CN101403920A - 一种钢铁企业冷轧精整机组产能负荷均衡方法 - Google Patents
一种钢铁企业冷轧精整机组产能负荷均衡方法 Download PDFInfo
- Publication number
- CN101403920A CN101403920A CNA2008102284375A CN200810228437A CN101403920A CN 101403920 A CN101403920 A CN 101403920A CN A2008102284375 A CNA2008102284375 A CN A2008102284375A CN 200810228437 A CN200810228437 A CN 200810228437A CN 101403920 A CN101403920 A CN 101403920A
- Authority
- CN
- China
- Prior art keywords
- unit
- coiled sheet
- batch
- cold rolling
- separating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- General Factory Administration (AREA)
Abstract
一种钢铁企业冷轧精整机组产能负荷均衡方法,涉及自动化技术领域,包括以下步骤:1.下载钢铁企业数据仓库中的批量板卷数据;2.判断冷轧精整机组当前产能状况是否需要进行均衡调整,当月批量板卷在精整机组需要生产的天数T与本月剩余天数tr比较,若T>tr,则对这些批量板卷进行调整;3.根据冷轧精整机组及上下游相关机组的生产工艺和约束,确定待调整的批量板卷;4.以待调整的批量板卷为对象,建立机组产能负荷均衡优化的数学模型;5.采用分散搜索方法求解机组产能负荷均衡优化的数学模型,确定批量板卷的优化调整策略;6.用图形和数据两种方式显示优化调整结果。本发明可以提前发现机组产能负荷存在的问题,应用于冷轧精整机组生产过程。
Description
技术领域
本发明属于钢铁企业冷轧精整生产技术领域,涉及到自动化技术,尤其涉及一种钢铁企业冷轧精整机组产能负荷均衡方法。
背景技术
钢铁企业冷轧精整机组承担着经过退火、镀锌和镀锡等处理后的冷轧高质量钢卷(板)的出成品任务,具体工作是把前工序过来的钢卷(板)按用户要求分剪成钢板、窄规格钢卷或较小的钢卷,并做表面处理和涂油包装等。在机器设置上,冷轧精整机组可以细分为专门的横切机组、纵切机组和重卷机组。横切机组的工艺流程如下:上料→开卷→切边→切头尾→测厚→矫直→横切→表面检查→涂油→堆垛;纵切机组的工艺流程如下:上料→开卷→测厚→纵剪→液压横剪→表面检查→涂油→卷曲;重卷机组的工艺流程如下:上料→开卷→切边→测厚→剪切→焊接→拉矫→表面检查→涂油→液压横剪→卷曲。
很多企业设计冷轧精整机组的目的只是作为辅助加工机组,而实际投入使用后,板卷产品质量得到很大提高,越来越多的重点用户要求产品要经过冷轧精整机组加工,使机组的产能负荷很大。当碰到重点用户合同比较多或机组定检修等情况时,分配给精整机组的板卷很难按时完成,影响了合同的准时交货,降低了顾客满意度;由于生产的不顺畅造成机组前库库存过大,而板卷长时间存储会出现生锈、报废等问题,造成了材料的损耗;精整机组产能负荷过大,但上下游其他机组的产能却可能有空闲,使企业生产的整体产能不高,影响了企业的经济效益和社会效益。
影响冷轧精整机组产能的因素主要是产品的规格和工艺约束,如板卷厚度、宽度、出口板卷的重量、分选度和必需的拉矫、剪边、涂油等复杂的操作。一般用机组小时产量来衡量其产能情况。板卷厚度越大,机组的小时产量越高;板卷宽度在一定值以下时,机组小时产量随着宽度的增加而增加,当宽度在这个值以上时,机组小时产量随着宽度的增加而减少;出口板卷的重量越大,机组的小时产量越高;分选度是用来描述产品表面质量的参数,分选度越高,对产品质量要求越高,精整操作越复杂,从而机组小时产量越低;拉矫、剪边、涂油等操作次数和切换次数越少,机组的小时产量越高。
在冷轧精整机组生产计划的制定过程中,要考虑上述因素。但由于合同计划周期比较长,而且生产过程中会出现很多不可预知的情况,因此生产过程中需要对原有的计划进行修正调整。目前钢铁企业冷轧精整机组产能管理主要是通过人工的方式进行的,具体操作是首先判断机组产能负荷是否过大,当产能负荷过大时,人工进行批量板卷产线的均衡调整。这种冷轧精整机组产能负荷均衡的方式由有经验的计划人员执行,调整的效果主要依靠计划人员的工艺背景和经验。这种方式有如下弊端:1.对机组产能负荷的预测不够及时,出现问题时才去解决很被动,有限的时间内很难得到良好的调整结果;2.由于数据量大,要考虑的因素繁杂,产能负荷判断往往不够准确;同时,人工操作的方式很难同时考虑产能、生产质量、物流平衡及顾客满意度等多方面的要求,因此靠人工操作的方式很难得到满意的调整方案。
发明内容
本发明提供一种钢铁企业冷轧精整机组产能负荷自动优化均衡方法。该方法通过滚动优化的方式下载并处理企业数据仓库中的冷轧批量板卷信息,进行冷轧精整机组的产能负荷预测,可以提前或及时发现机组产能负荷存在的问题。当产能负荷过大时,找出可以调整产线的批量板卷,采用应急管理的思想根据机组生产工艺和可以调整产线的批量板卷信息建立数学规划模型,使用分散搜索方法求解该模型对批量板卷的生产路线进行均衡调整,使可以调整产线的批量板卷在冷轧精整机组的上下游机组或其他精整机组完成生产任务,实现产能负荷优化均衡。
本发明的技术方案,包括以下步骤:
步骤1,下载钢铁企业数据仓库中的批量板卷数据,包括:批量板卷号、批量板卷的钢种、宽度、厚度、硬度、重量、批量板卷的分选度、涂油包装类型、用户和交货期;
步骤2,判断冷轧精整机组当前产能状况是否需要进行均衡调整,当月的批量板卷在精整机组需要生产的天数T与本月剩余天数tr比较,若T>tr,则这些批量板卷需要进行调整,转入步骤3,若不需要调整,则退出;
步骤3,根据冷轧精整机组及上下游相关机组的生产工艺和约束,确定待调整的批量板卷;
生产工艺和约束包括:①规格约束,如板卷宽度、硬度、厚度和内径;②产品要求,板卷的钢种、分选度和涂油类型;③对于已经在冷轧精整机组生产部分材料的批量板卷,不允许调整其生产机组;
如果冷轧精整机组的上下游相关机组满足批量板卷的上述生产工艺和约束,则该批量板卷能够调整到这个机组生产,确定待调整的批量板卷,也可以根据生产情况确定是否需要调整;
步骤4,以待调整的批量板卷为对象,建立机组产能负荷均衡优化的数学模型;
数学模型表示:Max(MO1-MO2-MO3),
MO1表示批量板卷在各机组加工的利润之和;
MO2表示批量板卷调整生产机组带来的操作费用之和;
MO3表示从冷轧精整机组中移出的批量板卷给生产计划带来的偏差费用;
步骤5,采用分散搜索方法求解机组产能负荷均衡优化的数学模型,确定批量板卷的优化调整策略;
步骤6,用图形和数据两种方式显示优化调整结果,并能进行人工修改。
所述的判断当前机组产能状况是否需要进行均衡调整,步骤如下:
在监控系统中输入一个天数n,系统通过n天的生产情况计算机组平均产能,机组n天生产总量为M,机组当前的通过量Pt,机组n天前的通过量为Pn,机组平均产能为C
M=Pt-Pn,C=M/n
通过机组平均产能和用户输入的定修时间计算机组还需要生产的天数,定修时间为tm天,机组需要生产的批量板卷量为Q,交货期在当月的批量板卷总欠量为U,Q=α·U,α为由于投料比和返修引起的修正系数,需要交货期在当月的批量板卷在精整机组还需要生产的天数为T:
T=Q/C+tm
通过T与本月剩余天数tr比较,若T>tr,则这些批量板卷无法在剩余的天数内完成,可能需要进行调整;若T<tr,则这些批量板卷可以在剩余的天数内完成,无需进行调整。
所述的根据冷轧精整及能实现冷轧精整机组生产任务的上下游相关机组的生产工艺和约束确定可调整的批量板卷,具体如下所示:
批量板卷能否在某个机组生产主要取决于该机组能否满足批量板卷的生产工艺和约束。影响批量板卷调整的生产工艺和约束包括:①规格约束,如板卷宽度、硬度、厚度和内径;②产品要求,板卷的钢种、分选度和涂油类型等;③对于已经在冷轧精整机组生产部分材料的批量板卷,为了保证产品质量一致性,一般不允许调整其产线。
如果冷轧精整的上下游相关机组可以满足批量板卷的上述生产工艺和约束,则该批量板卷能够调整到这个机组生产,该批量板卷为待调整的批量板卷。冷轧精整机组和上下游相关机组之间的批量板卷调整原理如附图1所示。
所述的机组产能负荷均衡优化的数学模型,描述如下:
假定冷轧精整机组当前有n组批量板卷可以移出到上下游相关的m个机组生产,O为批量板卷的集合,O={1,2,...,n},批量板卷序号依次为i,i∈O,可以接收这些批量板卷的机组序号依次为j,j∈{1,2,...,m},如果批量板卷i通过机组j生产,则xij为1,否则为0。
冷轧精整机组超出生产能力的负荷量为A0,机组j的剩余产能为Aj,mi表示批量板卷i在计划调整后被指定的机组,m′i表示批量板卷i原来指定的机组,即冷轧精整机组,Mi表示批量板卷i可以指定的机组的集合,di表示批量板卷i的重量。
对于批量板卷i,在机组j生产的利润为rij,而把批量板卷i移到机组j带来的费用为cij,w为从冷轧精整机组中移出单位重量批量板卷带来的偏差费用。
基于上面设定的信息,冷轧精整机组产能负荷均衡问题可描述为Max(MO1-MO2-MO3),具体的目标函数是:
在模型的目标函数中,第一项 (即MO1)为批量板卷在各机组加工的利润之和,用来保证使每个机组上分配的批量板卷数量尽可能的多,即机组的总产能尽可能大;第二项(即MO2)为批量板卷调整生产机组带来的操作费用之和,用来保证尽量少的生产额外操作;第三项(即MO3)为从冷轧精整机组中移出的批量板卷给生产计划带来的偏差费用,用来保证调整计划之后的偏差尽可能的小。
其中,λi(i=1,2,3)为目标函数的权重,
约束如下:
(1)约束保证每个批量板卷至多分配到一个机组上生产:
(2)对产能有剩余的机组j,给其分配的批量板卷量应小于或等于其剩余的产能:
(3)而对于冷轧精整机组,移出的批量板卷量应大于或等于其产能超出负荷的量:
(4)每组调整生产机组的批量板卷i,其新生产机组的工艺条件要满足批量板卷要求:
mi∈Mi i=1,2,...,n
(5)表示原生产机组的工艺条件要满足批量板卷i要求:
m′i∈Mi i=1,2,...,n
所述冷轧精整机组产能负荷均衡问题中使用的分散搜索方法,步骤如下:
(1)创建初始种群。采用下面的启发式方法建立P个解的初始种群,P的值应该为下面所述参考集中解的个数的10倍以上,50≤P≤150。首先随机选择一个待调整的批量板卷,计算该批量板卷在各机组生产的目标函数值,选择目标函数值最大的机组,然后随机选择另一个批量板卷重复执行直到n个批量板卷都选择生产机组后,得到一个初始解。重复执行上述启发式方法直到得到要求的P个解的初始种群。
(2)改进初始种群中的解。采用基于插入和交换的邻域对初始种群中的解进行改进,使得数学模型的目标函数值增大,用得到的改进解来更新初始种群。插入操作是把批量板卷i从当前解中机组j1的计划中删除,加到某个机组j2的计划中;交换操作是把机组j1和j2计划中的批量板卷i1和i2相互交换机组。对于给定的一个初始种群中的解,结合插入和交换操作对当前的解进行移动,就可以得到一系列的新解,迭代这个过程逐步改进当前的解得到目标函数比较好的可行改进解。
(3)创建参考集。参考集是由初始种群中目标函数好的解和分散性好的解组成的集合,从改进后的初始种群中选择b个解加入到参考集中,5≤b≤15,b=b1+b2,其中b1个为目标函数大的解;b2个为分散性好的解;解的分散性好指的是该解到参考集中其他解的距离比较大,即解之间的差异性比较大,这里用两个解之间不同批量板卷数目表示解之间的距离,不同批量板卷越多,距离越大。
(4)创建子集。这里由参考集中目标函数值最大的解和参考集中剩余解的两两组合组成包含三个解的解集,即三元子集。
(5)组合子集中的解产生新解。对于每个子集中的三个解,依次判断相应的批量板卷是否选择了同一机组进行生产。如果该批量板卷在三个解中选择了同一机组,则在组合的新解中,该批量板卷仍然选择这一机组进行生产;如果该批量板卷没有选择同一机组,则用随机选择的方式选择该批量板卷在新解中的生产机组。采用上面基于插入和交换的邻域对组合产生的新解进行改进。
(6)把组合产生的新解与参考集中的解进行比较,如果新解不在参考集中,而且参考集中的解有目标函数比新解小的,则把新解加入到参考集中,删掉目标函数最小的那个解。
当迭代次数没有到达程序规定的最大次数I时,100≤I≤1000,重新产生初始种群,构建参考集和子集,依次执行上面的操作,当参考集无法更新或者迭代次数到达程序规定的最大次数I时,停止上述循环过程,当前参考集中的目标函数最大的解就是算法所得的最好解。以算法所得的最好解,确定批量板卷的优化调整策略。
所述的图形和数据两种方式显示优化调整,用图形和数据两种方式显示优化调整策略,用户可以把调整结果直接输出成Excel的格式,人工进行修改或直接执行。
所述的进行人工修改:若用户对分散搜索方法得出的结果不满意,可以修改模型参数或分散搜索方法的参数后重新计算,模型可以修改的参数包括:权重、费用值和机组工艺设置;分散搜索方法可以修改的参数包括:初始种群大小、参考集大小、参考集中目标函数好的解的个数、参考集中分散性好的解的个数和最大迭代次数。
本发明的钢铁企业冷轧精整机组产能负荷均衡方法由于采用了上述的技术方案,使之与现有技术相比,具有以下的优点和积极效果:
1.本发明中由于采用企业数据仓库中的冷轧批量板卷信息,根据机组生产情况和定修时间进行产能预测,根据机组工艺和批量板卷信息建立数学模型,采用分散搜索方法进行优化调整,采用图形和数据的方式进行显示,使机组产能预测准确,调整策略先进。便于钢铁企业计划人员维护使用,该方法对钢铁企业其他机组和其他工业企业生产能力均衡问题也有推广价值。
2.本发明通过对各机组之间批量板卷生产路线的调整,优化了各机组之间的物流流向,便于企业的生产组织管理。
3.本发明由于预测及时准确,采用滚动优化的思想可以提前或及时发现机组产能负荷过大的问题,便于及时进行调整,可以提高冷轧精整机组和其它相关机组的产能;采用应急管理思想建立的数学模型既考虑了原有生产的目标,也考虑了不使调整计划的偏差费用过大,更适合实际生产情况。
4.本发明通过对部分批量板卷调整生产路线,可以改善批量板卷的完成情况,缩短批量板卷生产周期,提高批量板卷准时完成率,减少了板卷长时间存放的问题,为企业带来经济效益,同时可以提高顾客满意度,为企业带来一定的社会效益。
5.本发明通过优化批量板卷生产路线,使机组的生产作业计划更为合理,可以提高板卷的生产质量。
6.本发明通过在国内某钢铁企业实际生产中的应用测试,优化均衡结果优于有丰富工作经验的计划人员人工进行的调整。
7.本发明由于性能稳定,提高了企业生产组织的效率和稳定性。
附图说明
图1为本发明钢铁企业冷轧精整机组产能负荷均衡方法原理示意图,
图2为本发明钢铁企业冷轧精整机组产能负荷均衡方法在企业生产中的位置示意图,
图3为本发明钢铁企业冷轧精整机组产能负荷均衡方法流程图,
图4为本发明中分散搜索算法的流程图,
图5为本发明中分散搜索算法使用的插入邻域示意图,(a)插入邻域前的示意图,(b)插入邻域后的示意图,
图6为本发明中分散搜索算法使用的交换邻域示意图,(a)交换邻域前的示意图,(b)交换邻域后的示意图。
具体实施方式
下面我们给出一个具体的实施案例。这里,我们以一个生产合同的板卷为一个批量板卷,实施过程都是对生产合同进行操作。在提出产能负荷优化均衡方法的基础上,开发了机组产能监控软件系统和冷轧精整机组产能负荷均衡系统。产能监控系统对机组的产能进行预测并把结果传送到产能负荷均衡系统。在产能负荷均衡系统中实现产能优化均衡,并用图形和数据的方式对均衡结果进行显示,提供人机交互的结果编辑模式,用户可以根据实际问题的情况和经验对结果进行修改。通过上述方法和软件系统,实现了工艺、数据、模型、算法和用户经验的有效集成。
本发明的实施需要如下装置:至少一台服务器;若干台PC机工作站;至少一个电缆接口或光缆接口或电话专线接口;至少一台路由器。这些设备放在制造管理部门的合同室,由这些设备组成一个小型局域网后连接到企业ERP系统和数据仓库系统中。在服务器中安装本发明的监控系统,在工作站中安装冷轧精整机组产能负荷均衡系统,并通过网络、路由器连接到企业ERP系统和数据仓库系统。该监控系统和均衡系统以Windows XP操作系统为支撑平台,首先安装企业数据仓库系统和Microsoft SQL Server 2000数据库系统,然后安装本发明系统,设置初始化信息配置端口。
本发明系统按以下步骤操作:
1.服务器的监控系统每天凌晨从企业数据仓库系统中下载生产合同数据,数据经过必要的处理后,保存到服务器的SQL Server 2000数据库系统中。由于该步骤需要运行一定的时间,通过设置服务器操作系统的任务计划在每天凌晨自动运行,保证工作人员上班即可使用系统。需要下载的合同数据包括:合同号、合同规格(钢种、宽度、厚度、硬度、重量等)、合同工艺要求(分选度、涂油包装类型等)、用户和交货期。
2.用户通过冷轧精整机组n天的生产情况计算机组平均产能,根据机组要生产的合同量和定修情况预测冷轧精整机组的产能负荷情况。
3.用户根据图形和数据判断是否需要对合同的产线进行调整,原则是:当产能负荷较小时,尽量不要调整,因为调整带来的产能增加效益很可能会小于调整的操作费用;当产能负荷较大时,则需要进行调整。
4.根据精整机组及上下游相关机组的生产工艺,确定经过精整机组的合同中哪些待调整到其他机组生产。通过检查某个冷轧精整上下游相关机组能否生产合同要求的宽度、硬度、厚度、钢卷内径、钢种、分选度和涂油类型以及合同当前生产情况和用户情况确定合同是否能够调整到该机组生产,从而确定待调整机组的合同集合。
5.以待调整机组的合同集合为对象,建立冷轧精整机组产能负荷均衡优化的数学模型,采用分散搜索方法求解数学模型,确定优化调整策略。
6.在冷轧精整机组产能负荷均衡系统中用图形和数据两种方式显示优化调整策略,用户可以把调整结果直接输出成Excel的格式,人工进行修改或上传至企业ERP系统。若用户对分散搜索方法得出的结果不满意,能修改模型参数或分散搜索方法的参数后重新计算,模型能修改的参数包括:权重、费用值和机组工艺设置;分散搜索方法能修改的参数包括:初始种群大小、参考集大小、参考集中目标函数好的解的个数、参考集中分散性好的解的个数和最大迭代次数。
实施例
通过对某大型钢铁企业一条冷轧精整机组在2007年6月7日-22日的生产合同数据进行测试,具体方法步骤如下:
第一步:根据启发式方法建立大小为100个解的初始种群。该启发式方法结合了贪婪和随机的策略,即首先随机选择一个待调整的合同,计算该合同在各机组生产的目标函数值,选择目标函数值最大的机组,然后随机选择另一个合同重复执行直到所有待调整的合同都选择生产机组后,得到一个初始解。通过上述启发式得到一个初始解后,重新随机选择一个合同,再按照该启发式方法得到一个解,这样依次得到要求的100个解的初始种群。
第二步:初始种群中解的质量可能参差不齐,采用基于插入和交换的邻域对初始种群中的解进行改进,用得到的改进解来更新初始种群。
第三步:从初始种群中选择10个解加入到参考集中,其中5个为目标函数大的解,5个为分散性好的解,解的分散性好指的是该解到参考集中其他解的距离比较大,即解之间的差异性比较大。
第四步:由参考集中目标函数值最大的解和参考集中剩余解的二元组合组成三元子集。
第五步:组合子集中的解。对于每个子集中的三个解,依次判断相应的合同是否选择了同一机组进行生产。如果该合同选择了同一机组,则在组合的新解中,该合同仍然选择这一机组进行生产。如果该合同没有选择同一机组,则产生一个1-3之间的随机整数a,a=1,则选择子集中的第一个解;a=2,则选择子集中的第二个解;a=3,则选择子集中的第三个解。采用上面基于插入和交换的邻域对组合产生的新解进行改进。
第六步:把组合子集中的解产生的新解与参考集中的解进行比较,如果新解不在参考集中,而且参考集中的解有目标函数比新解小的,则把新解加入到参考集中,删掉目标函数最小的那个解。
当迭代次数没有到达程序规定的最大次数(本实施例中选择的最大迭代次数为1000)时,重新产生初始种群,构建参考集和子集,依次执行上面的操作。如果参考集无法更新或者迭代次数到达程序规定的最大次数时,停止上述循环过程,当前参考集中的目标函数最大的解就是算法所得的最好解。
通过上述模型和产能均衡优化方法对测试数据得出的结果如下:
在上表中,分别列出了分散搜索算法、带邻域改进的分散搜索算法和用ILOG优化软件得出的理论最优解的目标函数值,以及分散搜索算法和带邻域改进的分散搜索算法目标函数值与最优解之间的偏差百分比。从结果中可以看出,这两种算法的解都比较接近最优解,而带邻域改进的分散搜索算法的性能要优于分散搜索算法,采用这两类分散搜索算法都可以得到满意的调整方案。
Claims (6)
1.一种钢铁企业冷轧精整机组产能负荷均衡方法,其特征在于包括以下步骤:
步骤1,下载钢铁企业数据仓库中的批量板卷数据,包括:批量板卷号、批量板卷的钢种、宽度、厚度、硬度、重量、批量板卷的分选度、涂油包装类型、用户和交货期;
步骤2,判断冷轧精整机组当前产能状况是否需要进行均衡调整,当月的批量板卷在精整机组需要生产的天数T与本月剩余天数tr比较,若T>tr,则这些批量板卷需要进行调整,转入步骤3,若不需要调整,则退出;
步骤3,根据冷轧精整机组及上下游相关机组的生产工艺和约束,确定待调整的批量板卷;
生产工艺和约束包括:①规格约束,包括板卷宽度、硬度、厚度和内径;②产品要求,板卷的钢种、分选度和涂油类型;③对于已经在冷轧精整机组生产部分材料的批量板卷,不允许调整其生产机组;
如果冷轧精整机组的上下游相关机组满足批量板卷的上述生产工艺和约束,则该批量板卷能够调整到这个机组生产,该批量板卷为待调整的批量板卷;
步骤4,以待调整的批量板卷为对象,建立机组产能负荷均衡优化的数学模型;
数学模型表示:Max(MO1-MO2-MO3),
MO1表示批量板卷在各机组加工的利润之和;
MO2表示批量板卷调整生产机组带来的操作费用之和;
MO3表示从冷轧精整机组中移出的批量板卷给生产计划带来的偏差费用;
步骤5,采用分散搜索方法求解机组产能负荷均衡优化的数学模型,确定批量板卷的优化调整策略;
步骤6,用图形和数据两种方式显示优化调整结果,并能进行人工修改。
2.根据权利要求1所述的钢铁企业冷轧精整机组产能负荷均衡方法,其特征在于步骤2中所述的判断当前机组产能状况是否需要进行均衡调整,步骤如下:
在监控系统中输入一个天数n,监控系统通过n天的生产情况计算机组平均产能,机组n天生产总量为M,机组当前的通过量Pt,机组n天前的通过量为Pn,机组平均产能为C,
M=Pt-Pn,C=M/n
通过机组平均产能和用户输入的定修时间计算机组还需要生产的天数,定修时间为tm天,机组需要生产的批量板卷量为Q,交货期在当月的批量板卷总欠量为U,Q=α·U,α为由于投料比和返修引起的修正系数,需要交货期在当月的批量板卷在精整机组还需要生产的天数为T:T=Q/C+tm
通过T与本月剩余天数tr比较,若T>tr,则这些批量板卷无法在剩余的天数内完成,需要进行调整;若T<tr,则这些批量板卷能在剩余的天数内完成,无需进行调整。
3.根据权利要求1所述的钢铁企业冷轧精整机组产能负荷均衡方法,其特征在于骤4中所述的机组产能负荷均衡优化的数学模型,描述如下:
假定冷轧精整机组当前有n组批量板卷可以移出到上下游相关的m个机组生产,O为批量板卷的集合,O={1,2,...,n},批量板卷序号依次为i,i∈O,可以接收这些批量板卷的机组序号依次为j,j∈{1,2,...,m},如果批量板卷i通过机组j生产,则xij为1,否则为0;
冷轧精整机组超出生产能力的负荷量为A0,机组j的剩余产能为Aj,mi表示批量板卷i在计划调整后被指定的机组,m′i表示批量板卷i原来指定的机组,即冷轧精整机组,Mi表示批量板卷i可以指定的机组的集合,di表示批量板卷i的重量;
对于批量板卷i,在机组j生产的利润为rij,而把批量板卷i移到机组j带来的费用为cij,w为从冷轧精整机组中移出单位重量批量板卷带来的偏差费用;
其中,λi为目标函数的权重,
约束:
(1)约束保证每个批量板卷至多分配到一个机组上生产:
(2)对产能有剩余的机组j,给其分配的批量板卷量应小于或等于其剩余的产能:
(3)而对于冷轧精整机组,移出的批量板卷量应大于或等于其产能超出负荷的量:
(4)每组调整生产机组的批量板卷i,其新生产机组的工艺条件要满足批量板卷要求:
mi∈Mi i=1,2,...,n
(5)表示原生产机组的工艺条件要满足批量板卷i要求:
m′i∈Mi i=1,2,...,n。
4.根据权利要求1所述的钢铁企业冷轧精整机组产能负荷均衡方法,其特征在于:步骤5中
所述分散搜索方法,步骤如下:
(1)创建初始种群;采用下面的启发式方法建立P个解的初始种群,50≤P≤150;首先随机选择一个待调整的批量板卷,计算该批量板卷在各机组生产的目标函数值,选择目标函数值最大的机组,然后随机选择另一个批量板卷重复执行直到n个批量板卷都选择生产机组后,得到一个初始解,重复执行上述启发式方法直到得到要求的P个解的初始种群;
(2)改进初始种群中的解;采用基于插入和交换的邻域对初始种群中的解进行改进,使得数学模型的目标函数值增大,用得到的改进解来更新初始种群;插入操作是把批量板卷i从当前解中机组j1的计划中删除,加到某个机组j2的计划中;交换操作是把机组j1和j2计划中的批量板卷i1和i2相互交换机组;对于给定的一个初始种群中的解,结合插入和交换操作对当前的解进行移动,就可以得到一系列的新解;
(3)创建参考集;参考集是由初始种群中目标函数好的解和分散性好的解组成的集合,从改进后的初始种群中选择b个解加入到参考集中,5≤b≤15,b=b1+b2;其中b1为目标函数大的解;b2为分散性好的解,解的分散性好指的是该解到参考集中其他解的距离比较大,即解之间的差异性比较大,这里用两个解之间不同批量板卷数目表示解之间的距离,不同批量板卷越多,距离越大;
(4)创建子集;这里由参考集中目标函数值最大的解和参考集中剩余解的两两组合组成包含三个解的解集,即三元子集;
(5)组合子集中的解产生新解;对于每个子集中的三个解,依次判断相应的批量板卷是否选择了同一机组进行生产;如果该批量板卷在三个解中选择了同一机组,则在组合的新解中,该批量板卷仍然选择这一机组进行生产;如果该批量板卷没有选择同一机组,则用随机选择的方式选择该批量板卷在新解中的生产机组;采用上面基于插入和交换的邻域对组合产生的新解进行改进;
(6)把组合产生的新解与参考集中的解进行比较,如果新解不在参考集中,而且参考集中的解有目标函数比新解小的,则把新解加入到参考集中,删掉目标函数最小的那个解;
当迭代次数没有到达程序规定的最大次数I时,100≤I≤1000,重新产生初始种群,构建参考集和子集,依次执行上面的操作,当参考集无法更新或者迭代次数到达程序规定的最大次数I时,停止上述循环过程,当前参考集中的目标函数最大的解就是算法所得的最好解。
5.根据权利要求1所述的钢铁企业冷轧精整机组产能负荷均衡方法,其特征在于步骤6中所述的图形和数据两种方式显示优化调整,用图形和数据两种方式显示优化调整策略,用户能把调整结果直接输出成Excel的格式,人工进行修改或直接执行。
6.根据权利要求1所述的钢铁企业冷轧精整机组产能负荷均衡方法,其特征在于步骤6中所述的进行人工修改:若用户对分散搜索方法得出的结果不满意,能修改模型参数或分散搜索方法的参数后重新计算,模型能修改的参数包括:权重、费用值和机组工艺设置;分散搜索方法能修改的参数包括:初始种群大小、参考集大小、参考集中目标函数好的解的个数、参考集中分散性好的解的个数和最大迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102284375A CN101403920B (zh) | 2008-10-31 | 2008-10-31 | 一种钢铁企业冷轧精整机组产能负荷均衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102284375A CN101403920B (zh) | 2008-10-31 | 2008-10-31 | 一种钢铁企业冷轧精整机组产能负荷均衡方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101403920A true CN101403920A (zh) | 2009-04-08 |
CN101403920B CN101403920B (zh) | 2010-07-14 |
Family
ID=40537953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102284375A Active CN101403920B (zh) | 2008-10-31 | 2008-10-31 | 一种钢铁企业冷轧精整机组产能负荷均衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101403920B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488579A (zh) * | 2014-10-13 | 2016-04-13 | 中芯国际集成电路制造(上海)有限公司 | 一种基于生产线平衡的产能规划与优化的系统及方法 |
CN107626734A (zh) * | 2017-10-10 | 2018-01-26 | 广西柳州银海铝业股份有限公司 | 铝合金热轧卷的扁锭投料规格优化控制方法 |
CN111047065A (zh) * | 2018-10-11 | 2020-04-21 | 上海宝信软件股份有限公司 | 钢铁冶炼投料动态优化方法和系统 |
CN112286913A (zh) * | 2020-09-04 | 2021-01-29 | 邯郸钢铁集团有限责任公司 | 一种建立基于冷轧生产过程质量数据仓库的方法 |
CN112387788A (zh) * | 2020-09-07 | 2021-02-23 | 柳州市智甲金属科技有限公司 | 一种提高中厚板加工成品率的方法 |
-
2008
- 2008-10-31 CN CN2008102284375A patent/CN101403920B/zh active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488579A (zh) * | 2014-10-13 | 2016-04-13 | 中芯国际集成电路制造(上海)有限公司 | 一种基于生产线平衡的产能规划与优化的系统及方法 |
CN107626734A (zh) * | 2017-10-10 | 2018-01-26 | 广西柳州银海铝业股份有限公司 | 铝合金热轧卷的扁锭投料规格优化控制方法 |
CN111047065A (zh) * | 2018-10-11 | 2020-04-21 | 上海宝信软件股份有限公司 | 钢铁冶炼投料动态优化方法和系统 |
CN112286913A (zh) * | 2020-09-04 | 2021-01-29 | 邯郸钢铁集团有限责任公司 | 一种建立基于冷轧生产过程质量数据仓库的方法 |
CN112387788A (zh) * | 2020-09-07 | 2021-02-23 | 柳州市智甲金属科技有限公司 | 一种提高中厚板加工成品率的方法 |
CN112387788B (zh) * | 2020-09-07 | 2024-03-22 | 柳州市智甲金属科技有限公司 | 一种提高中厚板加工成品率的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101403920B (zh) | 2010-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104376424B (zh) | 一种钢铁企业冷轧区多产线钢卷协调调度方法 | |
CN101403920B (zh) | 一种钢铁企业冷轧精整机组产能负荷均衡方法 | |
CN101329573B (zh) | 一种冷轧酸洗和轧制联合机组自动排产优化方法及系统 | |
CN105427021A (zh) | 一种服装智能排产方法 | |
CN101303749A (zh) | 面向客户需求的车间作业调度方法 | |
EP1748529B1 (de) | Verfahren und System zur Prognose der benötigten Energiemengen eines, insbesondere industriellen Verbrauchers von einem Energieversorger oder Energielieferanten sowie Vorrichtung zur Energiebedarfsprognose | |
US20040260592A1 (en) | Method for determining and eliminating the drivers of non-value added cost due to product complexity and process parameters | |
CN101833709A (zh) | 半导体生产线生产计划的混合智能优化方法 | |
CN113506081A (zh) | 一种生产计划管理系统及其排产方法 | |
CN102909844A (zh) | 一种注塑机工件生产线的生产方法 | |
JP2011170496A (ja) | プラントの工事計画支援装置及び方法 | |
JP2011065626A (ja) | プラントの建設計画支援装置及び方法 | |
Dinesh et al. | Material requirement planning for automobile service plant | |
CN102360178B (zh) | 用于混合并行机和作业车间的组批动态控制方法 | |
Da Silva et al. | Simulation study of dispatching rules in stochastic job shop dynamic scheduling | |
Saif et al. | Drum buffer rope-based heuristic for multi-level rolling horizon planning in mixed model production | |
CN107516149B (zh) | 企业供应链管理系统 | |
JP2011065224A (ja) | サプライチェーン効率化支援方法 | |
CN116258337A (zh) | 一种基于企业制造运营的产业链协同管理系统 | |
CN117519023A (zh) | 一种长周期计划可行性评估方法、系统、设备及介质 | |
JP5089352B2 (ja) | 販売生産計画システム、販売生産計画システムの動作方法及びコンピュータプログラム | |
Bolshakov et al. | A combined method for solving the problem of optimizing the production schedule of metal structure processing for use in a cyber-physical control system of a metallurgical enterprise | |
JP2010244228A (ja) | サプライチェーンの効率化支援方法 | |
JP2010055258A (ja) | サプライチェーンの効率化支援方法 | |
Wuttipornpun et al. | Finite capacity material requirement planning system for assembly flow shop with alternative work centres |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |