变压器硅钢片下料算法的设计与实现

针对中小型变压器生产流程中的硅钢片下料问题,结合工厂生产流程,设计排样算法,实现计算机辅助排样,提高工作效率和材料利用率。前期排样采用基于遗传算法的排样方式生成方法,利用遗传算法求得段宽度方向上的最优排样,确保宽度方向上的利用率,再根据当前段宽度上排入的片型计算段长度并生成排样方式。当剩余需求片型不满足遗传算法的适用条件时,转用线性规划算法完成所有剩余片的排样,线性规划模型以原材料消耗最少为目标函数,约束条件为排样方式段长度不大于原料卷长度且排样方式能满足剩余所有片型的需求。使用本文算法对相关文献中的硅钢片实例数据进行优化排样并与其他算法比较,结果表明使用本文算法生成的排样方案能够提高原材料利用率,且计算速度较快。

制造资源计划与计算机排样的集成研究

提出了一种将计算机排样与制造资源计划(MRPⅡ)进行有效集成的方法。该方法首先将MRPⅡ划分为多项信息系统子应用,然后通过分析计算机排样系统各输入输出数据流与这些子应用的关系,确认与之进行集成的子应用,并对集成运行方式进行分析。

基于匀质块排样方式的多尺寸板材下料算法

讨论了矩形件多尺寸板材下料问题:用多种不同规格的板材切割出若干种不同规格的矩形件,在满足每种矩形件的需求量的前提下,使得所用板材总面积最小。提出一种基于匀质块排样方式的下料算法。矩形件在板材上按照匀质块方式排样,每刀都从当前板材上切下一根仅含同种矩形件的条带,连续切下的两根条带的方向互相平行或垂直。首先构造匀质块排样方式的动态规划生成算法,然后构造下料算法调用上述排样算法逐个生成排样方式,直到矩形件的所有需求量均得到满足为止,其中每个排样方式满足矩形件的部分需求量。采用2组文献例题,将本文算法与4种文献算法进行比较,数值实验结果表明:本文算法下料方案板材利用率比文献算法分别提高0. 87%,0. 57%,0. 66%和0. 64%。