ВИКОРИСТАННЯ АЛГОРИТМІВ ШТУЧНОГО ІНТЕЛЕКТУ ТА GOOGLE COLAB ДЛЯ АВТОМАТИЗАЦІЇ РОЗРАХУНКУ КУСКІВ МАТЕРІАЛІВ У НАСТИЛИ
DOI:
https://doi.org/10.30857/2706-5898.2026.2.4Ключові слова:
штучний інтелект, швейне виробництво, розрахунок кусків матеріалів у настили, комбінаторна оптимізація, Google Colab, ChatGPTАнотація
Мета. Дослідження особливостей взаємодії технолога швейного виробництва, який не володіє навичками програмування, зі штучним інтелектом (ChatGPT) для автоматичної генерації Python-коду. Робота спрямована на розв’язання задач комбінаторної оптимізації щодо раціонального підбору кусків матеріалів у настили з метою мінімізації міжлекальних відходів та кінцевих залишків у межах концепції цифровізації виробництва Індустрія 4.0.
Методика. У дослідженні застосовано комплексний підхід, що включає методи системного аналізу для опису обмежень розкрійного процесу, методологію промпт-інжинірингу для формування запитів до штучного інтелекту, а також методи комбінаторної оптимізації (задача про ранець Knapsack Problem) для розрахунку варіантів поєднань рулонів тканини мовою Python у середовищі Google Colab.
Результати. Досліджено особливості використання штучного інтелекту як інструменту підтримки прийняття рішень для автоматизації складних технологічних розрахунків у швейному виробництві. Сформовано методику раціонального підбору кусків матеріалів (рулонів) у настили за допомогою ШІ. На основі розробленого промпту згенеровано працездатний код за допомогою ChatGPT. Використання цього алгоритму дозволило виконати необхідний розрахунок за лічені хвилини. Математичний перебір забезпечив мінімальні кінцеві залишки матеріалу (від 0,01 м до 0,12 м на рулон), що повністю відповідає встановленому початковому обмеженню.
Наукова новизна. Теоретично обґрунтовано та практично реалізовано концепцію використання промпт-інжинірингу як інструменту безкодового програмування для вирішення специфічних задач підготовчо-розкрійного виробництва. Доведено можливість ефективного використання сучасних текстових алгоритмів ШІ як систем підтримки прийняття інженерних рішень у галузі легкої промисловості.
Практична значущість. Запропонована методика забезпечує високу доступність складних обчислювальних алгоритмів для підприємств малого та середнього бізнесу, які не мають можливості впроваджувати дорогі спеціалізовані модулі комерційних САПР. Розроблений шаблон промпту є універсальним інструментом, який може бути легко адаптований для розрахунку будь-яких видів текстильних матеріалів та різних асортиментних груп (корсетних виробів, спортивного чи дитячого одягу) шляхом зміни вхідних параметрів у хмарному середовищі Google Colab. Впровадження результатів дослідження у виробничий процес дозволяє суттєво підвищити коефіцієнт використання матеріалів, знизити собівартість готових виробів та мінімізувати вплив людського фактора на етапі планування розкрою. Крім того, методика має високий потенціал для використання у навчальному процесі при підготовці майбутніх фахівців індустрії моди.
Завантаження
Посилання
Luca C. The role of Industry 4.0 technologies in textile manufacturing process optimization. 2025. URL: https://www.researchgate.net/publication/390704582_The_Role_of_Industry_40_Technologies_in_Textile_Manufacturing_Process_Optimization.
Ünal C., Yüksel A. D. Cut order planning optimisation in the apparel industry. Fibres & Textiles in Eastern Europe. 2020. Vol. 28, № 1. P. 8–14. URL: https://yadda.icm.edu.pl/baztech/element/bwmeta1.element.baztech-3fdb995e-5b09-4c92-9fc4-7485420a610e.
Xu Y., Thomassey S., Zeng X. Optimization of garment sizing and cutting order planning in the context of mass customization. International Journal of Advanced Manufacturing Technology. 2020. Vol. 108. P. 3347–3361. DOI: https://doi.org/10.1007/s00170-019-04866-w.
Березненко С. М., Водзінська О. І., Білоцька Л. Б., Лозовенко С. Ю. Технології експериментального та підготовчо-розкрійного виробництв швейної галузі: навч. посіб. Київ: КНУТД, 2023. 340 с. ISBN 978-617-7763-17-7. URL: https://er.knutd.edu.ua/handle/123456789/24485.
Березненко С. М., Білоцька Л. Б., Водзінська О. І., Донченко С. В. Основи технологій експериментального та підготовчо-розкрійного виробництв: навч. посіб. К.: КНУТД, 2017. 171 с.
Tsao Y. C., Vu T. L., Liao L. W. Hybrid heuristics for the cut ordering planning problem in apparel industry. Computers & Industrial Engineering. 2020. Vol. 149. Article 106790. DOI: https://doi.org/10.1016/j.cie.2020.106790.
Al-Mahmud S., Cano J. A., Campo E. A. Optimizing cut order planning: a comparative study of heuristics, metaheuristics, and MILP algorithms. International Journal of Production Management and Engineering. 2025. Vol. 13, № 1. URL: https://polipapers.upv.es/index.php/IJPME/article/view/22196.
Malashin I., Martysyuk D., Tynchenko V., Gantimurov A. Machine learning in polymeric technical textiles: a review. Polymers. 2025. Vol. 17, № 9. Art. 1172. DOI: https://doi.org/10.3390/polym17091172.
Daniyan I., Ayodeji S. P., Ale F. et al. Development of a linear integer programming model for solving cutting stock problem in the manufacturing industry. Procedia CIRP. 2024. Vol. 130. P. 656–661. DOI: https://doi.org/10.1016/j.procir.2024.10.087.
Tsao Y. C., Hung C. H., Vu T. L. Hybrid heuristics for marker planning in the apparel industry. Arabian Journal for Science and Engineering. 2021. Vol. 46. P. 6559–6574. DOI: https://doi.org/10.1007/s13369-020-05210-1.
Noor A., Saeed M. A., Ullah T., Uddin Z. A review of artificial intelligence applications in apparel industry. Journal of The Textile Institute. 2022. Vol. 113, № 9. P. 1798–1810. DOI: https://doi.org/10.1080/00405000.2021.1880088.
Hillier F. S., Lieberman G. J. Introduction to Operations Research. 10th ed. New York: McGraw-Hill Education, 2014. 1008 p. URL: https://www.researchgate.net/publication/221704741_Introduction_To_Operations_Research.
Білоцька Л. Б., Білей-Рубан Н. В. Основні підходи до формалізації узагальнених цільових функций в завданнях швейного виробництва. Науковий вісник Мукачівського технологічного інституту. 2008. № 5. С. 36–39.
Білоцька Л. Б., Лозовенко С. Ю. Моделювання об’єктів швейного виробництва. Збірник матеріалів ІІ Міжнародної наукової конференції текстильної та фешн технології KyivTex&Fashion, 1-2 листопада 2018 р. Київ: Київський національний університет технологій та дизайну, 2018. С. 89–93.
Волчек О. Л., Лозовенко С. Ю., Білоцька Л. Б. Використання інтелектуальних систем у промисловому виробництві одягу. Збірник матеріалів ІІ Міжнародної наукової конференції текстильної та фешн технології KyivTex&Fashion, 1-2 листопада 2018 р. Київ: КНУТД, 2018. С. 199–203.
Меренич В., Симкін А., Стегура О. Використання методу динамічного програмування для розв’язання задачі про розбиття на підвідрізки. Матеріали конференцій МЦНД (14.06.2024; Суми, Україна). Суми, 2024. С. 202–204. URL: https://archives.mcnd.org.ua/index.php/conference-proceeding/article/view/4.
Yao F. F. Efficient Dynamic Programming Using Quadrangle Inequalities. Proceedings of the Twelfth Annual ACM Symposium on Theory of Computing. 1980. P. 429–435. URL: https://cse.hkust.edu.hk/mjg_lib/bibs/DPSu/DPSu.Files/p429-yao.pdf.
Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Pearson, 2021. 1168 p.
Google Colab Documentation. URL: https://colab.research.google.com/
ChatGPT: мовна модель штучного інтелекту компанії OpenAI. URL: https://chatgpt.com/
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
