遗传算法应用场景（制造业）总结

        本文把近三年在实际工作过程中与遗传算法相关的场景简单汇总一下

        一、工艺参数优化

        在某电池工厂实施数据挖掘项目，项目目标是通过建立数据模型优化铅粉机工艺参数从而提高铅粉生产产量。其中有两个关键参数--进口风压、滚筒温度；首先建立工艺参数-产量的神经网络模型，再通过遗传算法求使得产量最大时的进口风压和滚筒温度

        二、熔炼配比优化

        某铸造厂通过添加不同合金来控制铁水各成分含量，比如Mn元素要求2%，工艺现状是：1、先按照工艺文件投料一次，化验铁水各成分，2、然后把差异最大的成分找出来，再投入，再化验铁水成分；3、然后再把差异最大的成分找出来，再投入，再化验铁水成分，如此往复3至4次完成最终铁水配比； 该问题通过遗传算法，求解各金属投料重量，问题函数可以转化为各金属占比公式；

         三、生产排产优化

        排产问题是遗传算法典型的应用场景，N张订单、M道工序、Y台设备，理论上可以产生海量种生产顺序组合；如果用穷举法会非常浪费时间；遗传算法在短时间内可以求出近似最优解；很多APS厂商的排产引擎用到的算法就是遗传算法。

        四、薄膜分切优化

        某薄膜制造商的半成品是母卷薄膜（例如 宽8米 长10000米），该卷薄膜要通过切刀完成分隔供给不同的客户，这些客户的要求各不相同，比如有的要长5000*宽8，有的要长8000*款3等等，如何设计一个分切方案使得薄膜浪费最小（每卷薄膜都能最大程度利用）。这个问题可以通过遗传算法来解决，染色体包含两部分：母卷和分切工单，对每个染色体解码求出余料量，余料最少的染色体进入下一轮迭代。迭代结束后最优解即为浪费最少的方案。