【技术实现步骤摘要】
一种基于下料利用率预测的组批与排样迭代优化方法
本专利技术涉及板材排版优化领域，尤其涉及一种基于下料利用率预测的组批与排样迭代优化方法。
技术介绍
板式家具是一种具有个性化设计、美观时尚、高效空间利用、质量稳定、价格实惠的主流家具，它具有可定制、环保节约、实用的特性。板式家具是指以胶合板、刨花板、中纤板、绅木工板等人造板作为部件基材，以连接件接合组装而成的家具，其组成具有“标准化部件+五金件接口”的构造特征。相比实木家具，具有可以定制化外观设计，产品款式变化多样，材质不易变形，拆卸安装简单，运输和仓储方便等诸多优势，并且节约了宝贵的木材资源，提升了木材利用率。板式家具的定制化生产是一种批量的规模化生产，其板式工艺的复杂程度同产品的外观设计、产品结构、用料以及生产线上产品品种的种类数量等诸多因素息息相关，涉及的要素越多就越复杂。当前，板式产品的生产方式仍停留在半自动化阶段：加工装备基本实现数字化、关键中间装备与制造执行系统缺位、作业过程离散、生产组织欠缺效率，各作业段仍需要大量人力物力。生产订单具有变更频繁且交货期紧迫...
【技术保护点】
1.一种基于下料利用率预测的组批与排样迭代优化方法，其特征在于，包括下述步骤：/n订单组批：根据满足交货期偏差和生产约束的订单凝聚层次聚类算法进行订单组批优化，获得多个可行的组批方案；/n特征提取和降维：将每个组批方案中的每个批次中相同材质的板材作为最小预测样本；/n输入预测模型得出预测结果：将每个组批方案中所有的最小预测样本输入到下料利用率预测模型中进行排样结果预测，计算组批方案中所有批次中所有材料的排样预测结果；/n对排样预测结果进行计算和评估：对所有组批方案的排样预测结果的预测值进行计算与评估，判断是否达标，达标则进行下一步骤，不达标则返回订单组批步骤，调整组批方案；...
【技术特征摘要】
1.一种基于下料利用率预测的组批与排样迭代优化方法，其特征在于，包括下述步骤：
订单组批：根据满足交货期偏差和生产约束的订单凝聚层次聚类算法进行订单组批优化，获得多个可行的组批方案；
特征提取和降维：将每个组批方案中的每个批次中相同材质的板材作为最小预测样本；
输入预测模型得出预测结果：将每个组批方案中所有的最小预测样本输入到下料利用率预测模型中进行排样结果预测，计算组批方案中所有批次中所有材料的排样预测结果；
对排样预测结果进行计算和评估：对所有组批方案的排样预测结果的预测值进行计算与评估，判断是否达标，达标则进行下一步骤，不达标则返回订单组批步骤，调整组批方案；
调用排样优化算法进行计算：选择预测利用率大于90％的组批方案，调用排样优化算法，进行真实排样优化，计算实际排样优化结果；
判断并输出结果：判断已排样的实际排样优化结果是否达标，如果不达标，则返回订单组批步骤，调整与优化组批方案进行二次迭代；如果达标，则输出最优的组批方案与排样优化结果。
2.根据权利要求1所述的一种基于下料利用率预测的组批与排样迭代优化方法，其特征在于，在所述订单组批步骤中，所述订单组批影响因素包括：材料种类、订单完工时间、批次大小、订单数量与材料利用率；根据原料生产成本、客户交货期、生产设备产能与负荷、生产批次切换周期以及设备加工时间与效率，将同型号材质、交货期相近以及相似工件尺寸的订单组合为同一批次。
3.根据权利要求2所述的一种基于下料利用率预测的组批与排样迭代优化方法，其特征在于，在所述订单组批步骤中，包括对订单数据进行预处理和分析相似性：
杰卡德相似系数的计算公式为：其中A为订单集合A，B为订单集合B；
杰卡德距离的计算公式为：其中A为订单集合A，B为订单集合B；
订单簇之间距离计算公式为：其中nH为H类任一样本的个数；nK为K类任一样本的个数；i为H类任一样本的个数的项数；j为K类任一样本的个数的项数；为H类任一样本Xi和K类任一样本Xj之间的欧式距离平方。
4.根据权利要求3所述的一种基于下料利用率预测的组批与排样迭代优化方法，其特征在于，在所述订单组批步骤中，基于交货期偏差与生产工艺约束的凝聚层次聚类算法包括下述步骤：
步骤A1：N个初始状态下的订单各自成一类，即建立N类：G1(0)，G2(0)，…，Gn(0)，计算各类之间即订单之间的距离，即得到一个N*N维距离矩阵；“0”表示初始状态；
步骤A2：计算各类(订单簇)之间的类平均距离矩阵D(n)(n为逐次聚类合并的次数)，找出D(n)中的最小的元素(距离)及其对应的两个类Gx(n)与Gy(n)；
步骤A3：将Gx(n)与Gy(n)这两个...
【专利技术属性】
技术研发人员：张浩，刘强，魏丽军，严都喜，冷杰武，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。