A Genetic Algorithm for Optimizing Production in a Cold Rolled Steel Slitting Line

• Autorzy: Mahanty B. , Rakshit P.

Warianty tytułu

PL

Genetyczny algorytm optymalizacji produkcji w linii cięcia stali walcowanej na zimno

• Języki publikacji: EN

Abstrakty

EN

This paper presents a genetic algorithm for optimizing production in a cold rolled steel slitting line in a steel service center in India. The steel service center needs to generate a sequence of jobs for the slitter that involves the generation of a cutting pattern for each mother coil according to the customer order widths. A cutting pattern is an arrangement of the slitter knives for each mother coil under consideration. The following objectives are considered: 1) minimization of weight deviation for each customer order, 2) minimization of the slitter head setup time, and 3) minimization of the trim loss. The constraints include the following: 1) The sum of all customer order widths of a pattern should not exceed the width of the mother coil considered, 2) A customer order can be in excess or in deficit but not both, 3) A mother coil can have only one pattern associated with it, and 4) The customer order weight deviation should be within acceptable ranges. For the problem under consideration, a mother coil having the highest width is chosen and all the patterns possible from the given set of customer orders are generated using the Pierce algorithm. Each pattern is assigned a pattern number which is used for encoding in the genetic algorithm. The genetic algorithm selects those cutting patterns that generate trims under a specified limit, penalizes both over-production and under-production and penalizes each additional setup. The genetic algorithm is validated with a number of test problems. The application of the algorithm resulted in yield improvement to the tune of 5% and reduction of weight deviation for the customers to the tune of 15-20%. The genetic algorithm also generates a number of scheduling options for the steel service center

PL

Autorzy artykułu przedstawiają zagadnienie dotyczące algorytmu optymalizacji produkcji na linii cięcia stali walcowanej na zimno w wytwórni stali w Indiach. Wytwórnia ma za zadanie stworzenie ciągu stanowisk do obsługi nożycy, co wiąże się z wykonaniem wzorca cięcia dla każdego kręgu pilotującego, zgodnie z zamówieniem klienta co do szerokości cięcia. Wzór cięcia stanowi układ noży dla każdego kręgu pilotującego. Rozważane są następujące zadania: 1) zminimalizowanie odchyłek wagi przy każdym zamówieniu, 2) zminimalizowanie czasu ustawienia głowicy nożycy, 3) zminimalizowanie strat materiału w wyniku cięcia. Ograniczenia dla optymalizacji są następujące: 1) suma wszystkich szerokości zamówień danego wzoru nie powinna przekraczać szerokości rozważanego kręgu pilotującego, 2) zamówienie danego klienta może być albo w nadmiarze albo w niedomiarze, lecz nie równocześnie w obu przypadkach, 3) krąg pilotujący może mieć tylko jeden wzorzec przypisany do niego, 4) odchyłki wagi w zamówieniach klientów powinny zawierać się w dopuszczalnym zakresie.

Słowa kluczowe

EN

genetic algorithm; optimization; cutting pattern; cold rolled steel slitting

• Wydawca: Wydawnictwa AGH
• Czasopismo: Computer Methods in Materials Science
• Rocznik: 2013
• Tom: Vol. 13, No. 1
• Strony: 160--165
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Mahanty B.

• Department of Industrial Engineering and Management, Indian Institute of Technology Kharagpur, Kharagpur, WB-721302, India

autor

Rakshit P.

• Department of Industrial Engineering and Management, Indian Institute of Technology Kharagpur, Kharagpur, WB-721302, India

Bibliografia

• Bak, S., Blazewicz, J., Pawlak, G., Płaza, M., Burke, E.K., Kendall, G., 2011, A Parallel Branch-and-Bound Approach to the Rectangular Guillotine Strip Cutting Problem, INFORMS Journal on Computing, 23, 15-25.
• Bortfeldt, A., 2006, A Genetic Algorithm for the Two-Dimensional Strip Packing Problem with Rectangular Pieces, European Journal of Operational Research, 172, 814-837.
• Gemmil, D.D., Sanders, J.L., 1990, Approximate Solutions for the Cutting Stock ‘Portfolio’ Problem, European Journal of Operational Research, 44, 167-174.
• Gilmore, P.C., Gomory, R.E., 1961, A Linear Programming Approach to the Cutting Stock Problem, Operations Research, 9, 849-859.
• Gilmore, P.C., Gomory, R.E., 1963, A Linear Programming Approach to the Cutting Stock Problem - Part II, Operations Research, 11, 863-888.
• Goldberg, D.E., 1989, Genetic Algorithms in Search Optimization and Machine Learning, Addison Wesley Longman Inc., Massachusetts.
• Haessler, R.W., 1971, An Heuristic Programming Solution to a Non Linear Cutting Stock Problem, Management Science, 17, B-793-802.
• Haessler, R.W., Talbot, F.B., 1983, A 0-1 Model for Solving the Corrugator Trim Problem, Management Science, 29, 200-209.
• Hinterding, R., Juliff, K., 1993, A Genetic Algorithm for Stock Cutting: An Exploration of Mapping Schemes. Technical Report 24, COMP3, February, Department of Computer and Mathematical Sciences, Victoria University.
• Liang, K., Yao, X., Newton, C., Hoffman, D., 2002, A New Evolutionary Approach to Cutting Stock Problem With or Without Contiguity, Computers and Operations Research, 29, 1641-1659.
• Lutfiyya, H., McMillan, B., Poshyanonda, P., Dagli, C., 1992, Composite Stock Cutting through Simulated Annealing, Mathematical and Computer Modelling, 16, 57-74.
• Ortmann, F. G., Ntene, N., Van Vuuren, J. H., 2010, New and Improved Level Heuristics for the Rectangular Strip Packing and Variable-Sized Bin Packing Problems, European Journal of Operational Research, 203, 306–315.
• Pierce, J.F., 1964, Some Large Scale Production Scheduling Problems in the Paper Industry, Prentice Hall. Englewood Cliffs, N.J.
• Vahrenkemp, R., 1996, Random Search in the One-Dimensional Cutting Stock Problem, European Journal of Operational Research, 95, 191-200.
• Wagner, B.J., 1999, A Genetic Algorithm Solution for One- Dimensional Bundled Stock Cutting, European Journal of Operational Research, 117, 368-381.
• Wei, L., Zhang, D., Chen, Q., 2009, A Least Wasted First Heuristic Algorithm for the Rectangular Packing Problem, Computers & Operations Research, 36, 1608-1614.