卷膜分切排产方案

详细介绍:

在金属加工、家具制造还是纺织品生产中，经常碰到形状切割问题（ Cutting Stock Problem），简单来说，这个问题要求我们从一块给定尺寸的材料中切割出一系列预定形状的物品，目的是最大化材料的使用效率，同时最小化浪费。 
虽然表述看似直白，但实际解决过程却充满了复杂性。 形状切割问题（ Cutting Stock Problem）包括一维切割、二维切割、三维切割，以其多变的问题形式和实际应用的广泛性，成为了运筹学和优化领域中一个非常有趣且具有挑战性的研究课题。 
云筹优化APS智能排产系统自研基于列生成算法的高效切割算法，可以快速生成最佳分切方案，适用于造纸、塑料薄膜、钢铁、无纺布、铜箔、铝箔等行业。  

列生成算法 Column generation 是一种用于求解大规模线性优化问题的非常高效的算法。[3]其理论基础是由Danzig等于1960年提出。本质上而言，列生成算法就是单纯形法的一种形式，是用来求解线性规划问题的。列生成算法已被应用于求解如下著名的NP-hard优化问题：机组人员调度问题(Crew Assignment Problem)、切割问题(Cutting Stock Problem)、车辆路径问题(Vehicle Routing Problem)、单资源工厂选址问题(The single facility location problem )等。 

 一维切割的思路，扩展一下，在实际中也有很多应用，如： 
钢筋切割，将统一的长钢筋原材料，根据需求切割成不同长度小尺寸，如何切割能最小化使用的原材料数。
木材加工，从长度不一的原材料木材中，切割出多种长度的小段，如何切割能最大化成品总长度数，提高原木材利用率。
计算资源分配，将不同规格的机器，容器化成多个虚拟计算资源，如何划分能满足用户的使用需求，提高在使用机器的利用率。
时间管理，将完整的工作日或项目周期分配给多个任务，使得每个任务都有足够的时间完成，同任务尽量连续时间，避免频繁切换导致时间浪费。
货运装箱，在物流运输中，如何将一堆不同大小的货物合理地分配给不同的货车或者集装箱，有效提高装载效率，降低货运成本。此问题在有些场景可以用一维问题来表示，还有很多厂家是需要3维装箱问题来表达。