Cos'è il problema del taglio? Spiegazione semplice e chiara

Ogni volta che prendi un pannello intero e lo tagli in pezzi più piccoli, stai affrontando un problema matematico che ha tenuto occupati ricercatori e ingegneri per decenni. Si chiama “problema del taglio” (in inglese cutting stock problem) e la sua soluzione determina quanto materiale sprechi — o risparmi — in ogni progetto.

Il problema spiegato con un esempio pratico

Immagina di avere 5 pannelli Fantoni da 2440x1220 mm e una lista di 25 pezzi rettangolari da tagliare. La domanda è: come disponi questi 25 pezzi sui 5 pannelli per sprecare il meno possibile?

Con 25 pezzi, le disposizioni possibili sono migliaia di miliardi. Provarle tutte a mano è impossibile. Anche un computer che testa un milione di combinazioni al secondo impiegherebbe anni per esplorarle tutte. Ecco perché servono algoritmi intelligenti che trovano soluzioni ottime (o quasi ottime) in tempi ragionevoli.

Origini e storia

Il problema del taglio fu formalizzato negli anni ’60 nell’ambito della ricerca operativa. L’economista russo Leonid Kantorovich — premio Nobel nel 1975 — fu tra i primi a studiarlo nel contesto della produzione industriale. Da allora, il problema è stato applicato al taglio di carta, tessuti, vetro, metalli e naturalmente pannelli di legno.

In Italia, i primi mobilifici a usare software di ottimizzazione furono le grandi aziende del distretto del mobile negli anni ’90. Oggi, grazie al web, anche una piccola falegnameria da 2-3 persone può accedere agli stessi algoritmi tramite strumenti online.

Non è un caso che il problema sia nato nell’industria della carta. Una bobina si taglia in rotoli di larghezze diverse su ordinazione, il materiale è caro e continuo, e le larghezze richieste cambiano ogni giorno: sono le condizioni in cui la differenza tra due schemi di taglio si legge subito in bilancio. Da lì la stessa formulazione si è spostata ovunque valesse la pena applicarla — tessuti, lastre di vetro, nastri di lamiera, tubi e barre — e infine ai pannelli di legno.

Il che spiega anche perché uno strumento pensato per la falegnameria funzioni fuori dalla falegnameria. Chi taglia lastre di vetro per serramenti, chi ricava staffe da lamiera e chi seziona barre d’acciaio sta risolvendo lo stesso problema con vincoli diversi: cambia il sovrametallo di taglio, cambia se il materiale ha un verso, cambia quanto vale lo sfrido — ma la domanda è la stessa.

Perché è un problema difficile (NP-hard)

Il problema del taglio appartiene alla classe dei problemi NP-hard. In termini semplici, significa che:

• Numero di combinazioni esplosivo: con 10 pezzi le disposizioni possibili sono gestibili, con 50 pezzi diventano più delle stelle nell’universo osservabile.
• Nessuna scorciatoia garantita: non esiste un algoritmo che trovi la soluzione perfetta in tempo rapido per qualsiasi input. Bisogna usare approssimazioni intelligenti.
• Vincoli aggiuntivi: la venatura, la bordatura, il kerf e il vincolo guillotine (tagli da bordo a bordo) rendono il problema ancora più articolato.

Questo non significa che non si possa risolvere. Significa che gli algoritmi usano strategie come euristica, metaeuristica e programmazione lineare per trovare soluzioni eccellenti — non necessariamente la migliore in assoluto, ma molto vicina — in pochi secondi.

Vale la pena distinguerlo da un problema con cui viene spesso confuso, il bin packing. Il bin packing chiede quanti contenitori servono per un insieme di oggetti dati; il problema del taglio chiede come ricavare dei pezzi da materiale di misura fissa. Sembra la stessa domanda letta al contrario, e in parte lo è, ma la seconda si porta dietro tre cose che la prima non ha: lo spessore della lama, che consuma materiale a ogni divisione; la direzione dei tagli, perché su una sezionatrice ogni taglio deve correre da bordo a bordo; e la fattibilità sulla macchina, cioè la domanda se quella disposizione sia davvero eseguibile.

È una differenza che conta in pratica, non solo sulla carta. Una soluzione ottima di bin packing puro può risultare del tutto irrealizzabile su una sezionatrice, perché richiede di ritagliare un rettangolo in mezzo al pannello — cosa che la macchina non sa fare.

Come lo risolvono gli algoritmi moderni

I software di ottimizzazione del taglio usano diverse tecniche:

• Algoritmi greedy: partono dal pezzo più grande e lo posizionano per primo, poi riempiono gli spazi rimanenti. Veloci ma non sempre ottimali.
• Programmazione lineare: traduce il problema in un sistema di equazioni e lo risolve matematicamente. Ottima per il taglio 1D (barre, profili).
• Algoritmi genetici: simulano l’evoluzione naturale. Generano centinaia di layout casuali, selezionano i migliori, li combinano e li fanno “evolvere” per generazioni successive.
• Branch and bound: esplora sistematicamente le combinazioni, eliminando i rami che non possono migliorare la soluzione corrente. Più lento ma più preciso.
• Euristiche specializzate: algoritmi progettati specificamente per il taglio 2D con vincolo guillotine, ottimizzati per pannelli di legno.

Ottimo, quasi ottimo, e perché non serve aspettare di più

Sui lavori piccoli la risposta migliore in assoluto si può calcolare e dimostrare; su quelli grandi no, e in officina questo non è un problema.

Quando i pezzi sono pochi e le misure diverse sono poche, i metodi esatti — programmazione lineare intera, branch and bound — arrivano alla soluzione ottima e la certificano come tale. Non «una buona soluzione»: la migliore che esista, con la garanzia che nessun’altra disposizione fa meglio.

Il costo di quella garanzia, però, cresce con il numero di misure diverse, non con il numero di pezzi. Cento ante tutte uguali restano un problema facile; venti pezzi tutti di misura diversa sono già più duri. Superata una certa soglia, dimostrare l’ottimo richiede un tempo che nessuno in officina aspetta, ed è per questo che gli strumenti di produzione cercano in fretta un piano molto buono invece di cercare lentamente quello perfetto.

Da qui la domanda pratica: lasciando calcolare più a lungo si ottiene un piano migliore? Fino a un certo punto, poi smette di contare. La gran parte del guadagno arriva presto; oltre, la ricerca in genere non fa che confermare che il piano già trovato è difficile da battere. È il motivo per cui una risposta rapida non è quasi mai la causa di un lavoro che spreca materiale: se la resa delude, il problema sta quasi sempre nei dati che hai inserito, non nel tempo che hai concesso al calcolo.

C’è un corollario utile per chi deve decidere dove mettere attenzione. Sul lavoro reale, la distanza tra un piano quasi ottimo e l’ottimo dimostrato è quasi sempre inferiore alla distanza tra due formati di pannello, o tra venatura bloccata e venatura libera. Conviene spendere tempo su quelle scelte, non sull’ultimo decimale che l’algoritmo potrebbe recuperare.

Taglio 1D vs taglio 2D

Il problema del taglio esiste in due varianti principali:

Per un falegname che taglia pannelli, il problema è quasi sempre 2D. Se lavori anche con profili in alluminio o barre in legno massello, ti troverai ad affrontare entrambe le varianti.

Cosa significa per il tuo lavoro quotidiano

Non devi conoscere la teoria degli algoritmi per beneficiarne. Quello che conta è che un software di ottimizzazione risolve il problema del taglio al posto tuo, in pochi secondi, e ti restituisce un piano di taglio pronto da seguire.

In pratica:

• Inserisci la lista pezzi e le dimensioni dei pannelli
• L’algoritmo calcola la disposizione migliore
• Ottieni un diagramma visivo con ogni pezzo identificato da nome e dimensioni
• Segui il piano alla sega a pannello o al CNC

Il tempo che risparmi nella pianificazione e il materiale che risparmi nello scarto si traducono in soldi concreti. Su 30 pannelli Fantoni al mese, la differenza tra un nesting fatto a mano (18% di scarto) e un nesting algoritmico (5% di scarto) vale circa 200 EUR al mese (IVA inclusa).

Limiti e considerazioni

Nessun algoritmo è perfetto. Ci sono situazioni in cui il risultato può essere migliorato manualmente:

• Pezzi tutti della stessa misura: il nesting è banale e l’algoritmo non aggiunge molto valore.
• Pochi pezzi grandi: con 3-4 pezzi l’ottimizzazione è rapida ma il margine di miglioramento è limitato.
• Vincoli particolari: se devi mantenere la sequenza di taglio per motivi produttivi, potresti dover modificare il piano suggerito.

Nella maggior parte dei casi reali — 20+ pezzi di dimensioni diverse — il software supera il nesting manuale.