置座標和方位代碼計算各位置染色體的第三適應值。(ii)S62步驟：模擬元件26交配和突變各位置染色體以取得複數個變異位置染色體，計算元件27計算各變異位置染色體的第三變異適應值，其中，複數個變異位置染色體對應的位置座標和方位代碼相異於複數個位置染色體的位置座標和方位代碼。(iii)S63步驟：排列元件24排列各第三適應值和各第三變異適應值的順序，選擇元件25根據第三選擇條件選擇複數個第三優良染色體。(iii)S64步驟：選擇元件25整合各第三優良染色體對應的位置座標以及方位代碼為位置資訊。
請參閱第11圖，其為本發明之放射性切割件包裝方法之第二實施例的基因演算法的流程圖。如第11圖所示，此為根據前述重量資訊將各切割件10分配至各包裝箱40，處理器20以基因演算法對各包裝箱40的所容納的各切割件10演算輻射劑量資訊，其包括：(i)S71步驟：模擬元件26設定各切割件10所對應的輻射劑量資訊為輻射劑量率染色體的第四對應區塊，各第四對應區塊分別具有相應的輻射劑量率，計算元件27依據各切割件10的輻射劑量率計算各輻射劑量率染色體的第四適應值。(ii)S72步驟：模擬元件26交配和突變各輻射劑量率染色體以取得複數個變異輻射劑量率染色體，計算元件27計算各變異輻射劑量率染色體的第四變異適應值，其中，複數個變異輻射劑量率染色體對應的輻射劑量率相異於複數個輻射劑量率染色體的輻射劑量率。(iii)S73步驟：排列元件24排列各第四適應值和各第四變異適應值的順序，選擇元件25根據第四選擇條件選擇複數個第四優良染色體。(iii)S74步驟：選擇元件25整合各第四優良染色體對應的輻射劑量率為位置資訊。
需說明的是，各切割件10容納於包裝箱40後，可限定包裝箱40的表面及包裝箱40外的偵測點與包裝箱40的表面之間的距離下的幅射劑量率限值，以作為各包裝箱40的容量限制，其中，幅射劑量率限值的數值可依照IAEA(International Atomic Energy Agency)的規範而設定。具體而言，經由各包裝箱40的材質的衰減係數(可設定各包裝箱40的材質為鋼)及各包裝箱40之內層和外層的厚度，來計算出各切割件10的表面輻射劑量。
於此，詳細說明幅射劑量率限值的公式及其設定如下：切割件10的比活度集中在重心處，視為點射源，點射源偵測對象設為鈷60元素的加馬射線，能階是1.25 MeV。再依照使用者設定的屏蔽措施，計算屏蔽後的劑量率。屏蔽措施僅考慮包裝箱40裝填切割件20的填充材料的屏蔽效用和到偵測點間各箱壁材質的屏蔽效用，其中，填充材料僅考慮有無填混凝土，沒有的話則以空氣當做屏蔽計算(混凝土的衰減係數 ；空氣的衰減係數 )；包裝箱40的厚度為有屏蔽功能，並使用鐵的衰減係數 ，各包裝箱40設定為沿x軸、y軸以及z軸對稱的結構，並敘明幅射劑量率限值的公式如下： H=1153 =1153 其中， A為切割件10材質單位重量的比活度(Specific activity ) (Ci/kg)，其以25年冷卻時間估算， M為單一切割件質量(Mass of the part) (kg)，γ為鈷在1.25MeV的比加馬係數(R*m/Ci*kg)， 為點射源無屏蔽的能率(Gy/hr)， 為填充材料的穿越長度，n為填充材料的數量， 為填充材料的主要元素之能階的衰減率，d為偵測點至包裝箱40的表面距離，偵測點為包裝箱40外的點以測量切割件10的幅射劑量率。
同樣地，第一選擇條件為選擇複數個第一適應值、複數個第一變異適應值和第一平均適應值中前幾個其數值較小所對應的編碼染色體和變異編碼染色體為複數個第一優良染色體，複數個第一優良染色體的數目為相等於編碼染色體的數目，當選擇元件25無法找尋到較佳的複數個第一優良染色體，則編碼染色體演化至800代停止；第二選擇條件為選擇複數個第二適應值和複數個第二變異適應值中前幾個其數值較小所對應的重量染色體和變異重量染色體為複數個第二優良染色體，複數個第二優良染色體的數目為相等於重量染色體的數目，當選擇元件25無法找尋到較佳的複數個第一優良染色體，則重量染色體演化至800代停止；第三選擇條件為選擇複數個第三適應值和複數個第三變異適應值中前幾個其數值較小所對應的位置染色體和變異位置染色體為複數個第三優良染色體，複數個第三優良染色體的數目為相等於位置染色體的數目，當選擇元件25無法找尋到較佳的複數個第三優良染色體，則位置染色體演化至800代停止；第四選擇條件為選擇複數個第四適應值和複數個第四變異適應值中前幾個其數值較小所對應的輻射劑量率染色體和變異輻射劑量率染色體為複數個第三優良染色體，複數個第四優良染色體的數目為相等於輻射劑量率染色體的數目，當選擇元件25無法找尋到較佳的複數個第四優良染色體，則位置染色體演化至800代停止。
此外，交配和突變編碼染色體和重量染色體為使排列號碼和重量變異數的配置更為多樣化，透過交配、突變和選擇的搭配，不合適的排列號碼及重量變異數予以淘汰，留下合適的排列號碼及重量變異數，使各包裝箱40的重量平均化。
需說明的是，第二實施例與第一實施例的不同之處乃在於考量各包裝箱40的重量。詳言之，第一實施例中為根據各切割件10的排列號碼、體素模型M之位置座標以及方位代碼進行基因演算法，從而取得優化的包裝資訊P，但可能發生最後一個包裝箱40所容置的切割件10的數量與前面包裝箱40所容置的切割件10的數量相差甚遠；第二實施例先利用各切割件10的排列號碼進行第一次基因演算法，再利用各包裝箱40的重量變異數進行第二次基因演算法，再對各切割件10的位置座標以及方位代碼進行第三次基因演算法，最候對各切割件10的輻射劑量率進行第四次基因演算法，從而將各包裝箱40的重量平均化，從而解決第一實施例所面臨的問題。
需提及的是，若第一實施例之切割件10於包裝箱40的配置結果有切割件10溢出或彼此交疊，也能利用優化目標函數對第一實施例之各切割件10的輻射劑量率進行演算，從而產出新的切割件10於包裝箱40的配置結果，避免各切割件10溢出或彼此交疊之現象，其中，優化目標函數minf(S)= ， S E 是包裝解S評估後，切割件溢出容器外的體素總和， S I 是切割件彼此交疊干涉的體素總和， S H 是裝填結果各容器的輻射劑量率加總，設定 為啟用輻射劑量率望小的決策參數， 為考慮輻射劑量率， 為不考慮輻射劑量率，切割件溢出體素量懲罰值是 ，交疊體素量懲罰值是 ，且輻射劑量率的目標函數值權重是 ；不論第一實施例和第二實施例所述的方法，其皆會檢查複數個切割件10的總重量和體積，以確保複數個切割件10的總重量和體積不會超過單個包裝箱40的體積和重量。
於此，需說明的是，前述實施例為闡述本發明之放射性切割件包裝方法的功效，而本發明並未侷限於前述實施例的功效，本發明之放射性切割件包裝方法也包含其他較佳的放射性切割件包裝方法，僅要放射性切割件包裝方法能滿足最少包裝箱40的使用量或對不規則的放射性切割件進行切割和包裝之目的，其皆可為本發明之放射性切割件包裝方法的一部分。
此外，前述實施例的基因演算法的運算為利用MS.NET FrameWork平台以及 MS OLE (Object Link and Embedded)和COM (Component Object Model)的技術和SolidWork軟體溝通並使其執行。其中，SolidWorks提供複雜的API (Application Program Interface)函式庫供使用者進行二次開發，以支援客製化的電腦輔助設計功能開發或提高設計自動化的能力。API的開發原先是針對添加在SolidWorks軟體介面上的增益功能(會在同樣的程序(process)內執行)而設計的，函式結構和呼叫方式並非支援獨立(stand-alone)的應用程式，由於SolidWorks使用的是特徵為基礎的參數化建模模式和特徵堆疊的資料結構，導致擴充功能的叫用得配合手動建模過程的特徵添加、組件選取等手動命令的執行。本發明之放射性切割件包裝方法是以獨立模式開發，屬於執行在不同程序上的獨立應用程式。
綜上所述，本發明之放射性切割件包裝方法，透過體素模型M和基因演算法的搭配，取得最佳化的包裝資訊P，各切割件10根據包裝資訊P分配至各個包裝箱40，另外，考量到各個包裝箱40的重量，將各個包裝箱40的重量均勻化，且各個切割件10的交疊量為零。總括而言，本發明之切割件包裝方法，具有如上述的優點，達成各個切割件10擺置優化或最少包裝箱40的使用量之目的。
以上所述僅為舉例性，而非為限制性者。任何未脫離本發明之精神與範疇，而對其進行之等效修改或變更，均應包含於申請專利範圍中。
10‧‧‧切割件
20‧‧‧處理器
21‧‧‧體素元件
22‧‧‧分析元件
23‧‧‧編碼元件
24‧‧‧排列元件
25‧‧‧選擇元件
26‧‧‧模擬元件
27‧‧‧計算元件
30‧‧‧資料庫
40‧‧‧包裝箱
O‧‧‧包覆體
P‧‧‧包裝資訊
S11~S17、S21~S29、S21A~S30A、S31~S39、S41~S45、S51~S54、S61~S64、S71~S74‧‧‧步驟
第1圖為本發明之放射性切割件包裝方法之第一實施例的方塊圖。
第2圖為本發明之放射性切割件包裝方法之第一實施例的流程圖。
第3圖為本發明之放射性切割件包裝方法之第一實施例的包覆體圖。
第4圖為本發明之放射性切割件包裝方法之第一實施例的體素模型圖。
第5圖為本發明之放射性切割件包裝方法之第一實施例的基因演算法的流程圖。
第6圖為本發明之放射性切割件包裝方法之第一實施例的基因演算法的另一流程圖。
第7圖為本發明之放射性切割件包裝方法之第二實施例的流程圖。
第8圖為本發明之放射性切割件包裝方法之第二實施例的基因演算法的流程圖。
第9圖為本發明之放射性切割件包裝方法之第二實施例的基因演算法的流程圖。
第10圖為本發明之放射性切割件包裝方法之第二實施例的基因演算法的流程圖。
第11圖為本發明之放射性切割件包裝方法之第二實施例的基因演算法的流程圖。

Claims (10)

  1. 一種放射性切割件包裝方法，其包括： 根據複數個切割件的座標且滿足一包覆條件，轉置各該切割件，以針對各該切割件產生一包覆體； 體素化各該包覆體，將各該包覆體離散成複數個立方體，並對各該立方體和其對應的該切割件進行一布林運算，使各該立方體分為複數個第一立方體和複數個第二立方體； 沿一分析軸分析各該包覆體的該複數個第一立方體和複數個第二立方體，使各該第一立方體和各該第二立方體在每一分析位置具有一體素線捆； 結合各該包覆體的各該體素線捆為一體素模型，使各該切割件分別對應其所屬的該體素模型，各該體素模型具有一位置座標和一方位代碼； 對各該切割件進行編碼，使各該切割件分別具有一排列號碼，根據該排列號碼決定複數個包裝箱的數目，各該包裝箱容納該切割件； 以一基因演算法對各該包裝箱的所容納的各該切割件演算一包裝資訊，其包括： 設定各該排列號碼為一編碼染色體的一第一對應區塊，各該第一對應區塊分別具有相應的該排列號碼，並根據各該包裝箱的容量、重量以及輻射劑量率限值，計算各該編碼染色體的一第一適應值； 交配和突變各該編碼染色體以取得複數個變異編碼染色體，計算各該變異編碼染色體的一第一變異適應值，排列各該第一適應值和各該第一變異適應值的順序，並根據一第一選擇條件選擇複數個第一優良染色體； 對各該第一優良染色體所對應的各該體素模型設定為一位置染色體的一第二對應區塊，各該第二對應區塊分別具有相應的該體素模型，並依據各該體素模型的該位置座標和該方位代碼計算各該位置染色體的一第二適應值； 交配和突變各該位置染色體以取得複數個變異位置染色體，計算各該變異位置染色體的一第二變異適應值，排列各該第二適應值和各該第二變異適應值的順序，並根據一第二選擇條件選擇複數個第二優良染色體；以及 整合各該第二優良染色體對應的該位置座標、該方位代碼和該排列號碼為一包裝資訊；以及 依據各該包裝箱所對應的該包裝資訊，將各該切割件分配至所屬的該包裝箱。
  2. 如申請專利範圍第1項所述的放射性切割件包裝方法，其中，該布林運算為交集，各該第一立方體為對應其所屬的該切割件，各該第二立方體則未對應其所屬的該切割件。
  3. 如申請專利範圍第1項所述的放射性切割件包裝方法，其中，該包覆條件為各該切割件之各相鄰面為正交。
  4. 如申請專利範圍第1項所述的放射性切割件包裝方法，其中，該第一選擇條件為選擇該複數個第一適應值和該複數個第一變異適應值中前幾個其數值較小所對應的該編碼染色體和該變異編碼染色體為該複數個第一優良染色體，該複數個第一優良染色體的數目為相等於該編碼染色體的數目。
  5. 如申請專利範圍第1項所述的放射性切割件包裝方法，其中，該第二選擇條件為選擇該複數個第二適應值和該複數個第二變異適應值中前幾個其數值較小所對應的該位置染色體和該變異位置染色體為該複數個第二優良染色體，該複數個第二優良染色體的數目為相等於該位置染色體的數目。
  6. 一種放射性切割件包裝方法，其包括： 根據複數個切割件的座標且滿足一包覆條件，轉置各該切割件，以針對各該切割件產生一包覆體； 體素化各該包覆體而將各該包覆體離散成複數個立方體，並對各該立方體和其對應的該切割件進行布林運算，使各該立方體分為複數個第一立方體和複數個第二立方體； 沿一分析軸模擬分析各該包覆體的該複數個第一立方體和該複數個第二立方體，使各該第一立方體和各該第二立方體在每一分析位置具有一體素線捆； 結合各該包覆體的各該體素線捆為一體素模型，使各該切割件分別對應其所屬的該體素模型，各該體素模型具有一位置座標和一方位代碼； 對各該切割件進行編碼，使各該切割件分別具有一排列號碼，根據該排列號碼決定複數個包裝箱的數目，各該包裝箱容納該切割件； 以一基因演算法對各該包裝箱的所容納的各該切割件演算一排列資訊，其包括： 設定各該排列號碼為一編碼染色體的一第一對應區塊，各該第一對應區塊分別具有相應的該排列號碼，並根據各該包裝箱的容量、重量以及輻射劑量率限值，計算各該編碼染色體的一第一適應值； 交配和突變各該編碼染色體以取得複數個變異編碼染色體，計算各該變異編碼染色體的一第一變異適應值，排列各該第一適應值和各該第一變異適應值的順序，並根據一第一選擇條件選擇複數個第一優良染色體；以及 整合各該第一優良染色體對應的該排列號碼為一排列資訊； 以一基因演算法對各該包裝箱的重量變異數演算一重量資訊，其包括： 設定各該包裝箱的一重量變異數為一重量染色體的一第二對應區塊，各該第二對應區塊分別具有相應的該重量變異數，並依據各該重量變異數計算各該重量染色體的一第二適應值； 交配和突變各該重量染色體以取得複數個變異重量染色體，計算各該變異重量染色體的一第二變異適應值，排列各該第二適應值和各該第二變異適應值的順序，並根據一第二選擇條件選擇複數個第二優良染色體；以及 整合各該第二優良染色體對應的該重量變異數為一重量資訊；以及 以一基因演算法對各該包裝箱的所容納的各該切割件演算一位置資訊，其包括： 設定各該體素模型為一位置染色體的一第三對應區塊，各該第三對應區塊分別具有相應的該體素模型，並依據各該體素模型的該位置座標和該方位代碼計算各該位置染色體的一第三適應值； 交配和突變各該位置染色體以取得複數個變異位置染色體，計算各該變異位置染色體的一第三變異適應值，排列各該第三適應值和各該第三變異適應值的順序，並根據一第三選擇條件選擇複數個第三優良染色體；以及 整合各該第三優良染色體對應的該位置座標以及該方位代碼為一位置資訊； 以一基因演算法對各該包裝箱的所容納的各該切割件演算一輻射劑量資訊，其包括： 設定各該切割件的一輻射劑量率為一輻射劑量率染色體的一第四對應區塊，各該第四對應區塊分別具有相應的該輻射劑量率，並依據各該切割件的該輻射劑量率計算各該輻射劑量率染色體的一第四適應值； 交配和突變各該輻射劑量率染色體以取得複數個變異輻射劑量率染色體，計算各該變異輻射劑量率染色體的一第四變異適應值，排列各該第四適應值和各該第四變異適應值的順序，並根據一第四選擇條件選擇複數個第四優良染色體；以及 整合各該第四優良染色體對應的該輻射劑量率為一輻射劑量資訊；以及 依據各該包裝箱所對應的該排列資訊、該重量資訊、該位置資訊以及該輻射劑量資訊，將各該切割件分配至所屬的該包裝箱。
  7. 如申請專利範圍第6項所述的放射性切割件包裝方法，其中，該布林運算為交集，各該第一立方體為對應其所屬的該切割件，各該第二立方體則未對應其所屬的該切割件。
  8. 如申請專利範圍第6項所述的放射性切割件包裝方法，其中，該包覆條件為各該切割件之各相鄰面為正交。
  9. 如申請專利範圍第6項所述的放射性切割件包裝方法，其中，該第一選擇條件為選擇該複數個第一適應值、該複數個第一變異適應值前幾個其數值較小所對應的該編碼染色體和該變異編碼染色體為該複數個第一優良染色體，該複數個第一優良染色體的數目為相等於該編碼染色體的數目。
  10. 如申請專利範圍第6項所述的放射性切割件包裝方法，其中，該第二選擇條件為選擇該複數個第二適應值和該複數個第二變異適應值中前幾個其數值較小所對應的該重量染色體和該變異重量染色體為該複數個第二優良染色體，該複數個第二優良染色體的數目為相等於該重量染色體的數目。
TW107143284A 2018-07-19 2018-12-03 放射性切割件包裝方法 TWI669622B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/394,340 US20200027003A1 (en) 2018-07-19 2019-04-25 Package method of radioactive dismantled parts

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
TW107124937 2018-07-19
TW107124937 2018-07-19
??107124937 2018-07-19

Publications (2)

Publication Number Publication Date
TWI669622B true TWI669622B (zh) 2019-08-21
TW202008194A TW202008194A (zh) 2020-02-16

Family

ID=68316309

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107143284A TWI669622B (zh) 2018-07-19 2018-12-03 放射性切割件包裝方法

Country Status (2)

Country Link
US (1) US20200027003A1 (zh)
TW (1) TWI669622B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114201918A (zh) * 2021-12-10 2022-03-18 北京达美盛软件股份有限公司 一种核退役的设备拆装序列规划方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201014766A (en) * 2008-09-29 2010-04-16 Daifuku Kk Learning device for article storage facility
TWM383555U (en) * 2010-02-09 2010-07-01 Tung Nan University Portable materials identification device
TW201525884A (zh) * 2013-12-16 2015-07-01 Inventec Appliances Corp 物品位置記憶系統及方法
TW201605690A (zh) * 2013-11-22 2016-02-16 Yuyama Mfg Co Ltd 分藥裝置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201014766A (en) * 2008-09-29 2010-04-16 Daifuku Kk Learning device for article storage facility
TWM383555U (en) * 2010-02-09 2010-07-01 Tung Nan University Portable materials identification device
TW201605690A (zh) * 2013-11-22 2016-02-16 Yuyama Mfg Co Ltd 分藥裝置
TW201525884A (zh) * 2013-12-16 2015-07-01 Inventec Appliances Corp 物品位置記憶系統及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114201918A (zh) * 2021-12-10 2022-03-18 北京达美盛软件股份有限公司 一种核退役的设备拆装序列规划方法

Also Published As

Publication number Publication date
TW202008194A (zh) 2020-02-16
US20200027003A1 (en) 2020-01-23

Similar Documents

Publication Publication Date Title
Peplow Monte Carlo shielding analysis capabilities with MAVRIC
CN104933245B (zh) 基于神经网络和遗传算法的船用反应堆屏蔽设计优化方法
CN107194103B (zh) 一种基于3dsMax的核设施模型辐射场剂量仿真方法
Eck et al. Computeralgebraic generation and calculation of Feynman graphs using FeynArts and FeynCalc
TWI669622B (zh) 放射性切割件包裝方法
Mirea et al. Modeling a neutron-rich nuclei source
García et al. Development of the automatic void generation module in GEOUNED conversion tool
JP2016223876A (ja) 線量予測装置、線量予測方法及び線量予測プログラム
CN112288874B (zh) 基于cad模型与布尔运算的伽马辐射建模计算仿真方法
Tsai et al. The computer aided cutting planning of components using genetic algorithms for decommissioning of a nuclear reactor
Chao et al. A dose assessment method for arbitrary geometries with virtual reality in the nuclear facilities decommissioning
CN107784153A (zh) 核电厂乏燃料装载方案的设计方法以及设计系统
Caracena et al. A variable point kernel dosimetry method for virtual reality simulation applications in nuclear safeguards and security
Miyombo et al. Minimum dose path planning during reactor coolant system maintenance with corrosion product activity
Filiciotto et al. New modelling capabilities in IDT
Zhang et al. Dynamic multi-objective path-order planning research in nuclear power plant decommissioning based on NSGA-II
Bonciani et al. NNLO mixed EW-QCD corrections to single vector boson production
Liu et al. A dose assessment method for nuclear facility decommissioning based on the combination of CAD and Point-Kernel method
Miyombo et al. Improved TDV algorithm for three-dimensional space path planning in a complex radioactive environment with obstacles
Jones The quasidiffusion method for solving radiation transport problems on arbitrary quadrilateral meshes in 2D rz geometry
Montgomery et al. Dosimetric modeling of Tc-99, Cs-137, Np-237, and U-238 in the grass species Andropogon Virginicus: Development and comparison of stylized, voxel, and hybrid phantom geometry
Visonneau et al. NARMER-1: a photon point-kernel code with build-up factors
Ványi et al. Analysis of diffusion coefficient correction methods applied for small-core, high-leakage reactors
Kloosterman et al. Spatial effects in dancoff factor calculations for pebble-bed HTRs
Zadeh et al. Collaborative optimization framework based on the interaction of low-and high-fidelity models and the moving least squares method