Advertisement

Maximale Materialausbeute bei der Edelsteinverwertung

Chapter

Zusammenfassung

Die Fertigung von Schmucksteinen aus Rohedelsteinen ist mathematisch betrachtet ein Problem der maximalen Materialausbeute. In einen unförmigen Rohstein müssen ein oder mehrere Schmucksteine so eingebettet werden, dass sie im Ergebnis den größtmöglichen Wert liefern. Dabei ist neben der Lage auch die Form variabel. Dies unterscheidet das Problem von den in der Literatur bekannten Zuschnitt- und Packungsproblemen. Auf der Modellierungsseite treten drei höchst anspruchsvolle Herausforderungen auf: die Trennung der kontinuierlichen, für die Maximierung der Ausbeute wesentlichen Parametern von den diskreten Parametern, die etwa die Facettierung beschreiben, eine mathematisch handhabbare Beschreibung von Ästhetikansprüchen und die Umformulierung von Enthaltenseins- bzw. Nichtüberlappungsbedingungen in effizient lösbare Nebenbedingung. Für Letzteres bieten sich die Methoden der allgemeinen semi-infiniten Optimierung an. Das numerische Lösen derartiger Optimierungsaufgaben mit praktischem Hintergrund ist anspruchsvoll und in der mathematischen Literatur häufig nur in Form konzeptioneller Lösungsansätze abgebildet. Unter anderem beschreibt dieses Kapitel einen neuartigen Ansatz dazu und zeigt, wie man diesen erfolgreich auf das Problem anwenden kann.

Literaturverzeichnis

Publikationen zum Thema am Fraunhofer ITWM

  1. 1.
    Haase, S., Süss, P., Schwientek, J., Teichert, K., Preusser, T.: Radiofrequency ablation planning: an application of semi-infinite modelling techniques. Eur. J. Oper. Res. 218(3), 856–864 (2012). doi: 10.1016/j.ejor.2011.12.014 CrossRefGoogle Scholar
  2. 2.
    Küfer, K.H., Stein, O., Winterfeld, A.: Semi-infinite optimization meets industry: a deterministic approach to gemstone cutting. SIAM News 41(8) (2008) Google Scholar
  3. 3.
    Ludes, T.: Inverse convex approximation of irregular solids by tensor-product splines. Diplomarbeit, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2008) Google Scholar
  4. 4.
    Maag, V.: A collision detection approach for maximizing the material utilization. Optimization Online, Preprint ID 2014-09-4543 (2014) Google Scholar
  5. 5.
    Maag, V., Berger, M., Winterfeld, A., Küfer, K.H.: A novel non-linear approach to minimal area rectangular packing. Ann. Oper. Res. 179, 243–260 (2008). doi: 10.1007/s10479-008-0462-7 CrossRefGoogle Scholar
  6. 6.
    Malysheva, O.: Optimal approximation of nonlinear gemstone-models by parameterized polyhedra. Diplomarbeit, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2008) Google Scholar
  7. 7.
    Proll, S.: Matching and alignment methods for three-dimensional objects applied to the volume optimization of gemstones. Diplomarbeit, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2009) Google Scholar
  8. 8.
    Schwientek, J., Seidel, T., Küfer, K.H.: A transformation-based discretization method for solving general semi-infinite optimization problems. Working paper Google Scholar
  9. 9.
    Seidel, T.: Konvexitäts- und Konvergenzbetrachtungen am Beispiel des transformationsbasierten Diskretisierungsverfahrens für semi-infinite Optimierungsprobleme. Bachelorarbeit, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2014) Google Scholar
  10. 10.
    Stein, O., Winterfeld, A.: A feasible method for generalized semi-infinite programming. J. Optim. Theory Appl. 146(2), 419–443 (2010). doi: 10.1007/s10957-010-9674-5 MathSciNetCrossRefzbMATHGoogle Scholar
  11. 11.
    Winterfeld, A.: Maximizing volumes of lapidaries by use of hierarchical GSIP-models. Diplomarbeit, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2004) Google Scholar
  12. 12.
    Winterfeld, A.: Application of general semi-infinite programming to lapidary cutting problems. Eur. J. Oper. Res. 191, 838–854 (2008). doi: 10.1016/j.ejor.2007.01.057 MathSciNetCrossRefzbMATHGoogle Scholar

Dissertationen zum Thema am Fraunhofer ITWM

  1. 13.
    Maag, V.: Multicriteria global optimization for the cooling system design of casting tools. Ph.D. thesis, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2010). Erschienen bei Der Andere Verlag, Marburg, ISBN 978-3-89959-956-5 Google Scholar
  2. 14.
    Schwientek, J.: Modellierung und Lösung parametrischer Packungsprobleme mittels semi-infiniter Optimierung – Angewandt auf die Verwertung von Edelsteinen. Ph.D. thesis, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2013). Erschienen im Fraunhofer-Verlag, Stuttgart, ISBN 978-3-8396-0566-0 Google Scholar
  3. 15.
    Teichert, K.: A hyperboxing pareto approximation method applied to radiofrequency ablation treatment planning. Ph.D. thesis, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2013) Google Scholar
  4. 16.
    Winterfeld, A.: Large-scale semi-infinite optimization applied to lapidary cutting. Ph.D. thesis, TU Kaiserslautern (in Kooperation mit dem Fraunhofer ITWM) (2007). Erschienen bei dissertation.de – Verlag im Internet GmbH, Berlin, ISBN 978-3-86624-301-9 Google Scholar

Weitere Literatur

  1. 17.
    Amossen, R.R., Pisinger, D.: Multi-dimensional bin packing problems with guillotine constraints. Comput. Oper. Res. 37(11), 1999–2006 (2010) MathSciNetCrossRefzbMATHGoogle Scholar
  2. 18.
    Belov, G.: Problems, models and algorithms in one- and two-dimensional cutting. Ph.D. thesis, TU Dresden (2004) Google Scholar
  3. 19.
    Bennell, J.A., Oliveira, J.F.: The geometry of nesting problems: a tutorial. Eur. J. Oper. Res. 184(2), 397–415 (2008) MathSciNetCrossRefzbMATHGoogle Scholar
  4. 20.
    Boyd, S., Vandenberghe, L.: Convex Optimization, 7th edn. Cambridge University Press, Cambridge (2009) Google Scholar
  5. 21.
    Cui, Y., Chen, F., Liu, R., Liu, Y., Yan, X.: A simple algorithm for generating optimal equal circle cutting patterns with minimum sections. Adv. Eng. Softw. 41, 401–403 (2010) CrossRefzbMATHGoogle Scholar
  6. 22.
    Cui, Y., Gu, T., Hu, W.: Simplest optimal guillotine cutting patterns for strips of identical circles. J. Comb. Optim. 15, 357–367 (2008) MathSciNetCrossRefzbMATHGoogle Scholar
  7. 23.
    Diehl, M., Houska, B., Stein, O., Steuermann, S.: A lifting method for generalized semi-infinite programs based on lower level Wolfe duality. Comput. Optim. Appl. 54(1), 189–210 (2013) MathSciNetCrossRefzbMATHGoogle Scholar
  8. 24.
    Ericson, C.: Real-Time Collision Detection, vol. 14. Elsevier, Amsterdam (2005) Google Scholar
  9. 25.
    Fischer, K.: Edelsteinbearbeitung, Bd. 2, 3. Aufl. Rühle-Diebener-Verlag, Stuttgart (1996) Google Scholar
  10. 26.
    Gilmore, P.C., Gomory, R.E.: Multistage cutting-stock problems of two and more dimensions. Oper. Res. 13, 90–120 (1965) CrossRefGoogle Scholar
  11. 27.
    Goerner, S.: Ein Hybridverfahren zur Lösung nichtlinearer semi-infiniter Optimierungsprobleme. Ph.D. thesis, TU Berlin (1997) Google Scholar
  12. 28.
    Guerra Vázquez, F., Rückmann, J.J., Stein, O., Still, G.: Generalized semi-infinite programming: a tutorial. J. Comput. Appl. Math. 217(2), 394–419 (2008) MathSciNetCrossRefzbMATHGoogle Scholar
  13. 29.
    Hettich, R., Kortanek, K.O.: Semi-infinite programming: theory, methods, and applications. SIAM Rev. 35, 380–429 (1993) MathSciNetCrossRefzbMATHGoogle Scholar
  14. 30.
    Horst, R., Tuy, H.: The design centering problem. In: Global Optimization – Deterministic Approaches, pp. 572–591. Springer, Berlin (1996). Chap. C 4.1 Google Scholar
  15. 31.
    Lawrence, C.T., Tits, A.L.: Feasible sequential quadratic programming for finely discretized problems from SIP. In: Reemtsen and Rückmann [36], pp. 159–193 Google Scholar
  16. 32.
    Panier, E.R., Tits, A.L.: A globally convergent algorithm with adaptively refined discretization for semi-infinite optimization problems arising in engineering design. IEEE Trans. Autom. Control 34, 903–908 (1989) MathSciNetCrossRefzbMATHGoogle Scholar
  17. 33.
    de Queiroz, T.A., Miyazawa, F.K., Wakabayashi, Y., Xavier, E.C.: Algorithms for 3D guillotine cutting problems: unbounded knapsack, cutting stock and strip packing. Comput. Oper. Res. 39, 200–212 (2012) MathSciNetCrossRefzbMATHGoogle Scholar
  18. 34.
    Reemtsen, R.: Discretization methods for the solution of semi-infinite programming problems. J. Optim. Theory Appl. 71(1), 85–103 (1991) MathSciNetCrossRefzbMATHGoogle Scholar
  19. 35.
    Reemtsen, R., Goerner, S.: Numerical methods for semi-infinite programming: A survey. In: Reemtsen and Rückmann [36], pp. 195–275 Google Scholar
  20. 36.
    Reemtsen, R., Rückmann, J.J. (eds.): Semi-Infinite Programming. Kluwer Academic, Boston (1998) zbMATHGoogle Scholar
  21. 37.
    Scheel, H., Scholtes, S.: Mathematical programs with complementarity constraints: stationarity, optimality, and sensitivity. Math. Oper. Res. 25, 1–22 (2000) MathSciNetCrossRefzbMATHGoogle Scholar
  22. 38.
    Scheithauer, G.: Zuschnitt- und Packungsoptimierung: Problemstellungen, Modellierungstechniken, Lösungsmethoden. Vieweg+Teubner, Wiesbaden (2008) Google Scholar
  23. 39.
    Stein, O.: Bi-Level Strategies in Semi-Infinite Programming. Kluwer, Boston (2003) CrossRefzbMATHGoogle Scholar
  24. 40.
    Stein, O.: How to solve a semi-infinite optimization problem. Eur. J. Oper. Res. 223(2), 312–320 (2012) CrossRefzbMATHGoogle Scholar
  25. 41.
    Stein, O., Still, G.: On generalized semi-infinite optimization and bilevel optimization. Eur. J. Oper. Res. 142, 444–462 (2002) MathSciNetCrossRefzbMATHGoogle Scholar
  26. 42.
    Stein, O., Still, G.: Solving semi-infinite optimization problems with interior point techniques. SIAM J. Control Optim. 42(3), 769–788 (2003) MathSciNetCrossRefzbMATHGoogle Scholar
  27. 43.
    Stein, O., Tezel, A.: The semismooth approach for semi-infinite programming under the reduction ansatz. J. Glob. Optim. 41(2), 245–266 (2008) MathSciNetCrossRefzbMATHGoogle Scholar
  28. 44.
    Stein, O., Tezel, A.: The semismooth approach for semi-infinite programming without strict complementarity. SIAM J. Optim. 20(2), 1052–1072 (2009) MathSciNetCrossRefzbMATHGoogle Scholar
  29. 45.
    Still, G.: Generalized semi-infinite programming: theory and methods. Eur. J. Oper. Res. 119, 301–313 (1999) CrossRefzbMATHGoogle Scholar
  30. 46.
    Still, G.: Discretization in semi-infinite programming: the rate of convergence. Math. Program. 91, 53–69 (2001) MathSciNetzbMATHGoogle Scholar
  31. 47.
    Still, G.: Generalized semi-infinite programming: numerical aspects. Optimization 49, 223–242 (2001) MathSciNetCrossRefzbMATHGoogle Scholar
  32. 48.
    Still, G.: Solving generalized semi-infinite programs by reduction to simpler problems. Optimization 53(1), 19–38 (2004) MathSciNetCrossRefzbMATHGoogle Scholar
  33. 49.
    Weber, G.W.: Generalized semi-infinite optimization: on some foundations. J. Comput. Sci. Technol. 4, 41–61 (1999) zbMATHGoogle Scholar
  34. 50.
    Weber, G.W.: Generalized Semi-Infinite Optimization and Related Topics. Heldermann-Verlag, Lemgo (2003) zbMATHGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2015

Authors and Affiliations

  1. 1.Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWMKaiserslauternDeutschland

Personalised recommendations