Сокращение отходов производства приводит к снижению себестоимости конечного продукта, а, значит, к увеличению прибыли. Для изготовления деталей из сырья часто требуется раскрой из металлического листового материала на заготовки произвольной формы, например, в машиностроении, автомобильной промышленности, на металлообрабатывающих заводах и других производствах. Для экономии необходимо рационально разместить детали на полотне. Такой процесс известен как создание карты раскроя материала. Использование дорогостоящего сырья предъявляет еще более жесткие требования к качеству и методам решения проблемы. Ученые ПНИПУ разработали комбинированный алгоритм для оптимального расположения фигур на листе на основе технологии искусственных нейросетей.
Пример отработки алгоритма / © Сергей Зыкин, ПНИПУ
Такой способ минимизирует отходы производства при вырезании деталей, что позволит экономить сырье и повышать эффективность производства.
Существует два вида фигурного раскроя: регулярный и нерегулярный. В первом – у всех геометрических объектов одинаковая форма и ориентация. Решение задачи второго типа практически невозможно точными методами из-за произвольности форм и, следовательно, большого объема входных данных.
Основная проблема заключается в том, что одни способы приводят к нецелесообразным временным затратам в связи с перебором объектов, другие ограничиваются лишь одним из оптимальных вариантов, а не самым лучшим (локальные результаты, которые не соответствуют глобальному).
Ученые Пермского Политеха разработали новый уникальный алгоритм решения задачи двумерного (плоского) нерегулярного раскроя материала с использованием технологии нейронных сетей.
На первом этапе оператор задает размеры и форму листа. Далее производит выбор из стандартных фигур, таких как круг, квадрат, треугольник и указывает их размеры. Если необходимо разложить детали нестандартной формы, то их можно задать посредством координат или выгрузкой из базы данных. После чего запускается обучение, и затем программа выполняет сам раскрой.
Для повышения эффективности алгоритм дополнен гравитационным уплотнением карты раскроя – на фигуры действуют случайные силы внутри физически смоделированной среды. При таком воздействии на объекты они располагаются более плотно: по аналогии с реальным миром, если трясти закрытую коробку с различными предметами, то они расположатся наиболее оптимальным для себя образом. В случае его использования результат заполнения улучшается до 22 процентов.
«В основу алгоритма легла идея моделирования процесса обучения, по аналогии с реальным миром, когда человек с нуля обучается какому-либо навыку. Перед нейронной сетью стоит цель научится находить приемлемое решение задачи раскроя-упаковки. Для того, чтобы снизить нагрузку и уменьшить время сходимости, проектируется среда по реальным физическим законам. Она полностью исключает случаи взаимного пересечения фигур и выход их за границы области раскроя», – поделился старший преподаватель кафедры «Технических дисциплин» Лысьвеньского филиала ПНИПУ Сергей Зыкин.
Работа нейронной сети проходит по эпизодам. Эпизод – это одна попытка получить решение задачи. Нейросеть обучалась на 30000 таких эпизодов, при этом их количество может увеличиваться в зависимости от числа фигур в раскрое.
Разработка политехников реализована в виде программы. С ее помощью на производстве можно автоматически составлять эскизы заготовки с контурами вырезаемых деталей и получать рекомендации рационального размещения геометрических объектов сложной формы на листе. Сейчас программа проходит испытания как на градообразующем, так и на малых предприятиях, которые используют в своем производстве раскрой материала.
На разработку выдано соответствующее свидетельство. Статья опубликована в «Вестнике ВГУ. Системный анализ и информационные технологии». Исследование выполнено при финансовой поддержке Российского научного фонда.