开发者社区> Matlab科研工作室> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

2022年中国研究生数学建模竞赛B题参考代码及思路-方形件组批优化问题

简介: 2022年中国研究生数学建模竞赛B题参考代码及思路-方形件组批优化问题
+关注继续查看

?一、背景介绍

智能制造被“中国制造2025”列为主攻方向, 而个性化定制、更短的产品及系统生命周期、互联互通的服务模式等成为目前企业在智能制造转型中的主要竞争点。以离散行业中的产品为例,如电子器件、汽车、航空航天零部件等,这些产品均是依赖于机械设计、可分散加工、可灵活组装且同类产品款式极多。对于此类产品,客户可能提出的产品需求难以穷举、订单规模难以预测且产品质量要求极高。此时“个性化定制”的服务需求则要求企业具有高效快速的需求分析及产品设计能力、具有柔性且精益的生产流程、具有完整且精细的全流程生产管控能力。

方形件产品(也称板式类产品)是以板材为主要原片、通过平面加工后的几种板式配件装配而形成的一类产品。常见方形件产品制造企业,如3C(计算、通讯、消费电子)、板式家具、玻璃、钣金件等行业,多采用“多品种小批量”的个性化定制生产,由于企业订单数量庞大,生产组织通常采用“订单组批+批量生产+订单分拣”的模式,通过使用订单组批来实现批量切割,提高原材料的利用率,加工完成后再按不同客户订单进行分拣。

上述个性化定制生产模式中的订单组批排样优化至关重要,订单组批是将不同订单组成若干批次,实现订单的批量化生产。在对小批量、多品种、大规模的订单进行组批生产时,如果组批批次太小,材料利用率低,生产效率低;如果组批批次太大,材料利用率会提高,但订单交货期得不到保证,订单分拣难度提高,生产效率降低,缓冲区容量不足而造成堵塞等,需要解决个性化与生产高效性之间的矛盾。

排样优化本质上一个下料问题(也称切割填充问题),优化的目的是合理规划方形件在板材上的布局,以减少下料过程中存在板材浪费,简化切割过程。此问题是一种计算复杂度很高的组合优化问题,也是运筹学中的一个重要分支。下料作为众多制造企业生产链中产品及零部件生产的第一道工序,消耗的材料和资源不容小视,如何提高材料利用率,降低原材料消耗,是企业减少资源和能源浪费,承担环境责任所要解决的关键问题。

二、问题描述

订单组批问题:在考虑订单交货期、设备产能负荷、仓储容量、材料利用率、生产效率、生产工艺约束等因素下,对生产订单进行组批优化。使具有相同材质、交货期相近、工艺相似的订单安排在同一个生产批次, 通过订单组批优化来保证交货期, 提高原材料的利用率,提高设备生产效率等。为便于统一处理数据和体现问题本质,本次赛题所有订单的交货期均相同,不做区分。批次的定义为完成若干订单全部任务且不含任何不完整订单任务的订单集合。

下料优化问题(也称排样优化问题):根据同一生产批次内方形件的尺寸与数量,选择原片的规格和数量,进行下料排样优化,最大化板材原片利用率。依据切割工序的工艺要求,排样方案必须满足“一刀切”(也称齐头切,Guillotine?cut)约束(任何一次直线切割都要保证板材可分离,换言之,每次直线切割使得板材分成两块)。下料优化问题属于具有“一刀切”约束的板型材方形件排样优化问题。

考虑切割工艺的方式不同,分齐头切(guillotine cut)和非齐头切(如图1),齐头切又可以细分精确方式和非精确方式(涉及到切割的阶段数,如图2).图2中的三阶段排样方式主要有三种不同的类型:三阶段非精确(3NE)排样方式、三阶段匀质排样方式(3E)、三阶段同质排样方式(3H)。其中 3E 和 3H 排样方式可在三个阶段内切割出准确尺寸的方形件,因此都属于精确排样方式。3NE 排样方式中,部分方形件还需要额外的第四阶段切割才能得到满足规格尺寸要求。

imageimage.gif编辑

(a)齐头切(guillotine cutting)?????????????????????????????????(b)非齐头切(non-guillotine cutting)

图1 切割示意:(a)齐头切(guillotine cutting)和(b)非齐头切(non-guillotine cutting)

imageimage.gif编辑

图2 三阶段排样方式

由于涉及到阶段数不同,不同文献对于切割每个阶段的称呼不一样,为了便于理解和统一表述形式,采用英文的方式形容关键阶段模块的描述,具体可参见图3(实际切割过程中,第一刀可能垂直于长边,也可能垂直于短边,图3以垂直于其中一条边为例)。

imageimage.gif编辑

图3 不同切割阶段的形式定义

因为常见的阶段最多为3-4个,因此以3阶段的切割方式为例(如图3),第1阶段的横向切割生成模块称之为stripe(条带),如Stripe1和Strip2;第2阶段纵向切割生成模块称之为stack(栈),如Strip1继续被切割分成Stack1、Stack2和Stack3;第三阶段横向切割生成模块称之为item(产品项),如Stack1继续被切割分成Item1、Item2和Item3。

三、

本赛题由两个子问题组成,第二个子问题的约束都基于第一个子问题并与之相容,但两个子问题所提供的数据不相关。如果概念定义和过程描述与业界有所出入,皆以本赛题为准。本题假定:

    1. 只考虑齐头切的切割方式(直线切割、切割方向垂直于板材一条边,并保证每次直线切割板材可分离成两块);
    2. 切割阶段数不超过3,同一个阶段切割方向相同;
    3. 排样方式为精确排样;
    4. 假定板材原片仅有一种规格且数量充足;
    5. 排样方案不用考虑锯缝宽度(即切割的缝隙宽度)影响。

    子问题1:排样优化问题。要求建立混合整数规划模型,在满足生产订单需求和相关约束条件下,尽可能减少板材用量。

    约束:

      1. 在相同栈(stack)里的产品项(item)的宽度(或长度)应该相同;
      2. 最终切割生成的产品项是完整的,非拼接而成。

      本子问题要求编程,以数据集A为输入,输出结果要求见第五部分。

      子问题2:订单组批问题。要求建立混合整数规划模型,对数据集B中全部的订单进行组批,然后对每个批次进行独立排样,在满足订单需求和相关约束条件下,使得板材原片的用量尽可能少。

      在满足子问题1约束的基础上进一步要求:

        1. 每份订单当且仅当出现在一个批次中;
        2. 每个批次中的相同材质的产品项(item)才能使用同一块板材原片进行排样;
        3. 为保证加工环节快速流转,每个批次产品项(item)总数不能超过限定值;
        4. 因工厂产能限制,每个批次产品项(item)的面积总和不能超过限定值

        版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

        相关文章
        2022年中国研究生数学建模竞赛B题 方形件组批优化问题思路分析
        2022年中国研究生数学建模竞赛B题 方形件组批优化问题
        0 0
        2023美国大学生数学建模竞赛ABCDEF题思路汇总 美赛建模思路
        2023美国大学生数学建模竞赛ABCDEF题思路汇总 美赛建模思路
        0 0
        2022年中国研究生数学建模竞赛E题思路及参考代码-草原放牧策略研究
        2022年中国研究生数学建模竞赛E题思路及参考代码-草原放牧策略研究
        0 0
        2022年中国研究生数学建模竞赛A题思路及参考代码-移动场景超分辨定位问题
        2022年中国研究生数学建模竞赛A题思路及参考代码-移动场景超分辨定位问题
        0 0
        2022年中国研究生数学建模竞赛D题参考代码及思路-PISA架构芯片资源排布问题
        2022年中国研究生数学建模竞赛D题参考代码及思路-PISA架构芯片资源排布问题
        0 0
        2022年中国研究生数学建模竞赛C题代码及参考思路-汽车制造涂装-总装缓存调序区调度优化问题
        2022年中国研究生数学建模竞赛C题代码及参考思路-汽车制造涂装-总装缓存调序区调度优化问题
        0 0
        神经网络来袭!划重点:60分钟入门,这是最深入浅出的一次
        现在对PyTorch的自动求导机制(autograd)有所了解,nn 依赖autograd来定义模型和区分它们。一个nn.Module包括layers和返回输出值的forword(input)方法。
        353 0
        2022年中国研究生数学建模竞赛E题 草原放牧策略研究思路分析
        2022年中国研究生数学建模竞赛E题 草原放牧策略研究
        0 0
        2017 年“认证杯”数学中国数学建模网络挑战赛 C题思路讲解
        之前有小伙伴私信我叫我说说这次比赛C题的思路,怎么写的,我就写篇博客说说吧,仅供参考! 针对C题,该题目比较综合,是一个成熟的数模赛题,与国赛的相似性较高。一般而言,第一问难度较低,题目要求进行数据挖掘,找出影响移动端产品发展的主要因素,我们可以把问题简化为从多因子中提取若干主要因子进行分析。
        1432 0
        +关注
        Matlab科研工作室
        博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题关注公众号 天天Matlab。
        文章
        问答
        文章排行榜
        最热
        最新
        相关电子书
        更多
        考察数据科学家支持向量机(SVM)知识的25道题,快来测测吧
        立即下载
        EasyRL强化学入门与实践
        立即下载
        大数据可视化与自然之美
        立即下载
        http://www.vxiaotou.com