CN103631243B - 一种基于遗传算法的炼钢-连铸重调度方法及系统 - Google Patents
一种基于遗传算法的炼钢-连铸重调度方法及系统 Download PDFInfo
- Publication number
- CN103631243B CN103631243B CN201310684203.2A CN201310684203A CN103631243B CN 103631243 B CN103631243 B CN 103631243B CN 201310684203 A CN201310684203 A CN 201310684203A CN 103631243 B CN103631243 B CN 103631243B
- Authority
- CN
- China
- Prior art keywords
- prime
- ijo
- heat
- reschedule
- time
- 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.)
- Active
Links
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]
Abstract
本发明提出了一种基于遗传算法的炼钢-连铸重调度方法及系统,包括如下步骤:重调度系统获取炼钢-连铸系统的生产批量计划、当前调度方案和实时调度数据,进行扰动识别与分析,小扰动时调整当前调度方案,大扰动时进行重调度,对已完成作业炉次集合中各炉次,采用调度实绩信息作为该集合内各炉次的重调度子方案;对正在作业炉次集合中各炉次,基于已完成作业炉次集合的实际调度信息和重调度目标,根据流程顺推和遗传算法的混合算法求解;对未作业的炉次集合中各炉次,基于已完成作业炉次集合的重调度子方案和正在作业炉次集合的重调度子方案,根据流程逆推和遗传算法的混合算法求解。本发明能够处理炼钢-连铸生产过程中随机扰动下的重调度问题。
Description
技术领域
本发明涉及冶金控制技术领域,具体涉及一种基于遗传算法的炼钢-连铸重调度方法及系统。
背景技术
炼钢-连铸是现代钢铁企业生产流程的关键环节,该区段设备多,生产组织紧凑、复杂,如何对炼钢-连铸区段进行有效的生产调度关系到整个钢铁厂的生产运行顺畅与否。
在实际生产过程中常常会出现各种随机扰动事件,这使得正在执行的调度方案失效。此时,必须依据实时调度信息在原调度的基础上重新编制计划,即重调度。炼钢-连铸重调度关系到生产稳定、连续的进行,因此,该研究对实际生产有着重要的意义。
关于炼钢-连铸生产调度优化问题的研究已成为近年来的研究热点。其中涉及炼钢-连铸的重调度,目前已发表的论文,如庞新富等在《混合Jobshop炼钢-连铸重调度方法及其应用》中对炼钢-连铸重调度问题进行了分析,针对正在作业炉次提出了已分配设备不变的时间修正模型,对于未作业炉次,建立了多目标非线性0-1整数规划模型。该方案能缩短动态调度时间、维持生产的稳定性,但由于方案中保持正在作业炉次的未加工操作已分配设备不变,因此无法适应任意设备出现故障情况下的重调度;郑忠等在《钢厂炼钢-连铸生产调度及重计划方法》中提出了重调度炉次分类处理,算法求解速度快,但其中炉次设备的分配仅通过启发式规则进行确定,对于多约束的炼钢-连铸重调度问题,有时难以求得可行解;RoyR等在《Developmentofaknowledgemodelformanagingscheduledisturbanceinsteel-making》中提出了一个由任务、推理和领域3模块组成的知识模型去管理炼钢过程中的各种扰动问题,给出了一个重调度的框架结构,但并未给出具体的模型和求解算法。目前已授权的专利,如公开号为CN1556486A的中国专利中披露了通过预订计划-仿真软件模拟-调整计划的方式制定生产计划,利用模型计算和规则推理结合的方法进行在线调度,该方法利用了现有仿真调度软件与算法库,解决方案的针对性受到限制;公开号为CN101520656A的中国专利中披露了将生产实际数据与设定参数的差值作为粗调度的依据,在粗调度的基础上,进行时间优化调度模式匹配,进而获得重调度方案,但未包括设备和计划变更等扰动,只根据目标调整各工位上的作业时间。
发明内容
为了克服上述现有技术中存在的缺陷,本发明的目的是提供一种基于遗传算法的炼钢-连铸重调度方法及系统,本发明能够有效处理炼钢-连铸生产过程中随机扰动下的重调度问题。
为了实现本发明的上述目的,根据本发明的一个方面,本发明提供了一种基于遗传算法的炼钢-连铸重调度方法,包括如下步骤:
S1,重调度系统获取炼钢-连铸系统的生产批量计划和当前调度方案,以及炼钢-连铸系统的实时调度数据,并进行扰动识别与分析,根据扰动对当前调度方案的可持续执行性的影响程度判断是大扰动还是小扰动,小扰动是指在扰动发生时任务性质和数量不变的前提下,针对某一炉次,不会影响其预定加工设备及在铸机上开始浇铸时间的扰动,大扰动是指扰动发生时任务性质、数量改变,或者针对某一炉次,会影响其预定加工设备或在铸机上开始浇铸时间的扰动,当扰动是小扰动时,执行步骤S2,当扰动是大扰动时,执行步骤S3;
S2,对当前调度方案进行修复处理,结束;
S3,进行重调度,给当前批次中各炉次安排加工设备,并计算所述炉次在所述加工设备上的开始加工时间和结束加工时间,首先将炉次集合Ω进行分类,分为已完成作业的炉次集合ΩP、未作业的炉次集合ΩW和正在作业炉次集合ΩH;
对于已完成作业的炉次集合ΩP中各炉次,采用实际调度信息作为该集合内各炉次的重调度子方案,即令 oij=1,2,...O(i,j),其中,表示重调度中炉次Lij的第oij个操作在第g类工序设备上的第k个加工设备上冶炼,表示实际中炉次Lij的第oij个操作在第g类工序设备上的第k个加工设备上冶炼,表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的重计划开始时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的实际开始时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的重计划结束时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个设备上的实际结束时间,O(i,j)表示炉次Lij所经过的加工设备总数,g表示工序设备类,所述g、k、i、j均为正整数;
对于正在作业炉次集合ΩH中各炉次,基于已完成作业的炉次集合中炉次的调度实际信息和重调度目标,根据基于流程顺推和遗传算法的混合算法进行求解,得到各炉次待完成作业的重调度子方案;
对于未作业的炉次集合ΩW中各炉次,基于已完成作业的炉次集合中炉次的重调度子方案和正在作业炉次集合中各炉次的重调度子方案,根据基于流程逆推和遗传算法的混合算法进行求解,得到未作业的炉次集合中各炉次的重调度子方案;
S4,将已完成作业的炉次集合ΩP、未作业的炉次集合ΩW和正在作业炉次集合ΩH这3个集合内炉次的重调度子方案耦合成最终重调度方案传输给炼钢-连铸生产运行控制系统,控制炼钢-连铸生产运行系统按照所述重调度方案运行。
本发明根据扰动对当前调度方案的可持续执行性的影响程度将扰动分为大扰动和小扰动,所述大扰动包含任务变更、设备故障和较大时间偏差扰动,所述小扰动包含较小时间偏差扰动,该扰动分类机制更贴合实际应用。
当发生小扰动时,只对当前调度方案进行修复处理,当发生大扰动时,才进行重调度。该处理机制避免了不必要的重调度对生产的干扰,提高了生产运行的稳定性。
本发明将炉次集合Ω分为已完成作业的炉次集合ΩP、正在作业炉次集合ΩH和未作业的炉次集合ΩW;这种分类方法,以及通过按照已完成的炉次集合、正在作业炉次集合和未作业炉次集合的先后顺序确定重调度方案的方法,降低了问题规模,使扰动情况下的重调度更符合生产运行的实际规律,也能够得到更为合理的重调度方案。
本发明对正在作业炉次集合中各炉次进行重调度时,将已完成作业的炉次集合中炉次的重调度子方案作为初始信息;对未作业的炉次集合中各炉次进行重调度时,将已完成作业的炉次集合中各炉次的重调度子方案和正在作业炉次情况对重调度的影响,同时确保了不同炉次集合的重调度子方案间的有效衔接,从而保证了整个重调度方案的合理性,因此更切合实际情况和现实要求。
在本发明的一种优选实施方式中,对正在作业炉次集合ΩH中各炉次Lij根据基于流程顺推和遗传算法的混合算法进行求解步骤为:
S2-1,将正在作业炉次集合中炉次已完成的操作的实际调度信息转变为该炉次的重调度信息并保存;
S2-2,构造初始种群P,按初始种群的大小产生与所述种群数量相同的染色体,组成染色体集合,该染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数;
S2-3,设定的迭代次数altNum,所述altNum为正整数,设定初始化迭代计数器d,令d=1;
S2-4,若d小于初始设定的迭代次数altNum,则执行步骤S2-5,否则,执行步骤S2-11;
S2-5,将种群P赋予数据集合Ψ,初始化染色体计数器c,令c=1;
S2-6,若数据集合Ψ不为空,则执行步骤S2-7,否则,执行步骤S2-10;
S2-7,取出第c个染色体,利用流程顺推和染色体携带的信息将ΩH中各炉次的剩余操作编制重调度方案,具体为:
S2-7-1,将集合ΩH赋予临时数据集合ζ,初始化炉次计数器h,令h=1;
S2-7-2,若ζ不为空,则继续执行步骤S2-7-3,否则,执行S2-8;
S2-7-3,取出第h个炉次,初始化炉次操作数oij=woij+1;
S2-7-4,若oij<O(i,j),则执行步骤S2-7-5,否则,执行步骤S2-7-6;
S2-7-5,已知炉次h的第oij-1个操作的加工设备为根据染色体的内容,找出h的第oij个操作的加工设备在强制约束范围内随机产生一个该工位间的运输时间则 在强制约束范围内随机产生一个作业时间WTg',则执行步骤S2-7-8;
S2-7-6,若oij=O(i,j),则执行步骤S2-7-7,否则,执行步骤S2-7-9;
S2-7-7,找出炉次h的第O(i,j)个操作的加工设备若已经开浇,则依据生产批量计划中规定的h在铸机上的浇铸顺序和连浇规定计算h浇铸的开始时间和结束时间若还未开浇,则依据染色体内容计算出的开浇时间,得出h浇铸的开始时间和结束时间;
S2-7-8,令oij=oij+1,返回步骤S2-7-4;
S2-7-9,从ζ中删除第h个炉次,令h=h+1,返回步骤S2-7-2;
S2-8,针对所有已重调度的炉次,检查依靠染色体c携带的信息编制的重调度方案是否合理,若合理则将染色体c标记为合格;
S2-9,从Ψ中删除染色体c,令c=c+1,执行步骤S2-6;
S2-10,构造下一代种群P,令d=d+1,执行步骤S2-4;
S2-11,在最末代种群P中的合格染色体中在柔性约束范围内选取最优解作为最终解,结束。选取时,若末代种群P中没有一条合格染色体,则执行S2-2。
本发明中基于流程顺推和遗传算法的混合算法,将已完成作业炉次的调度实际信息和正在作业炉次集合中炉次已完成的操作的调度实际信息作为初始信息,该处理机制考虑了扰动时的生产情况对重调度的影响。在求解过程中,利用遗传算法的迭代寻优机制,不断的产生合格染色体,最后利用柔性约束从合格染色体中选取最优解作为最终解,从而提高了算法的求解速度。
在本发明的另一种优选实施方式中,步骤S2-1具体包括如下步骤:
S2-1-1,将集合ΩH赋予临时集合ζ,初始化炉次计数器h,令h=1;
S2-1-2,若ζ不为空,则继续执行以下步骤,否则,执行S2-2;
S2-1-3,取出第h个炉次,初始化炉次操作数oij=1;
S2-1-4,若oij≤O(i,j),则执行步骤S2-1-5,否则,执行步骤S2-1-9;
S2-1-5,若 则 执行步骤S2-1-8;
S2-1-6,若 则 在强制约束范围内随机产生作业时间WTg,令woij=oij,执行步骤S2-1-9;
S2-1-7,若则令woij=oij-1,执行步骤S2-1-9;
S2-1-8,令oij=oij+1,执行步骤S2-1-4;
S2-1-9,从ζ中删除第h个炉次,令h=h+1,执行步骤S2-1-2。
在本发明的一种优选实施方式中,对未作业的炉次集合ΩW中各炉次Lij根据基于流程逆推和遗传算法的混合算法进行求解,步骤为:
S3-1,将重调度结果数据库的信息更新为已完成作业炉次的重调度子方案和正在作业炉次的重调度子方案;
S3-2,构造初始种群P',按所述初始种群的大小产生与所述初始种群P'的数量相同的染色体,组成染色体集合,所述染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所述所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,所述铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数;
S3-3,设定的迭代次数altNum,所述altNum为正整数,设定初始化迭代计数器d,令d=1;
S3-4,若d小于初始设定的迭代次数altNum,则执行步骤S3-5,否则,执行步骤S3-11;
S3-5,将种群P'赋予数据集合Ψ,初始化染色体计数器c,令c=1;
S3-6,若数据集合Ψ不为空,则执行步骤S3-7,否则,执行步骤S3-10;
S3-7,取出第c个染色体,利用流程逆推和染色体携带的信息将ΩH中各炉次的剩余操作编制重调度方案,具体为:
S3-7-1,将集合ΩW赋予临时数据集合ζ,初始化炉次计数器h,令h=1;
S3-7-2,若ζ不为空,则继续执行步骤S3-7-3,否则,执行S3-8;
S3-7-3,取出第h个炉次,根据染色体内容,找出炉次h的第O(i,j)个操作的加工设备若已经开浇,则依据生产批量计划中规定的h在铸机上的浇铸顺序和连浇规定可计算h浇铸的开始时间和结束时间若还未开浇,则依据染色体内容计算出的开浇时间,得出h浇铸的开始时间和结束时间;
S3-7-4,初始化炉次操作数oij=O(i,j)-1;
S3-7-5,若oij≥1,则执行步骤S3-7-6,否则,执行步骤S3-7-8;
S3-7-6,已知炉次h的第oij+1个操作的加工设备为根据染色体的内容,找出h的第oij个操作的加工设备在强制约束范围内随机产生一个该工位间的运输时间则 在强制约束范围内随机产生一个作业时间WTg',则
S3-7-7,令oij=oij-1,返回步骤S3-7-5;
S3-7-8,从ζ中删除炉次h,令h=h+1,返回步骤S3-7-2;
S3-8,针对所有已重调度的炉次,检查依靠染色体c携带的信息编制的重调度方案是否合理,若合理则将染色体c标记为合格;
S3-9,从Ψ中删除染色体c,令c=c+1,执行步骤S3-6;
S3-10,构造下一代种群P',令d=d+1,执行步骤S3-4;
S3-11,在最末代种群P'中的合格染色体中在柔性约束范围内选取最优解作为最终解,结束。选取时,若末代种群P'中没有一条合格染色体,则执行S3-2。
本发明中基于流程逆推和遗传算法的混合算法,将已完成作业炉次的重调度子方案和正在作业炉次的重调度子方案作为初始信息进行求解,从而确保了不同炉次集合的重调度子方案间的有效衔接。在求解过程中,利用遗传算法的迭代寻优机制,不断的产生合格染色体,最后利用柔性约束从合格染色体中选取最优解作为最终解,从而提高了算法的求解速度。
在本发明的一种优选实施方式中,在产生染色体时,染色体的计划炉次的加工路径信息中的自然数字具有相对应的设备;所述染色体中出现的设备均为正常工作设备;所述炉次的浇铸铸机与生产批量计划中指定的铸机一致;
所述炉次加工路径信息的产生方法为:当炉次经过非铸机工序时,从该工序中的非故障设备集合中随机选取一个作为处理设备;当炉次经过铸机工序时,将批量计划中规定的浇铸铸机作为处理设备。
在本发明的一种优选实施方式中,构造下一代种群P的方法为:
将上一代种群中被标记为合格的染色体直接复制到下一代种群P中;
执行杂交操作,所述杂交操作产生的新染色体的个数为上一代种群中不合格染色体总数与杂交概率的乘积;
执行变异操作,所述变异操作产生的新染色体的个数为上一代种群中不合格染色体总数与变异概率的乘积。
在本发明的一种优选实施方式中,杂交操作采用参数化的均匀交叉法。
在本发明的一种优选实施方式中,所述修复处理是针对发生小扰动的炉次Lij,利用其尚未加工的除铸机外设备的作业时间与设备间的运输时间的柔性,对原调度方案进行局部调整,来缓冲由小扰动带来的微小时间偏差,使其尽快恢复至原调度方案,具体步骤为:
S8-1:确定炉次Lij的woij、以及其实际作业时间与初始调度方案中作业时间的时间偏差大小PT;
S8-1-1:初始化炉次操作数oij=1;
S8-1-2:若oij<O(i,j),则执行步骤S8-1-3,否则,该扰动不是小扰动,修复结束;
S8-1-3:若 则 执行步骤S8-1-6;
S8-1-4:若 则 令woij=oij, 执行步骤S8-2;
S8-1-5:若 则令woij=oij-1, 执行步骤S8-3;
S8-1-6:令oij=oij+1,返回执行步骤S8-1-2;
S8-2:时间偏差为炉次开始时间的偏差处理,处理步骤如下:
S8-2-1:若PT>0,执行步骤S8-2-2,否则执行步骤S8-2-3;
S8-2-2:时间偏差为正的偏差处理,处理步骤如下:
S8-2-2-1:初始化炉次操作数oij=woij;
S8-2-2-2:若oij<O(i,j),则执行步骤S8-2-2-3,否则,该扰动不是小扰动,修复结束;
S8-2-2-3:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S8-2-2-4:若 则Lij的后续操作的时间与原调度方案一致,修复结束;
S8-2-2-5:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S8-2-2-6:令oij=oij+1,执行步骤S8-2-2-2;
S8-2-3:时间偏差为负的偏差处理,处理步骤如下:
S8-2-3-1:PT=-PT,初始化炉次操作数oij=woij;
S8-2-3-2:若oij<O(i,j),则执行步骤S8-2-3-3,否则,该扰动不是小扰动,修复结束;
S8-2-3-3:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S8-2-3-4:若 则Lij的后续操作的时间与原调度方案一致,修复结束;
S8-2-3-5:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S8-2-3-6:令oij=oij+1,执行S8-2-3-2;
S8-3:时间偏差为炉次结束时间的偏差处理,处理步骤如下:
S8-3-1:若PT>0,执行S8-3-2,否则执行S8-3-3;
S8-3-2:时间偏差为正的偏差处理,处理步骤如下:
S8-3-2-1:初始化炉次操作数oij=woij;
S8-3-2-2:若oij<O(i,j),则执行步骤S8-3-2-3,否则,该扰动不是小扰动,修复结束;
S8-3-2-3:若则Lij的后续操作的时间与原调度方案一致,修复结束;
S8-3-2-4:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S8-3-2-5:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S8-3-2-6:令oij=oij+1,执行S8-3-2-2;
S8-3-3:时间偏差为负的偏差处理,处理步骤如下:
S8-3-3-1:PT=-PT,初始化炉次操作数oij=woij;
S8-3-3-2:若oij<O(i,j),则执行步骤S8-3-3-3,否则,该扰动不是小扰动,修复结束;
S8-3-3-3:若 则Lij的后续操作的时间与原调度方案一致,修复结束;
S8-3-3-4:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S8-3-3-5:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S8-3-3-6:令oij=oij+1,执行步骤S8-3-3-2。
本发明的修复处理算法能快速处理生产过程中的小扰动,避免了不必要的重调度对生产的干扰,提高了生产运行的稳定性。
在本发明的一种优选实施方式中,变异操作的方法为:随机产生染色体,组成染色体集合,染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所述所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数。
为实现本发明的上述目的,根据本发明的另一个方面,本发明提供了一种基于遗传算法的炼钢-连铸重调度系统,重调度系统与钢厂的MES系统相连,重调度系统通过所述MES系统接收所述ERP系统的生产批量计划,以及接收所述MES系统的当前调度方案和实时调度数据,进行扰动在线实时识别,在扰动发生时,所述重调度系统对扰动进行分类处理后,分别按小扰动与大扰动进行修复或重调度,并将重调度方案传输给所述MES系统,通过所述MES系统下达至所述PCS系统,控制炼钢-连铸生产运行系统按照所述重调度方案运行;
所述重调度系统包括系统衔接模块、存储模块、扰动识别与分析模块、修复处理模块、重调度算法模块;系统衔接模块包含数据接口模块、数据转换模块,数据接口模块接收MES系统传输的生产批量计划、当前调度方案和实时调度数据,并向MES系统发送重调度方案,通过MES向PCS系统传输重调度方案,控制炼钢-连铸生产运行系统按照所述重调度方案运行;数据转换模块用于进行数据格式的双向转换;
存储模块与系统衔接模块相连,其包含实时调度信息数据存储子模块、生产批量计划数据存储子模块、原调度方案数据存储子模块,实时调度信息数据存储子模块用于存储炉次的实际调度信息和当前设备状态,生产批量计划数据存储子模块用于存储ERP系统的生产批量计划,原调度方案数据存储子模块用于存储扰动发生时正在执行的调度方案,存储模块还包括重调度运行数据存储子模块和重调度方案数据存储子模块,重调度运行数据存储子模块用于存储算法运行的过程数据,重调度方案数据库用于存储扰动发生后重调度系统编制的重调度结果;
所述扰动识别与分析模块对存储模块中的实时调度信息数据库、生产批量计划数据库和原调度方案数据库进行实时扰动识别,若发生扰动,则分析是大扰动还是小扰动,小扰动则启用修复处理模块,大扰动则启用重调度算法模块;
所述修复处理模块应用小扰动修复处理算法对所述存储模块中的原调度方案进行修复,同时将结果存入重调度方案数据存储子模块,然后将所述重调度方案传输给所述MES系统,通过MES系统下达至所述PCS系统;
重调度算法模块包括炉次集合分类模块、基于流程顺推和遗传算法的混合算法模块、基于流程逆推和遗传算法的混合算法模块,炉次集合分类模块依据实时调度信息将生产批量计划中所有炉次分为已完成作业的炉次集合、未作业的炉次集合和正在作业炉次集合,若发生追加或删除任务的扰动,对已完成作业炉次集合做相应的调整,然后依据实时调度信息,将已完成作业的炉次集合中各炉次的实际调度信息作为其重调度信息,并保存至重调度方案数据库,基于流程顺推和遗传算法的混合算法模块依据实时调度信息、原调度方案和当前重调度方案对正在作业炉次集合中各炉次编制重调度方案,并保存至重调度方案数据库,基于流程逆推和遗传算法的混合算法模块依据实时调度信息、原调度方案和当前重调度方案对未作业炉次集合中各炉次编制重调度信息,并保存至重调度方案数据库。
本发明的基于遗传算法的炼钢-连铸重调度系统将重调度发生时刻批次内的所有炉次分成已完成作业炉次集合、正在作业炉次集合和未作业炉次集合,3个集合内所有炉次的调度信息耦合成新的调度方案。已完成作业炉次的调度信息就是炉次的生产实绩信息,针对正在作业炉次提出了基于流程顺推和遗传算法的混合算法,针对未作业炉次提出了基于流程逆推和遗传算法的混合算法,通过强制约束结合混合算法搜寻可行解,然后在可行解中利用柔性约束搜寻最优解。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是现有技术中炼钢-连铸生产过程示意图;
图2是本发明基于遗传算法的炼钢-连铸重调度方法的流程图;
图3是本发明一种优选实施方式中重调度方案的效果图;
图4是本发明一种优选实施方式中当前调度方案示意图;
图5是本发明一种优选实施方式中炉次延迟到达时的重调度方案示意图;
图6是本发明一种优选实施方式中转炉故障时的重调度方案示意图;
图7是本发明基于遗传算法的炼钢-连铸重调度系统的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
图1是现有炼钢-连铸过程主要包含的3个生产环节:炼钢、精炼和连铸。炼钢与连铸环节各自包含一个并行机组,而精炼环节一般包含多个并行机组,以实现不同精炼工艺要求。一般性的炼钢-连铸生产过程如图1所示:从高炉运来的高温铁水经铁水预处理工序后兑入转炉冶炼成钢水,钢水倒入转炉下台车上的钢包内,通过天车和台车的运输作业,把钢水包运送至精炼环节,根据生产工艺要求依次在不同的精炼设备上精炼钢水,精炼完成后,再通过天车和台车,把钢水包运送至连铸并实施浇铸,形成铸坯。
在钢厂生产调度中,炉次是指某个转炉在一个冶炼周期内生产的钢水,由于一个炉次的钢水被装入一个钢包中,所以从炼钢到连铸前被调度的对象均为炉次,炉次是钢厂生产调度中最小的生产单元。浇次是指在同一连铸机上连续浇铸的炉次集合,是钢厂生产调度中最大的生产单元。炼钢-连铸调度方案制定流程是:首先将用户合同按照技术标准转化为生产合同;然后根据炼钢生产能力和工艺要求等编制炉次计划和浇次计划,并结合热轧轧制能力和工艺要求等编制热轧单元计划,形成炼钢与热轧生产相协调的生产批量计划。在生产批量计划中,已经确定了浇次的浇铸铸机以及浇次内炉次的加工顺序和生产工艺;最后,在生产批量计划的基础上,进一步结合炼钢-连铸各环节生产能力,编制生产调度方案。本发明的研究内容就是基于生产批量计划和调度方案,研究扰动时的重调度编制方法。
本发明提供了一种基于遗传算法的炼钢-连铸重调度方法,如图2所示,其包括如下步骤:
S1,重调度系统获取炼钢-连铸系统的生产批量计划和当前调度方案,以及炼钢-连铸系统的实时调度数据,并进行扰动识别与分析,根据扰动对当前调度方案的可持续执行性的影响程度判断是大扰动还是小扰动。小扰动是指在扰动发生时任务性质和数量不变的前提下,针对某一炉次,不会影响其预定加工设备及在铸机上开始浇铸时间的扰动,例如时间较小偏差,其中,任务性质是指炉次根据品种、质量、规格等确定的加工工艺要求。大扰动是指扰动发生前后任务性质、数量改变,或者针对某一炉次,会影响其预定加工设备或在铸机上开始浇铸时间的扰动,例如设备故障、设备启用、时间偏差过大、任务变更,当扰动是小扰动时,执行步骤S2,当扰动是大扰动时,执行步骤S3;
S2,对调度方案进行修复处理,结束;
S3,进行重调度,给当前批次中各炉次安排加工工位(设备),并计算炉次在工位(设备)上的开始加工时间和结束加工时间,首先将炉次集合Ω进行分类,分为已完成作业的炉次集合ΩP、未作业的炉次集合ΩW和正在作业炉次集合ΩH;
对于已完成作业的炉次集合ΩP中各炉次,采用实际调度信息作为该集合内各炉次的重调度子方案,即令 oij=1,2,...O(i,j),其中,表示重调度中炉次Lij的第oij个操作在第g类工序设备上的第k个加工设备上冶炼,表示实际中炉次Lij的第oij个操作在第g类工序设备上的第k个加工设备上冶炼,表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的重计划开始时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的实际开始时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的重计划结束时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个设备上的实际结束时间,O(i,j)表示炉次Lij所经过的加工设备总数,g表示工序设备类,所述i、j均为正整数;
对于正在作业炉次集合ΩH中各炉次,基于已完成作业的炉次集合中炉次的实际调度信息和重调度目标,根据基于流程顺推和遗传算法的混合算法进行求解,得到各炉次待完成作业的重调度子方案;
对于未作业的炉次集合ΩW中各炉次,基于已完成作业的炉次集合中炉次的重调度子方案和正在作业炉次集合中各炉次的重调度子方案,根据基于流程逆推和遗传算法的混合算法进行求解,得到未作业的炉次集合中各炉次的重调度子方案;
S4,将以上3个集合内炉次的重调度子方案耦合成最终重调度方案传输给炼钢-连铸生产运行控制系统,控制炼钢-连铸生产运行系统按照所述重调度方案运行,在本实施方式中,耦合方法可以为现有的耦合方法。
在本发明中,采用的符号众多,集中定义如下:
Lij:表示浇次i的第j个炉次。浇次内各炉次的加工顺序在生产批量计划中已给定,所述i、j均为正整数。
O(i,j):炉次Lij从转炉到连铸工序的操作总数,即炉次所经过的加工设备总数。O(i,j)=1(个转炉)+精炼工序设备类别总数+1(个连铸机),由于生产工艺要求的不同,即使在同一浇次中不同炉次的精炼工序设备类别总数也可能不一样,从而导致操作总数不同。生产批量计划中规定了各炉次冶炼应该经历的精炼类型和次序,因此操作总数也可以得出。
重调度时,炉次Lij的第oij(Lij的操作数,1≤oij≤O(i,j))个操作的运行状态。表示“未加工”,表示“正在进行”,表示“已完成”。随着生产的运行,各炉次的依次被赋值。
Ω:炉次集合,Lij∈Ω。
ΩP,ΩW,ΩH:ΩP是已完成作业的炉次集合,对于炉次Lij,若(oij=1,2,...O(i,j)),则Lij∈ΩP;ΩW是未作业的炉次集合,对于炉次Lij,若(oij=1,2,...O(i,j)),则Lij∈ΩW;ΩH是正在作业炉次集合,ΩH=Ω-ΩW-ΩP。
woij:重调度发生时刻,正在作业炉次Lij(Lij∈ΩH)所处的操作数。
分别表示原调度/重调度/生产实际中炉次Lij的第oij个操作在第g类工序设备上的第k台设备上冶炼。g表示工序设备类,g=1,2,...,Ng,如g=1表示转炉类,有k=1,2,3,4,5台设备;g=3表示RH类,有k=1,2,3台设备;g=Ng表示铸机类,有k=1,2,3,4,5台铸机。来自原调度中,为已知解;是求解对象,为未知解;来自生产实绩,为已知解。
WTg:第g类工序设备的加工时间,加工时间具有上下限,即可根据生产实绩数据分析得出。
第g类工序设备上的第k台设备到第g'类设备上的第k'台设备的运输时间,运输时间具有上下限,即可根据生产实绩数据分析得出。
第g类工序设备上的第k台设备的最早可用时间。铸机的最早可用时间来自生产批量计划,其他设备的最早可用时间根据生产实绩数据得到。
分别表示炉次Lij的第oij个操作在第g类工序设备的第k个机器上的原调度开始时间/重调度开始时间/实际开始时间。来自原调度表,为已知解;是求解对象,为未知解;来自生产实绩,为已知解。
分别表示炉次Lij的第oij个操作在第g类工序设备的第k个机器上的原调度结束时间/重调度结束时间/实际结束时间。来自原调度表,为已知解;是求解对象,为未知解;来自生产实绩,为已知解。
在现实生产中,由于不可避免的随机扰动存在,使得计划与实绩往往存在偏差。尤其当扰动过大时,必须根据扰动时的生产实际情况,进行炉次的重调度。
修复处理是针对发生小扰动的炉次Lij,利用其尚未加工的工位(除铸机外)的作业时间与工位间的运输时间的柔性,对原调度方案进行局部调整,具体步骤为:
S8-1:确定炉次Lij的woij、以及其实际作业时间与初始调度方案中作业时间的时间偏差大小PT;
S8-1-1:初始化炉次操作数oij=1;
S8-1-2:若oij<O(i,j),则执行步骤S8-1-3,否则,该扰动不是小扰动,修复结束;
S8-1-3:若 则 执行步骤S8-1-6;
S8-1-4:若 则 令woij=oij, 执行步骤S8-2;
S8-1-5:若 则令woij=oij-1, 执行步骤S8-3;
S8-1-6:令oij=oij+1,返回执行步骤S8-1-2;
S8-2:时间偏差为炉次开始时间的偏差处理,处理步骤如下:
S8-2-1:若PT>0,执行步骤S8-2-2,否则执行步骤S8-2-3;
S8-2-2:时间偏差为正的偏差处理,处理步骤如下:
S8-2-2-1:初始化炉次操作数oij=woij;
S8-2-2-2:若oij<O(i,j),则执行步骤S8-2-2-3,否则,该扰动不是小扰动,修复结束;
S8-2-2-3:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S8-2-2-4:若 则Lij的后续操作的时间与原调度方案一致,修复结束;
S8-2-2-5:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S8-2-2-6:令oij=oij+1,执行步骤S8-2-2-2;
S8-2-3:时间偏差为负的偏差处理,处理步骤如下:
S8-2-3-1:PT=-PT,初始化炉次操作数oij=woij;
S8-2-3-2:若oij<O(i,j),则执行步骤S8-2-3-3,否则,该扰动不是小扰动,修复结束;
S8-2-3-3:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S8-2-3-4:若 则Lij的后续操作的时间与原调度方案一致,修复结束;
S8-2-3-5:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S8-2-3-6:令oij=oij+1,执行S8-2-3-2;
S8-3:时间偏差为炉次结束时间的偏差处理,处理步骤如下:
S8-3-1:若PT>0,执行S8-3-2,否则执行S8-3-3;
S8-3-2:时间偏差为正的偏差处理,处理步骤如下:
S8-3-2-1:初始化炉次操作数oij=woij;
S8-3-2-2:若oij<O(i,j),则执行步骤S8-3-2-3,否则,该扰动不是小扰动,修复结束;
S8-3-2-3:若则Lij的后续操作的时间与原调度方案一致,修复结束;
S8-3-2-4:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S8-3-2-5:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S8-3-2-6:令oij=oij+1,执行S8-3-2-2;
S8-3-3:时间偏差为负的偏差处理,处理步骤如下:
S8-3-3-1:PT=-PT,初始化炉次操作数oij=woij;
S8-3-3-2:若oij<O(i,j),则执行步骤S8-3-3-3,否则,该扰动不是小扰动,修复结束;
S8-3-3-3:若则Lij的后续操作的时间与原调度方案一致,修复结束;
S8-3-3-4:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S8-3-3-5:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S8-3-3-6:令oij=oij+1,执行步骤S8-3-3-2。
当扰动较大时,本发明进行重调度编制,首先对炉次集合Ω进行分类,将其分成已完成作业的炉次集合ΩP、正在作业炉次集合ΩH和未作业的炉次集合ΩW。对于已完成作业的炉次集合ΩP中各炉次Lij,其 (oij=1,2,...O(i,j))。对于ΩH中各炉次Lij的重调度,构造一种基于流程顺推和遗传算法的混合算法进行求解。对于ΩW中各炉次Lij的重调度,构造一种基于流程逆推和遗传算法的混合算法进行求解。
在本实施方式中,对正在作业炉次集合ΩH中各炉次Lij根据基于流程顺推和遗传算法的混合算法进行求解步骤为:
S2-1,将正在作业炉次集合中炉次已完成的操作的调度实绩信息转变为该炉次的重调度信息并保存。在本实施方式中,重调度编制开始时,ΩH中的炉次Lij只可能处于两种状态:在工位上加工(存在某个oij使得)和在运输途中(不存在某个oij使得)。重调度时,正在工位上加工的炉次必须安排在该工位上继续加工,而在运输途中的炉次的预定紧后加工工位可以改变。
S2-2,构造初始种群P,按初始种群的大小产生与种群数量相同的染色体,组成染色体集合,染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数。
S2-3,设定的迭代次数altNum,所述altNum为正整数,具体可根据数值解的精度要求进行设定,在本发明的一种更加优选的实施方式中,altNum取为100,设定初始化迭代计数器d,令d=1;
S2-4,若d小于初始设定的迭代次数altNum,则执行步骤S2-5,否则,执行步骤S2-11;
S2-5,将种群P赋予数据集合Ψ,初始化染色体计数器c,令c=1;
S2-6,若数据集合Ψ不为空,则执行步骤S2-6,否则,执行步骤S2-10;
S2-7,取出第c个染色体,利用流程顺推和染色体携带的信息将ΩH中各炉次的剩余操作编制重调度方案,具体为:
S2-7-1,将集合ΩH赋予临时数据集合ζ,初始化炉次计数器h,令h=1;
S2-7-2,若ζ不为空,则继续执行步骤S2-7-3,否则,执行S2-8;
S2-7-3,取出第h个炉次,初始化炉次操作数oij=woij+1;
S2-7-4,若oij<O(i,j),则执行步骤S2-7-5,否则,执行步骤S2-7-6;
S2-7-5,已知炉次h的第oij-1个操作的加工设备为根据染色体的内容,找出h的第oij个操作的加工设备在强制约束范围内随机产生一个该工位间的运输时间则 在强制约束范围内随机产生一个作业时间WTg',则执行步骤S2-7-8;
S2-7-6,若oij=O(i,j),则执行步骤S2-7-7,否则,执行步骤S2-7-9;
S2-7-7,找出炉次h的第O(i,j)个操作的加工设备若已经开浇,则依据生产批量计划中规定的h在铸机上的浇铸顺序和连浇规定可计算h浇铸的开始时间和结束时间若还未开浇,则依据染色体内容计算出的开浇时间,得出h浇铸的开始时间和结束时间;
S2-7-8,令oij=oij+1,返回步骤S2-7-4;
S2-7-9,从ζ中删除第h个炉次,令h=h+1,返回步骤S2-7-2;
S2-8,针对所有已重调度的炉次,检查依靠染色体c携带的信息编制的重调度方案是否合理,若合理则将染色体c标记为合格;
S2-9,从Ψ中删除染色体c,令c=c+1,执行步骤S2-6;
S2-10,构造下一代种群P,令d=d+1,执行步骤S2-4;
S2-11,在最末代种群P中的合格染色体中在柔性约束范围内选取最优解作为最终解,结束。选取时,若末代种群P中没有一条合格染色体,则执行S2-2。
在本发明的一种优选实施例中,步骤S2-1具体包括如下步骤:
S2-1-1,将集合ΩH赋予临时集合ζ,初始化炉次计数器h,令h=1;
S2-1-2,若ζ不为空,则继续执行以下步骤,否则,执行S2-2;
S2-1-3,取出第h个炉次,初始化炉次操作数oij=1;
S2-1-4,若oij≤O(i,j),则执行步骤S2-1-5,否则,执行步骤S2-1-9;
S2-1-5,若 则 执行步骤S2-1-8;
S2-1-6,若 则 在强制约束范围内随机产生作业时间WTg,令woij=oij,执行步骤S2-1-9;
S2-1-7,若则令woij=oij-1,执行步骤S2-1-9;
S2-1-8,令oij=oij+1,执行步骤S2-1-4;
S2-1-9,从ζ中删除第h个炉次,令h=h+1,执行步骤S2-1-2。
在本发明的一种优选实施例中,对未作业的炉次集合ΩW中各炉次Lij根据基于流程逆推和遗传算法的混合算法进行求解步骤为:
S3-1,将重调度结果数据库的信息更新为已完成作业炉次的重调度子方案和正在作业炉次的重调度子方案;
S3-2,构造初始种群P',按初始种群的大小产生与初始种群P'的数量相同的染色体,组成染色体集合,染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数;
S3-3,设定的迭代次数altNum,所述altNum为正整数,具体可根据数值解的精度要求进行设定,在本发明的一种更加优选的实施方式中,altNum取为100,设定初始化迭代计数器d,令d=1;
S3-4,若d小于初始设定的迭代次数altNum,则执行步骤S3-5,否则,执行步骤S3-11;
S3-5,将种群P'赋予数据集合Ψ,初始化染色体计数器c,令c=1;
S3-6,若数据集合Ψ不为空,则执行步骤S3-7,否则,执行步骤S3-10;
S3-7,取出第c个染色体,利用流程逆推和染色体携带的信息将ΩH中各炉次的剩余操作编制重调度方案,具体为:
S3-7-1,将集合ΩW赋予临时数据集合ζ,初始化炉次计数器h,令h=1;
S3-7-2,若ζ不为空,则继续执行步骤S3-7-3,否则,执行S3-8;
S3-7-3,取出第h个炉次,根据染色体内容,找出炉次h的第O(i,j)个操作的加工设备若已经开浇,则依据生产批量计划中规定的h在铸机上的浇铸顺序和连浇规定可计算h浇铸的开始时间和结束时间若还未开浇,则依据染色体内容计算出的开浇时间,得出h浇铸的开始时间和结束时间;
S3-7-4,初始化炉次操作数oij=O(i,j)-1;
S3-7-5,若oij≥1,则执行步骤S3-7-6,否则,执行步骤S3-7-8;
S3-7-6,已知炉次h的第oij+1个操作的加工设备为根据染色体的内容,找出h的第oij个操作的加工设备在强制约束范围内随机产生一个该工位间的运输时间则 在强制约束范围内随机产生一个作业时间WTg',则
S3-7-7,令oij=oij-1,返回步骤S3-7-5;
S3-7-8,从ζ中删除炉次h,令h=h+1,返回步骤S3-7-2;
S3-8,针对所有已重调度的炉次,检查依靠染色体c携带的信息编制的重调度方案是否合理,若合理则将染色体c标记为合格;
S3-9,从Ψ中删除染色体c,令c=c+1,执行步骤S3-6;
S3-10,构造下一代种群P',令d=d+1,执行步骤S3-4;
S3-11,在最末代种群P'中的合格染色体中在柔性约束范围内选取最优解作为最终解,结束。选取时,若末代种群P'中没有一条合格染色体,则执行S3-2。
在本实施方式中,构造初始种群P和P',按初始设定的种群大小popSize产生符合数量的染色体。染色体由两部分组成:第一部分代表所有计划炉次的加工路径信息,其长度等于所有炉次还未执行的操作数()的总和,该部分染色体由自然数字组成,对于炉次Lij,若O(i,j)-woij=2,则Lij对应的染色体模块表示第二部分代表铸机开浇信息,其大小等于重调度发生时还未开浇的铸机个数,若铸机全部开浇,则染色体不包含第二部分,该部分染色体由自然数字组成,对于铸机生产批量计划中规定其最早开浇时间为则对应的染色体模块表示其开浇时间为假设流程中具有4类设备:有5台转炉(g=1)、5台LF(g=2)、3台RH(g=3)、5台铸机(g=4),重调度发生时,3#铸机和5#铸机均未开浇。若ΩH中有炉次L14、L21和L22,它们所规定的加工操作类型分别是:转炉-LF-铸机、转炉-RH-铸机和转炉-LF-RH-铸机。重调度发生时可得出:O(i,j)-woij=1(i=1,j=4)、O(i,j)-woij=2(i=2,j=1)、O(i,j)-woij=3(i=2,j=2)。则染色体[(322415)(32)]表示:L14后续加工路径为铸机3、L21后续加工路径为RH2-铸机2、L22后续加工路径为LF4-RH1-铸机5;3#铸机的开浇时间为5#铸机的开浇时间为
在产生所述染色体时,染色体第一部分中的自然数字必须要有相对应的设备;所述染色体中出现的设备均为正常工作设备;所述炉次的浇铸铸机与生产批量计划中指定的铸机一致;
所述炉次加工路径信息的产生方法为:当炉次经过非铸机工序时,从该工序中的非故障设备集合中随机选取一个作为处理设备;当炉次经过铸机工序时,将批量计划中规定的浇铸铸机作为处理设备。
在本发明的一种优选实施例中,构造下一代种群P的方法为:
将上一代种群中被标记为合格的染色体直接复制到下一代种群P中;
执行杂交操作,所述杂交操作产生的新染色体的个数为上一代种群中不合格染色体总数与杂交概率的乘积;
执行变异操作,所述变异操作产生的新染色体的个数为上一代种群中不合格染色体总数与变异概率的乘积。在本实施方式中,种群大小、杂交概率和变异概率可根据实际情况具体设定。
在本发明的一种优选实施例中,所述杂交操作采用参数化的均匀交叉法,父代1和父代2进行杂交,每个基因在遗传时投掷一枚硬币,出现正面则遗传父代1的基因,出现反面则遗传父代2的基因。正反面出现的概率可以相同也可以不同,本文采用相同的概率。参数化的均匀交叉法能保证合法的父代产生的子代一定是合法的。
在本实施方式中,所变异操作的方法为:按染色体形成方法随机产生染色体,组成染色体集合,所述染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所述所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,所述铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数。
在本实施方式中,为获得满足炼钢-连铸生产组织客观规律,进而可执行的调度方案,则必须满足强制约束,所述强制约束为:
1、连浇生产约束:同一浇次内的炉次应在铸机上无间断的被加工,相邻浇次间需要一定的时间间隔。
2、工艺约束:炉次应该按照生产批量计划中规定的加工操作类型和次序进行加工。
3、设备约束:同一时刻一个设备最多加工一个炉次,故障设备不能加工炉次。计划中,设备开始加工第一炉的时间不能早于该设备的最早可用时间。
4、工位作业时间与工位间运输时间约束:依据生产要求和厂房布局,不同工位的作业时间与不同工位间的运输时间应该处于一个固定区间内。
5、重调度时间约束:重调度发生时,炉次还未完成的操作的开始时间不能早于重调度发生时间。
在本实施方式中,柔性约束是使重调度方案更优化的生产组织规律,所述柔性约束为:
1、铸机尽量提前开浇约束:生产批量计划中规定了各铸机的开浇时间,在不早于该开浇时间的前提下,铸机应尽量提前开浇。重调度时,若所有铸机已经开浇,该约束不起作用。
2、生产稳定性约束:在动态环境下,为保障生产连续性和稳定性,重调度时,各炉次后续操作的开始时间、结束时间、加工设备与原计划之差最小。
3、设备利用率均衡约束:同一类设备的利用率均衡,减少某些设备过度使用而产生故障造成的生产扰动,以提高生产稳定性。
图3是以甘特图形式表达的炼钢-连铸过程的重调度示例效果图,重调度的扰动因素是流程中的3#LF发生故障。在此之前,原计划在执行过程中还出现了一个扰动——炉次1运送至3#LF的实际时间稍大于计划时间,由于偏差较小,因此能在满足强制约束4的前提下,缩短炉次1从3#LF至2#铸机的运输时间来保证炉次1按时开浇,从而避免了启用重调度求解算法。
在本发明的一种优选实施方式中,某炼钢厂有转炉5座;重精炼设备8台:5台LF(电炉),3台RH(循环真空脱气炉);连铸机5台。根据本发明的方法,采用VisualStudio2005.net开发了生产计划调度系统中的重调度模块。系统运行的后台数据库采用MicrosoftSQLServer2005,利用与L4/L3建立的数据通信接口,从企业Oracle数据库中获得系统运行相关数据。统计生产实绩数据得出设备加工时间和工位间运输时间如表1、表2所示。其中,表1中[]内第1个数为最小值,第2个数为平均值,第3个数为最大值。表2中,中a表示平均值,b表示最小值,c表示最大值。
表1设备加工时间
设备 | 转炉+炉后处理 | LF | RH | 铸机 |
加工时间/min | [40,42,45] | [35,40,45] | [20,26,30] | [30,43,56] |
表2工位间运输时间/min
以表3中的浇次计划编制初始调度方案,如图4所示。以所述初始调度方案为基础,通过设置生产扰动来进行仿真实验。具体设计了2组实验来验证重调度方法的可行性和有效性,分别是炉次延迟到达下的重调度和转炉故障下的重调度。遗传算法参数设置为:种群大小100,进化代数300,交叉概率0.9,变异概率0.1。
表3浇次计划
浇次号 | 浇次内炉数 | 钢种 | 工艺路径 | 目标铸机 |
1 | 6 | A | BOF-LF-CC | 1# |
2 | 5 | B | BOF-LF-CC | 1# |
3 | 5 | C | BOF-LF-RH-CC | 2# |
4 | 5 | D | BOF-LF-CC | 3# |
5 | 4 | E | BOF-LF-CC | 3# |
6 | 7 | F | BOF-LF-RH-CC | 4# |
7 | 8 | G | BOF-LF-CC | 5# |
初始计划中炉次8在转炉1上的开始时间为11:00,当计划执行到该时刻时,炉次8未准时到达。计划中炉次8在转炉1上冶炼43min,从转炉1到LF2的运输时间为29min,由表1可知转炉工位的加工时间区间为[40,45],由表2可知转炉1到LF2的运输时间区间为[24,37],因此,当炉次8延迟到达时间大于8min时,将影响炉次在下游工位上的加工。重调度启动时刻为炉次到达时刻,实验1中炉次8延迟20min到达,重调度结果如图5所示。对比图4和图5可知,算法主要是通过降低铸机1的拉速,延长炉次7的浇铸时间来处理该生产扰动。
实验2为转炉故障下的重调度。当计划执行到10:55时,转炉1出现故障,此时启动重调度,重调度结果如图5所示。由于生产计划编制中存在铸机尽量提前开浇约束(柔性约束1),因此在设备选择时,炉次会选择到达目标铸机运输时间较短的设备进行加工,这就导致计划中出现了区域对应现象。从图4中可以看出:转炉1、2,LF1、2,RH1,铸机1、2形成一个区域;转炉3,LF3,RH2,铸机3形成一个区域;转炉4、5,LF4、5,RH3,铸机4、5形成一个区域。对比图4和图6可知,转炉1的故障打破了这个规律,但新的调度方案仍然满足所有的强制约束,因此是可行的。
为体现本发明的实际应用效果,如图7所示,本发明提供了一种基于遗传算法的炼钢-连铸重调度系统,重调度系统与钢厂的MES系统相连,重调度系统通过所述MES系统接收所述ERP系统的生产批量计划,以及接收所述MES系统的当前调度方案和实时调度数据,进行扰动在线实时识别,在扰动发生时,所述重调度系统对扰动进行分类处理后,分别按小扰动与大扰动进行修复或重调度,并将重调度方案传输给所述MES系统,通过所述MES系统下达至所述PCS系统,控制炼钢-连铸生产运行系统按照所述重调度方案运行。
所述重调度系统包括系统衔接模块、存储模块、扰动识别与分析模块、修复处理模块、重调度算法模块;系统衔接模块包含数据接口模块、数据转换模块,数据接口模块接收MES系统传输的生产批量计划、当前调度方案和实时调度数据,并向MES系统发送重调度方案,通过MES向PCS系统传输重调度方案,控制炼钢-连铸生产运行系统按照所述重调度方案运行;数据转换模块用于进行数据格式的双向转换。
存储模块与系统衔接模块相连,其包含实时调度信息数据存储子模块、生产批量计划数据存储子模块、原调度方案数据存储子模块,实时调度信息数据存储子模块用于存储炉次的实际调度信息和当前设备状态,生产批量计划数据存储子模块用于存储ERP系统的生产批量计划,原调度方案数据存储子模块用于存储扰动发生时正在执行的调度方案,存储模块还包括重调度运行数据存储子模块和重调度方案数据存储子模块,重调度运行数据存储子模块用于存储算法运行的过程数据,重调度方案数据库用于存储扰动发生后重调度系统编制的重调度结果。
所述扰动识别与分析模块对存储模块中的实时调度信息数据库、生产批量计划数据库和原调度方案数据库进行实时扰动识别,若发生扰动,则分析是大扰动还是小扰动,小扰动则启用修复处理模块,大扰动则启用重调度算法模块。
所述修复处理模块应用小扰动修复处理算法对所述存储模块中的原调度方案进行修复,同时将结果存入重调度方案数据存储子模块,然后将所述重调度方案传输给所述MES系统,通过MES系统下达至所述PCS系统。
重调度算法模块包括炉次集合分类模块、基于流程顺推和遗传算法的混合算法模块、基于流程逆推和遗传算法的混合算法模块,炉次集合分类模块依据实时调度信息将生产批量计划中所有炉次分为已完成作业的炉次集合、未作业的炉次集合和正在作业炉次集合,若发生追加或删除任务的扰动,对已完成作业炉次集合做相应的调整,然后依据实时调度信息,将已完成作业的炉次集合中各炉次的实际调度作为其重调度信息,并保存至重调度方案数据库,基于流程顺推和遗传算法的混合算法模块依据实时调度信息、原调度方案和当前重调度方案对正在作业炉次集合中各炉次编制重调度方案,并保存至重调度方案数据库,基于流程逆推和遗传算法的混合算法模块依据实时调度信息、原调度方案和当前重调度方案对未作业炉次集合中各炉次编制重调度信息,并保存至重调度方案数据库。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (8)
1.一种基于遗传算法的炼钢-连铸重调度方法,其特征在于,包括如下步骤:
S1,重调度系统获取炼钢-连铸系统的生产批量计划和当前调度方案,以及炼钢-连铸系统的实时调度数据,并进行扰动识别与分析,根据扰动对当前调度方案的可持续执行性的影响程度判断是大扰动还是小扰动,所述小扰动是指在扰动发生时任务性质和数量不变的前提下,针对某一炉次,不会影响其预定加工设备及在铸机上开始浇铸时间的扰动,所述大扰动是指任务性质或数量改变,或者针对某一炉次,会影响其预定加工设备或在铸机上开始浇铸时间的扰动,当扰动是小扰动时,执行步骤S2,当扰动是大扰动时,执行步骤S3;
S2,对当前调度方案进行修复处理,结束,所述修复处理是针对发生小扰动的炉次Lij,利用其尚未加工的除铸机外的设备作业时间与设备间的运输时间的柔性,对原调度方案进行局部调整,具体步骤为:
S2-1':确定炉次Lij在重调度发生时刻所处的操作数woij、以及其实际作业时间与初始调度方案中作业时间的时间偏差大小PT;
S2-1'-1:初始化炉次操作数oij=1;
S2-1'-2:若oij<O(i,j),则执行步骤S2-1'-3,否则,该扰动不是小扰动,修复结束;
S2-1'-3:若 则 执行步骤S2-1'-6;
S2-1'-4:若 则 令woij=oij, 执行步骤S2-2';
S2-1'-5:若 则令woij=oij-1, 执行步骤S2-3';
S2-1'-6:令oij=oij+1,返回执行步骤S2-1'-2;
S2-2':时间偏差为炉次开始时间的偏差处理,处理步骤如下:
S2-2'-1:若PT>0,执行步骤S2-2'-2,否则执行步骤S2-2'-3;
S2-2'-2:时间偏差为正的偏差处理,处理步骤如下:
S2-2'-2-1:初始化炉次操作数oij=woij;
S2-2'-2-2:若oij<O(i,j),则执行步骤S2-2'-2-3,否则,该扰动不是小扰动,修复结束;
S2-2'-2-3:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S2-2'-2-4:若则Lij的后续操作的时间与原调度方案一致,修复结束;
S2-2'-2-5:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S2-2'-2-6:令oij=oij+1,执行步骤S2-2'-2-2;
S2-2'-3:时间偏差为负的偏差处理,处理步骤如下:
S2-2'-3-1:PT=-PT,初始化炉次操作数oij=woij;
S2-2'-3-2:若oij<O(i,j),则执行步骤S2-2'-3-3,否则,该扰动不是小扰动,修复结束;
S2-2'-3-3:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S2-2'-3-4:若则Lij的后续操作的时间与原调度方案一致,修复结束;
S2-2'-3-5:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S2-2'-3-6:令oij=oij+1,执行S2-2'-3-2;
S2-3':时间偏差为炉次结束时间的偏差处理,处理步骤如下:
S2-3'-1:若PT>0,执行S2-3'-2,否则执行S2-3'-3;
S2-3'-2:时间偏差为正的偏差处理,处理步骤如下:
S2-3'-2-1:初始化炉次操作数oij=woij;
S2-3'-2-2:若oij<O(i,j),则执行步骤S2-3'-2-3,否则,该扰动不是小扰动,修复结束;
S2-3'-2-3:若则Lij的后续操作的时间与原调度方案一致,修复结束;
S2-3'-2-4:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S2-3'-2-5:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S2-3'-2-6:令oij=oij+1,执行S2-3'-2-2;
S2-3'-3:时间偏差为负的偏差处理,处理步骤如下:
S2-3'-3-1:PT=-PT,初始化炉次操作数oij=woij;
S2-3'-3-2:若oij<O(i,j),则执行步骤S2-3'-3-3,否则,该扰动不是小扰动,修复结束;
S2-3'-3-3:若则Lij的后续操作的时间与原调度方案一致,修复结束;
S2-3'-3-4:若oij=O(i,j)-1,该扰动不是小扰动,修复结束;否则,
S2-3'-3-5:若 则 Lij的后续操作的时间与原调度方案一致,修复结束;否则,
S2-3'-3-6:令oij=oij+1,执行步骤S2-3'-3-2;
其中,O(i,j)为炉次Lij从转炉到连铸工序的操作总数,即炉次所经过的加工设备总数,为重调度时炉次Lij的第oij个操作的运行状态,表示“未加工”,表示“正在进行”,表示“已完成”,WTg为第g类工序设备的加工时间,为第g类工序设备上的第k台设备到第g'类设备上的第k'台设备的运输时间,表示原调度炉次Lij的第oij个操作在第g类工序设备上的第k台设备上冶炼,表示重调度中炉次Lij的第oij个操作在第g类工序设备上的第k个加工设备上冶炼,表示实际中炉次Lij的第oij个操作在第g类工序设备上的第k个加工设备上冶炼,表示炉次Lij的第oij个操作在第g类工序设备的第k个机器上的原调度开始时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的重计划开始时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的实际开始时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个机器上的原调度结束时间表示炉次Lij的第oij个操作在第g类工序设备的第k个加工设备上的重计划结束时间,表示炉次Lij的第oij个操作在第g类工序设备的第k个设备上的实际结束时间,g表示工序设备类,所述g、k、i、j均为正整数;
S3,进行重调度,给各炉次安排加工设备,并计算所述炉次在所述加工设备上的开始加工时间和结束加工时间,首先将炉次集合Ω进行分类,分为已完成作业的炉次集合ΩP、未作业的炉次集合ΩW和正在作业炉次集合ΩH;
对于已完成作业的炉次集合ΩP中各炉次,采用实际调度信息作为该集合内各炉次的重调度子方案,即令 oij=1,2,...O(i,j);
对于正在作业炉次集合ΩH中各炉次,基于已完成作业的炉次集合中炉次的实际调度信息和重调度目标,根据基于流程顺推和遗传算法的混合算法进行求解,得到各炉次待完成作业的重调度子方案;
对于未作业的炉次集合ΩW中各炉次,基于已完成作业的炉次集合中炉次的重调度子方案和正在作业炉次集合中各炉次的重调度子方案,根据基于流程逆推和遗传算法的混合算法进行求解,得到未作业的炉次集合中各炉次的重调度子方案;
S4,将已完成作业的炉次集合ΩP、未作业的炉次集合ΩW和正在作业炉次集合ΩH这3个集合内炉次的重调度子方案耦合成最终重调度方案传输给炼钢-连铸生产运行控制系统,控制炼钢-连铸生产运行系统按照所述重调度方案运行。
2.如权利要求1所述的基于遗传算法的炼钢-连铸重调度方法,其特征在于:对正在作业炉次集合ΩH中各炉次Lij根据基于流程顺推和遗传算法的混合算法进行求解,步骤为:
S2-1,将正在作业炉次集合ΩH中炉次已完成的操作的实际调度信息转变为该炉次的重调度信息并保存;
S2-2,构造初始种群P,按所述初始种群的大小产生与所述种群数量相同的染色体,组成染色体集合,所述染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所述所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,所述铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数;
S2-3,设定的迭代次数altNum,所述altNum为正整数,设定初始化迭代计数器d,令d=1;
S2-4,若d小于初始设定的迭代次数altNum,则执行步骤S2-5,否则,执行步骤S2-11;
S2-5,将种群P赋予数据集合Ψ,初始化染色体计数器c,令c=1;
S2-6,若数据集合Ψ不为空,则执行步骤S2-7,否则,执行步骤S2-10;
S2-7,取出第c个染色体,利用流程顺推和染色体携带的信息将ΩH中各炉次的剩余操作编制重调度方案,具体为:
S2-7-1,将集合ΩH赋予临时数据集合ζ,初始化炉次计数器h,令h=1;
S2-7-2,若ζ不为空,则继续执行步骤S2-7-3,否则,执行S2-8;
S2-7-3,取出第h个炉次,初始化炉次操作数oij=woij+1;
S2-7-4,若oij<O(i,j),则执行步骤S2-7-5,否则,执行步骤S2-7-6;
S2-7-5,已知炉次h的第oij-1个操作的加工设备为根据染色体的内容,找出h的第oij个操作的加工设备在强制约束范围内随机产生一个该工位间的运输时间则在强制约束范围内随机产生一个作业时间WTg',则执行步骤S2-7-8;
S2-7-6,若oij=O(i,j),则执行步骤S2-7-7,否则,执行步骤S2-7-9;
S2-7-7,找出炉次h的第O(i,j)个操作的加工设备若已经开浇,则依据生产批量计划中的h在铸机上的浇铸顺序和连浇规定计算h浇铸的开始时间和结束时间若还未开浇,则依据染色体内容计算出的开浇时间,得出h浇铸的开始时间和结束时间;
S2-7-8,令oij=oij+1,返回步骤S2-7-4;
S2-7-9,从ζ中删除第h个炉次,令h=h+1,返回步骤S2-7-2;
S2-8,针对所有已重调度的炉次,检查依靠染色体c携带的信息所编制的重调度方案是否合理,若合理则将染色体c标记为合格;
S2-9,从Ψ中删除染色体c,令c=c+1,执行步骤S2-6;
S2-10,构造下一代种群P,令d=d+1,执行步骤S2-4;
S2-11,在最末代种群P中的合格染色体中在柔性约束范围内选取最优解作为最终解,结束,选取时,若末代种群P中没有一条合格染色体,则执行S2-2。
3.如权利要求2所述的基于遗传算法的炼钢-连铸重调度方法,其特征在于:步骤S2-1具体包括如下步骤:
S2-1-1,将集合ΩH赋予临时集合ζ,初始化炉次计数器h,令h=1;
S2-1-2,若ζ不为空,则继续执行以下步骤,否则,执行S2-2;
S2-1-3,取出第h个炉次,初始化炉次操作数oij=1;
S2-1-4,若oij≤O(i,j),则执行步骤S2-1-5,否则,执行步骤S2-1-9;
S2-1-5,若 则 执行步骤S2-1-8;
S2-1-6,若 则 在强制约束范围内随机产生作业时间WTg,令woij=oij,执行步骤S2-1-9;
S2-1-7,若则令woij=oij-1,执行步骤S2-1-9;
S2-1-8,令oij=oij+1,执行步骤S2-1-4;
S2-1-9,从ζ中删除第h个炉次,令h=h+1,执行步骤S2-1-2。
4.如权利要求1所述的基于遗传算法的炼钢-连铸重调度方法,其特征在于:对未作业的炉次集合ΩW中各炉次Lij根据基于流程逆推和遗传算法的混合算法进行求解,步骤为:
S3-1,将重调度结果数据库的信息更新为已完成作业炉次的重调度子方案和正在作业炉次的重调度子方案;
S3-2,构造初始种群P',按所述初始种群的大小产生与所述初始种群P'的数量相同的染色体,组成染色体集合,所述染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所述所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,所述铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数;
S3-3,设定的迭代次数altNum,所述altNum为正整数,设定初始化迭代计数器d,令d=1;
S3-4,若d小于初始设定的迭代次数altNum,则执行步骤S3-5,否则,执行步骤S3-11;
S3-5,将种群P'赋予数据集合Ψ,初始化染色体计数器c,令c=1;
S3-6,若数据集合Ψ不为空,则执行步骤S3-7,否则,执行步骤S3-10;
S3-7,取出第c个染色体,利用流程逆推和染色体携带的信息将ΩH中各炉次的剩余操作编制重调度方案,具体为:
S3-7-1,将集合ΩW赋予临时数据集合ζ,初始化炉次计数器h,令h=1;
S3-7-2,若ζ不为空,则继续执行步骤S3-7-3,否则,执行S3-8;
S3-7-3,取出第h个炉次,根据染色体内容,找出炉次h的第O(i,j)个操作的加工设备若已经开浇,则依据生产批量计划中规定的h在铸机上的浇铸顺序和连浇规定计算h浇铸的开始时间和结束时间若未开浇,则依据染色体内容计算出的开浇时间,得出h浇铸的开始时间和结束时间;
S3-7-4,初始化炉次操作数oij=O(i,j)-1;
S3-7-5,若oij≥1,则执行步骤S3-7-6,否则,执行步骤S3-7-8;
S3-7-6,已知炉次h的第oij+1个操作的加工设备为根据染色体的内容,找出h的第oij个操作的加工设备在强制约束范围内随机产生一个该工位间的运输时间则 在强制约束范围内随机产生一个作业时间WTg',则
S3-7-7,令oij=oij-1,返回步骤S3-7-5;
S3-7-8,从ζ中删除炉次h,令h=h+1,返回步骤S3-7-2;
S3-8,针对所有已重调度的炉次,检查依靠染色体c携带的信息所编制的重调度方案是否合理,若合理则将染色体c标记为合格;
S3-9,从Ψ中删除染色体c,令c=c+1,执行步骤S3-6;
S3-10,构造下一代种群P',令d=d+1,执行步骤S3-4;
S3-11,在最末代种群P'中的合格染色体中在柔性约束范围内选取最优解作为最终解,结束,选取时,若末代种群P'中没有一条合格染色体,则执行S3-2。
5.如权利要求2或4所述的基于遗传算法的炼钢-连铸重调度方法,其特征在于:在产生所述染色体时,所述染色体的计划炉次的加工路径信息中的自然数字表示流程中相应加工设备的编号;且所述染色体中出现的设备均为正常工作设备;所述炉次的浇铸铸机与生产批量计划中指定的铸机一致;
所述炉次加工路径信息的产生方法为:当炉次经过非铸机工序时,从该工序中的非故障设备集合中随机选取一个作为处理设备;当炉次经过铸机工序时,将批量计划中规定的浇铸铸机作为处理设备。
6.如权利要求2或4所述的基于遗传算法的炼钢-连铸重调度方法,其特征在于,构造下一代种群P的方法为:
将上一代种群中被标记为合格的染色体直接复制到下一代种群P中;
执行杂交操作,所述杂交操作产生的新染色体的个数为上一代种群中不合格染色体总数与杂交概率的乘积;
执行变异操作,所述变异操作产生的新染色体的个数为上一代种群中不合格染色体总数与变异概率的乘积。
7.如权利要求6所述的基于遗传算法的炼钢-连铸重调度方法,其特征在于,所变异操作的方法为:随机产生染色体,组成染色体集合,所述染色体包括所有计划炉次的加工路径信息和铸机开浇信息,所述所有计划炉次的加工路径信息的长度等于所有炉次还未执行的操作数的总和,所述铸机开浇信息的大小等于重调度发生时还未开浇的铸机个数。
8.一种利用权利要求1所述的基于遗传算法的炼钢-连铸重调度方法进行重调度的系统,其特征在于:所述重调度系统与钢厂的MES系统相连,所述重调度系统通过所述MES系统接收ERP系统的生产批量计划,以及接收所述MES系统的当前调度方案和实时调度数据,进行扰动在线实时识别,在扰动发生时,所述重调度系统对扰动进行分类处理后,分别按小扰动与大扰动进行修复或重调度,并将重调度方案传输给所述MES系统,通过所述MES系统下达至PCS系统,控制炼钢-连铸生产运行系统按照所述重调度方案运行;
所述重调度系统包括系统衔接模块、存储模块、扰动识别与分析模块、修复处理模块、重调度算法模块;
所述系统衔接模块包含数据接口模块、数据转换模块,数据接口模块接收MES系统传输的生产批量计划、当前调度方案和实时调度数据,并向MES系统发送重调度方案,通过MES向PCS系统传输重调度方案,控制炼钢-连铸生产运行系统按照所述重调度方案运行;数据转换模块用于进行数据格式的双向转换;
所述存储模块与系统衔接模块相连,其包含实时调度信息数据存储子模块、生产批量计划数据存储子模块、原调度方案数据存储子模块,实时调度信息数据存储子模块用于存储炉次的实际调度信息和当前设备状态,生产批量计划数据存储子模块用于存储ERP系统的生产批量计划,原调度方案数据存储子模块用于存储扰动发生时正在执行的调度方案,存储模块还包括重调度运行数据存储子模块和重调度方案数据存储子模块,重调度运行数据存储子模块用于存储算法运行的过程数据,重调度方案数据库用于存储扰动发生后重调度系统编制的重调度结果;
所述扰动识别与分析模块对存储模块中的实时调度信息数据库、生产批量计划数据库和原调度方案数据库进行实时扰动识别,若发生扰动,则分析是大扰动还是小扰动,小扰动则启用修复处理模块,大扰动则启用重调度算法模块;
所述修复处理模块应用小扰动修复处理算法对所述存储模块中的原调度方案进行修复,同时将结果存入重调度方案数据存储子模块,然后将所述重调度方案传输给所述MES系统,通过MES系统下达至所述PCS系统;
所述重调度算法模块包括炉次集合分类模块、基于流程顺推和遗传算法的混合算法模块、基于流程逆推和遗传算法的混合算法模块,炉次集合分类模块依据实时调度信息将生产批量计划中所有炉次分为已完成作业的炉次集合、未作业的炉次集合和正在作业炉次集合,若发生追加或删除任务的扰动,对已完成作业炉次集合做相应的调整,然后依据实时调度信息,将已完成作业的炉次集合中各炉次的实际调度信息作为其重调度信息,并保存至重调度方案数据库,基于流程顺推和遗传算法的混合算法模块依据实时调度信息、原调度方案和当前重调度方案对正在作业炉次集合中各炉次编制重调度方案,并保存至重调度方案数据库,基于流程逆推和遗传算法的混合算法模块依据实时调度信息、原调度方案和当前重调度方案对未作业炉次集合中各炉次编制重调度信息,并保存至重调度方案数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310684203.2A CN103631243B (zh) | 2013-12-13 | 2013-12-13 | 一种基于遗传算法的炼钢-连铸重调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310684203.2A CN103631243B (zh) | 2013-12-13 | 2013-12-13 | 一种基于遗传算法的炼钢-连铸重调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103631243A CN103631243A (zh) | 2014-03-12 |
CN103631243B true CN103631243B (zh) | 2015-12-30 |
Family
ID=50212434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310684203.2A Active CN103631243B (zh) | 2013-12-13 | 2013-12-13 | 一种基于遗传算法的炼钢-连铸重调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103631243B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839114B (zh) * | 2014-03-13 | 2017-03-01 | 中冶南方工程技术有限公司 | 炼钢车间时序计划自动编制系统 |
CN103984324B (zh) * | 2014-05-26 | 2017-01-18 | 中冶南方工程技术有限公司 | 一种基于启发式算法簇的炼钢连铸动态调度方法 |
CN104942251B (zh) * | 2015-07-01 | 2017-01-11 | 重庆大学 | 炼钢厂连铸机的开浇时间确定方法 |
CN105631759B (zh) * | 2015-12-24 | 2019-08-13 | 重庆大学 | 炼钢厂考虑铁水供应条件的多目标调度计划编制方法 |
CN106611221B (zh) * | 2016-12-21 | 2018-11-30 | 重庆大学 | 一种用于解决连铸机故障的炼钢-连铸重调度方法 |
CN107065803B (zh) * | 2017-05-15 | 2019-06-21 | 安徽工程大学 | 基于可变重调度区间的柔性作业车间动态调度方法 |
CN107832983B (zh) * | 2017-12-18 | 2020-07-10 | 华中科技大学 | 基于动态规划与遗传算法的铸造熔炼批计划与调度方法 |
CN108376315B (zh) * | 2018-02-11 | 2019-03-29 | 重庆大学 | 一种基于图模型的不确定炼钢-连铸柔性优化调度方法及系统 |
CN110597210A (zh) * | 2019-09-23 | 2019-12-20 | 重庆大学 | 考虑设备预维护的柔性作业车间调度节能优化方法 |
CN110647124B (zh) * | 2019-10-11 | 2020-07-24 | 重庆大学 | 考虑铸轧协调的炼钢连铸热轧一体化生产计划方法及系统 |
CN112650187B (zh) * | 2021-01-22 | 2022-04-05 | 北京理工大学 | 一种车间调度方法、装置和系统 |
CN113435750B (zh) * | 2021-06-29 | 2023-03-24 | 华中科技大学 | 一种基于遗传算法的车间生产与天车协同调度方法及装置 |
CN114707432B (zh) * | 2022-06-06 | 2022-10-14 | 浙江大学滨江研究院 | 一种基于遗传算法的锻造工厂智能排产方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770615A (zh) * | 2010-01-25 | 2010-07-07 | 重庆大学 | 基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法与系统 |
CN102346882A (zh) * | 2011-09-16 | 2012-02-08 | 中冶南方工程技术有限公司 | 炼钢-连铸生产智能调度的二层规划方法 |
-
2013
- 2013-12-13 CN CN201310684203.2A patent/CN103631243B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770615A (zh) * | 2010-01-25 | 2010-07-07 | 重庆大学 | 基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法与系统 |
CN102346882A (zh) * | 2011-09-16 | 2012-02-08 | 中冶南方工程技术有限公司 | 炼钢-连铸生产智能调度的二层规划方法 |
Non-Patent Citations (2)
Title |
---|
炼钢-连铸生产计划调度系统开发;陈开等;《计算机工程与应用》;20120905;第49卷(第1期);62-66 * |
钢厂炼钢-连铸生产调度及重计划方法;郑忠等;《重庆大学学报》;20080715;第31卷(第7期);820-824 * |
Also Published As
Publication number | Publication date |
---|---|
CN103631243A (zh) | 2014-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103631243B (zh) | 一种基于遗传算法的炼钢-连铸重调度方法及系统 | |
CN104102212B (zh) | 一种钢铁企业中煤气和蒸汽系统的调度方法、设备和系统 | |
CN106779220A (zh) | 一种炼钢‑连铸‑热轧集成调度方法与系统 | |
WO2017088674A1 (zh) | 一种面向全流程生产的炼钢组批与排产方法 | |
CN102346882B (zh) | 炼钢-连铸生产智能调度的二层规划方法 | |
Atighehchian et al. | A novel hybrid algorithm for scheduling steel-making continuous casting production | |
CN109559027A (zh) | 应用于钢铁企业高速工具钢冶炼流程的计划调度系统 | |
CN108376315B (zh) | 一种基于图模型的不确定炼钢-连铸柔性优化调度方法及系统 | |
CN101908092A (zh) | 一种炼铁炼钢连铸一体化调度系统 | |
CN103839114B (zh) | 炼钢车间时序计划自动编制系统 | |
CN102583032B (zh) | 一种钢铁原料场物流传输设备控制方法和装置 | |
CN102323755B (zh) | 一种炼钢车间钢水加工节奏的控制方法 | |
CN105631759B (zh) | 炼钢厂考虑铁水供应条件的多目标调度计划编制方法 | |
CN101339634A (zh) | 考虑钢水驻留时间期限的炼钢连铸生产调度方法 | |
CN102496095A (zh) | 热送热装的物流跟踪、监控与动态调度系统 | |
JP4407543B2 (ja) | 製鋼プロセスの操業スケジュール作成システム、製鋼プロセスの操業スケジュール作成方法、及びコンピュータプログラム | |
CN103439926A (zh) | 一种钢铁企业煤气优化调度装置 | |
CN101833322A (zh) | 钢铁企业高炉-转炉区段生产调度过程控制中的专家系统及控制方法 | |
CN107832983A (zh) | 基于动态规划与遗传算法的铸造熔炼批计划与调度方法 | |
CN103984324A (zh) | 一种基于启发式算法簇的炼钢连铸动态调度方法 | |
Yang et al. | Scheduling model for the practical steelmaking-continuous casting production and heuristic algorithm based on the optimization of “furnace-caster matching” mode | |
CN104624660B (zh) | 一种降低钢铁企业热轧板坯库倒垛量的方法及系统 | |
CN104573955B (zh) | 炼钢车间生产与检修计划一体化时序控制系统与方法 | |
CN107976976A (zh) | 一种钢铁企业煤气消耗设备时序优化方法 | |
CN108022010A (zh) | 钢包调度问题的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |