CN104573955A - 炼钢车间生产与检修计划一体化时序控制系统与方法 - Google Patents
炼钢车间生产与检修计划一体化时序控制系统与方法 Download PDFInfo
- Publication number
- CN104573955A CN104573955A CN201410854623.5A CN201410854623A CN104573955A CN 104573955 A CN104573955 A CN 104573955A CN 201410854623 A CN201410854623 A CN 201410854623A CN 104573955 A CN104573955 A CN 104573955A
- Authority
- CN
- China
- Prior art keywords
- time
- heat
- equipment
- steel grade
- start 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种炼钢车间生产与检修计划一体化时序控制系统与方法,该系统包括:系统设置模块,用于各种工艺相关的参数设置;优化设置模块,用于优化周期设置和算法参数设置;时序计划模块,包括生产计划设置子模块、检修计划设置子模块和时序计划编制子模块;其中生产计划设置子模块,用于设置系统需要进行时序控制的生产任务;检修计划设置子模块,用于设置检修计划;时序计划编制子模块,用于使用遗传算法求解时序控制结果。本发明解决了目前炼钢车间调度中通过人为指定检修计划开始时刻的时序控制方式存在的不合理性、缺乏全局优化性等问题,提高了炼钢车间作业计划时序控制的科学性和实用性。
Description
技术领域
本发明涉及冶金自动化技术领域,尤其涉及一种炼钢车间生产与检修计划一体化时序控制系统与方法。
背景技术
炼钢车间是钢铁企业生产流程中的重要生产环节。主要包含炼钢、精炼和连铸三大工序。炼钢车间的时序控制即编制炼钢、精炼和连铸三大环节的一体化时序作业计划。合理地控制生产流程时序节奏,充分发挥设备的生产能力,以实现钢铁企业节能增效是提升企业竞争力的有效途径。
炼钢车间的作业计划主要包括生产计划和检修计划。生产计划即生产任务,从调度人员的角度讲,可以细化到每个班次需要完成的浇次计划集合。浇次计划是指在同一连铸机上进行连续浇铸的炉次计划的集合。炉次计划是炼钢的最小基本单位,一个炉次是指同时在一个电弧炉或转炉内冶炼,从开始冶炼到浇铸为止的整个过程。检修计划即对生产设备进行的日常保养维修计划,随着设备使用年限的增加,检修需求往往呈增长趋势,比如转炉,先期不用进行补炉,但随着炉龄的增加到一定值后,视炉况需要合理安排补炉,而补炉维护往往耗时较长,对生产调度的时序节奏控制影响较大。因此,对检修计划进行时序调度是炼钢车间作业时序调度不可或缺的一部分。
根据“木桶理论”,炼钢车间的作业计划时序控制问题,本质上是在瓶颈工序上合理控制作业计划时序,这样其他处理能力相对富余的工序的时序节奏便可迎刃而解。越是瓶颈工序上的设备,使用率越高,因此设备损耗越严重,需要检修的概率更大。所以炼钢车间的生产调度不能仅仅处理炉次的时序调度问题,应该将检修计划和炉次计划一同考虑。目前已有的研究和专利,对生产计划的时序控制进行了较为深入的研究,而未能将检修计划和生产计划同时进行时序优化,直接导致其实用性大大降低。目前国内钢铁企业的炼钢车间作业时序控制仍然以人工调度为主,调度人员既要考虑合理安排当前班次的所有生产任务,又要安排各种检修计划时序,导致炼钢作业计划时序控制是一项非常繁琐且技术性要求较高的工作。同时炼钢车间生产和检修计划约束条件多,工艺线路上设备选择方式多样,单靠人工方法很难统筹全局,缺乏合理性和科学性,不能在完成作业计划的基础上实现节能降耗的控制,造成热能的损失及成本增加,尤其是在作业计划任务较重时,甚至很难编制出作业计划时序以组织生产。因此迫切需要能处理炼钢车间作业时序控制的一套方法和系统,以提高作业时序控制的水平。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种炼钢车间生产与检修计划一体化时序控制系统。
本发明解决其技术问题所采用的技术方案是:炼钢车间生产与检修计划一体化时序控制系统,包括:
系统设置模块,用于各种工艺相关的参数设置;包括:
车间配置设置子模块,用于设置炼钢车间中的生产工序名称、工序的编码,以及各个工序中配置的处理设备数量。
钢种设置子模块,用于设置当前炼钢车间生产的钢种大类以及各个大类下的具体钢种信息;钢种大类信息包括钢种大类序号、钢种大类编码和钢种大类描述;具体钢种信息包括钢种序号、钢种牌号、所属大类号;
处理时间设置子模块,用于设置各个钢种大类的钢种在每个工序上的处理时间,包括工序编号,钢种大类序号,处理时间;
运输时间设置子模块,用于设置车间当前工序到达下一工序所需花费的时间;
缓冲时间设置子模块,用于设置各个工序前允许等待的最大时间;
调整时间设置子模块,用于设置连铸机断浇后到重新可用需要花费的时间;
优化设置模块,用于优化周期设置和算法参数设置;所述优化周期是指生产与检修计划需要在该周期时间内完成;所述算法参数包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;
时序计划模块,包括生产计划设置子模块、检修计划设置子模块和时序计划编制子模块;其中
生产计划设置子模块,用于设置系统需要进行时序控制的生产任务,即需要生产的浇次集合,浇次信息包括:浇次序号、连铸机序号、钢种牌号和炉数;
检修计划设置子模块,用于设置检修计划;检修计划信息包括:检修计划序号、检修设备编号、设备所在工序、预计检修时长;
时序计划编制子模块,用于使用遗传算法求解时序控制结果。
时序计划编制子模块基于炼钢车间生产与检修计划时序控制数学模型,通过智能优化算法进行优化求解,得出时序控制结果,该模块提供启动优化计算和时序控制结果显示的人机接口。
按上述方案,所述时序计划编制子模块使用遗传算法求解时序控制结果具体为:
1)以炼钢车间的生产任务中的各个浇次的开始时刻和各个检修计划的开始时刻作为决策变量,建立如下的目标函数:
其中X=(x1,x2,...xm)为各个浇次的开始时刻组成向量,Y=(y1,y2,...,yn)为各个检修计划的开始时刻组成的向量;P为炼钢车间的工序集合,Dp(p∈P)为工序上的加工设备的集合,H为炉次的集合,J为检修计划的集合;w1,w2,w3表示权重系数,公式右侧的表示各个炉次在每一个工序前的等待时间之和,表示检修计划的开始时刻与其所在设备上安排的前一个炉次的结束时刻(若无,则为所在设备的可用时刻)之差的和,表示各个工序上的各个设备上分配的所有炉次和安排的检修计划的时间冲突之和;
2)采用车间调度中广泛使用的启发规则,确定各个炉次在各个工序上开始时刻,以及各个炉次在各个工序上的加工设备;建立决策向量X,Y与各个炉次
在各个工序上的开始时刻和使用的设备之间的关系;
3)使用遗传算法求解决策向量X,Y使目标函数f(X,Y)取最大值。
按上述方案,所述步骤2)中具体为:具体过程如下:
2.1)以浇次的开始时刻向量X=(x1,x2,...xm),根据连铸生产工艺中浇次内的各个炉次连续浇铸的特点,通过开浇时刻x1计算该浇次1内的各个炉次在连铸机上的开始浇铸时刻,然后依次计算浇次2内的各个炉次在连铸机上的开始浇铸时刻,直至完成所有浇次内的炉次开始时刻计算;
2.2)根据公式sth,p-1=sth,p-pth,p-1-ttp-1,p,依次计算各个炉次在连铸工序前的各个工序上的开始时刻,其中sth,p表示炉次h在工序p上的开始时刻,pth,p-1表示炉次h在工序p-1上的处理时间,ttp-1,p表示工序p-1到下一工序p所需的运输时间;
2.3)对各个工序上的所有炉次计划按照开始时刻升序排列,然后依次按照最早可用设备规则、设备使用率均衡规则和最小设备序号规则确定各个炉次的使用的加工设备;与传统的最早可用设备规则不同的是,这里计算设备最早可用时刻,必须考虑检修计划,本发明中,计算设备最早可用时刻的过程为:将设备上已经分配的炉次计划和指定的检修计划添加设备任务集合,按照开始时刻升序排列,然后通过依次计算设备任务集合中的任务前后的间隔,若该间隔大于所需分配的炉次的处理时间,则对于所遇分配的炉次,该设备的最早可用时刻为上述间隔的开始时刻。
2.4)通过步骤2.1)2.2)2.3)处理后,各设备上分配到炉次计划和设定的检修计划,之间可能存在时间冲突,尤其是在瓶颈工序上,单个设备上加工的任务较多,冲突相对严重,需要在最大缓冲时间内进行冲突消解;本发明中,连铸工序前可进行缓冲,各个炉次在连铸工序前的最大等待时间为WTp,本发明中的冲突消解过程步骤如下:
2.4.1)计算连铸工序前的各个工序上的所有设备上任务间时间冲突(包括炉次计划和检修计划)之和,视和最大者为瓶颈工序pneck;
2.4.2)将瓶颈工序上pneck的设备1分配到的炉次计划和指定的检修计划添加到设备1的任务集合T,并按任务开始时刻升序排列。对排序后的集合T,从尾向前一次计算相邻任务ti与ti-1间的时间冲突tci,i-1,若冲突tci,i-1>0,则判断ti-1是否是炉次计划,若是,则该炉次计划的开始时刻提前min(WTp,tci,i-1),该炉次在其它工序上的开始时刻提前时间min(WTp,tci,i-1);
2.4.3)重复步骤2.4.2),直至瓶颈工序pneck上的所有设备Dp(p=pneck)遍历完毕。
按上述方案,所述遗传算法求解具体步骤如下:
3.1)设置遗传算法求解模型的各个参数,包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;根据算法参数设置中的种群大小N,随机产生N组初始解(X,Y)=(x1,x2,…,xm;y1,y1,…,yn);
3.2)利用上述启发规则,计算每组解对应的时序调度结果,根据提出的目标函数:
计算各组解(X,Y)对应的适应值;
3.3)采用如下保优规则:若当前种群为初始解,则将适应值最大的一组解作为最优解(X*,Y*);若当前为迭代后的解,则判断最大适应值是否大于最优解(X*,Y*)对应的适应值,若是,则将最大适应值对应的解作为最优解(X*,Y*);若否,则使用当前的最优解(X*,Y*)替换N组解中适应度最小的一组解;
3.4)判断迭代次数是否到达预设的最大迭代代数,若是,则结束,输出最优解(X*,Y*);若否,则转到3.5);
3.5)迭代次数加1,根据“轮盘赌”从N组解中选取存活的N组解;
3.6)将选择的N组解,根据算法参数设置中预设的交叉率进行单点交叉操作;
3.7)将交叉操作后的N组解,根据算法参数设置中预设的变异概率,对每组解中的变量依次进行变异操作,转到3.2)。
一种炼钢车间生产与检修计划一体化时序控制方法,包括以下步骤:
1)设置系统信息:依次设置车间配置、钢种信息、处理时间、运输时间、缓冲时间和调整时间;车间配置包括炼钢车间中的生产工序名称、工序的编码,以及各个工序中配置的处理设备数量;钢种信息为当前炼钢车间生产的钢种大类以及各个大类下的具体钢种信息;钢种大类信息包括钢种大类序号、钢种大类编码和钢种大类描述;具体钢种信息包括钢种序号、钢种牌号、所属大类号;处理时间为各个钢种大类的钢种在每个工序上的处理时间,数据格式包括工序编号,钢种大类序号,处理时间;运输时间为车间当前工序到达下一工序所需花费的时间;缓冲时间为各个工序前允许等待的最大时间;调整时间为连铸机断浇后到重新可用需要花费的时间;
2)设置优化周期;优化周期为生产计划和检修计划时序所在的时间区间,如对于以班次为调度周期的情况,则调度周期为8小时,即480分钟;
3)设置生产计划:添加需要进行时序控制的生产任务,即需要生产的浇次集合,浇次信息包括:浇次序号、连铸机序号、钢种牌号和炉数;
4)设置检修计划:添加检修计划,检修计划信息包括:检修计划序号、检修设备编号、设备所在工序、预计检修时长;
5)以炼钢车间的生产任务中的各个浇次的开始时刻和各个检修计划的开始时刻作为决策变量,建立如下的目标函数:
其中X=(x1,x2,...xm)为各个浇次的开始时刻组成向量,Y=(y1,y2,...,yn)为各个检修计划的开始时刻组成的向量;P为炼钢车间的工序集合,Dp(p∈P)为工序上的加工设备的集合,H为炉次的集合,J为检修计划的集合;w1,w2,w3表示权重系数,公式右侧的表示各个炉次在每一个工序前的等待时间之和,表示检修计划的开始时刻与其所在设备上安排的前一个炉次的结束时刻(若无,则为所在设备的可用时刻)之差的和,表示各个工序上的各个设备上分配的所有炉次和安排的检修计划的时间冲突之和;
6)采用车间调度中广泛使用的启发规则,确定各个炉次在各个工序上开始时刻,以及各个炉次在各个工序上的加工设备;建立决策向量X,Y与各个炉次在各个工序上的开始时刻和使用的设备之间的关系;
7)使用遗传算法求解决策向量X,Y使目标函数f(X,Y)取最大值。
按上述方案,所述步骤6)中具体为:具体过程如下:
6.1)以浇次的开始时刻向量X=(x1,x2,...xm),根据连铸生产工艺中浇次内的各个炉次连续浇铸的特点,通过开浇时刻x1计算该浇次1内的各个炉次在连铸机上的开始浇铸时刻,然后依次计算浇次2内的各个炉次在连铸机上的开始浇铸时刻,直至完成所有浇次内的炉次开始时刻计算;
6.2)根据公式sth,p-1=sth,p-pth,p-1-ttp-1,p,依次计算各个炉次在连铸工序前的各个工序上的开始时刻,其中sth,p表示炉次h在工序p上的开始时刻,pth,p-1表示炉次h在工序p-1上的处理时间,ttp-1,p表示工序p-1到下一工序p所需的运输时间;
6.3)对各个工序上的所有炉次计划按照开始时刻升序排列,然后依次按照最早可用设备规则、设备使用率均衡规则和最小设备序号规则确定各个炉次的使用的加工设备;与传统的最早可用设备规则不同的是,这里计算设备最早可用时刻,必须考虑检修计划,本发明中,计算设备最早可用时刻的过程为:将设备上已经分配的炉次计划和指定的检修计划添加设备任务集合,按照开始时刻升序排列,然后通过依次计算设备任务集合中的任务前后的间隔,若该间隔大于所需分配的炉次的处理时间,则对于所遇分配的炉次,该设备的最早可用时刻为上述间隔的开始时刻。
6.4)通过步骤6.1)6.2)6.3)处理后,各设备上分配到炉次计划和设定的检修计划,之间可能存在时间冲突,尤其是在瓶颈工序上,单个设备上加工的任务较多,冲突相对严重,需要在最大缓冲时间内进行冲突消解;本发明中,连铸工序前可进行缓冲,各个炉次在连铸工序前的最大等待时间为WTp,本发明中的冲突消解过程步骤如下:
6.4.1)计算连铸工序前的各个工序上的所有设备上任务间时间冲突(包括炉次计划和检修计划)之和,视和最大者为瓶颈工序pneck;
6.4.2)将瓶颈工序上pneck的设备1分配到的炉次计划和指定的检修计划添加到设备1的任务集合T,并按任务开始时刻升序排列。对排序后的集合T,从尾向前一次计算相邻任务ti与ti-1间的时间冲突tci,i-1,若冲突tci,i-1>0,则判断ti-1是否是炉次计划,若是,则该炉次计划的开始时刻提前min(WTp,tci,i-1),该炉次在其它工序上的开始时刻提前时间min(WTp,tci,i-1);
6.4.3)重复步骤6.4.2),直至瓶颈工序pneck上的所有设备Dp(p=pneck)遍历完毕。
按上述方案,所述遗传算法求解具体步骤如下:
7.1)设置遗传算法求解模型的各个参数,包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;根据算法参数设置中的种群大小N,随机产生N组初始解(X,Y)=(x1,x2,…,xm;y1,y1,…,yn);
7.2)利用上述启发规则,计算每组解对应的时序调度结果,根据提出的目标函数:
计算各组解(X,Y)对应的适应值;
7.3)采用如下保优规则:若当前种群为初始解,则将适应值最大的一组解作为最优解(X*,Y*);若当前为迭代后的解,则判断最大适应值是否大于最优解(X*,Y*)对应的适应值,若是,则将最大适应值对应的解作为最优解(X*,Y*);若否,则使用当前的最优解(X*,Y*)替换N组解中适应度最小的一组解;
7.4)判断迭代次数是否到达预设的最大迭代代数,若是,则结束,输出最优解(X*,Y*);若否,则转到7.5);
7.5)迭代次数加1,根据“轮盘赌”从N组解中选取存活的N组解;
7.6)将选择的N组解,根据算法参数设置中预设的交叉率进行单点交叉操作;
7.7)将交叉操作后的N组解,根据算法参数设置中预设的变异概率,对每组解中的变量依次进行变异操作,转到7.2)。
本发明产生的有益效果是:本发明提供的炼钢车间生产与检修计划一体化时序控制系统与方法,以浇次计划的集合作为生产计划,将各个浇次的开浇时刻和检修计划的开始时刻同时作为决策变量,通过智能优化计算,得出符合约束条件的优化结果。解决了目前炼钢车间调度中通过人为指定检修计划开始时刻的时序控制方式存在的不合理性、缺乏全局优化性等问题,提高了炼钢车间作业计划时序控制的科学性和实用性。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1为本发明的系统结构框图;
图2为本发明的时序计划优化计算流程图;
图3为本发明实施例中时序计划优化的调度结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种炼钢车间生产与检修计划一体化时序控制系统,包括:
系统设置模块,用于各种工艺相关的参数设置;包括:
车间配置设置子模块,用于设置炼钢车间中的生产工序名称、工序的编码,以及各个工序中配置的处理设备数量。
钢种设置子模块,用于设置当前炼钢车间生产的钢种大类以及各个大类下的具体钢种信息;钢种大类信息包括钢种大类序号、钢种大类编码和钢种大类描述;具体钢种信息包括钢种序号、钢种牌号、所属大类号;
处理时间设置子模块,用于设置各个钢种大类的钢种在每个工序上的处理时间,包括工序编号,钢种大类序号,处理时间;
运输时间设置子模块,用于设置车间当前工序到达下一工序所需花费的时间;
缓冲时间设置子模块,用于设置各个工序前允许等待的最大时间;
调整时间设置子模块,用于设置连铸机断浇后到重新可用需要花费的时间;
优化设置模块,用于优化周期设置和算法参数设置;所述优化周期是指生产与检修计划需要在该周期时间内完成;所述算法参数包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;
时序计划模块,包括生产计划设置子模块、检修计划设置子模块和时序计划编制子模块;其中
生产计划设置子模块,用于设置系统需要进行时序控制的生产任务,即需要生产的浇次集合,浇次信息包括:浇次序号、连铸机序号、钢种牌号和炉数;
检修计划设置子模块,用于设置检修计划;检修计划信息包括:检修计划序号、检修设备编号、设备所在工序、预计检修时长;
时序计划编制子模块,用于使用遗传算法求解时序控制结果。
其中,时序计划编制子模块使用遗传算法求解时序控制结果具体步骤为:
1)以炼钢车间的生产任务中的各个浇次的开始时刻和各个检修计划的开始时刻作为决策变量,建立如下的目标函数:
其中X=(x1,x2,...xm)为各个浇次的开始时刻组成向量,Y=(y1,y2,...,yn)为各个检修计划的开始时刻组成的向量;P为炼钢车间的工序集合,Dp(p∈P)为工序上的加工设备的集合,H为炉次的集合,J为检修计划的集合;w1,w2,w3表示权重系数,公式右侧的表示各个炉次在每一个工序前的等待时间之和,表示检修计划的开始时刻与其所在设备上安排的前一个炉次的结束时刻之差的和,表示各个工序上的各个设备上分配的所有炉次和安排的检修计划的时间冲突之和;
2)采用车间调度中广泛使用的启发规则,确定各个炉次在各个工序上开始时刻,以及各个炉次在各个工序上的加工设备;建立决策向量X,Y与各个炉次在各个工序上的开始时刻和使用的设备之间的关系;
2.1)以浇次的开始时刻向量X=(x1,x2,...xm),根据连铸生产工艺中浇次内的各个炉次连续浇铸的特点,通过开浇时刻x1计算该浇次1内的各个炉次在连铸机上的开始浇铸时刻,然后依次计算浇次2内的各个炉次在连铸机上的开始浇铸时刻,直至完成所有浇次内的炉次开始时刻计算;
2.2)根据公式sth,p-1=sth,p-pth,p-1-ttp-1,p,依次计算各个炉次在连铸工序前的各个工序上的开始时刻,其中sth,p表示炉次h在工序p上的开始时刻,pth,p-1表示炉次h在工序p-1上的处理时间,ttp-1,p表示工序p-1到下一工序p所需的运输时间;
2.3)对各个工序上的所有炉次计划按照开始时刻升序排列,然后依次按照最早可用设备规则、设备使用率均衡规则和最小设备序号规则确定各个炉次的使用的加工设备;计算设备最早可用时刻的过程为:将设备上已经分配的炉次计划和指定的检修计划添加设备任务集合,按照开始时刻升序排列,然后通过依次计算设备任务集合中的任务前后的间隔,若该间隔大于所需分配的炉次的处理时间,则对于所遇分配的炉次,该设备的最早可用时刻为上述间隔的开始时刻。
2.4)通过步骤2.1)2.2)2.3)处理后,各设备上分配到炉次计划和设定的检修计划,之间可能存在时间冲突,尤其是在瓶颈工序上,单个设备上加工的任务较多,冲突相对严重,需要在最大缓冲时间内进行冲突消解;连铸工序前可进行缓冲,各个炉次在连铸工序前的最大等待时间为WTp,冲突消解过程步骤如下:
2.4.1)计算连铸工序前的各个工序上的所有设备上任务间时间冲突(包括炉次计划和检修计划)之和,视和最大者为瓶颈工序pneck;
2.4.2)将瓶颈工序上pneck的设备1分配到的炉次计划和指定的检修计划添加到设备1的任务集合T,并按任务开始时刻升序排列。对排序后的集合T,从尾向前一次计算相邻任务ti与ti-1间的时间冲突tci,i-1,若冲突tci,i-1>0,则判断ti-1是否是炉次计划,若是,则该炉次计划的开始时刻提前min(WTp,tci,i-1),该炉次在其它工序上的开始时刻提前时间min(WTp,tci,i-1);
2.4.3)重复步骤2.4.2),直至瓶颈工序pneck上的所有设备Dp(p=pneck)遍历完毕。
3)如图2所示,使用遗传算法求解决策向量X,Y使目标函数f(X,Y)取最大值。
3.1)设置遗传算法求解模型的各个参数,包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;根据算法参数设置中的种群大小N,随机产生N组初始解(X,Y)=(x1,x2,…,xm;y1,y1,…,yn);
3.2)利用上述启发规则,计算每组解对应的时序调度结果,根据提出的目标函数:
计算各组解(X,Y)对应的适应值;
3.3)采用如下保优规则:若当前种群为初始解,则将适应值最大的一组解作为最优解(X*,Y*);若当前为迭代后的解,则判断最大适应值是否大于最优解(X*,Y*)对应的适应值,若是,则将最大适应值对应的解作为最优解(X*,Y*);若否,则使用当前的最优解(X*,Y*)替换N组解中适应度最小的一组解;
3.4)判断迭代次数是否到达预设的最大迭代代数,若是,则结束,输出最优解(X*,Y*);若否,则转到3.5);
3.5)迭代次数加1,根据“轮盘赌”从N组解中选取存活的N组解;
3.6)将选择的N组解,根据算法参数设置中预设的交叉率进行单点交叉操作;
3.7)将交叉操作后的N组解,根据算法参数设置中预设的变异概率,对每组解中的变量依次进行变异操作,转到3.2)。
下面以某钢厂的一个班次内的生成任务和检修计划的时序调度为例,本实施例进行炼钢车间生产与检修计划时序控制的过程如下:
1)系统设置。
在系统设置-车间配置设置中,对车间生产工序和加工设备进行设置。本实施例中设置如下:炼钢工序配置3台转炉,精炼工序配置3台精炼炉,连铸工序配置4台连铸机。
在系统设置-钢种设置中,对车间生产的钢种根据品种进行分类,具体钢种划归某一钢种分类下。不失一般性,本实施例子中仅列举将要用到的钢种大类和具体钢种并采用了抽象命名。设置如下:钢种大类1,包含两种具体钢种,分别为A和B;钢种大类2,包含两种具体钢种,分别为C和D;钢种大类3,包含一种钢种E。
在系统设置-处理时间设置中,设置各个钢种大类的钢种在每个工序上的处理时间。设置如下:炼钢工序,钢种大类1,2,3的处理时间均为38分钟;精炼工序,钢种大类1的处理时间为20分钟,钢种大类2的处理时间为30分钟,钢种大类3的处理时间为40分钟;连铸工序,钢种大类1的处理时间为30分钟,钢种大类2的处理时间为28分钟,钢种大类3的处理时间为40分钟。
在系统设置-运输时间设置中,设置车间工序间的运输时间。设置如下:炼钢至精炼的运输时间为12分钟,精炼至连铸的运输时间为14分钟。
在系统设置-缓冲时间设置中,设置各个工序前允许等待的最大时间。设置如下:炼钢工序前允许等待的最大时间为0;精炼工序前允许等待的最大时间为0;连铸工序前允许等待的最大时间为10分钟。
在系统设置-调整时间设置中,设置连铸机断浇后到重新可用需要花费的时间。设置如下:各台连铸机的调整时间为70分钟。
2)优化设置。
在优化设置-优化周期设置中,设置炼钢车间生产与检修计划一体化时序控制的调度周期为480分钟。
在优化设置-算法参数设置中,设置求解模型的智能算法的各个参数。设置如下:种群大小为300,最大迭代代数为200,交叉率为0.8,变异率为0.01,目标函数中的权重系数w1为0.1,w2为0.1,w3为0.5。
3)时序计划设置。
在时序计划-生产计划设置中,设置系统需要进行时序控制的生产任务,即需要生产的浇次集合。设置如下表所示:浇次1,使用连铸机1,钢种为A,炉数为6;浇次2,使用连铸机2,钢种为B,炉数为6;浇次3,使用连铸机3,钢种为C,炉数为2;浇次4,使用连铸机3,钢种为D,炉数为5;浇次5,使用连铸机4,钢种为E,炉数为5。
浇次序号 | 连铸机序号 | 钢种 | 炉数 |
1 | 1 | A | 6 |
2 | 2 | B | 6 |
3 | 3 | C | 2 |
4 | 3 | D | 5 |
5 | 4 | E | 5 |
在时序计划-检修计划设置中,设置检修计划。设置如下:在当前调度周期内,对炼钢工序的2号转炉进行补炉,预计检修时长为70分钟;对精炼工序的2号精炼炉进行常规检修,预计检修时长为30分钟。
经过上述设置后,进入时序计划-时序计划编制中,点击启动时序计划计算按钮,基于炼钢车间生产与检修计划一体化时序控制模型和优化算法,自动生成炼钢车间生产与检修计划时序结果,时序结果以甘特图的形式显示。如图3所示。
根据上述系统,相应的,本发明还提供一种炼钢车间生产与检修计划一体化时序控制方法,包括以下步骤:
1)设置系统信息:依次设置车间配置、钢种信息、处理时间、运输时间、缓冲时间和调整时间;车间配置包括炼钢车间中的生产工序名称、工序的编码,以及各个工序中配置的处理设备数量;钢种信息为当前炼钢车间生产的钢种大类以及各个大类下的具体钢种信息;钢种大类信息包括钢种大类序号、钢种大类编码和钢种大类描述;具体钢种信息包括钢种序号、钢种牌号、所属大类号;处理时间为各个钢种大类的钢种在每个工序上的处理时间,数据格式包括工序编号,钢种大类序号,处理时间;运输时间为车间当前工序到达下一工序所需花费的时间;缓冲时间为各个工序前允许等待的最大时间;调整时间为连铸机断浇后到重新可用需要花费的时间;
2)设置优化周期;优化周期为生产计划和检修计划时序所在的时间区间,如对于以班次为调度周期的情况,则调度周期为8小时,即480分钟;
3)设置生产计划:添加需要进行时序控制的生产任务,即需要生产的浇次集合,浇次信息包括:浇次序号、连铸机序号、钢种牌号和炉数;
4)设置检修计划:添加检修计划,检修计划信息包括:检修计划序号、检修设备编号、设备所在工序、预计检修时长;
5)以炼钢车间的生产任务中的各个浇次的开始时刻和各个检修计划的开始时刻作为决策变量,建立如下的目标函数:
其中X=(x1,x2,...xm)为各个浇次的开始时刻组成向量,Y=(y1,y2,...,yn)为各个检修计划的开始时刻组成的向量;P为炼钢车间的工序集合,Dp(p∈P)为工序上的加工设备的集合,H为炉次的集合,J为检修计划的集合;w1,w2,w3表示权重系数,公式右侧的表示各个炉次在每一个工序前的等待时间之和,表示检修计划的开始时刻与其所在设备上安排的前一个炉次的结束时刻(若无,则为所在设备的可用时刻)之差的和,表示各个工序上的各个设备上分配的所有炉次和安排的检修计划的时间冲突之和;
6)采用车间调度中广泛使用的启发规则,确定各个炉次在各个工序上开始时刻,以及各个炉次在各个工序上的加工设备;建立决策向量X,Y与各个炉次在各个工序上的开始时刻和使用的设备之间的关系;
6.1)以浇次的开始时刻向量X=(x1,x2,...xm),根据连铸生产工艺中浇次内的各个炉次连续浇铸的特点,通过开浇时刻x1计算该浇次1内的各个炉次在连铸机上的开始浇铸时刻,然后依次计算浇次2内的各个炉次在连铸机上的开始
浇铸时刻,直至完成所有浇次内的炉次开始时刻计算;
6.2)根据公式sth,p-1=sth,p-pth,p-1-ttp-1,p,依次计算各个炉次在连铸工序前的各个工序上的开始时刻,其中sth,p表示炉次h在工序p上的开始时刻,pth,p-1表示炉次h在工序p-1上的处理时间,ttp-1,p表示工序p-1到下一工序p所需的运输时间;
6.3)对各个工序上的所有炉次计划按照开始时刻升序排列,然后依次按照最早可用设备规则、设备使用率均衡规则和最小设备序号规则确定各个炉次的使用的加工设备;与传统的最早可用设备规则不同的是,这里计算设备最早可用时刻,必须考虑检修计划,本发明中,计算设备最早可用时刻的过程为:将设备上已经分配的炉次计划和指定的检修计划添加设备任务集合,按照开始时刻升序排列,然后通过依次计算设备任务集合中的任务前后的间隔,若该间隔大于所需分配的炉次的处理时间,则对于所遇分配的炉次,该设备的最早可用时刻为上述间隔的开始时刻。
6.4)通过步骤6.1)6.2)6.3)处理后,各设备上分配到炉次计划和设定的检修计划,之间可能存在时间冲突,尤其是在瓶颈工序上,单个设备上加工的任务较多,冲突相对严重,需要在最大缓冲时间内进行冲突消解;本发明中,连铸工序前可进行缓冲,各个炉次在连铸工序前的最大等待时间为WTp,本发明中的冲突消解过程步骤如下:
6.4.1)计算连铸工序前的各个工序上的所有设备上任务间时间冲突(包括炉次计划和检修计划)之和,视和最大者为瓶颈工序pneck;
6.4.2)将瓶颈工序上pneck的设备1分配到的炉次计划和指定的检修计划添加到设备1的任务集合T,并按任务开始时刻升序排列。对排序后的集合T,从尾向前一次计算相邻任务ti与ti-1间的时间冲突tci,i-1,若冲突tci,i-1>0,则判断ti-1是否是炉次计划,若是,则该炉次计划的开始时刻提前min(WTp,tci,i-1),该炉次在其它工序上的开始时刻提前时间min(WTp,tci,i-1);
6.4.3)重复步骤6.4.2),直至瓶颈工序pneck上的所有设备Dp(p=pneck)遍历完毕。
7)使用遗传算法求解决策向量X,Y使目标函数f(X,Y)取最大值。
遗传算法求解具体步骤如下:
7.1)设置遗传算法求解模型的各个参数,包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;根据算法参数设置中的种群大小N,随机产生N组初始解(X,Y)=(x1,x2,…,xm;y1,y1,…,yn);
7.2)利用上述启发规则,计算每组解对应的时序调度结果,根据提出的目标函数:
计算各组解(X,Y)对应的适应值;
7.3)采用如下保优规则:若当前种群为初始解,则将适应值最大的一组解作为最优解(X*,Y*);若当前为迭代后的解,则判断最大适应值是否大于最优解(X*,Y*)对应的适应值,若是,则将最大适应值对应的解作为最优解(X*,Y*);若否,则使用当前的最优解(X*,Y*)替换N组解中适应度最小的一组解;
7.4)判断迭代次数是否到达预设的最大迭代代数,若是,则结束,输出最优解(X*,Y*);若否,则转到7.5);
7.5)迭代次数加1,根据“轮盘赌”从N组解中选取存活的N组解;
7.6)将选择的N组解,根据算法参数设置中预设的交叉率进行单点交叉操作;
7.7)将交叉操作后的N组解,根据算法参数设置中预设的变异概率,对每组解中的变量依次进行变异操作,转到7.2)。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种炼钢车间生产与检修计划一体化时序控制系统,其特征在于,包括:
系统设置模块,用于各种工艺相关的参数设置;包括:
车间配置设置子模块,用于设置炼钢车间中的生产工序名称、工序的编码,以及各个工序中配置的处理设备数量。
钢种设置子模块,用于设置当前炼钢车间生产的钢种大类以及各个大类下的具体钢种信息;钢种大类信息包括钢种大类序号、钢种大类编码和钢种大类描述;具体钢种信息包括钢种序号、钢种牌号、所属大类号;
处理时间设置子模块,用于设置各个钢种大类的钢种在每个工序上的处理时间,包括工序编号,钢种大类序号,处理时间;
运输时间设置子模块,用于设置车间当前工序到达下一工序所需花费的时间;
缓冲时间设置子模块,用于设置各个工序前允许等待的最大时间;
调整时间设置子模块,用于设置连铸机断浇后到重新可用需要花费的时间;
优化设置模块,用于优化周期设置和算法参数设置;所述优化周期是指生产与检修计划需要在该周期时间内完成;所述算法参数包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;
时序计划模块,包括生产计划设置子模块、检修计划设置子模块和时序计划编制子模块;其中
生产计划设置子模块,用于设置系统需要进行时序控制的生产任务,即需要生产的浇次集合,浇次信息包括:浇次序号、连铸机序号、钢种牌号和炉数;
检修计划设置子模块,用于设置检修计划;检修计划信息包括:检修计划序号、检修设备编号、设备所在工序、预计检修时长;
时序计划编制子模块,用于使用遗传算法求解时序控制结果。
2.根据权利要求1所述的控制系统,其特征在于,所述时序计划编制子模块使用遗传算法求解时序控制结果具体为:
1)以炼钢车间的生产任务中的各个浇次的开始时刻和各个检修计划的开始时刻作为决策变量,建立如下的目标函数:
其中X=(x1,x2,...xm)为各个浇次的开始时刻组成向量,Y=(y1,y2,...,yn)为各个检修计划的开始时刻组成的向量;P为炼钢车间的工序集合,Dp(p∈P)为工序上的加工设备的集合,H为炉次的集合,J为检修计划的集合;w1,w2,w3表示权重系数,公式右侧的表示各个炉次在每一个工序前的等待时间之和,表示检修计划的开始时刻与其所在设备上安排的前一个炉次的结束时刻之差的和,表示各个工序上的各个设备上分配的所有炉次和安排的检修计划的时间冲突之和;
2)采用车间调度中广泛使用的启发规则,确定各个炉次在各个工序上开始时刻,以及各个炉次在各个工序上的加工设备;建立决策向量X,Y与各个炉次在各个工序上的开始时刻和使用的设备之间的关系;
3)使用遗传算法求解决策向量X,Y使目标函数f(X,Y)取最大值。
3.根据权利要求2所述的控制系统,其特征在于,所述步骤2)中建立决策向量X,Y与各个炉次在各个工序上的开始时刻和使用的设备之间的关系具体过程如下:
2.1)以浇次的开始时刻向量X=(x1,x2,...xm),根据连铸生产工艺中浇次内的各个炉次连续浇铸的特点,通过开浇时刻x1计算该浇次1内的各个炉次在连铸机上的开始浇铸时刻,然后依次计算浇次2内的各个炉次在连铸机上的开始浇铸时刻,直至完成所有浇次内的炉次开始时刻计算;
2.2)根据公式sth,p-1=sth,p-pth,p-1-ttp-1,p,依次计算各个炉次在连铸工序前的各个工序上的开始时刻,其中sth,p表示炉次h在工序p上的开始时刻,pth,p-1表示炉次h在工序p-1上的处理时间,ttp-1,p表示工序p-1到下一工序p所需的运输时间;
2.3)对各个工序上的所有炉次计划按照开始时刻升序排列,然后依次按照最早可用设备规则、设备使用率均衡规则和最小设备序号规则确定各个炉次的使用的加工设备;计算设备最早可用时刻的过程为:将设备上已经分配的炉次计划和指定的检修计划添加设备任务集合,按照开始时刻升序排列,然后通过依次计算设备任务集合中的任务前后的间隔,若该间隔大于所需分配的炉次的处理时间,则对于所遇分配的炉次,该设备的最早可用时刻为上述间隔的开始时刻。
2.4)通过步骤2.1)2.2)2.3)处理后,各设备上分配到炉次计划和设定的检修计划,之间可能存在时间冲突,尤其是在瓶颈工序上,单个设备上加工的任务较多,冲突相对严重,需要在最大缓冲时间内进行冲突消解;连铸工序前可进行缓冲,各个炉次在连铸工序前的最大等待时间为WTp,冲突消解过程步骤如下:
2.4.1)计算连铸工序前的各个工序上的所有设备上任务间时间冲突(包括炉次计划和检修计划)之和,视和最大者为瓶颈工序pneck;
2.4.2)将瓶颈工序上pneck的设备1分配到的炉次计划和指定的检修计划添加到设备1的任务集合T,并按任务开始时刻升序排列。对排序后的集合T,从尾向前一次计算相邻任务ti与ti-1间的时间冲突tci,i-1,若冲突tci,i-1>0,则判断ti-1是否是炉次计划,若是,则该炉次计划的开始时刻提前min(WTp,tci,i-1),该炉次在其它工序上的开始时刻提前时间min(WTp,tci,i-1);
2.4.3)重复步骤2.4.2),直至瓶颈工序pneck上的所有设备Dp(p=pneck)遍历完毕。
4.根据权利要求2所述的控制系统,其特征在于,所述步骤3)中遗传算法求解具体步骤如下:
3.1)设置遗传算法求解模型的各个参数,包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;根据算法参数设置中的种群大小N,随机产生N组初始解(X,Y)=(x1,x2,…,xm;y1,y1,…,yn);
3.2)利用上述启发规则,计算每组解对应的时序调度结果,根据提出的目标函数:
计算各组解(X,Y)对应的适应值;
3.3)采用如下保优规则:若当前种群为初始解,则将适应值最大的一组解作为最优解(X*,Y*);若当前为迭代后的解,则判断最大适应值是否大于最优解(X*,Y*)对应的适应值,若是,则将最大适应值对应的解作为最优解(X*,Y*);若否,则使用当前的最优解(X*,Y*)替换N组解中适应度最小的一组解;
3.4)判断迭代次数是否到达预设的最大迭代代数,若是,则结束,输出最优解(X*,Y*);若否,则转到3.5);
3.5)迭代次数加1,根据“轮盘赌”从N组解中选取存活的N组解;
3.6)将选择的N组解,根据算法参数设置中预设的交叉率进行单点交叉操作;
3.7)将交叉操作后的N组解,根据算法参数设置中预设的变异概率,对每组解中的变量依次进行变异操作,转到3.2)。
5.一种炼钢车间生产与检修计划一体化时序控制方法,包括以下步骤:
1)设置系统信息:依次设置车间配置、钢种信息、处理时间、运输时间、缓冲时间和调整时间;车间配置包括炼钢车间中的生产工序名称、工序的编码,以及各个工序中配置的处理设备数量;钢种信息为当前炼钢车间生产的钢种大类以及各个大类下的具体钢种信息;钢种大类信息包括钢种大类序号、钢种大类编码和钢种大类描述;具体钢种信息包括钢种序号、钢种牌号、所属大类号;处理时间为各个钢种大类的钢种在每个工序上的处理时间,数据格式包括工序编号,钢种大类序号,处理时间;运输时间为车间当前工序到达下一工序所需花费的时间;缓冲时间为各个工序前允许等待的最大时间;调整时间为连铸机断浇后到重新可用需要花费的时间;
2)设置优化周期;优化周期为生产计划和检修计划时序所在的时间区间,如对于以班次为调度周期的情况,则调度周期为8小时,即480分钟;
3)设置生产计划:添加需要进行时序控制的生产任务,即需要生产的浇次集合,浇次信息包括:浇次序号、连铸机序号、钢种牌号和炉数;
4)设置检修计划:添加检修计划,检修计划信息包括:检修计划序号、检修设备编号、设备所在工序、预计检修时长;
5)以炼钢车间的生产任务中的各个浇次的开始时刻和各个检修计划的开始时刻作为决策变量,建立如下的目标函数:
其中X=(x1,x2,...xm)为各个浇次的开始时刻组成向量,Y=(y1,y2,...,yn)为各个检修计划的开始时刻组成的向量;P为炼钢车间的工序集合,Dp(p∈P)为工序上的加工设备的集合,H为炉次的集合,J为检修计划的集合;w1,w2,w3表示权重系数,公式右侧的表示各个炉次在每一个工序前的等待时间之和,表示检修计划的开始时刻与其所在设备上安排的前一个炉次的结束时刻(若无,则为所在设备的可用时刻)之差的和,表示各个工序上的各个设备上分配的所有炉次和安排的检修计划的时间冲突之和;
6)采用车间调度中广泛使用的启发规则,确定各个炉次在各个工序上开始时刻,以及各个炉次在各个工序上的加工设备;建立决策向量X,Y与各个炉次在各个工序上的开始时刻和使用的设备之间的关系;
7)使用遗传算法求解决策向量X,Y使目标函数f(X,Y)取最大值。
6.根据权利要求5所述的控制方法,其特征在于,所述步骤6)中具体为:
6.1)以浇次的开始时刻向量X=(x1,x2,...xm),根据连铸生产工艺中浇次内的各个炉次连续浇铸的特点,通过开浇时刻x1计算该浇次1内的各个炉次在连铸机上的开始浇铸时刻,然后依次计算浇次2内的各个炉次在连铸机上的开始浇铸时刻,直至完成所有浇次内的炉次开始时刻计算;
6.2)根据公式sth,p-1=sth,p-pth,p-1-ttp-1,p,依次计算各个炉次在连铸工序前的各个工序上的开始时刻,其中sth,p表示炉次h在工序p上的开始时刻,pth,p-1表示炉次h在工序p-1上的处理时间,ttp-1,p表示工序p-1到下一工序p所需的运输时间;
6.3)对各个工序上的所有炉次计划按照开始时刻升序排列,然后依次按照最早可用设备规则、设备使用率均衡规则和最小设备序号规则确定各个炉次的使用的加工设备;计算设备最早可用时刻的过程为:将设备上已经分配的炉次计划和指定的检修计划添加设备任务集合,按照开始时刻升序排列,然后通过依次计算设备任务集合中的任务前后的间隔,若该间隔大于所需分配的炉次的处理时间,则对于所遇分配的炉次,该设备的最早可用时刻为上述间隔的开始时刻;
6.4)通过步骤6.1)6.2)6.3)处理后,各设备上分配到炉次计划和设定的检修计划,之间可能存在时间冲突,尤其是在瓶颈工序上,单个设备上加工的任务较多,冲突相对严重,需要在最大缓冲时间内进行冲突消解;连铸工序前可进行缓冲,各个炉次在连铸工序前的最大等待时间为WTp,本发明中的冲突消解过程步骤如下:
6.4.1)计算连铸工序前的各个工序上的所有设备上任务间时间冲突之和,视和最大者为瓶颈工序pneck;
6.4.2)将瓶颈工序上pneck的设备1分配到的炉次计划和指定的检修计划添加到设备1的任务集合T,并按任务开始时刻升序排列。对排序后的集合T,从尾向前一次计算相邻任务ti与ti-1间的时间冲突tci,i-1,若冲突tci,i-1>0,则判断ti-1是否是炉次计划,若是,则该炉次计划的开始时刻提前min(WTp,tci,i-1),该炉次在其它工序上的开始时刻提前时间min(WTp,tci,i-1);
6.4.3)重复步骤6.4.2),直至瓶颈工序pneck上的所有设备Dp(p=pneck)遍历完毕。
7.根据权利要求5所述的控制方法,其特征在于,所述步骤7)遗传算法求解具体步骤如下:
7.1)设置遗传算法求解模型的各个参数,包括种群大小、最大迭代代数、交叉率、变异概率,目标函数中的权重系数;根据算法参数设置中的种群大小N,随机产生N组初始解(X,Y)=(x1,x2,…,xm;y1,y1,…,yn);
7.2)利用上述启发规则,计算每组解对应的时序调度结果,根据提出的目标函数:
计算各组解(X,Y)对应的适应值;
7.3)采用如下保优规则:若当前种群为初始解,则将适应值最大的一组解作为最优解(X*,Y*);若当前为迭代后的解,则判断最大适应值是否大于最优解(X*,Y*)对应的适应值,若是,则将最大适应值对应的解作为最优解(X*,Y*);若否,则使用当前的最优解(X*,Y*)替换N组解中适应度最小的一组解;
7.4)判断迭代次数是否到达预设的最大迭代代数,若是,则结束,输出最优解(X*,Y*);若否,则转到7.5);
7.5)迭代次数加1,根据“轮盘赌”从N组解中选取存活的N组解;
7.6)将选择的N组解,根据算法参数设置中预设的交叉率进行单点交叉操作;
7.7)将交叉操作后的N组解,根据算法参数设置中预设的变异概率,对每组解中的变量依次进行变异操作,转到7.2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410854623.5A CN104573955B (zh) | 2014-12-31 | 2014-12-31 | 炼钢车间生产与检修计划一体化时序控制系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410854623.5A CN104573955B (zh) | 2014-12-31 | 2014-12-31 | 炼钢车间生产与检修计划一体化时序控制系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104573955A true CN104573955A (zh) | 2015-04-29 |
CN104573955B CN104573955B (zh) | 2018-01-05 |
Family
ID=53089964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410854623.5A Active CN104573955B (zh) | 2014-12-31 | 2014-12-31 | 炼钢车间生产与检修计划一体化时序控制系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104573955B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034540A (zh) * | 2018-06-29 | 2018-12-18 | 长安大学 | 一种基于在制品工序流的机床序列编排动态预测方法 |
CN110221583A (zh) * | 2019-05-20 | 2019-09-10 | 清华大学 | 一种基于HoloLens的智能装配生产线仿真方法 |
CN110376977A (zh) * | 2019-06-05 | 2019-10-25 | 广州明珞汽车装备有限公司 | 一种循环周期的计算方法、系统、装置和存储介质 |
CN114118898A (zh) * | 2021-10-22 | 2022-03-01 | 中冶南方工程技术有限公司 | 一种改进的混匀配料Block计划生成的方法、装置以及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839114A (zh) * | 2014-03-13 | 2014-06-04 | 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 |
-
2014
- 2014-12-31 CN CN201410854623.5A patent/CN104573955B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839114A (zh) * | 2014-03-13 | 2014-06-04 | 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 |
Non-Patent Citations (2)
Title |
---|
彭杰: "基于改进遗传算法炼钢一连铸生产作业计划编制的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
陈立: "结合约束满足遗传算法的炼钢—连铸调度问题研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034540A (zh) * | 2018-06-29 | 2018-12-18 | 长安大学 | 一种基于在制品工序流的机床序列编排动态预测方法 |
CN110221583A (zh) * | 2019-05-20 | 2019-09-10 | 清华大学 | 一种基于HoloLens的智能装配生产线仿真方法 |
CN110376977A (zh) * | 2019-06-05 | 2019-10-25 | 广州明珞汽车装备有限公司 | 一种循环周期的计算方法、系统、装置和存储介质 |
CN110376977B (zh) * | 2019-06-05 | 2020-10-27 | 广州明珞汽车装备有限公司 | 一种循环周期的计算方法、系统、装置和存储介质 |
CN114118898A (zh) * | 2021-10-22 | 2022-03-01 | 中冶南方工程技术有限公司 | 一种改进的混匀配料Block计划生成的方法、装置以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104573955B (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shang et al. | Economic and environmental generation and voyage scheduling of all-electric ships | |
CN103426032B (zh) | 一种热电联产机组的经济优化调度方法 | |
CN104573955A (zh) | 炼钢车间生产与检修计划一体化时序控制系统与方法 | |
WO2012131869A1 (ja) | 電力需要計画調整装置、電力需要計画調整方法、及びプログラム | |
CN103839114A (zh) | 炼钢车间时序计划自动编制系统 | |
CN103426035A (zh) | 钢铁行业副产高炉煤气自平衡调度系统及产消量预测方法 | |
CN105140958A (zh) | 含光伏电源的配电网规划方法 | |
CN108303958B (zh) | 一种炼钢连铸过程的多目标柔性调度方法 | |
CN102323755B (zh) | 一种炼钢车间钢水加工节奏的控制方法 | |
JP2011257949A (ja) | 電力需要計画調整装置、電力需要計画調整方法、及びプログラム | |
CN101339634A (zh) | 考虑钢水驻留时间期限的炼钢连铸生产调度方法 | |
CN105631759A (zh) | 炼钢厂考虑铁水供应条件的多目标调度计划编制方法 | |
CN103023073A (zh) | 一种水电站群电站与机组混合优化调度方法 | |
CN105550771A (zh) | 一种基于nsga-ii的炼钢连铸生产调度的多目标优化方法 | |
CN101344781B (zh) | 一种冷轧热镀锌机组板卷自动调度方法及系统 | |
CN103984324A (zh) | 一种基于启发式算法簇的炼钢连铸动态调度方法 | |
CN111082444A (zh) | 一种多移动储能车路径规划方法、系统及装置 | |
CN104122861B (zh) | 基于等待时间松弛的冲突消解方法及优化调度方法 | |
Shang et al. | NSGA-II for joint generation and voyage scheduling of an all-electric ship | |
CN112039126B (zh) | 含分布式电源的配电网多时间尺度协调调度方法及系统 | |
CN102799951A (zh) | 能源的优化分配方法 | |
CN108022010A (zh) | 钢包调度问题的优化方法 | |
CN103212700A (zh) | 一种炼钢厂钢包的选配方法 | |
CN115829091A (zh) | 一种考虑可再生能源供能的工业流程微电网规划方法 | |
CN113205250B (zh) | 一种考虑水库调度风险的风光水互补发电计划编制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |