CN114386719B - 一种炉次批量计划优化方法、装置及存储介质 - Google Patents
一种炉次批量计划优化方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114386719B CN114386719B CN202210279756.9A CN202210279756A CN114386719B CN 114386719 B CN114386719 B CN 114386719B CN 202210279756 A CN202210279756 A CN 202210279756A CN 114386719 B CN114386719 B CN 114386719B
- Authority
- CN
- China
- Prior art keywords
- order
- heat
- production
- current
- blank
- 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
- 238000000034 method Methods 0.000 title claims abstract description 121
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims abstract description 268
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000005098 hot rolling Methods 0.000 claims abstract description 16
- 229910000831 Steel Inorganic materials 0.000 claims description 124
- 239000010959 steel Substances 0.000 claims description 124
- 238000012384 transportation and delivery Methods 0.000 claims description 26
- 239000000463 material Substances 0.000 claims description 22
- 238000009749 continuous casting Methods 0.000 claims description 21
- 239000002436 steel type Substances 0.000 claims description 21
- 238000006467 substitution reaction Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 238000013461 design Methods 0.000 claims description 14
- 238000005096 rolling process Methods 0.000 claims description 14
- 238000003723 Smelting Methods 0.000 claims description 13
- 230000006872 improvement Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 10
- 238000009628 steelmaking Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004513 sizing Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 42
- 238000005266 casting Methods 0.000 description 18
- 230000008520 organization Effects 0.000 description 11
- 238000013439 planning Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 238000005520 cutting process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000011819 refractory material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种炉次批量计划优化方法、装置及存储介质,方法包括:获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据;根据客户要求相关数据、生产工艺数据和设备数据构建约束满足模型;以生产订单集合和钢坯库存集合为约束满足模型的输入数据,对约束满足模型进行求解,获得对应关系集合和剩余订单集合;以剩余订单集合为约束满足模型的输入数据,采用基于坯型权重的优化算法对约束满足模型进行求解,获得初始炉次集合;以对应关系集合和初始炉次集合为约束满足模型的输入数据,采用回溯法和约束传播方法对约束满足模型进行求解,获得最终炉次集合。本发明提高了炉次批量计划的编制效率。
Description
技术领域
本发明涉及工业生产过程优化技术领域,具体而言,涉及一种炉次批量计划优化方法、装置及存储介质。
背景技术
在炼钢-连铸生产过程中,炉次批量计划问题是热轧产品生产组织的关键性技术问题。编制整个炉次批量计划时不仅需要综合考虑客户要求、生产工艺约束、设备约束,还需进一步考虑炼钢-连铸、钢区及热轧区的物流平衡与顺畅,为浇次计划编制提供较大优化空间,进而更好的发挥出企业产能。
目前,通常依赖于人工经验,采用计算机等设备编制和优化炉次批量计划,而在面对大规模的多品种、小批量、个性化的订单结构时,依赖人工经验处理订单,工作量非常大,并且炉次批量计划的编制和优化效率很低。
发明内容
本发明解决的问题是如何提高炉次批量计划的编制效率,降低工作量。
为解决上述问题,本发明提供一种炉次批量计划优化方法、装置及存储介质。
第一方面,本发明提供了一种炉次批量计划优化方法,包括:
获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据;
根据所述客户要求相关数据、所述生产工艺数据和所述设备数据构建约束满足模型,其中,所述约束满足模型包括以降低钢水冶炼成本、降低无委托钢坯库存占用水平、提升客户服务水平、提高炼钢-连铸工序衔接水平为目标函数,以生产工艺约束、设备约束和客户要求为约束条件;
以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解,获得对应关系集合和剩余订单集合,其中,所述对应关系集合包括所有匹配成功的库存坯与生产订单之间的对应关系,所述剩余订单集合包括所有未匹配成功的所述生产订单;
以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解,获得初始炉次集合;
以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解,获得最终炉次集合。
可选地,所述生产工艺约束包括同一炉次内钢坯宽度唯一、同一炉次内钢坯定尺唯一、所述生产订单包含的一支钢坯只能作为炼钢申请量装入一个炉次或作为库存坯料与所述钢坯库存集合中的一支所述库存坯进行匹配、所述钢坯库存集合中的所述库存坯与所述生产订单匹配时必须满足轧制的工艺规程;
所述设备约束包括组入炉次的板坯量不能大于转炉容量;
所述客户要求包括钢坯的坯料设计单重需介于客户要求的单重范围内、所述生产订单对应的板坯总重量应介于交货重量允许的偏差范围内。
可选地,所述以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解包括:
步骤S310,按照紧急程度对所述生产订单集合中的各个生产订单进行分类,生成紧急订单集合和非紧急订单集合;
步骤S320,依次选择所述紧急订单集合和所述非紧急订单集合为当前订单集合;
步骤S330,从所述当前订单集合中选择一个未处理过的所述生产订单为当前订单;
步骤S340,从所述钢坯库存集合依次选择一个未处理过的所述库存坯为当前库存坯;
步骤S350,判断所述当前库存坯是否能与所述当前订单匹配,若是,则根据所述当前库存坯与所述当前订单之间的匹配关系更新所述对应关系集合;若否,则返回步骤S340;
步骤S360,判断所述当前订单集合中的所述生产订单是否处理完,若是,则转至步骤S370;若否,则返回步骤S330;
步骤S370,判断所述紧急订单集合和所述非紧急订单集合是否均处理完,若否,则返回步骤S320;若是,则输出更新后的所述对应关系集合。
可选地,所述判断所述当前库存坯是否能与所述当前订单匹配包括:
步骤S351,判断所述当前订单的待排产重量是否满足所述客户要求,所述客户要求包括所述生产订单对应的板坯总重量应介于交货重量允许的偏差范围内;若是,则将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;若否,则转至步骤S352;
步骤S352,判断所述当前库存坯是否为异型坯,若是,则转至步骤S353;若否,则转至步骤S354;
步骤S353,判断所述当前库存坯与所述当前订单是否同时满足所述客户要求和所述生产工艺约束,所述客户要求还包括所述当前库存坯和所述当前订单的坯料设计单重均需介于客户要求的单重范围内,所述生产工艺约束包括所述当前库存坯与所述当前订单匹配时必须满足轧制的工艺规程;若是,则表示匹配成功,将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;若否,则表示匹配不成功,返回步骤S340;
步骤S354,判断所述当前库存坯与所述当前订单是否满足所述客户要求,且所述当前库存坯是否满足所述当前订单的可用坯型范围,若均满足,则表示匹配成功,将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;否则,表示匹配不成功,返回步骤S340。
可选地,所述以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解包括:
步骤S410,基于所述生产工艺约束,将所述生产订单分为多个订单子集,其中,所述生产工艺约束包括同一炉次内钢坯宽度唯一、同一炉次内钢坯定尺唯一;
步骤S420,在所有所述订单子集中选择一个未处理过的所述订单子集;
步骤S430,对所述订单子集中的所有所述生产订单按照紧急程度、重要程度和交货时间进行排序;
步骤S440,确定所述订单子集中各个所述生产订单对应的钢坯宽度和各个所述钢坯宽度的权重,确定权重最大的所述钢坯宽度;
步骤S450,生成一个空炉次,将权重最大的所述钢坯宽度作为所述空炉次的计划出坯宽度;
步骤S460,按照步骤S430的排序结果,根据所述生产订单的待排产重量与炉次无委材量,依次将所述订单子集中的所述生产订单分配至所述空炉次,直至所述空炉次装满,将装满后的炉次存入初始炉次集合;
步骤S470,判断所述订单子集是否处理完毕,若否,则返回步骤S420;若是,则输出所述初始炉次集合。
可选地,所述根据所述生产订单的待排产重量与炉次无委材量,依次将所述订单子集中的所述生产订单分配至所述空炉次包括:
对于任一所述生产订单,将所述生产订单的待排产重量与所述炉次无委材量进行对比;
若所述待排产重量小于或等于所述炉次无委材量,则将所述生产订单全部装入所述空炉次,并在所述订单子集中删除所述生产订单;
若所述待排产重量大于所述炉次无委材量,则计算所述生产订单可装入所述炉次的支数,并将所述生产订单中剩余待计划量与最小钢坯宽度的单支钢坯重量进行对比,根据对比结果更新所述订单子集。
可选地,所述以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解包括:
步骤S510,按照无委材重量对所述初始炉次集合中的所有炉次进行非增排序;
步骤S520,从所述初始炉次集合中依次选择未处理的炉次为当前炉次;
步骤S530,判断所述当前炉次是否满足钢种代用基准,所述钢种代用基准包括存在高级别钢种代用所述当前炉次的钢种,且所述当前炉次的钢坯重要满足制造成本要求,若是,则转至步骤S540;若否,则返回步骤S520;
步骤S540,依次选择所述初始炉次集合中的其他炉次为目标炉次;
步骤S550,判断所述目标炉次与所述当前炉次是否满足代用条件,代用条件包括所述生产订单包含的一个钢坯只能作为炼钢申请量装入一个炉次或作为库存坯料与所述钢坯库存集合中的一个所述库存坯进行匹配和组入炉次的板坯量不能大于转炉容量;若是,则转至步骤S560;若否,则返回步骤S540;
步骤S560;将所述当前炉次中的所有所述生产订单装入所述目标炉次,并删除所述当前炉次,获得处理后的炉次集合;判断所述初始炉次集合中的所有炉次是否处理完,若是,则转至步骤S570;若否,则返回步骤S520;
步骤S570,对所述处理后的炉次集合中的所有炉次按照综合差异惩罚非增排序;
步骤S580,根据步骤S570的排序结果,依次从所述处理后的炉次集合中选择非满炉次,按照综合差异惩罚最小的规则,在所述对应关系集合中选择所述生产订单放入所述未满炉次,更新所述处理后的炉次集合,获得所述最终炉次集合。
可选地,所述按照综合差异惩罚最小的规则,在所述对应关系集合中选择所述生产订单放入所述未满炉次包括:
步骤S581,依次选择所述对应关系集合中的所述生产订单;
步骤S582,判断所述生产订单与所述未满炉次内所有生产订单的钢坯差异是否最小,若是,则转至步骤S583;若否,则返回步骤S581;
步骤S583,将所述生产订单加入所述未满炉次中,并删除所述对应关系集合中所述生产订单的匹配关系;
步骤S584,重复步骤S581至步骤S583,直至所述对应关系集合中的生产订单处理完或所述未满炉次组满,获得所述最终炉次集合。
第二方面,本发明提供了一种炉次批量计划优化装置,包括:
获取模块,用于获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据;
构建模块,用于根据所述客户要求相关数据、所述生产工艺数据和所述设备数据构建约束满足模型,其中,所述约束满足模型包括以降低钢水冶炼成本、降低无委托钢坯库存占用水平、提升客户服务水平、提高炼钢-连铸工序衔接水平为目标函数,以生产工艺约束、设备约束和客户要求为约束条件;
匹配模块,用于以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解,获得对应关系集合和剩余订单集合,其中,所述对应关系集合包括所有匹配成功的库存坯与生产订单之间的对应关系,所述剩余订单集合包括所有未匹配成功的所述生产订单;
生成模块,用于以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解,获得初始炉次集合;
优化模块,用于以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解,获得最终炉次集合。
第三方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序;当所述计算机程序被处理器执行时,实现如第一方面任一项所述的炉次批量计划优化方法。
本发明的炉次批量计划优化方法、装置及存储介质的有益效果是:获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据,其中,热轧待排产的生产订单集合就是待处理的生产订单集合,无委托的钢坯库存集合包括已生产的库存钢坯。根据客户要求相关数据、生产工艺数据和设备数据构建约束满足模型,综合考虑了客户要求、生产工艺约束和设备约束等多方面的制约因素,以降低钢水冶炼成本、降低无委托钢坯库存占用水平、提升客户服务水平、提高炼钢-连铸工序衔接水平为目标,根据生产订单集合和钢坯库存集合采用贪婪算法和回溯法、约束传播方法等编制得到炉次批量计划,能够降低生产成本和提高客户服务满意度。并且,相较于现有技术中基于人工经验的编制方法,自动化程度高,有效提高了炉次批量计划编制和优化的效率,降低了工作人员的工作量。
附图说明
图1为现有技术的钢铁冶炼工艺的流程示意图;
图2为现有技术的钢铁企业订单处理方式的流程示意图;
图3为现有技术的钢坯库存匹配与坯料设计过程的示意图;
图4为铸机不同生产模式的流程示意图;
图5为本发明实施例的炉次批量计划优化方法的流程示意图;
图6为本发明实施例的库存坯匹配过程的流程示意图;
图7为本发明实施例的炉次生成过程的流程示意图;
图8为本发明实施例的炉次优化过程的流程示意图;
图9为本发明另一实施例的炉次批量计划优化装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”;术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
根据工艺特征的不同,钢铁冶炼工艺可以划分为长流程生产工艺和短流程生产工艺。如图1所示,长流程生产工艺主要包括铁区、钢区、热轧区、后处理区,生产源头从铁矿石、原煤开始;短流程生产工艺主要包括钢区、热轧区、后处理区,生产源头从废钢和少量铁水开始。其中,两者钢区主要生产工序包括炼钢、精炼、连铸等,在生产组织过程中,由于其生产紧密的衔接性对高温连续运行要求极高,为此通常将钢区统一考虑,即简称为“炼钢-连铸”。在炼钢连-铸生产过程中,炉次是衔接各工序的最小单位,其在连铸阶段产出的钢坯又是钢区和热轧区衔接的重要桥梁,起到了至关重要的作用。在新的历史发展阶段,随着钢铁行业高质量发展要求的不断提升,面向订单组织生产的模式特征不断凸显,在多品种、小批量的市场环境下,如何更快速高效的响应市场、达到产销间平衡成为企业急需解决的问题。因此,迫切需要对炼钢-连铸的生产组织与计划模式的优化进行研究,从而帮助企业更高质量的实现产销平衡,争取更广泛的细分市场。
钢铁企业订单处理方式如图2所示,当客户下达生产合同后,企业计划的业务人员首先需跟进客户下单要求匹配钢坯库存,达到优化中间品库存、完成订单欠料量的目的;然后将未被匹配的订单按照工艺约束进行坯料设计,确定钢坯的材质、尺寸等;最后根据坯料设计结果,考虑设备及工艺约束确定炉次计划。其中,如图3在钢坯库存匹配与坯料设计过程中,由于订单可用板坯坯型为区间值,一个坯型的钢坯可以轧制多种规格的订单,一个订单可用多种坯型的钢坯进行轧制,其优化空间与难度进一步扩大,属于典型的NP难问题;在组炉过程中,组入一炉的订单必须是同钢种订单,当装入炉内订单所对应的前后板坯宽度不一致时则视为调宽,调宽必须符合一定的调宽工艺规程,且每炉只能调宽一次,调宽过程中产生的钢坯为异型坯(一头宽一头窄),异型坯的产生需满足在轧制工艺约束下有对应的订单与之匹配;在确定炉次计划过程中,由于每个钢包都具有一定的使用成本,因此每次生产必须是满炉容生产,否则将针对剩余转炉容量添加无委托板坯已满足满炉容生产的要求,该类板坯生产出来后将会占用板坯库存并增加库存维护成本。
炉次计划是炼钢-连铸生产过程中最小的单位,也是浇次计划编制的基础。由于浇次计划主要用于连铸工序,其编制过程受铸机制造模式影响较大,进而导致炉次计划编制的不确定性。导致这一现象发生的主要原因是铸机大多属于多机多流的设备,在生产中可支持按流在线调宽和多流异宽的生产模式。其中在线调宽主要是指在铸机正常生产不停机的情况中,通过调整结晶器的两个窄边向外或者向内移动,使生产出来的坯型达到预定的宽度,各流的调宽过程均在一支钢坯生产过程中完成,其优点是当钢坯批量不足时可以快速进行调整,缺点是异型坯的处理需要一定的制造成本;多流异宽主要是不同流可以同时间生产不同坯型的钢坯,其优点是可以最大化设备利用率,缺点是由于现有热轧设备的轧制工艺约束其中一些流生产的板坯只能下线无法充分利用钢坯预热。如图4,根据多种规格铸坯的需要,铸机可以选择不同的生产模式:
1)当铸机生产过程中只有在线调宽而没有多流异宽情况时,当前炉生产出的异型坯数量取决于铸机流数,且异型坯规格相同;
2)当铸机生产过程中只有多流异宽而没有在线调宽情况时,当前炉生产出不同坯型的钢坯,其数量比例取决于铸机各流生产的坯型比例;
3)当铸机生产过程中既有在线调宽又有多流异宽情况时,当前炉既生产出不同坯型的正常坯,又生产出不同规格的异型坯。
如图5所示,本发明实施例提供的一种炉次批量计划优化方法,其特征在于,包括:
步骤S100,获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据。
具体地,为炉次批量计划优化方法提供必要的数据输入和依据。其中,客户要求主要包括钢种(成分)、轧制规格、允许公差、交货期、集中发运要求、最大/最小单重要求、紧急程度等;生产工艺约束主要包括钢种代用(或称之为以优代次)、坯型设计规范、钢坯定尺设计规范等;设备约束主要包括铸机类型及流数、加热炉类型及对钢坯定尺的要求等。
步骤S200,根据所述客户要求相关数据、所述生产工艺数据和所述设备数据构建约束满足模型,其中,所述约束满足模型包括以降低钢水冶炼成本、降低无委托钢坯库存占用水平、提升客户服务水平、提高炼钢-连铸工序衔接水平为目标函数,以生产工艺约束、设备约束和客户要求为约束条件。
步骤S300,以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解,获得对应关系集合和剩余订单集合,其中,所述对应关系集合包括所有匹配成功的库存坯与生产订单之间的对应关系,所述剩余订单集合包括所有未匹配成功的所述生产订单。
步骤S400,以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解,获得初始炉次集合。
步骤S500,以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解,获得最终炉次集合。
本实施例中,获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据,其中,热轧待排产的生产订单集合就是待处理的生产订单集合,无委托的钢坯库存集合包括已生产的库存钢坯。根据客户要求相关数据、生产工艺数据和设备数据构建约束满足模型,综合考虑了客户要求、生产工艺约束和设备约束等多方面的制约因素,以降低钢水冶炼成本、降低无委托钢坯库存占用水平、提升客户服务水平、提高炼钢-连铸工序衔接水平为目标,根据生产订单集合和钢坯库存集合采用贪婪算法和回溯法、约束传播方法等编制得到炉次批量计划,能够降低生产成本和提高客户服务满意度。并且,相较于现有技术中基于人工经验的编制方法,自动化程度高,有效提高了炉次批量计划编制和优化的效率,降低了工作人员的工作量。
可选地,所述订单数据包括生产订单号、钢种、订货宽度、订货厚度、热轧待排产重量、紧急程度、重要程度、交货日期、最大单重要求、最小单重要求、集中交货标识、集中交货日期。
所述库存数据包括板坯号、钢种、板坯头部宽度、板坯尾部宽度、板坯厚度、板坯重量、切割日期、切割时间。
所述生产工艺数据包括坯型规范数据、钢坯定尺规范数据和钢种代用关系数据,所述坯型规范数据包括坯型宽度、坯型厚度、可轧制订单宽度上限、可轧制订单宽度下限、是否为常规坯。
具体地,在面向订单生产(Make-to-Order,MTO)、面向库存生产(Make-to-Stock,MTS)或两者混合生产组织模式下,钢铁企业往往事先提供几种标准板坯坯型,然后在标准坯型的基础上考虑客户订单后续工序的工艺需求,选择适当的坯型及定尺。
所述钢坯定尺规范数据包括钢种、标准定尺。
具体地,钢坯定尺规范指由产品标准规定的钢坯的特定长度。按定尺生产产品,既能有效地节约金属,便于组织生产,又能充分利用设备能力,方便管理和运输,钢坯定尺随钢材品种不同而不同。
所述钢种代用关系数据包括高级别钢种、低级别钢种、是否全部代用。
具体地,钢种代用,又称以优代次,由于多品种、小批量订单会对钢铁生产系统产生制造成本增加的影响,为降低生产组织难度、降低生产组织成本,在满足客户需求的基础上,用成分相近的钢种代码或高级别钢种代码进行替代轧制。
所述设备数据包括工厂模型数据,所述工厂模型数据包括转炉炉容、铸机类型及流数、加热炉类型及对钢坯定尺的要求。
可选地,炉次批量计划问题需要解决的是在满足客户特殊要求、生产工艺约束、设备约束等条件下,将客户的生产订单经坯料设计转化为钢坯,并将钢坯库存匹配后剩余的板坯进行组炉,最终形成炉次,从而达到优化生产组织的目的。通过基于约束满足理论的模型构建,能够更清晰有效的描述问题特征,为初始解构建和优化求解提供依据。
本发明的约束满足模型可描述为:
其中,集合包括:
参数包括:
决策变量包括:
上述约束满足模型中,各式含义如下:
式(1)为目标函数,第一项表示最小化炉次使用数量,第二项表示最小化炉次内无委托板坯量,第三项表示最小化钢坯宽度设计数量,第四项表示最小化炉次内钢坯差异。具体如下:
1)表示生产单位炉次的制造成本。表示炉次是否包含有板坯,有则为1,否则为0。钢水生产过程中会产生钢铁料、合金、耐材、辅材、能源等多项成本,在考虑中间品钢坯库存的情况下,利用较少的炉次生产出等量的订单所需钢坯,既能有效降低制造成本,又能减少钢坯占用库存导致的管理成本。
2)表示生产无委托钢坯所造成的制造成本。钢水冶炼需满足一定的冶炼容量,当添加至炉次内的订单不能满足冶炼容量时需添加无订单委托的钢水(式9),该类钢水铸造的钢坯由于无后续轧制计划与之匹配,造成中间钢坯库存的积压,形成库存占用费用,并影响其他订单的准时交货。
其中,代表惩罚的权重,表示炉次的可用坯型个数,表示炉次内所有订单的可用坯型个数。惩罚条件受生产组织的交货周期(按周/旬/月交货)不同而不同,当订单客户要求交期不一致但处于同一交货周期内时,则视为同一交货日期。
式(2)为约束函数,表示组入炉次的板坯量不能大于转炉容量。
式(3)为约束函数,表示同一炉内钢坯宽度唯一。
式(4)为约束函数,表示同一炉内钢坯定尺唯一。
式(6)为约束函数,表示订单所包含的同一支钢坯只能作为炼钢申请量装入一个炉次或者是作为库存坯料与钢坯库存中一支钢坯进行匹配。
式(7)为约束函数,表示由于不同坯型的设计结果造成单支钢坯的重量不同,所以订单对应的板坯总重量应介于交货重量偏差范围内。其中,交货重量偏差根据生产组织管理模式的不同而不同,可包括按合同订货重量的比例、按单支钢坯理重等方式。
式(8)为约束函数,表示库存异型板坯与订单发生匹配关系时,则必须满足轧制的工艺规程方可与订单进行匹配。
通过分析所构造的数学模型特征发现,在炉次批量计划编制过程中,生产工艺约束、设备约束为强约束不可突破,而客户要求类约束,如交货期要求、钢种代用为若约束有一定的优化空间。因此,本发明提出一种以降本增效为主要目标、产销协同为优化空间的工程化的优化算法,用于求解炉次批量计划问题,以快速高效地自动编制出切实可行的炉次批量计划。
可选地,如图6所示,所述以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解包括:
步骤S310,按照紧急程度对所述生产订单集合中的各个生产订单进行分类,生成紧急订单集合和非紧急订单集合。
步骤S320,依次选择所述紧急订单集合和所述非紧急订单集合为当前订单集合。
具体地,先选择紧急订单集合为当前订单集合,再选择紧急订单集合为当前订单集合。能够优先对紧急订单进行处理,提高客户满意度。
步骤S330,从所述当前订单集合中选择一个未处理过的所述生产订单为当前订单。
可选地,对当前订单集合中的所有生产订单进行排序,按照排序结果依次选择生产订单为当前订单,包括:
步骤S340,从所述钢坯库存集合依次选择一个未处理过的所述库存坯为当前库存坯。
具体地,可预先对于无委托板坯库存中的库存坯按照切割日期、切割时间依次非增排序,以追求在钢坯匹配过程中最大化热装率的目标。在挑选过程中,按照式(11)中钢种代用惩罚值非减的顺序,依次优先挑选钢种代用产生的惩罚值较小的钢种,执行步骤S350。
步骤S350,判断所述当前库存坯是否能与所述当前订单匹配,若是,则根据所述当前库存坯与所述当前订单之间的匹配关系更新所述对应关系集合;若否,则返回步骤S340。
步骤S360,判断所述当前订单集合中的所述生产订单是否处理完,若是,则转至步骤S370;若否,则返回步骤S330。
步骤S370,判断所述紧急订单集合和所述非紧急订单集合是否均处理完,若否,则返回步骤S320;若是,则输出更新后的所述对应关系集合。
本可选的实施例中,以式(1)中第一项为目标,以热轧待排产生产订单、无委托板坯库存为输入,尽最大量使用无委托板坯匹配订单进入热轧工序,从而达到组炉计划时最少的铸坯需求量,最终得到未被匹配的生产订单集合、已被匹配的钢坯库存与订单对应关系集合。能够降低无委托钢坯库存占用水平,以降低生产成本。
可选地,所述判断所述当前库存坯是否能与所述当前订单匹配包括:
步骤S351,判断所述当前订单的待排产重量是否满足所述客户要求,所述客户要求包括所述生产订单对应的板坯总重量应介于交货重量允许的偏差范围内;若是,则将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;若否,则转至步骤S352。
步骤S352,判断所述当前库存坯是否为异型坯,若是,则转至步骤S353;若否,则转至步骤S354;
步骤S353,判断所述当前库存坯与所述当前订单是否同时满足所述客户要求和所述生产工艺约束,所述客户要求还包括所述当前库存坯和所述当前订单的坯料设计单重均需介于客户要求的单重范围内,所述生产工艺约束包括所述当前库存坯与所述当前订单匹配时必须满足轧制的工艺规程;若是,则表示匹配成功,将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;若否,则表示匹配不成功,返回步骤S340。
具体地,判断当前钢坯与当前生产订单是否满足式(5)和式(8)约束,如果同时满足则匹配关系成立,否则不成立。
步骤S354,判断所述当前库存坯与所述当前订单是否满足所述客户要求,且所述当前库存坯是否满足所述当前订单的可用坯型范围,若均满足,则表示匹配成功,将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;否则,表示匹配不成功,返回步骤S340。
具体地,判断当前钢坯与当前生产订单是否满足式(5)以及当前订单的可用坯型范围,如果同时满足则匹配关系成立,否则不成立。
本可选的实施例中,根据库存坯的类型分别进行判断处理,相较于统一处理,判断更准确,使得生产的钢坯符合客户要求,提高客户满意度。
可选地,如图7所示,所述以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解包括:
步骤S410,基于所述生产工艺约束,将所述生产订单分为多个订单子集,其中,所述生产工艺约束包括同一炉次内钢坯宽度唯一、同一炉次内钢坯定尺唯一。
步骤S420,在所有所述订单子集中选择一个未处理过的所述订单子集。
步骤S430,对所述订单子集中的所有所述生产订单按照紧急程度、重要程度和交货时间进行排序。
步骤S440,确定所述订单子集中各个所述生产订单对应的钢坯宽度和各个所述钢坯宽度的权重,确定权重最大的所述钢坯宽度。
步骤S442:统计每个坯型可轧制的生产订单的重量总和,并以此为计算其权重的依据。
步骤S443:确定权重最大的钢坯宽度。
步骤S450,生成一个空炉次,将权重最大的所述钢坯宽度作为所述空炉次的计划出坯宽度。
步骤S460,按照步骤S430的排序结果,根据所述生产订单的待排产重量与炉次无委材量,依次将所述订单子集中的所述生产订单分配至所述空炉次,直至所述空炉次装满,将装满后的炉次存入初始炉次集合。
具体地,判断空炉次是否装满,若是,则将装满后的炉次存入初始炉次集合,转至步骤S470;若否,则返回步骤S460。
步骤S470,判断所述订单子集是否处理完毕,若否,则返回步骤S420;若是,则输出所述初始炉次集合。
本可选的实施例中,以式(1)中为目标,未被匹配的生产订单集合为输入,最终获取初始炉次集合。在生成初始炉次集合的过程中,充分考虑了钢水冶炼成本、客户服务水平和炼钢-连铸工序衔接水平,符合实际需求,实用性高。并且,编制过程基于计算机等处理设备进行自动化处理,效率高,且降低了工作人员的工作量。
可选地,所述根据所述生产订单的待排产重量与炉次无委材量,依次将所述订单子集中的所述生产订单分配至所述空炉次包括:
步骤S461,对于任一所述生产订单,将所述生产订单的待排产重量与所述炉次无委材量进行对比。
步骤S462,若所述待排产重量小于或等于所述炉次无委材量,则将所述生产订单全部装入所述空炉次,并在所述订单子集中删除所述生产订单。
步骤S463,若所述待排产重量大于所述炉次无委材量,则计算所述生产订单可装入所述炉次的支数,并将所述生产订单中剩余待计划量与最小钢坯宽度的单支钢坯重量进行对比,根据对比结果更新所述订单子集。
可选地,如图8所示,所述以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解包括:
步骤S510,按照无委材重量对所述初始炉次集合中的所有炉次进行非增排序。
步骤S520,从所述初始炉次集合中依次选择未处理的炉次为当前炉次;
步骤S530,判断所述当前炉次是否满足钢种代用基准,所述钢种代用基准包括存在高级别钢种代用所述当前炉次的钢种,且所述当前炉次的钢坯重要满足制造成本要求,若是,则转至步骤S540;若否,则返回步骤S520。
具体地,步骤S531:判断是否具有高级别钢种代用本炉钢种。
步骤S533:当步骤S531与步骤S532同时满足则视为满足钢种代用基准,否则不成立。
步骤S540,依次选择所述初始炉次集合中的其他炉次为目标炉次;
步骤S550,判断所述目标炉次与所述当前炉次是否满足代用条件,代用条件包括所述生产订单包含的一支钢坯只能作为炼钢申请量装入一个炉次或作为库存坯料与所述钢坯库存集合中的一支所述库存坯进行匹配和组入炉次的板坯量不能大于转炉容量;若是,则转至步骤S560;若否,则返回步骤S540。
具体地,步骤S551:判断是否满足式(6)约束。
步骤S553:当步骤S551与步骤S552同时满足则视为目标炉次与当前炉次是否满足代用条件,否则不成立。
步骤S560;将所述当前炉次中的所有所述生产订单装入所述目标炉次,并删除所述当前炉次,获得处理后的炉次集合;判断所述初始炉次集合中的所有炉次是否处理完,若是,则转至步骤S570;若否,则返回步骤S520;
步骤S570,对所述处理后的炉次集合中的所有炉次按照综合差异惩罚非增排序;
步骤S580,根据步骤S570的排序结果,依次选择非满炉次,按照综合差异惩罚最小的规则,在所述对应关系集合中选择所述生产订单放入所述未满炉次,更新所述处理后的炉次集合,获得所述最终炉次集合。
本可选的实施例中,以式(1)中的第二项和第四项为目标,步骤3中生成的已被匹配钢坯与订单对应关系集合、步骤4中生成的初始炉次集合为输入,生成最终的炉次集合。算法主要分为两大部分,分别是钢种代用的逻辑处理和已匹配订单重新装炉的逻辑处理。对初始炉次进行进一步的优化,以进一步降低生产成本,提高客户服务满意度。
可选地,所述按照综合差异惩罚最小的规则,在所述对应关系集合中选择所述生产订单放入所述未满炉次包括:
步骤S581,依次选择所述对应关系集合中的所述生产订单。
步骤S582,判断所述生产订单与所述未满炉次内所有生产订单的钢坯差异是否最小,若是,则转至步骤S583;若否,则返回步骤S581。
步骤S583,将所述生产订单加入所述未满炉次中,并删除所述对应关系集合中所述生产订单的匹配关系。
步骤S584,重复步骤S581至步骤S583,直至所述对应关系集合中的生产订单处理完或所述未满炉次组满,获得所述最终炉次集合。
具体地,直至所有订单均处理完或当前炉次组满终止,输出炉次计划结果。
示例性地,一个大型的长流程钢铁企业,主体设备包括两座2500立方米高炉,三座180吨转炉,两座两机两流连铸机,一条1780mm热连轧生产线,以及配套的公用辅助设施。连铸机最大调宽幅度为60mm,均为正向调宽,一炉钢水只允许调宽一次,且均在衔接坯处完成。此外,连铸机还支持多流异宽的生产工艺,并可与在线调宽同时存在。订单坯料设计时与坯型具有多对多的应用场景。客户上单结构存在显著的多品种、小批量特性,平均上单单重200吨,最小订单重小于20吨。以单月订单结构平均计算,小批量占比约50%,给生产组织带来重大挑战,人工编制一次月度炉次批量计划约3-4小时。而采用本发明的炉次批量计划优化方法仅需要几分钟,大幅提高了炉次批量计划的编制效率,且降低了工作人员的工作量。
如图9所示,本发明另一实施例提供的一种炉次批量计划优化装置,包括:
获取模块,用于获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据;
构建模块,用于根据所述客户要求相关数据、所述生产工艺数据和所述设备数据构建约束满足模型,其中,所述约束满足模型包括以降低钢水冶炼成本、降低无委托钢坯库存占用水平、提升客户服务水平、提高炼钢-连铸工序衔接水平为目标函数,以生产工艺约束、设备约束和客户要求为约束条件;
匹配模块,用于以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解,获得对应关系集合和剩余订单集合,其中,所述对应关系集合包括所有匹配成功的库存坯与生产订单之间的对应关系,所述剩余订单集合包括所有未匹配成功的所述生产订单;
生成模块,用于以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解,获得初始炉次集合;
优化模块,用于以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解,获得最终炉次集合。
本发明实施例的炉次批量计划优化装置用于实现如上所述的炉次批量计划优化方法,两者有益效果相对应,在此不再赘述。
本发明又一实施例提供的一种电子设备,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行所述计算机程序时,实现如上所述的炉次批量计划优化方法。
本发明又一实施例提供的一种计算机可读存储介质上存储有计算机程序;当所述计算机程序被处理器执行时,实现如上所述的炉次批量计划优化方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。在本申请中,所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
虽然本发明公开披露如上,但本发明公开的保护范围并非仅限于此。本领域技术人员在不脱离本发明公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (8)
1.一种炉次批量计划优化方法,其特征在于,包括:
获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据;
根据所述客户要求相关数据、所述生产工艺数据和所述设备数据构建约束满足模型,其中,所述约束满足模型包括以降低钢水冶炼成本、降低无委托钢坯库存占用水平、提升客户服务水平、提高炼钢-连铸工序衔接水平为目标函数,以生产工艺约束、设备约束和客户要求为约束条件;
以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解,获得对应关系集合和剩余订单集合,其中,所述对应关系集合包括所有匹配成功的库存坯与生产订单之间的对应关系,所述剩余订单集合包括所有未匹配成功的所述生产订单;
以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解,获得初始炉次集合;
以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解,获得最终炉次集合;
所述以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解包括:
步骤S310,按照紧急程度对所述生产订单集合中的各个生产订单进行分类,生成紧急订单集合和非紧急订单集合;
步骤S320,依次选择所述紧急订单集合和所述非紧急订单集合为当前订单集合;
步骤S330,从所述当前订单集合中选择一个未处理过的所述生产订单为当前订单;
步骤S340,从所述钢坯库存集合依次选择一个未处理过的所述库存坯为当前库存坯;
步骤S350,判断所述当前库存坯是否能与所述当前订单匹配,若是,则根据所述当前库存坯与所述当前订单之间的匹配关系更新所述对应关系集合;若否,则返回步骤S340;
步骤S360,判断所述当前订单集合中的所述生产订单是否处理完,若是,则转至步骤S370;若否,则返回步骤S330;
步骤S370,判断所述紧急订单集合和所述非紧急订单集合是否均处理完,若否,则返回步骤S320;若是,则输出更新后的所述对应关系集合;
所述以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解包括:
步骤S410,基于所述生产工艺约束,将所述生产订单分为多个订单子集,其中,所述生产工艺约束包括同一炉次内钢坯宽度唯一、同一炉次内钢坯定尺唯一;
步骤S420,在所有所述订单子集中选择一个未处理过的所述订单子集;
步骤S430,对所述订单子集中的所有所述生产订单按照紧急程度、重要程度和交货时间进行排序;
步骤S440,确定所述订单子集中各个所述生产订单对应的钢坯宽度和各个所述钢坯宽度的权重,确定权重最大的所述钢坯宽度;
步骤S450,生成一个空炉次,将权重最大的所述钢坯宽度作为所述空炉次的计划出坯宽度;
步骤S460,按照步骤S430的排序结果,根据所述生产订单的待排产重量与炉次无委材量,依次将所述订单子集中的所述生产订单分配至所述空炉次,直至所述空炉次装满,将装满后的炉次存入初始炉次集合;
步骤S470,判断所述订单子集是否处理完毕,若否,则返回步骤S420;若是,则输出所述初始炉次集合。
2.根据权利要求1所述的炉次批量计划优化方法,其特征在于,所述生产工艺约束包括同一炉次内钢坯宽度唯一、同一炉次内钢坯定尺唯一、所述生产订单包含的一支钢坯只能作为炼钢申请量装入一个炉次或作为库存坯料与所述钢坯库存集合中的一支所述库存坯进行匹配、所述钢坯库存集合中的所述库存坯与所述生产订单匹配时必须满足轧制的工艺规程;
所述设备约束包括组入炉次的板坯量不能大于转炉容量;
所述客户要求包括钢坯的坯料设计单重需介于客户要求的单重范围内、所述生产订单对应的板坯总重量应介于交货重量允许的偏差范围内。
3.根据权利要求1所述的炉次批量计划优化方法,其特征在于,所述判断所述当前库存坯是否能与所述当前订单匹配包括:
步骤S351,判断所述当前订单的待排产重量是否满足所述客户要求,所述客户要求包括所述生产订单对应的板坯总重量应介于交货重量允许的偏差范围内;若是,则将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;若否,则转至步骤S352;
步骤S352,判断所述当前库存坯是否为异型坯,若是,则转至步骤S353;若否,则转至步骤S354;
步骤S353,判断所述当前库存坯与所述当前订单是否同时满足所述客户要求和所述生产工艺约束,所述客户要求还包括所述当前库存坯和所述当前订单的坯料设计单重均需介于客户要求的单重范围内,所述生产工艺约束包括所述当前库存坯与所述当前订单匹配时必须满足轧制的工艺规程;若是,则表示匹配成功,将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;若否,则表示匹配不成功,返回步骤S340;
步骤S354,判断所述当前库存坯与所述当前订单是否满足所述客户要求,且所述当前库存坯是否满足所述当前订单的可用坯型范围,若均满足,则表示匹配成功,将所述当前库存坯与所述当前订单之间的匹配关系存入所述对应关系集合;否则,表示匹配不成功,返回步骤S340。
4.根据权利要求1所述的炉次批量计划优化方法,其特征在于,所述根据所述生产订单的待排产重量与炉次无委材量,依次将所述订单子集中的所述生产订单分配至所述空炉次包括:
对于任一所述生产订单,将所述生产订单的待排产重量与所述炉次无委材量进行对比;
若所述待排产重量小于或等于所述炉次无委材量,则将所述生产订单全部装入所述空炉次,并在所述订单子集中删除所述生产订单;
若所述待排产重量大于所述炉次无委材量,则计算所述生产订单可装入所述炉次的支数,并将所述生产订单中剩余待计划量与最小钢坯宽度的单支钢坯重量进行对比,根据对比结果更新所述订单子集。
5.根据权利要求1至3任一项所述的炉次批量计划优化方法,其特征在于,所述以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解包括:
步骤S510,按照无委材重量对所述初始炉次集合中的所有炉次进行非增排序;
步骤S520,从所述初始炉次集合中依次选择未处理的炉次为当前炉次;
步骤S530,判断所述当前炉次是否满足钢种代用基准,所述钢种代用基准包括存在高级别钢种代用所述当前炉次的钢种,且所述当前炉次的钢坯重要满足制造成本要求,若是,则转至步骤S540;若否,则返回步骤S520;
步骤S540,依次选择所述初始炉次集合中的其他炉次为目标炉次;
步骤S550,判断所述目标炉次与所述当前炉次是否满足代用条件,代用条件包括所述生产订单包含的一支钢坯只能作为炼钢申请量装入一个炉次或作为库存坯料与所述钢坯库存集合中的一支所述库存坯进行匹配和组入炉次的板坯量不能大于转炉容量;若是,则转至步骤S560;若否,则返回步骤S540;
步骤S560;将所述当前炉次中的所有所述生产订单装入所述目标炉次,并删除所述当前炉次,获得处理后的炉次集合;判断所述初始炉次集合中的所有炉次是否处理完,若是,则转至步骤S570;若否,则返回步骤S520;
步骤S570,对所述处理后的炉次集合中的所有炉次按照综合差异惩罚非增排序;
步骤S580,根据步骤S570的排序结果,依次从所述处理后的炉次集合中选择未满炉次,按照综合差异惩罚最小的规则,在所述对应关系集合中选择所述生产订单放入所述未满炉次,更新所述处理后的炉次集合,获得所述最终炉次集合。
6.根据权利要求5所述的炉次批量计划优化方法,其特征在于,所述按照综合差异惩罚最小的规则,在所述对应关系集合中选择所述生产订单放入所述未满炉次包括:
步骤S581,依次选择所述对应关系集合中的所述生产订单;
步骤S582,判断所述生产订单与所述未满炉次内所有生产订单的钢坯差异是否最小,若是,则转至步骤S583;若否,则返回步骤S581;
步骤S583,将所述生产订单加入所述未满炉次中,并删除所述对应关系集合中所述生产订单的匹配关系;
步骤S584,重复步骤S581至步骤S583,直至所述对应关系集合中的生产订单处理完或所述未满炉次组满,获得所述最终炉次集合。
7.一种炉次批量计划优化装置,其特征在于,包括:
获取模块,用于获取热轧待排产的生产订单集合、无委托的钢坯库存集合、客户要求相关数据、生产工艺数据和设备数据;
构建模块,用于根据所述客户要求相关数据、所述生产工艺数据和所述设备数据构建约束满足模型,其中,所述约束满足模型包括以降低钢水冶炼成本、降低无委托钢坯库存占用水平、提升客户服务水平、提高炼钢-连铸工序衔接水平为目标函数,以生产工艺约束、设备约束和客户要求为约束条件;
匹配模块,用于以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解,获得对应关系集合和剩余订单集合,其中,所述对应关系集合包括所有匹配成功的库存坯与生产订单之间的对应关系,所述剩余订单集合包括所有未匹配成功的所述生产订单;
生成模块,用于以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解,获得初始炉次集合;
优化模块,用于以所述对应关系集合和所述初始炉次集合为所述约束满足模型的输入数据,采用回溯法和约束传播方法对所述约束满足模型进行求解,获得最终炉次集合;
所述以所述生产订单集合和所述钢坯库存集合为所述约束满足模型的输入数据,采用基于改进贪婪算法的库存坯匹配方法对所述约束满足模型进行求解包括:
步骤S310,按照紧急程度对所述生产订单集合中的各个生产订单进行分类,生成紧急订单集合和非紧急订单集合;
步骤S320,依次选择所述紧急订单集合和所述非紧急订单集合为当前订单集合;
步骤S330,从所述当前订单集合中选择一个未处理过的所述生产订单为当前订单;
步骤S340,从所述钢坯库存集合依次选择一个未处理过的所述库存坯为当前库存坯;
步骤S350,判断所述当前库存坯是否能与所述当前订单匹配,若是,则根据所述当前库存坯与所述当前订单之间的匹配关系更新所述对应关系集合;若否,则返回步骤S340;
步骤S360,判断所述当前订单集合中的所述生产订单是否处理完,若是,则转至步骤S370;若否,则返回步骤S330;
步骤S370,判断所述紧急订单集合和所述非紧急订单集合是否均处理完,若否,则返回步骤S320;若是,则输出更新后的所述对应关系集合;
所述以所述剩余订单集合为所述约束满足模型的输入数据,采用基于坯型权重的优化算法对所述约束满足模型进行求解包括:
步骤S410,基于所述生产工艺约束,将所述生产订单分为多个订单子集,其中,所述生产工艺约束包括同一炉次内钢坯宽度唯一、同一炉次内钢坯定尺唯一;
步骤S420,在所有所述订单子集中选择一个未处理过的所述订单子集;
步骤S430,对所述订单子集中的所有所述生产订单按照紧急程度、重要程度和交货时间进行排序;
步骤S440,确定所述订单子集中各个所述生产订单对应的钢坯宽度和各个所述钢坯宽度的权重,确定权重最大的所述钢坯宽度;
步骤S450,生成一个空炉次,将权重最大的所述钢坯宽度作为所述空炉次的计划出坯宽度;
步骤S460,按照步骤S430的排序结果,根据所述生产订单的待排产重量与炉次无委材量,依次将所述订单子集中的所述生产订单分配至所述空炉次,直至所述空炉次装满,将装满后的炉次存入初始炉次集合;
步骤S470,判断所述订单子集是否处理完毕,若否,则返回步骤S420;若是,则输出所述初始炉次集合。
8.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序;当所述计算机程序被处理器执行时,实现如权利要求1至6任一项所述的炉次批量计划优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210279756.9A CN114386719B (zh) | 2022-03-22 | 2022-03-22 | 一种炉次批量计划优化方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210279756.9A CN114386719B (zh) | 2022-03-22 | 2022-03-22 | 一种炉次批量计划优化方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114386719A CN114386719A (zh) | 2022-04-22 |
CN114386719B true CN114386719B (zh) | 2022-08-05 |
Family
ID=81205210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210279756.9A Active CN114386719B (zh) | 2022-03-22 | 2022-03-22 | 一种炉次批量计划优化方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114386719B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114662802B (zh) * | 2022-05-23 | 2022-09-09 | 宁波钢铁有限公司 | 一种基于扰动因素的热轧板带排程方法及系统 |
CN114723504B (zh) * | 2022-06-08 | 2022-09-13 | 宁波钢铁有限公司 | 钢铁生产订单组合优化方法和钢铁生产订单评估方法 |
CN115345032B (zh) * | 2022-10-17 | 2023-03-24 | 宁波钢铁有限公司 | 一种炼钢-连铸中间包计划优化方法、装置及电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101303588A (zh) * | 2008-06-04 | 2008-11-12 | 东北大学 | 一种炼钢—连铸炉次批量计划自动编制方法及系统 |
CN102127693A (zh) * | 2011-02-21 | 2011-07-20 | 宁波钢铁有限公司 | 一种热轧钢卷的生产方法 |
CN102637272A (zh) * | 2012-03-19 | 2012-08-15 | 东北大学 | 热轧板坯前库剩余板坯的分配方法及装置 |
CN104483915A (zh) * | 2014-10-31 | 2015-04-01 | 东北大学 | 提高钢铁企业材料利用率的热轧多产线板坯匹配控制方法 |
CN106779220A (zh) * | 2016-12-20 | 2017-05-31 | 浙江中控研究院有限公司 | 一种炼钢‑连铸‑热轧集成调度方法与系统 |
CN107832983A (zh) * | 2017-12-18 | 2018-03-23 | 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 |
CN109102117A (zh) * | 2018-08-06 | 2018-12-28 | 沈阳建筑大学 | 一种高效求解炼钢-连铸炉次批量计划的优化方法 |
CN109358581A (zh) * | 2018-10-19 | 2019-02-19 | 东北大学 | 两流异宽的炼钢-连铸过程批量计划优化方法 |
CN111626532A (zh) * | 2019-02-28 | 2020-09-04 | 湖南师范大学 | 一种基于大数据规则自学习的炼钢生产计划智能排程方法 |
CN113075886A (zh) * | 2021-03-31 | 2021-07-06 | 清华大学 | 基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105483310B (zh) * | 2015-11-23 | 2017-05-10 | 东北大学 | 一种面向全流程生产的炼钢组批与排产方法 |
CN109559027B (zh) * | 2018-11-20 | 2022-12-06 | 冶金自动化研究设计院 | 应用于钢铁企业高速工具钢冶炼流程的计划调度系统 |
-
2022
- 2022-03-22 CN CN202210279756.9A patent/CN114386719B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101303588A (zh) * | 2008-06-04 | 2008-11-12 | 东北大学 | 一种炼钢—连铸炉次批量计划自动编制方法及系统 |
CN102127693A (zh) * | 2011-02-21 | 2011-07-20 | 宁波钢铁有限公司 | 一种热轧钢卷的生产方法 |
CN102637272A (zh) * | 2012-03-19 | 2012-08-15 | 东北大学 | 热轧板坯前库剩余板坯的分配方法及装置 |
CN104483915A (zh) * | 2014-10-31 | 2015-04-01 | 东北大学 | 提高钢铁企业材料利用率的热轧多产线板坯匹配控制方法 |
CN106779220A (zh) * | 2016-12-20 | 2017-05-31 | 浙江中控研究院有限公司 | 一种炼钢‑连铸‑热轧集成调度方法与系统 |
CN107832983A (zh) * | 2017-12-18 | 2018-03-23 | 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 |
CN109102117A (zh) * | 2018-08-06 | 2018-12-28 | 沈阳建筑大学 | 一种高效求解炼钢-连铸炉次批量计划的优化方法 |
CN109358581A (zh) * | 2018-10-19 | 2019-02-19 | 东北大学 | 两流异宽的炼钢-连铸过程批量计划优化方法 |
CN111626532A (zh) * | 2019-02-28 | 2020-09-04 | 湖南师范大学 | 一种基于大数据规则自学习的炼钢生产计划智能排程方法 |
CN113075886A (zh) * | 2021-03-31 | 2021-07-06 | 清华大学 | 基于分布式鲁棒机会约束模型的炼钢连铸调度方法及装置 |
Non-Patent Citations (4)
Title |
---|
Wanying Zhu.Research on Batch Planning Method of Steelmaking-Continuous Casting Tundish.《2021 3rd International Conference on Industrial Artificial Intelligence (IAI)》.2011, * |
张健欣等.用P-MA解决多目标炉次计划编制问题.《冶金自动化》.2009,(第02期), * |
张文学等.基于约束满足的板坯设计模型与求解方法.《北京科技大学学报》.2011,(第05期), * |
王晶等.具有交货时间窗约束的无等待流水车间调度模型与算法.《中国机械工程》.2010,(第19期), * |
Also Published As
Publication number | Publication date |
---|---|
CN114386719A (zh) | 2022-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114386719B (zh) | 一种炉次批量计划优化方法、装置及存储介质 | |
WO2017088674A1 (zh) | 一种面向全流程生产的炼钢组批与排产方法 | |
CN106779220B (zh) | 一种炼钢-连铸-热轧集成调度方法与系统 | |
CN1885328B (zh) | 一种炼钢-连铸中间包批量计划方法及系统 | |
US6606527B2 (en) | Methods and systems for planning operations in manufacturing plants | |
US20160125336A1 (en) | Slabs matching control method of multiple lines in hot rolling section in steel plant for improving material utilization efficiency | |
CN101303588A (zh) | 一种炼钢—连铸炉次批量计划自动编制方法及系统 | |
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 | |
CN110647124A (zh) | 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 | |
JP2017068788A (ja) | 製鋼圧延計画立案装置、製鋼圧延計画立案方法、およびプログラム | |
CN107832983B (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 | |
CN111401616A (zh) | 一种供应链环境下预制混凝土构件的双层调度方法 | |
JP4987795B2 (ja) | 熱間圧延工場の製造ロット編成装置及び編成方法 | |
JP2003256020A (ja) | 鉄鋼中間製品及び鉄鋼製品の生産計画作成方法、その装置、その方法又は装置を実現するためのプログラム並びに鉄鋼中間製品及び鉄鋼製品の製造方法 | |
CN111062571B (zh) | 一种面向铝行业的锭型选择与合同组批的集成优化方法 | |
JP2002149223A (ja) | 生産管理支援システム | |
Zhang et al. | Solving the order planning problem at the steelmaking shops by considering logistics balance on the plant-wide process | |
JP2000176634A (ja) | 鉄鋼製品の生産計画策定装置 | |
CN114298567A (zh) | 连铸机浇次计划排程及开浇时间动态决策方法及系统 | |
CN112926828B (zh) | 一种面向中厚板产线的炼钢生产数据解析与优化排程方法 | |
CN112749487B (zh) | 一种废钢优化配料方法、系统及其应用 | |
RU43384U1 (ru) | Автоматизированная система управления в реальном времени производством продукции по заказам клиентов на предприятии (варианты) | |
Zhang et al. | Optimization for Process Routing in Steelmaking-Rolling Production | |
Li et al. | A case of rule‐based heuristics for scheduling hot rolling seamless steel tube production | |
Lv et al. | An Heuristic Order Promising Method Based on Short-Term Production Capacity Balancing Planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |