Ottimizzazione della disposizione di poligoni non regolari

Nella presente tesi di laurea è stato affrontato un problema di Nesting bidimensionale di particolare rilevanza nell’ambito degli innovativi processi industriali di prototipazione rapida per le notevoli implicazioni di carattere economico e tecnologico.
Scopo del presente lavoro è stato quello di illustrare un nuovo approccio sperimentale per la determinazione della disposizione ottimale di oggetti in un processo di rapid prototyping.
Lo studio è stato condotto utilizzando 12 pezzi di forma irregolare, quindi tale procedura potrà essere applicata ad un qualsiasi insieme di pezzi di qualsiasi forma. La metodologia proposta si basa su una data orientazione delle parti ottenuta in riferimento ad un particolare criterio che si intende ottimizzare.
Il primo step dell’elaborato, ovvero l’elaborazione dell’algoritmo di riduzione, ha prodotto i presupposti necessari per giungere realmente ad una disposizione ottima dei profili.

Esso ha, infatti, creato le condizioni per elaborare in tempi brevissimi un layout delle parti sfruttando il concetto di No Fit Polygon che, come visto, permette un migliore utilizzo, in termini di densità, della piattaforma di fabbricazione; finora questo non era possibile a causa degli enormi tempi computazionali necessari. L’impiego dell’algoritmo di riduzione ha permesso, dunque di utilizzare un algoritmo di Nesting, basato sui No Fit Polygon, in grado di superare i limiti delle metodologie di Canellidis et al., basati sull’utilizzo dei Bounding Rectangle.
L’eccessivo dispendio di tempo necessario per una generica elaborazione di un layout sfruttando il No Fit Polygon non creava le condizioni per effettuare le n prove necessarie per raggiungere la soluzione ottimale. Una volta abbattuti i tempi necessari per effettuare tali n prove, è stato possibile andare alla ricerca della soluzione ottimale.
Per fare questo, considerate le grandi dimensioni dello spazio delle possibili soluzioni (12! combinazioni), è stato deciso di applicare un algoritmo di miglioramento iterativo. Il PSO è stato, dunque, prima studiato e successivamente, opportunamente interpretato in linguaggio di programmazione per adattarlo alle esigenze della presente tesi.