Den minimalen Verschnitt berechnen

Sie können bis zu 50% Material einsparen und sehen Sie darüber hinaus die Daten direkt an der entsprechenden Maschine angezeigt, durch ein Software-Zusatzmodul und einem Monitor-System.

Die bevorzugte Variante ist da der Einsatz des genetischen Algorithmus (GA) und kann beispielhaft folgendermaßen aussehen:

Gegeben sei eine unbegrenzte Menge an Rohmaterial mit einer Länge von 6 Metern und eine Menge von 20 Stücken mit variierenden Längen zwischen 0,75 und 2,8 Metern. Wenn Sie die optimale Aufteilung der Stücke auf einem Materialstück suchen, die den Verschnitt minimiert.

1. Kodierung der Lösungen: Jede mögliche Lösung kann als eine Folge von Binärzahlen dargestellt werden, wobei jede Ziffer entweder 0 oder 1 ist und angibt, ob das entsprechende Stück auf das aktuelle Materialstück passt oder nicht.
2. Initialisierung der Population: Eine zufällige Anzahl von Lösungen wird erzeugt und als Population bezeichnet.
3. Fitnessfunktion: Eine Fitnessfunktion wird definiert, die den Verschnitt der Lösungen misst. In diesem Beispiel wird der Verschnitt als die Summe der ungenutzten Materialstücke berechnet.
4. Selektion: Eine Auswahl von Lösungen wird basierend auf ihrer Fitness/Paßgenauigkeit getroffen, wobei die besten Lösungen bevorzugt werden.
5. Crossover: Die ausgewählten Lösungen werden kombiniert, indem Teile der Lösungen ausgetauscht werden. In diesem Beispiel könnte man z.B. zwei Lösungen miteinander kombinieren, indem man jeweils die erste Hälfte der einen Lösung und die zweite Hälfte der anderen Lösung nimmt.
6. Mutation: In einigen Fällen wird zufällig eine Veränderung an einer Lösung vorgenommen, um die Suche nach der optimalen Lösung zu verbessern.
7. Wiederholung: Die Schritte 3-6 werden wiederholt, bis eine zufriedenstellende Lösung gefunden wird oder das Programm eine vorgegebene Anzahl von Generationen durchläuft.
8. Lösung: Die beste Lösung wird als Ergebnis ausgegeben.

Dieses Beispiel zeigt, wie ein genetischer Algorithmus eingesetzt werden kann, um ein Längenoptimierungsproblem zu lösen. Die Wahl der Kodierung, der Fitnessfunktion, der Selektions-, Crossover- und Mutationsoperatoren kann je nach Problemstellung variieren und erfordert eine gewisse Expertise in der Anwendung von GA-Methoden.