首页|融合LSTM预测需求的线型材料多批次优化下料方法

融合LSTM预测需求的线型材料多批次优化下料方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对小批量多批次生产模式下的线型材料优化下料问题,提出利用长短期记忆网络(LSTM)对后续批次的下料需求进行预测的方法.按照集中下料思想,将预测得到的多个批次下料需求整合成一个较大规模的优化下料问题进行求解,并通过补偿下料对预测误差产生的缺料进行补偿以满足实际下料需求.基于LSTM和经典的列生成法构建型材优化下料模型,根据收集到的下料需求历史数据对模型进行训练和测试.仿真实验结果表明,该模型对切割零件需求预测精度较高(平均决定系数R2达到0.93),相比批次下料方法和基于库存下料方法,原材料利用率分别提升了0.14％和0.03％,原材料成本分别减少了14963.4元和14332.4元,证明了模型的有效性.
An Approach Based on Demand Prediction with LSTM for Solving Multi-batch One-dimension Cutting Stock Problems

庞凯民、朱波、张宏硕、刘宁、张连富

展开 >

昆明理工大学机电工程学院,云南昆明650500

沈阳机床(集团)有限责任公司,辽宁沈阳110142

线型材料优化下料 多批次下料 列生成法 需求预测 长短期记忆人工神经网络(LSTM)

国家重点研发计划项目云南省人才培养项目

2017YFB1400301KKSY201401007

2021

10.11907/rjdk.211040

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(12)
  • 16