[发明专利]一种大规模两重互异性矩形件的组批排样方法及系统

说明书

本发明公开了一种大规模两重互异性矩形件的组批排样方法及系统，属于矩形零件加工布局领域，包括：组批步骤和排样步骤，组批步骤中通过计算订单集之间的材料相似度，将不同订单之间材料相似度高的订单作为同一批订单进行组批以提高待切割板材利的用率；后续针对每批次中材料相同的子项通过排样步骤排样，提升了对两重互异性矩形件排样材料利的用率。在排样步骤中，针对形状具有强互异性的矩形件，将对偶项作为虚拟项引入排样，构建排样模型，采用带对偶项的降序有限首次适应方法对排样模型进行高效求解，增加了排样的多样性。本发明将组批优化与矩形件排样有机结合起来，能够实现对大规模两重互异性矩形件的组批排样，且能够最大化板材的利用率。

技术领域

本发明属于矩形零件加工布局领域，更具体地，涉及一种大规模两重互异性矩形件的组批排样方法及系统。

背景技术

矩形件排样常见于皮革剪裁、家具加工、玻璃切割、钣金加工等方面，是制造业自动化的关键步骤，直接影响加工的成本与质量。通过合理规划矩形件在板材上的布局，可以提高板材利用率、简化切割过程、或保障加工质量。

通常采用基于数学规划的确定性算法、启发式算法和智能优化算法三类对矩形件排样。基于数学规划的确定性算法主要针对小批量矩形件进行排样，无法解决大规模矩形件排样的问题。启发式算法虽然在求解大规模矩形件排样时可以快速的给出排样方案，但由于算法相对简单，求解出的排样方案对应的板材利用率不高。大多数智能算法都要对样本进行反复迭代，步骤繁琐，尤其是在针对大规模矩形件排样时求解时间过长；另外，智能算法中普遍存在大量待调参数，求解结果的优劣太过依赖于初始参数的选取，所以常常出现结果不稳定或过早收敛的现象。

同时，上述方法均是针对形状存在强互异性的矩形件进行排样，不适用矩形件的形状和所用材料均存在强互异性的两重互异性矩形件的排样。因此，针对大规模两重互异性矩形件排样，如何提升排样的稳定性、效率及板材利用率，是亟待解决的问题。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种大规模两重互异性矩形件的组批排样方法及系统，其目的在于提升两重互异性矩形件排样中待切割板材的利用率。

为实现上述目的，按照本发明的一个方面，提供了一种大规模两重互异性矩形件的组批排样方法，包括组批步骤和排样步骤，所述组批步骤包括S1-S5，所述排样步骤包括S6：

S1、将订单集O中的产品项依订单划分，所述产品项为待加工的矩形件；

S2、构造空订单列表，称为可行订单列表；遍历此时的订单集，将当前订单放入此时的可行订单列表中，并将当前订单从此时的订单集中删除；

S3、计算此时的可行订单列表中的订单集与此时的订单集之间的材料相似度，将材料相似度最大的订单放入此时的可行订单列表中，并将材料相似度最大的订单从此时的订单集中删除；

S4、重复S3，直至此时的可行订单列表中的产品项个数超过设定的数量约束或所述产品项总面积超过设定的产能约束，将所述此时的可行订单列表中的订单集作为一个批次的订单；

S5、重复S2-S4，直至所述订单集O中所有订单都被分批，并将每个批次的订单按照材料相同划分为多个子项；

S6、对每个子项中的产品项进行排样，得到每个子项对应的排样方案。

进一步地，S3中，通过计算此时的可行订单列表中的订单集A与此时的订单集B之间的相似度矩阵R(A,B)得到所述材料相似度；所述相似度矩阵R(A,B)为：

R(A,B)＝|m(A)∩m(B)|/|m(A)∪m(B)|

其中，m(A)表示所述订单集A中所有材料的集合，m(B)表示所述订单集B中所有材料的集合，|m(A)∩m(B)|表示所述订单集A和所述单集B中所有材料的数量，|m(A)∪m(B)|表示所述订单集A和所述单集B中相同材料的数量。