CN105447585A - 一种选矿生产全流程综合生产指标优化决策系统 - Google Patents
一种选矿生产全流程综合生产指标优化决策系统 Download PDFInfo
- Publication number
- CN105447585A CN105447585A CN201410419072.XA CN201410419072A CN105447585A CN 105447585 A CN105447585 A CN 105447585A CN 201410419072 A CN201410419072 A CN 201410419072A CN 105447585 A CN105447585 A CN 105447585A
- Authority
- CN
- China
- Prior art keywords
- index
- decision
- production
- comprehensive production
- comprehensive
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种选矿生产全流程综合生产指标优化决策系统,属于自动控制技术领域。针对选矿生产综合生产指标优化决策和指标管理业务,建立了选矿生产全流程综合生产指标优化决策系统。该系统由指标管理业务平台和指标优化决策模型库构成,指标管理业务平台提供系统框架、流程建模引擎、组件管理、界面设计与配置、数据交互处理、报告工具等,指标优化决策模型库包括实现选矿生产全流程综合生产指标优化的多种算法。用户可以通过自定义综合生产指标体系、边界与约束条件、决策变量,基于标准的模型参数与接口和算法参数与接口,集成多种优化算法,实现选矿生产全流程综合生产指标优化设定与精细管理。本发明是选矿企业编制生产计划和辅助调度决策的工具,能够实现选矿生产全流程综合生产指标精细化管理,能够有效提升精矿品位和金属回率、降低能源消耗和生产成本。
Description
技术领域:
本发明涉及一种选矿生产全流程综合生产指标优化决策系统,属于自动控制技术领域。
背景技术:
选矿生产计划调度系统是选矿MES的重要组成部分,为快速响应市场外部环境与车间生产内部动态环境变化,选矿企业生产管理需要优化选矿企业综合生产目标和合理分解选矿生产计划、有效安排设备运行和协调选矿生产水电气能源供应等管理功能。为提高选厂整体效益和效率,选矿厂在进行计划调度时,对其中生产指标优化决策越来越重视,但是目前缺乏有效的优化系统为决策者(计划或调度工程师)提供方便快捷的辅助决策支持。
目前,国际上有许多专用商业优化软件。例如,LINGO、IBMILOGCPLEX求解整数规划问题、大规模LP问题、二次规划问题(QP)及二次约束规划问题(QCP)等。同时有一些开源优化工具箱或求解器,例如,AMPMatlab提供Matlab语言大规模非线性规划工具箱,OPTItoolbox提供线性、非线性、连续和离散问题的Matlab工具箱,APMPython提供Python脚本语言非线性规划工具箱。另外,在多目标优化问题方面也有许多求解算法或工具,如NSGA-II、SPEA2、LIONsolver、FSQP等,但还未见较成熟且广泛应用于工业背景的商业软件。但是国内选矿综合生产指标优化决策仍主要依靠人工经验,没有可以应用的成熟商业优化软件,主要原因在于:1)以上软件主要求解单目标LP、MIP及一类NLP优化问题,而选矿生产全流程综合生产指标优化问题为多目标NLP问题;2)上述优化工具箱主要适用于研究人员使用,直接让国内选矿企业决策人员使用具有一定难度。
发明内容:
针对目前缺乏有效的优化系统辅助选矿生产过程管理决策,本发明提供一种选矿生产全流程综合生产指标优化决策系统。
本发明的技术方案如:
针对选矿生产综合生产指标优化决策和指标管理业务,建立了选矿生产全流程综合生产指标优化决策系统。该系统由指标管理业务平台和指标优化决策模型库构成,指标管理业务平台提供系统框架、流程建模引擎、组件管理、界面设计与配置、数据交互处理、报告工具等,指标优化决策模型库集成多种选矿生产全流程综合生产指标优化算法。该系统通过自定义综合生产指标体系、边界与约束条件、决策变量,基于标准的模型参数与接口和算法参数与接口,集成多种优化算法,实现选矿生产全流程综合生产指标优化设定与精细管理。
该方法包括以下步骤:
步骤1:基于软件平台定义选矿综合生产指标优化工程,生成基本工程文件,具有基本模块和基础配置文件。
步骤2:定义选矿综合生产指标体系,包括选矿全流程综合生产指标信息主要包括指标编号、名称、量纲、数值(目标值、优化值、预报值、实际值)等信息,具体指标如(年/月)综合铁精矿产量、(年/月)综精品位、(年/月)回收率、(年/月)全厂选矿比、(年/月)吨精成本。
步骤3:定义综合生产指标优化模型的边界与约束条件,包括:原料属性边界条件、设备/过程能力约束条件、生产运行时间约束条件、库存数据约束条件、质量指标约束条件、能源资源约束条件。具体包括:
步骤4:定义综合生产指标优化模型的决策变量。用户定义和维护全流程综合生产指标优化决策变量信息(决策变量编码、名称、量纲、数值等),保存到数据库。选矿生产全流程综合生产指标优化决策变量主要为(月度/周日)原矿种类组合以及各种原矿处理量。
步骤5:创建综合生产指标优化决策流程,用户基于IOP平台定义基础对象以及对象属性、方法,实现决策流程建模与配置,并通过流程建模引擎检验选定流程配置的完备性、合法性。
步骤6:建立综合生产指标优化决策模型库,并定义了模型参数与接口和算法参数与接口,实现优化方法扩展,并应用决策模型库中的优化方法进行计算。
步骤7:利用金属与能力平衡测算其计算结果的合理性,并可以根据管理人员的经验进一步调整,反复使用金属与能力平衡测算对结果进行评价。
有益效果:
本发明方法针对选矿生产综合生产指标优化决策和指标管理业务,提供了一种选矿企业编制生产计划和辅助调度决策的工具,能够实现选矿生产全流程综合生产指标精细化管理,能够有效提升精矿品位和金属回率、降低能源消耗和生产成本。
附图说明
图1选矿生产全流程综合生产指标优化决策系统总体结构图
具体实施方式:
以下结合附图对本发明中的技术方案作进一步清晰、完整地描述,本发明的选矿生产全流程综合生产指标优化决策系统总体结构如图1所示。
选矿生产全流程综合生产指标优化决策系统主要为不同层次的指标优化决策系统(如EPI指标、PPI指标、运行指标等)提供工程管理、系统框架、流程建模引擎、组件管理、界面设计与配置、数据交互处理、报告工具等。其中工程管理为用户新建指标优化决策工程,平台生成基本工程文件,具有基本模块和基础配置文件,并对工程文件进行维护;系统框架包含基本的功能模块、系统菜单以及基本的框架界面;流程建模引擎提供图形化模块定义与流程操作管理,用户利用基本图形模块和用户自定义模块,进行图形化业务流程建模,建立与运行指标优化决策流程等;组件对象管理提供组件注册、加载、移去、卸载和删除管理。
选矿生产全流程综合生产指标优化决策系统计算全流程综合生产指标的步骤包括:
步骤1:定义选矿综合生产指标优化工程。
即用户创建新的综合指标管理工程项目。根据实际生产背景不同,用户对不同的选矿企业的EPI与PPI指标优化需求也可能不同,因此针对不同的指标优化决策系统需求,系统管理员或有权限用户新建不同的指标优化决策工程,平台生成基本工程文件,具有基本模块和基础配置文件,其他功能模块可由用户配置。
步骤2:定义选矿综合生产指标体系。
用户根据需求定义综合生产指标与全流程生产指标,选矿全流程综合生产指标信息主要包括指标编号、名称、量纲、数值(目标值、优化值、预报值、实际值)等信息。全流程综合生产指标信息保存在数据库中。例如,本文定义的选矿综合生产指标包括:(年/月)综合铁精矿产量(编码举例:060XXX001)、(年/月)综精品位、(年/月)回收率、(年/月)全厂选矿比、(年/月)吨精成本;本例定义的选矿全流程生产指标包括:(日)综合铁精矿产量、(日)综精品位、(日)回收率、(日)全厂选矿比、(日)吨精成本。
步骤3:定义综合生产指标优化模型的边界与约束条件,包括:原料属性边界
条件、设备/过程能力约束条件、生产运行时间约束条件、库存数据约束
条件、质量指标约束条件、能源资源约束条件。具体包括:
步骤3.1:设置原料属性边界条件:用户定义原料属性边界条件信息,主要包括编号、名称、量纲、数值等。选矿生产原料属性边界信息主要包括(月度/周日)各种原矿的编号、原矿名称、原矿粉矿品位、原矿块矿品位、原矿强精品位、原矿弱精品位、原矿粉矿选比、原矿块矿选比、原矿块矿率、原矿单价、原矿使用量下限、原矿使用量上限等。用户录入和维护(读取、修改、保存)边界条件属性值,并存入数据库。
步骤3.2:设置设备/过程能力约束条件:用户定义设备/过程能力边界信息,主要包括设备类型编号、设备名称、设备能力上、下限值、量纲等。选矿生产设备/过程能力约束主要包括(月度/周日)主体设备能力,竖炉台时处理量、强磁磨机台时处理量、弱磁磨机台时处理量、磁选机台时处理量、过滤机台时处理量等。用户对参数值进行录入和维护,并存入数据库。
步骤3.3:设置生产运行时间约束条件:用户定义和维护生产运行时间约束信息,包括生产运行方式/模式(如生产系列数)、设备类型编号、设备台数、各周期内各系列的生产总运时、量纲等。选矿生产运行时间约束信息主要包括竖炉台数、强磁磨机台数、弱磁磨机台数、生产系列数、各系列运行时间(或各类设备运行时间)。用户录入生产系列数、设备台数和各系列的生产总运时数值,存入数据库。
步骤3.4:设置库存数据约束条件:用户定义和维护库存约束信息,包括库存编码、名称、数值、量纲等,库存约束信息存入数据库。选矿生产库存约束主要包括精矿产量库存约束、原矿或中间物料缓存约束等。
步骤3.5:设置质量指标约束条件:用户定义和维护质量约束信息,包括质量约束编码、名称、数值、量纲等,质量约束存入数据库。选矿生产质量约束主要为中间产品和最终产品成分与杂质含量约束,包括强磁尾矿品位、弱磁尾矿品位、总尾矿品位约束、精矿SiO2含量、精矿P含量及精矿烧损约束等。
步骤3.6:设置能源资源约束条件:用户定义和维护能源资源约束信息,包括能源资源约束编码、名称、数值、量纲等,能源资源约束存入数据库。选矿生产能源资源约束主要为新水、电、煤气(高炉煤气、焦炉煤气、蒸汽、压气等)供应量约束。
步骤4:定义综合生产指标优化模型的决策变量。用户定义和维护全流程综合生产指标优化决策变量信息(决策变量编码、名称、量纲、数值等),保存到数据库。选矿生产全流程综合生产指标优化决策变量主要为(月度/周日)原矿种类组合以及各种原矿处理量。
步骤5:创建综合生产指标优化决策流程,用户基于IOP平台定义基础对象以及对象属性、方法,实现决策流程建模与配置,并通过流程建模引擎检验选定流程配置的完备性、合法性。
步骤5.1:决策流程模块定义:用户定义/创建选矿生产全流程综合生产指标决策流程图形化基础对象以及对象属性、方法等。用户在IOP平台中图形化定义决策流程模块元素,除IOP支撑平台提供基本的图形化功能模块,用户根据需求定制所需图形化模块。
步骤5.2:决策流程建模与配置:用户利用平台提供的基本图形表示模块和用户自定义模块,以拖拽方式(类似组态方式)在图形化建模环境中选择图形化模块对象,并连接所选各图形化对象模块,形成选矿生产全流程综合生产指标优化决策流程。用户对流程中的图形化模型进行属性配置(如指标目标值、边界约束条件值、输入输出等参数配置)、方法配置(业务组件配置、指标模型选取配置、优化方法选择配置等),以完成流程运行的必要配置。
步骤5.3:决策流程检验:用户选择PI决策流程进行检验,流程建模引擎检验选定流程,并提供流程配置完备性、合法性检验结果,为用户提供正确、缺少、错误等提示。
步骤5.4:流程运行操作管理:用户启动(start)选矿生产全流程综合PI决策流程,可对流程进行单步手动操作和自动运行,可对流程运行进行暂停(pause)、重置(resume)等操作。
步骤6:建立综合生产指标优化决策模型库,并进行计算。
模型参数与接口:对模型输入输出参数和模型调用接口进行定义和维护。模型参数信息包括输入输出参数个数、名称、数据类型、边界、参数信息说明等,模型调用接口信息包括接口名称、调用/使用方式等说明。选矿选矿生产全流程综合PI优化模型的输入参数主要为目标范围值、边界条件属性值与约束条件限定值,模型输出为决策变量值、EPI、PPI计算值或优化值。选矿选矿生产全流程综合生产指标优化模型内部包含指标测算模型、约束测算模型,通过算法求解合适的决策变量(如原矿组合和处理量等)来优化EPI、PPI指标值。因此决策模型和算法通常编制在一个组件或程序中,当决策模型和算法可分离时,可以单独使用模型与算法管理功能。
算法参数与接口:对算法输入输出参数和调用接口进行定义和维护。参数信息包括包括参数个数、名称、数据类型、边界、参数信息说明。调用接口信息包括接口名称、调用/使用方式等说明。
步骤7:利用金属与能力平衡测算其计算结果的合理性,并可以根据管理人员的经验进一步调整,反复使用金属与能力平衡测算对结果进行评价。
用户查看需要选矿EPI、PPI多目标值或决策变量值,利用图标对目标值空间或解空间进行分析,也可采用辅助性能指标(如覆盖率、超体积、距离等)对多目标解进行评价。当全流程综合生产指标优化结果为多目标Pareto解集,用户可从解集中选取偏好解,并对解进行人工调整,调整后的方案通过金属与能力平衡测算重新计算指标值,并存入数据库。当用户对指标输出结果都不满意或者输出结果无解时,用户可调整目标范围值、约束条件限定值等,利用决策模型和算法重新求解。
最终确定的EPI、PPI指标值、决策变量值、生产边界及约束条件等保存在数据库,用户查看并确认后分发给运行指标优化决策系统或MES其他子系统。同时系统提供综合与全流程PI实际值统计报表,统计企业综合生产指标EPI、全流程综合生产指标PPI实际值或累计值。
Claims (4)
1.一种选矿生产全流程综合生产指标优化决策系统,其特征在于:该系统由指标管理业务平台和指标优化决策模型库构成,指标管理业务平台提供系统框架、流程建模引擎、组件管理、界面设计与配置、数据交互处理、报告工具等,指标优化决策模型库集成多种选矿生产全流程综合生产指标优化算法,用户可以通过自定义综合生产指标体系、边界与约束条件、决策变量,基于标准的模型参数与接口和算法参数与接口,集成多种优化算法,实现选矿生产全流程综合生产指标优化设定与精细管理。
2.根据权利要求1所述的一种选矿生产全流程综合生产指标优化决策系统,其特征在于:实现选矿生产综合生产指标优化控制的具体操作步骤如下:
步骤1:基于软件平台定义选矿综合生产指标优化工程,生成基本工程文件,具有基本模块和基础配置文件。
步骤2:定义选矿综合生产指标体系,包括选矿全流程综合生产指标信息主要包括指标编号、名称、量纲、数值(目标值、优化值、预报值、实际值)等信息,具体指标如(年/月)综合铁精矿产量、(年/月)综精品位、(年/月)回收率、(年/月)全厂选矿比、(年/月)吨精成本。
步骤3:定义综合生产指标优化模型的边界与约束条件,包括:原料属性边界条件、设备/过程能力约束条件、生产运行时间约束条件、库存数据约束条件、质量指标约束条件、能源资源约束条件。具体包括:
步骤4:定义综合生产指标优化模型的决策变量。用户定义和维护全流程综合生产指标优化决策变量信息(决策变量编码、名称、量纲、数值等),保存到数据库。选矿生产全流程综合生产指标优化决策变量主要为(月度/周日)原矿种类组合以及各种原矿处理量。
步骤5:创建综合生产指标优化决策流程,用户基于IOP平台定义基础对象以及对象属性、方法,实现决策流程建模与配置,并通过流程建模引擎检验选定流程配置的完备性、合法性。
步骤6:建立综合生产指标优化决策模型库,并定义了模型参数与接口和算法参数与接口,实现优化方法扩展,并应用决策模型库中的优化方法进行计算。
步骤7:利用金属与能力平衡测算其计算结果的合理性,并可以根据管理人员的经验进一步调整,反复使用金属与能力平衡测算对结果进行评价。
3.根据权利要求1所述的一种选矿生产全流程综合生产指标优化决策系统,其特征在于:该系统由指标管理业务平台和指标优化决策模型库构成,用户可以根据选矿企业实际特点自定义综合生产指标体系、边界与约束条件和决策变量,基于标准的模型参数与接口和算法参数与接口集成多种优化算法。
4.根据权利要求2实现选矿生产综合生产指标优化控制的操作步骤,其特征在于:步骤2通过自定义选矿综合生产指标体系,步骤5创建综合生产指标优化决策流程,步骤7利用金属与能力平衡测算其计算结果的合理性,并可以根据管理人员的经验进一步调整,反复使用金属与能力平衡测算对结果进行评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410419072.XA CN105447585A (zh) | 2014-08-23 | 2014-08-23 | 一种选矿生产全流程综合生产指标优化决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410419072.XA CN105447585A (zh) | 2014-08-23 | 2014-08-23 | 一种选矿生产全流程综合生产指标优化决策系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105447585A true CN105447585A (zh) | 2016-03-30 |
Family
ID=55557738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410419072.XA Pending CN105447585A (zh) | 2014-08-23 | 2014-08-23 | 一种选矿生产全流程综合生产指标优化决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447585A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650997A (zh) * | 2016-10-26 | 2017-05-10 | 北京矿冶研究总院 | 一种选矿生产指标的优化方法 |
CN109460916A (zh) * | 2018-11-06 | 2019-03-12 | 珠海市长陆工业自动控制系统股份有限公司 | 一种涂料生产全工艺操作的可视化快速排单管理技术方法 |
CN111126726A (zh) * | 2018-10-30 | 2020-05-08 | 北京同方软件有限公司 | 一种基于异构融合数据的智慧决策多目标分析方法 |
CN111223001A (zh) * | 2019-12-18 | 2020-06-02 | 中国科学院软件研究所 | 一种基于多种流程模型的资源调度方法和系统 |
CN112181520A (zh) * | 2020-09-27 | 2021-01-05 | 新奥数能科技有限公司 | 一种用于能源设备的接口设计方法和配置工具 |
CN112200489A (zh) * | 2020-10-30 | 2021-01-08 | 中国科学院自动化研究所 | 有色金属冶炼产供销一体优化系统、方法、装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118611A (zh) * | 2007-09-07 | 2008-02-06 | 北京航空航天大学 | 基于遗传算法的业务过程模型资源配置优化方法 |
CN101458788A (zh) * | 2008-12-19 | 2009-06-17 | 天津市市政工程设计研究院 | 集装箱码头物流仿真优化系统 |
CN103617470A (zh) * | 2013-12-19 | 2014-03-05 | 东北大学 | 一种设备能力变化条件下的选矿综合生产指标优化方法 |
CN103745406A (zh) * | 2013-12-23 | 2014-04-23 | 东北大学 | 可视化选矿生产全流程工艺指标优化决策系统及方法 |
-
2014
- 2014-08-23 CN CN201410419072.XA patent/CN105447585A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118611A (zh) * | 2007-09-07 | 2008-02-06 | 北京航空航天大学 | 基于遗传算法的业务过程模型资源配置优化方法 |
CN101458788A (zh) * | 2008-12-19 | 2009-06-17 | 天津市市政工程设计研究院 | 集装箱码头物流仿真优化系统 |
CN103617470A (zh) * | 2013-12-19 | 2014-03-05 | 东北大学 | 一种设备能力变化条件下的选矿综合生产指标优化方法 |
CN103745406A (zh) * | 2013-12-23 | 2014-04-23 | 东北大学 | 可视化选矿生产全流程工艺指标优化决策系统及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650997A (zh) * | 2016-10-26 | 2017-05-10 | 北京矿冶研究总院 | 一种选矿生产指标的优化方法 |
CN111126726A (zh) * | 2018-10-30 | 2020-05-08 | 北京同方软件有限公司 | 一种基于异构融合数据的智慧决策多目标分析方法 |
CN109460916A (zh) * | 2018-11-06 | 2019-03-12 | 珠海市长陆工业自动控制系统股份有限公司 | 一种涂料生产全工艺操作的可视化快速排单管理技术方法 |
CN111223001A (zh) * | 2019-12-18 | 2020-06-02 | 中国科学院软件研究所 | 一种基于多种流程模型的资源调度方法和系统 |
CN111223001B (zh) * | 2019-12-18 | 2023-08-01 | 中国科学院软件研究所 | 一种基于多种流程模型的资源调度方法和系统 |
CN112181520A (zh) * | 2020-09-27 | 2021-01-05 | 新奥数能科技有限公司 | 一种用于能源设备的接口设计方法和配置工具 |
CN112181520B (zh) * | 2020-09-27 | 2024-05-14 | 新奥数能科技有限公司 | 一种用于能源设备的接口设计方法和配置工具 |
CN112200489A (zh) * | 2020-10-30 | 2021-01-08 | 中国科学院自动化研究所 | 有色金属冶炼产供销一体优化系统、方法、装置 |
CN112200489B (zh) * | 2020-10-30 | 2023-06-23 | 中国科学院自动化研究所 | 有色金属冶炼产供销一体优化系统、方法、装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447585A (zh) | 一种选矿生产全流程综合生产指标优化决策系统 | |
Patel et al. | Critical review and analysis of measuring the success of Six Sigma implementation in manufacturing sector | |
CN105321042B (zh) | 一种基于遗传算法的高级计划排程系统及方法 | |
Swanepoel et al. | Integrated energy optimisation for the cement industry: A case study perspective | |
Rawat et al. | Productivity measurement of manufacturing system | |
CN104102212A (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 | |
CN102156467A (zh) | 基于钢铁生产计划的能源预测方法 | |
Chen | Integrated optimization model for production planning and scheduling with logistics constraints | |
Janekova et al. | Product mix optimization based on Monte Carlo simulation: A case study | |
Werner et al. | Technical, economical and regulatory aspects of Virtual Power Plants | |
Solding et al. | Applying energy aspects on simulation of energy-intensive production systems | |
Ćwikła et al. | Application of the MIAS methodology in design of the data acquisition system for wastewater treatment plant | |
Vanchukhina et al. | MODERN APPROACHES TO OPERATIONAL PLANNING IN OIL REFINERY USING THE PIMS SOFTWARE PRODUCT. | |
Wang et al. | MULTI-OBJECTIVE MASTER PRODUCTION SCHEDULE FOR BALANCED PRODUCTION OF MANUFACTURERS. | |
CN116629812A (zh) | 基于数字孪生的煤矿多元业务全局动态协同管控方法 | |
Jr et al. | Industry 4.0 technologies and sustainability challenges: a case study in the coal mining industry | |
Van Nguyen et al. | A multi-objective, multi-product and multi-transportation mode sustainable closed-loop supply chain network design | |
Johansson et al. | Turn lost production into profit-discrete event simulation applied on resetting performance in manufacturing systems | |
Adamson et al. | Real time optimisation of industrial gas supply networks | |
Andalib Ardakani et al. | A fuzzy multi-objective optimization model for designing a sustainable supply chain forward network: A case study | |
Almond et al. | The minerals plant of the future-leveraging automation and using intelligent collaborative environment | |
Xiong et al. | Embodied energy of parts in sheet metal forming: modeling and application for energy saving in the workshop | |
Nikulin et al. | A computer-aided application for modeling and monitoring operational and maintenance information in mining trucks | |
Bhadani | Optimization Framework for Crushing Plants | |
Wang et al. | Machine learning-based intermittent equipment scheduling model for flexible production process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160330 |
|
RJ01 | Rejection of invention patent application after publication |