下料问题是制造业常见问题之一,在工业机柜制造、汽车生产、船舶制造等行业均涉及到下料问题。在理论上,下料问题属于复杂的组合优化问题,问题的复杂度随研究条件及问题规模的扩大而呈现指数增长,求解过程十分困难,仅依靠人工手动计算或人工主观判断排样效果无法得到最优排样布局,因此学者研究利用智能算法对该问题进行求解。K公司为中小型定制化企业,生产产品主要为工业机柜。在产品生产过程中,板材下料是产品生产的第一步,也是影响公司板材利用率的关键步骤。但公司现存在板材利用率低、大量板材浪费等问题。为解决该问题,本文主要工作如下:(1)对K公司板材下料现状及问题进行分析,发现下料过程中影响板材利用率的主要问题有:不规则零件预处理方法不合理、现存下料方法无法寻得最优下料布局、生产多台产品时下料方案选择无明确规则。(2)依据K公司实际下料过程,建立K公司二维矩形件下料模型,并将遗传模拟退火算法作为排样定序方法,将剩余矩形算法作为排样定位算法,以企业实际生产电源柜数据为例进行仿真。结果表明,将遗传模拟退火算法与剩余矩形算法相结合的方法求解K公司二维板材下料模型,可提高板材利用率。(3)针对K公司现存的多台产品逐台下料和多台产品混合下料两种下料方案进行选择。根据公司订单常见柜型及常用批量,以生产10台电源柜为例,对两种下料方案进行仿真。仿真结果表明,两种方案生产10台电源柜时所耗原材料板均为26张,比公司实际下料节省7张原材料板,大大降低了企业成本。同时,通过对比两种方案优化结果发现,多台产品逐台下料方案优于多台产品混合下料方案。为验证实验结论,以K公司常见控制柜为例,对两方案进行仿真。验证结果表明结论成立,因此应优先选用逐台下料方案,以提高板材利用率。