Verfahren zur Verschnittoptimierung

Abstract

Der vorgestellte Algorithmus zur Minimierung des Verschnittes des Schneideverfahrens bei Folien Fischer kann wie folgt beschrieben werden. Durch die Projektion des zweidimensionalen Ausgangsproblems in zwei eindimensionale Probleme konnte mit ressourcenarmen Methoden eine Approximation der optimalen Lösung erhalten werden. Die dynamische Optimierung auf der einen Seite erzeugte eine möglichst gute Breitenausnutzung, wobei von einer optimalen Lösung Abstand genommen werden musste, da nur eine approximative Lösung erzeugt werden konnte.<br />Das ursprünglich verwendete bestfit-Verfahren wurde dabei von der dynamischen Optimierung dominiert. Auf der anderen Seite wurde ein Verfahren gefunden, welches für die individuellen Ausgangslagen eine verschnittminimale Längsausnutzung schaffte. Mit Hilfe der eingeführten Parameter können, je nach Auftragsstatistik, wiederkehrende Muster zur weiteren Verschnittminimierung genutzt werden. Die vorgestellten Ergebnisse zeigen, dass die gewählten Parameter für gewisse Situationen sinnvoll sein können. Sind demnach Muster, bzw. beliebte Breiten bekannt, so ist eine Verwendung dieser Parameter zielführend. Für die angepeilte Implementierung des Algorithmus bei Folien Fischer ist also noch eine Feinjustierung dieser Parameter nötig. Dafür ist ein hinreichend großer Datensatz an tatsächlich eingehenden Aufträgen notwendig. Erst wenn diese Abstimmung durchgeführt werden konnte, ist ein Einsatz sinnvoll. Die vorliegenden Ergebnisse zeigen, dass ein stabiles Verfahren gefunden wurde, welches für kontinuierliche Auftragsbreiten einen durchschnittlichen Verschnitt von etwa 5 Prozent erreicht. Durch spezielle Parameterwahl kann dieser Verschnitt noch verbessert werden.<br />

The algorithm that was developed for a minimization of the cutting problems at Folien Fischer AG can be described as follows:<br />The original two-dimensional bin packing problem was projected into two one-dimensional problems. Due to this projection heuristic methods, working on low resources, were installed to keep the fitting problem efficient.<br /> The original problem cannot be described by analytical functions, since the correlations and interactions of its parameters are not fully known.<br />This is why heuristic methods have to be adjusted to give a good approximation of the optimal solution. Since the variety of heuristic methods on this issue is huge, two specific algorithms were selected. On the one hand the bestfit algorithm was implemented to show a simultaneous bin packing that is online and considers all bins at the same time. On the other side the dynamic optimization was used to show iterative bin packing. This method delivers much better results in offline modus but needs more resources and time. By developing a discrete dynamic optimization, which is no more optimal but almost, a rather quick method could be established that satisfied the desired accuracy.<br />