Автоматизированная система раскроя и учета листового...
-
Upload
victor-balabanov -
Category
Technology
-
view
639 -
download
3
description
Transcript of Автоматизированная система раскроя и учета листового...
«Автоматизированная система раскроя и учета листового металлопроката
на основе генетических алгоритмов»
Виктор Николаевич Балабанов аспирант кафедры «Автоматизированные системы управления»
Донецкий национальный технический университет
Специальность: 05.13.06 — «Информационные технологии»
научный руководитель Юрий Александрович Скобцовдоктор технических наук, профессор,
заведующий кафедрой «Автоматизированные системы управления»Донецкий национальный технический университет
Тема диссертационной работы:
Технологическая схема производства труб
2
Продольный раскрой рулонов
• выполняется на специализированных линиях продольной резки
• все резы выполняются от края до края, параллельно боковой кромке исходной полосы.
3
Структура решения раскройной задачи
• раскройная определяет каким образом раскраивается каждый рулон
• план раскроя представляет собой перечень, состоящий из раскройных карт.
X 1 X 2 X 0
X 0 X 2 X 2
(1; 2; 0)
(0; 2; 2)
4
Настройка ножниц на раскройную карту
• настройка ножниц на раскройную карту является трудоемкой операцией
5
Повышение технологичности планов раскроя
План раскроя II
1
План раскроя I
1
2
3
X 7
Заказы:
Материал:
W = 11
w2 = 3
X 5w1 = 4
X 11w3 = 2
6
Многокритериальная задача
• Первый критерий Z1: минимизировать потери материала в отход;
• Второй критерий Z2: минимизировать производственные потери за счет уменьшения количества переналадок;
• Критерии Z1 и Z2 противоречивы — выигрыш по одному из них приводит к проигрышу по другому и наоборот.
• Сведение исходной многокритериальной задачи к однокритериальной посредством замены векторного критерия скалярным произведением вида
не всегда возможно (точные значения весов неизвестны).2211
* ZCZCZ +=
7
Математическая формулировка
;min1 ∑∑ ∑
−=
k i jjjkiik waWTZ ∑ ∑
=
k iikTZ δmin2
=случае противном в,0
способу по кроится рулон если,1 kiTik
>
=
∑∑случае противном в,0
0 если,1i ik
iik
TTδ
;jlLaT jk i
ijkik ∀≥∑∑
( );, 21 ZZZ =
{ }mi ,,1∈ { }nj ,,1∈ { }Kk ,,1∈
;1 iTk
ik ∀≤∑ ;kHaj
jk ∀≤∑
8
Рабочая гипотеза
• общее количество допустимых раскройных карт очень велико;
• технолог при составлении плана раскроя интуитивно ограничивается рассмотрением только «хороших» раскройных карт.
1000вариантов
рулон #1
1000вариантов
рулон #2
1000вариантов
рулон #3=
полныйперебор
109
вариантов
9
Искусственно ограничим глубину перебора
• при составлении плана раскроя будем использовать только 5 «хороших» раскройных карт
• или 10
5вариантов
рулон #1
5вариантов
рулон #2
5вариантов
рулон #3=
перебор
125вариантов
10вариантов
рулон #1
10вариантов
рулон #2
10вариантов
рулон #3=
перебор
1000вариантов
10
Генерация «хороших» раскройных карт
• требуется найти одно из решений классической задачи о ранце:
• задачи такого типа хорошо изучены, предложен ряд эффективных точных и приближенных методов(Martello & Toth, 1990; Kellerer et al., 2004)
∑=j
jj xwZ max'
∑ ≤j
ijj Wxw
11
Выбор способа представления решений
картараскроя
ген план раскроя
хромосома
...
X 1 X 1 X 2 X 1 X 1 X 2
ген 2ген 1
карта 2карта 1 карта 6X 0 X 2 X 1
(1; 1; 2)ген 3
Аналогия:
План раскроя
Хромосома
(1; 1; 2) (1; 1; 2)ген 6
(0; 2; 1)...
12
Скрещивание
• Реализовано в виде модифицированного одноточечного кроссовера:
Хромосомы-родители:
Хромосомы-потомки:
(1; 1; 2) (1; 1; 2) (1; 1; 2) (0; 2; 1)(1; 1; 2) (1; 1; 2)
(2; 1; 0) (2; 1; 0) (1; 2; 0) (0; 0; 5)(0; 3; 1) (0; 0; 5)
(1; 1; 2) (1; 1; 2) (1; 1; 2) (0; 0; 5)(1; 1; 2) (0; 0; 5)
(2; 1; 0) (2; 1; 0) (1; 2; 0) (0; 2; 1)(0; 3; 1) (1; 1; 2)
13
Мутация
• Реализована как удаление случайно выбранного гена с последующим восстановлением целостности хромосомы:
До мутации:
После мутации:
Восстанавливаем целостность:
(1; 1; 2) (1; 1; 2) (1; 1; 2) (0; 2; 1)(1; 1; 2) (1; 1; 2)
(1; 1; 2) (1; 1; 2) (1; 1; 2) (0; 3; 1)(1; 1; 2) (1; 1; 2)
(1; 1; 2) (1; 1; 2) (1; 1; 2) (1; 1; 2) (1; 1; 2) ...
14
Программная реализация
• Java, Swing, JFreeChart, XML
15
Тестирование
• Тестовые задачи формировались с учетом промышленных объемов выпуска электросварных труб;
• Реализованный подход позволяет находить планы раскроя, удовлетворяющие требованиям реального производства;
• Время, затраченное на поиск решения, обычно находится в пределах одной-двух минут для Intel(R) Core(TM)2 Duo T5800 @ 2.00 GHZ и 2 GB RAM;
• Эффективность гибридного генетического алгоритма в значительной степени зависит от качества раскройных карт, генерируемых при помощи вспомогательной процедуры.
16
Результаты
• реализация генетического алгоритма для поиска Парето-оптимальных решений многокритериальной задачи;
• внедрение метода в систему планирования раскроев в цехе ЦТТММ на ДМЗ;
• готовый текст диссертации и прохождение предзащиты осенью 2010 г.;
• предложенный подход может быть использован для решения родственных задач рациональной упаковки и размещения, календарного планирования и т.д.
17
Спасибо за внимание!