CN114723504B - 钢铁生产订单组合优化方法和钢铁生产订单评估方法 - Google Patents

钢铁生产订单组合优化方法和钢铁生产订单评估方法 Download PDF

Info

Publication number
CN114723504B
CN114723504B CN202210640888.XA CN202210640888A CN114723504B CN 114723504 B CN114723504 B CN 114723504B CN 202210640888 A CN202210640888 A CN 202210640888A CN 114723504 B CN114723504 B CN 114723504B
Authority
CN
China
Prior art keywords
order
heat
solution
new
steel
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
Application number
CN202210640888.XA
Other languages
English (en)
Other versions
CN114723504A (zh
Inventor
李志伟
李新创
张博睿
施灿涛
陈红雨
栾治伟
张军霞
柳晨岚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Iron and Steel Co Ltd
Original Assignee
Ningbo Iron and Steel Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo Iron and Steel Co Ltd filed Critical Ningbo Iron and Steel Co Ltd
Priority to CN202210640888.XA priority Critical patent/CN114723504B/zh
Publication of CN114723504A publication Critical patent/CN114723504A/zh
Application granted granted Critical
Publication of CN114723504B publication Critical patent/CN114723504B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Manufacturing & Machinery (AREA)
  • General Factory Administration (AREA)
  • Control Of Metal Rolling (AREA)

Abstract

本发明公开了一种钢铁生产订单组合优化方法和钢铁生产订单评估方法，所述组合优化方法包括：获取订单池中的订单集合；对所述订单集合进行预处理，得到炉次集合；构建以最小化中包损失量为目标的数学规划模型，所述数学规划模型包括容量约束、钢种混浇约束和坯型约束；求解所述数学规划模型，得到炉次组合结果；根据所述炉次组合结果得到订单组合结果。本发明可实现考虑板坯替代、钢种混浇等问题的订单组合优化生产，降低中包使用成本。

Description

钢铁生产订单组合优化方法和钢铁生产订单评估方法
技术领域
本发明涉及信息技术和智能优化技术领域，具体涉及一种钢铁生产订单组合优化方法和钢铁生产订单评估方法。
背景技术
钢铁企业的生产组织模式逐渐由“以产定销”向“以销定产”模式转变，并且随着市场需求变化，客户订单呈现出小批量、多品种、多规格、个性化趋势。钢铁生产高度自动化的产线装备，基于大规模、标准化的制造过程管理体系，可以有效发挥装备产能，实现效益最大化并降低成本。为降低成本，要求在生产中具有批量化特点，这与市场需求趋势形成了产销矛盾。目前通过制造工艺创新改变现状较为困难,通过提升订单组织管理的柔性来适应日益快速变化的用户需求，就显得极为迫切。
现有研究大多集中于生产环节，如优化炼钢批量计划以及钢轧一体化，缺乏在订单阶段优化订单的方法。
发明内容
本发明解决的问题是现有研究缺乏在订单阶段优化钢铁生产订单的方法。
本发明提出一种钢铁生产订单组合优化方法，包括：
获取订单池中的订单集合；
对所述订单集合进行预处理，得到炉次集合；
构建以最小化中包损失量为目标的数学规划模型，所述数学规划模型包括容量约束、钢种混浇约束和坯型约束；
求解所述数学规划模型，得到炉次组合结果；
根据所述炉次组合结果得到订单组合结果。
可选地，所述对所述订单集合进行预处理，得到炉次集合包括：
获得所述订单集合中所有订单的可用坯型集合；
将预设属性类型相同的订单进行合并，所述预设属性类型包括钢种和可用坯型集合；
按照预置的炉容量将合并后的订单拆分成炉次，根据预置的中包容量将所述炉次划分成相应的炉次集合。
可选地，所述数学规划模型包括：
Figure DEST_PATH_IMAGE001
(1)
Figure 23382DEST_PATH_IMAGE002
(2)
Figure DEST_PATH_IMAGE003
(3)
Figure 746487DEST_PATH_IMAGE004
(4)
Figure DEST_PATH_IMAGE005
(5)
Figure 623176DEST_PATH_IMAGE006
(6)
其中，公式(1)为目标函数；公式(2)表示任一中包内的炉次数量小于中包最大容量限制；公式(3)表示同一中包内的钢种满足混浇条件；公式(4)表示同一中包内的坯型相同，或者满足调宽要求；公式(5)表示炉次必须且只能分配到1个中包；公式(6)表示决策变量取值范围；
Figure DEST_PATH_IMAGE007
表示炉次编号，
Figure 976797DEST_PATH_IMAGE008
表示炉次总数，
Figure DEST_PATH_IMAGE009
表示中包编号，
Figure 509409DEST_PATH_IMAGE010
表示中包总数，
Figure DEST_PATH_IMAGE011
表示中包
Figure 738003DEST_PATH_IMAGE009
的容量，
Figure 672461DEST_PATH_IMAGE012
为决策变量，
Figure 931404DEST_PATH_IMAGE012
为1则表示炉次
Figure 951313DEST_PATH_IMAGE007
在中包
Figure 688325DEST_PATH_IMAGE009
中，
Figure 477289DEST_PATH_IMAGE012
为0则表示炉次
Figure 172713DEST_PATH_IMAGE007
不在中包
Figure 679917DEST_PATH_IMAGE009
中，
Figure DEST_PATH_IMAGE013
表示炉次
Figure 220620DEST_PATH_IMAGE007
的重量，
Figure 129670DEST_PATH_IMAGE014
表示中包
Figure 730416DEST_PATH_IMAGE009
中的炉次重量，
Figure DEST_PATH_IMAGE015
表示钢种，
Figure 990496DEST_PATH_IMAGE016
表示钢种为
Figure 334890DEST_PATH_IMAGE015
时的中包容量，
Figure DEST_PATH_IMAGE017
表示中包
Figure 98446DEST_PATH_IMAGE009
中的钢种集合，
Figure 135672DEST_PATH_IMAGE018
表示钢种混浇参数，
Figure 853355DEST_PATH_IMAGE018
为1，则表示钢种
Figure 1440DEST_PATH_IMAGE020
和
Figure 619503DEST_PATH_IMAGE022
能够混浇或者钢种
Figure DEST_PATH_IMAGE023
和
Figure 827630DEST_PATH_IMAGE022
相同，否则
Figure 531144DEST_PATH_IMAGE024
为0，
Figure DEST_PATH_IMAGE025
为1，则表示坯型
Figure DEST_PATH_IMAGE027
和
Figure DEST_PATH_IMAGE029
可以调宽或者坯型
Figure 748499DEST_PATH_IMAGE027
和
Figure 486648DEST_PATH_IMAGE029
相同，否则为0，
Figure 865676DEST_PATH_IMAGE030
表示中包
Figure 56486DEST_PATH_IMAGE032
的可用坯型集合。
可选地，所述求解所述数学规划模型，得到炉次组合结果包括：
构造所述数学规划模型的初始解；
基于所述初始解进行局部搜索，得到解
Figure DEST_PATH_IMAGE033
；
判断是否达到终止条件；
若未达到所述终止条件，则获取预设的破坏参数，基于所述破坏参数对当前解进行破坏操作，得到一个新解
Figure 811953DEST_PATH_IMAGE034
；
对所述新解
Figure 873450DEST_PATH_IMAGE034
进行局部搜索，得到新解
Figure DEST_PATH_IMAGE035
；
若所述新解
Figure 688959DEST_PATH_IMAGE035
对应的中包损失量小于所述解
Figure 367065DEST_PATH_IMAGE033
对应的中包损失量，则将所述新解
Figure 153319DEST_PATH_IMAGE035
赋值给所述解
Figure 600480DEST_PATH_IMAGE033
，若所述新解
Figure 55733DEST_PATH_IMAGE035
对应的中包损失量大于或等于所述解
Figure 221135DEST_PATH_IMAGE033
对应的中包损失量，则判断随机取得的第一随机数是否小于第二随机数，若是，则将所述新解
Figure 787245DEST_PATH_IMAGE035
赋值给所述解
Figure 354493DEST_PATH_IMAGE033
；
如果达到所述终止条件，则将所述解
Figure 980646DEST_PATH_IMAGE033
赋值给最优解
Figure 633344DEST_PATH_IMAGE036
，返回所述最优解
Figure 268725DEST_PATH_IMAGE036
。
可选地，所述构造所述数学规划模型的初始解包括：
将所述炉次集合中的炉次进行排序；
按照预设顺序，依次将各个炉次插入其他两两炉次之间，形成各个所述炉次对应的中包损失量最小的解；
从各个所述炉次对应的中包损失量最小的解中，确定总中包损失量最小的解，作为所述数学规划模型的初始解。
可选地，所述获取预设的破坏参数，基于所述破坏参数对当前解进行破坏操作，得到一个新解
Figure 159321DEST_PATH_IMAGE034
包括：
初始化空置换
Figure DEST_PATH_IMAGE037
；
将所述解
Figure 487534DEST_PATH_IMAGE038
赋值给
Figure DEST_PATH_IMAGE039
；
令
Figure 893107DEST_PATH_IMAGE040
到
Figure DEST_PATH_IMAGE041
进行循环，每次从
Figure 597758DEST_PATH_IMAGE039
中随机删除一个炉次，并将删除的炉次添加到
Figure 874019DEST_PATH_IMAGE037
中，同时计算每次的当前
Figure 609019DEST_PATH_IMAGE039
的中包损失量，令
Figure 970730DEST_PATH_IMAGE043
为无穷大，
Figure 682334DEST_PATH_IMAGE041
为预设的破坏参数；
令
Figure 813101DEST_PATH_IMAGE039
的长度为h，令
Figure DEST_PATH_IMAGE044
h到1进行循环，将
Figure 483117DEST_PATH_IMAGE037
中的m炉次插入到
Figure 332124DEST_PATH_IMAGE039
的n位置，得到
Figure 847419DEST_PATH_IMAGE045
；
如果
Figure 98272DEST_PATH_IMAGE047
,则
Figure 673610DEST_PATH_IMAGE049
,
Figure DEST_PATH_IMAGE050
；
将
Figure 275492DEST_PATH_IMAGE037
中m炉次插入到
Figure 594478DEST_PATH_IMAGE039
的
Figure DEST_PATH_IMAGE051
位置得到所述新解
Figure DEST_PATH_IMAGE052
。
可选地，所述求解所述数学规划模型，得到炉次组合结果包括：
采用所述炉次集合中未满足中包容量的炉次集合参与运算，求解所述数学规划模型，得到炉次组合结果。
本发明还提出一种钢铁生产订单评估方法，包括：
获取待评估的新订单；
将所述新订单与订单池中的订单采用如上所述钢铁生产订单组合优化方法进行运算，获得中包损失量最小的炉次组合结果；
根据所述炉次组合结果判断所述新订单是否能与所述订单池中的订单组合生产；
若是，则判定所述新订单属于第一类订单，其中，所述第一类订单为适合与已有订单组合生产的订单；
若否，则判定所述新订单属于第二类订单，其中，所述第二类订单为不适合与已有订单组合生产的订单。
本发明还提出一种钢铁生产订单评估方法，包括：
获取待评估的新订单；
获取采用如上所述钢铁生产订单组合优化方法对订单池中的订单进行运算的结果，得到所述订单池中未组合成功的订单；
判断所述新订单与所述订单池中未组合成功的订单是否能够组合生产；
若是，则判定所述新订单属于第一类订单，其中，所述第一类订单为适合与已有订单组合生产的订单；
若否，则判定所述新订单属于第二类订单，其中，所述第二类订单为不适合与已有订单组合生产的订单。
本发明还提出一种电子设备，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的钢铁生产订单组合优化方法或者实现如上所述的钢铁生产订单评估方法。
本发明通过将订单池中的订单集合进行预处理，得到炉次集合，构建以最小化中包损失量为目标的数学规划模型，以炉次为单位参与数学规划模型的求解运算，得到炉次的组合结果，且数学规划模型包括容量约束、钢种混浇约束和坯型约束，考虑了实际应用中板坯替代、钢种混浇等问题，使本发明所述方案更适于实用。
附图说明
图1为本发明实施例钢铁生产订单组合优化方法一流程示意图；
图2为本发明实施例钢铁生产订单评估方法一流程示意图；
图3为本发明实施例钢铁生产订单评估方法另一流程示意图。
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。
如图1，在本发明一实施例中，所述钢铁生产订单组合优化方法包括：
步骤S100，获取订单池中的订单集合。
其中，获取的订单集合，指订单池中的部分或者全部的订单，为本次钢铁生产订单组合优化的对象。
步骤S200，对所述订单集合进行预处理，得到炉次集合。
对订单集合进行预处理，将订单集合转化为炉次集合。对于每个订单，其对应的炉次信息可编码为<炉次编号i，炉次重量weight，钢种steel，可用坯型集合billet>，其中，炉次重量weight指炉次被占用的重量或者分配到的订单订货重量。
一实施方式中，可根据炉容量和订单集合中每个订单的重量，将每个订单转化为炉次，进而得到炉次集合，具体可计算每个订单的重量除以炉容量，对求得的商向上取整，可得对应的炉次数量。例如，炉容量为200t，订单1有2400t，根据炉容量形成12炉次，订单2有1200t，根据炉容量形成6炉次，订单3有600t，根据炉容量形成3炉次，订单4有50t，根据炉容量形成1炉次。
另一实施方式中，所述步骤S200包括：获得所述订单集合中所有订单的可用坯型集合；将预设属性类型相同的订单进行合并，所述预设属性类型包括钢种和可用坯型集合；按照预置的炉容量将合并后的订单拆分成炉次，根据预置的中包容量将所述炉次划分成相应的炉次集合。
在热轧生产中存在减宽轧制工艺，要求板坯的宽度要大于订单的宽度，并且减宽大小限定在一定的范围内，例如，减宽轧制工艺要求减宽最大值为60时，宽度为1220的订单可以采用{1230，1250，1280}的坯型进行轧制，{1230，1250，1280}的坯型即为该订单的可用坯型集合。在知晓订单要求的目标宽度和减宽轧制工艺要求的减宽最大值后，即可得到订单对应的可用坯型集合。
每个订单，都有宽度、厚度、订货重量、钢种等属性，可根据预设属性类型相同的订单进行合并，预设属性类型包含钢种和可用坯型集合，还可包含宽度和/或厚度。例如，订单1与订单2的钢种和可用坯型集合均相等，则将订单1与订单2合并。
炉容量指转炉容量，为预先设置的参数，通过合并后的订单和炉容量可以将合并后的订单拆分成炉次，例如，炉容量为200t，合并后的订单1有2400t，根据炉容量可形成12炉次，合并后的订单2有1200t，根据炉容量可形成6炉次，合并后的订单3有600t，根据炉容量可形成3炉次。
中包容量即中间包容量，在将订单转化为炉次后，基于中包容量可将每个合并后的订单对应的炉次再次划分，得到每个合并后的订单相应的炉次集合。每个合并后的订单相应的炉次集合可能为一个或多个。例如，炉容量为200t，中包容量为10炉，合并后的订单1有2400t，根据炉容量可形成12炉次，根据中包容量可将该12炉次划分为2个炉次集合；合并后的订单2有1200t，根据炉容量可形成6炉次，根据中包容量可将该6炉次划分为1个炉次集合。其中的某些炉次集合，可使中包满包，例如，中包容量为10炉，则包含10炉次的炉次集合可使中包满包。
通过包含钢种和可用坯型集合的预设属性类型合并订单，可将订单池中的订单集合化整为零，尤其适用于目前订单呈现的小批量、多品种、多规格趋势，可简化计算步骤。
步骤S300，构建以最小化中包损失量为目标的数学规划模型，所述数学规划模型包括容量约束、钢种混浇约束和坯型约束。
中间包（本文简称为“中包”）是连铸生产阶段所需要的关键设备，作为一种耐火材料容器，中包在连铸使用过程中有一定上限，如炉数上限、时间上限、钢水重量上限等，使用达到上限后就需要进行烤包，添加耐火材料等，因此中包成本较高，降低中包损失量可节约中包使用数量，降低生产成本。
为便于计算，将问题转化为将获得的炉次集合中的炉次如何组合安排到不同的中包进行组织生产，使用的中包数量最少或者使单个中包容量损失最少。
容量约束指同一中包内的炉次小于该中包最大容量限制。钢种混浇约束指同一中包内的钢种满足混浇条件。
坯型约束指同一中包内的坯型相同，或者满足调宽要求。在订单转产环节，通常已确定订单所需要的板坯类型，而在订单接单阶段或本发明所述的订单优化阶段，在带钢生产工艺中，同一宽度的订单，可以使用多种坯型的钢坯进行轧制，因此，设置坯型约束，以更符合订单接单阶段或订单优化阶段的实际情况，也使订单优化更为灵活。
步骤S400，求解所述数学规划模型，得到炉次组合结果。
求解数学规划模型，得到最小化中包损失量的炉次组合结果。
在一可选实施方式中，所述步骤S200包括：获得所述订单集合中所有订单的可用坯型集合；将预设属性类型相同的订单进行合并，所述预设属性类型包括钢种和可用坯型集合；按照预置的炉容量将合并后的订单拆分成炉次，根据预置的中包容量将所述炉次划分成相应的炉次集合；且所述步骤S400包括：采用所述炉次集合中未满足中包容量的炉次集合参与运算，求解所述数学规划模型，得到炉次组合结果。
因满足中包容量的炉次集合可直接置于一个中包中，其已经最大程度地利用中包，使中包损失量最小化，因此，无需再对满足中包容量的炉次集合进行组合优化，可在保证最小化中包损失量的同时，降低计算量，提高组合优化效率。
步骤S500，根据所述炉次组合结果得到订单组合结果。
对于每个订单，其对应的炉次信息可编码为<炉次编号i，炉次重量weight，钢种steel，可用坯型集合billet>，通过炉次组合结果，即可获知哪些订单进行了组合，哪些订单未与其他订单组合，即获知订单组合结果。例如，对于炉次1、2、3、4、5、6，炉次组合结果为炉次1+2，炉次3+6，炉次4+5，其中，炉次1、2、3、4、5、6分别来源于订单1、2、3、4、5、6，则可知订单组合结果为订单1+2，订单3+6，订单4+5。
通过将订单池中的订单集合进行预处理，得到炉次集合，构建以最小化中包损失量为目标的数学规划模型，以炉次为单位参与数学规划模型的求解运算，得到炉次的组合结果，进而得到优化后的订单组合结果，且数学规划模型包括容量约束、钢种混浇约束和坯型约束，考虑了实际应用中板坯替代、钢种混浇等问题，使本发明所述方案更适于实用。
可选地，所述数学规划模型包括：
Figure 965417DEST_PATH_IMAGE053
(1)
Figure DEST_PATH_IMAGE054
(2)
Figure 977235DEST_PATH_IMAGE055
(3)
Figure DEST_PATH_IMAGE056
(4)
Figure 299370DEST_PATH_IMAGE057
(5)
Figure DEST_PATH_IMAGE058
(6)
其中，公式(1)为目标函数，表示最小化所占用的中包容量损失；公式(2)表示任一中包内的炉次数量小于中包最大容量限制；公式(3)表示同一中包内的钢种满足混浇条件；公式(4)表示同一中包内的坯型相同，或者满足调宽要求；公式(5)表示炉次必须且只能分配到1个中包；公式(6)表示决策变量取值范围；
Figure 422047DEST_PATH_IMAGE007
表示炉次编号，
Figure 381912DEST_PATH_IMAGE059
表示炉次总数，
Figure 299053DEST_PATH_IMAGE009
表示中包编号，
Figure DEST_PATH_IMAGE060
表示中包总数，
Figure 875528DEST_PATH_IMAGE061
表示中包
Figure 536316DEST_PATH_IMAGE009
的容量，
Figure DEST_PATH_IMAGE062
为决策变量，
Figure 350688DEST_PATH_IMAGE062
为1则表示炉次
Figure 704309DEST_PATH_IMAGE007
在中包
Figure 236922DEST_PATH_IMAGE009
中，
Figure 435822DEST_PATH_IMAGE062
为0则表示炉次
Figure 370280DEST_PATH_IMAGE007
不在中包
Figure 629223DEST_PATH_IMAGE009
中，
Figure 649132DEST_PATH_IMAGE063
表示炉次
Figure 651723DEST_PATH_IMAGE007
的重量，
Figure DEST_PATH_IMAGE064
表示中包
Figure 207731DEST_PATH_IMAGE009
中的炉次重量，
Figure 637576DEST_PATH_IMAGE065
表示钢种，
Figure DEST_PATH_IMAGE066
表示钢种为
Figure 144780DEST_PATH_IMAGE065
时的中包容量，
Figure 951062DEST_PATH_IMAGE067
表示中包
Figure 594533DEST_PATH_IMAGE009
中的钢种集合，
Figure 195279DEST_PATH_IMAGE024
表示钢种混浇参数，
Figure 189780DEST_PATH_IMAGE024
为1，则表示钢种
Figure 534173DEST_PATH_IMAGE020
和
Figure 297730DEST_PATH_IMAGE022
能够混浇或者钢种
Figure 69377DEST_PATH_IMAGE023
和
Figure 551174DEST_PATH_IMAGE022
相同，否则
Figure 433679DEST_PATH_IMAGE024
为0，
Figure 51742DEST_PATH_IMAGE025
为1，则表示坯型
Figure 259870DEST_PATH_IMAGE027
和
Figure 963383DEST_PATH_IMAGE029
可以调宽或者坯型
Figure 649580DEST_PATH_IMAGE027
和
Figure 387729DEST_PATH_IMAGE029
相同，否则为0，
Figure 235599DEST_PATH_IMAGE030
表示中包
Figure 426409DEST_PATH_IMAGE009
的可用坯型集合。
可选地，采用混合迭代贪婪启发式算法求解所述数学规划模型，具体地，所述步骤S400包括：
构造所述数学规划模型的初始解；基于所述初始解进行局部搜索，得到解
Figure 686270DEST_PATH_IMAGE033
，并赋值给最优解
Figure 13346DEST_PATH_IMAGE036
；判断是否达到终止条件；若未达到所述终止条件，则获取预设的破坏参数，基于所述破坏参数对当前解进行破坏操作，得到一个新解
Figure 563276DEST_PATH_IMAGE034
；对所述新解
Figure 241382DEST_PATH_IMAGE034
进行局部搜索，得到新解
Figure 269381DEST_PATH_IMAGE035
；若所述新解
Figure 716543DEST_PATH_IMAGE035
对应的中包损失量小于所述解
Figure 171795DEST_PATH_IMAGE033
对应的中包损失量，则将所述新解
Figure 337197DEST_PATH_IMAGE035
赋值给所述解
Figure 168887DEST_PATH_IMAGE033
，若所述新解
Figure 470555DEST_PATH_IMAGE035
对应的中包损失量大于或等于所述解
Figure 362288DEST_PATH_IMAGE033
对应的中包损失量，则判断随机取得的第一随机数是否小于第二随机数，若是，则将所述新解
Figure 749407DEST_PATH_IMAGE035
赋值给所述解
Figure 119208DEST_PATH_IMAGE033
，若否，则不对解
Figure 540962DEST_PATH_IMAGE033
进行赋值操作，判断是否达到终止条件，若达到终止条件，则将所述解
Figure 603596DEST_PATH_IMAGE033
赋值给最优解
Figure 478011DEST_PATH_IMAGE036
，返回所述最优解
Figure 917083DEST_PATH_IMAGE036
，若未达到终止条件，则返回执行所述获取预设的破坏参数，基于所述破坏参数对当前解进行破坏操作的步骤，重新开始下一次迭代。
其中，为降低模型求解中陷入局部最优的可能，若新解
Figure 193343DEST_PATH_IMAGE035
对应的中包损失量大于或等于解
Figure 161299DEST_PATH_IMAGE033
对应的中包损失量，则判断随机取得的第一随机数是否小于第二随机数，若是，则将新解
Figure 24475DEST_PATH_IMAGE035
赋值给解
Figure 736079DEST_PATH_IMAGE033
。由此，可通过较为简单的方式使模型求解跳出局部最优，降低模型求解中陷入局部最优的可能。
进一步地，采用启发式算法构造所述数学规划模型的初始解。具体地，所述构造所述数学规划模型的初始解包括：
将所述炉次集合中的炉次进行排序；按照预设顺序，依次将各个炉次插入其他两两炉次之间，形成各个所述炉次对应的中包损失量最小的解；从各个所述炉次对应的中包损失量最小的解中，确定总中包损失量最小的解，作为所述数学规划模型的初始解。
其中，可按照钢种和/或牌号等将炉次集合中的炉次进行排序。一实施方式中，根据炉容量和订单集合中每个订单的重量，将每个订单转化为炉次，进而得到炉次集合，此处排序的炉次指该炉次集合中的所有炉次。另一实施方式中，在按照预置的炉容量将订单转化为炉次后，根据预置的中包容量将所述炉次划分成相应的炉次集合，此处排序的炉次指所有炉次集合包含的所有炉次。
在将炉次集合中的炉次进行排序后，预设顺序可为从前往后或从后往前。以从前往后的预设顺序为例，有排序后的炉次1、2、3、4、5，依次将各个炉次插入其他两两炉次之间，指：将炉次1插入炉次2、3之间、将炉次1插入炉次3、4之间、将炉次1插入炉次4、5之间；将炉次2插入炉次3、4之间、将炉次2插入炉次4、5之间；将炉次3插入炉次1、2之间、将炉次3插入炉次4、5之间，其中，每个炉次的每次插入都会使整个炉次序列形成一个组合，获得每次插入所得组合对应的中包损失量，通过对比即可得到各个炉次对应的中包损失量最小的组合，即中包损失量最小的解，将炉次之间的中包损失量最小的解进行对比，即可确定总中包损失量最小的解。
采用启发式算法构建数学规划模型的初始解，可为数学规划模型的最优解提供良好的搜索起点，以提升优化效率及优化准确性。
进一步地，所述获取预设的破坏参数，基于所述破坏参数对当前解进行破坏操作，得到一个新解
Figure 132426DEST_PATH_IMAGE034
包括：
初始化空置换
Figure 536862DEST_PATH_IMAGE037
；
将所述解
Figure 120290DEST_PATH_IMAGE038
赋值给
Figure 635585DEST_PATH_IMAGE039
；
令
Figure 886438DEST_PATH_IMAGE040
到
Figure 461776DEST_PATH_IMAGE041
进行循环，每次从
Figure 798079DEST_PATH_IMAGE039
中随机删除一个炉次，并将删除的炉次添加到
Figure 117065DEST_PATH_IMAGE037
中，同时计算每次的当前
Figure 222424DEST_PATH_IMAGE039
的中包损失量，令
Figure 703084DEST_PATH_IMAGE043
为无穷大，
Figure 261105DEST_PATH_IMAGE041
为预设的破坏参数；
令
Figure 383781DEST_PATH_IMAGE039
的长度为h，令
Figure 343647DEST_PATH_IMAGE044
h到1进行循环，将
Figure 260788DEST_PATH_IMAGE037
中的m炉次插入到
Figure 306104DEST_PATH_IMAGE039
的n位置，得到
Figure 966892DEST_PATH_IMAGE045
；
如果
Figure 781265DEST_PATH_IMAGE047
,则
Figure 633421DEST_PATH_IMAGE049
,
Figure 166033DEST_PATH_IMAGE050
；
将
Figure 364933DEST_PATH_IMAGE037
中m炉次插入到
Figure 299391DEST_PATH_IMAGE039
的
Figure 558334DEST_PATH_IMAGE051
位置得到所述新解
Figure 312664DEST_PATH_IMAGE052
。
在本发明一实施例中，如图2，钢铁生产订单评估方法包括：
步骤S1，获取待评估的新订单。
例如，接到一个新的订单要约时，将该订单作为待评估的新订单。
可选地，在获取待评估的新订单后，可首先将新订单的订货量与中包容量进行对比，若新订单的订货量大于或等于中包容量，或者虽然新订单的订货量小于中包容量但二者差值小于预设值，则判定新订单为第三类订单，建议接单，若新订单的订货量小于中包容量且二者差值大于或等于预设值，则执行步骤S2-S5。
步骤S2，获取采用如上所述钢铁生产订单组合优化方法对订单池中的订单进行运算的结果，得到所述订单池中未组合成功的订单。
其中，此处的订单池指不包含待评估的新订单的订单池。采用如上所述的钢铁生产订单组合优化方法对订单池中订单进行运算后，得到中包损失量最小的炉次组合结果，在炉次组合结果中，有组合成功的订单，也可能会有未组合成功的零散的订单，在此步骤中获取未组合成功的订单。
步骤S3，判断所述新订单与所述订单池中未组合成功的订单是否能够组合生产。
每个订单都有宽度、厚度、订货重量、钢种等属性，首先根据新订单要求的目标宽度和减宽轧制工艺要求的减宽最大值，得到订单对应的可用坯型集合，再将新订单与订单池中未组合成功的订单的钢种、可用坯型集合等属性进行对比，将未组合成功的订单中钢种、可用坯型集合等属性与新订单相同的订单选出，作为候选组合订单，以确保选出的订单可与新订单组炉并在同一中包中生产。其中，候选组合订单与新订单的钢种、可用坯型集合等属性对应相同。
一实施方式中，若未组合成功的订单中，存在所述候选组合订单，则判定新订单与订单池中未组合成功的订单能够组合生产。若未组合成功的订单中，不存在所述候选组合订单，则判定新订单与订单池中未组合成功的订单不能够组合生产。
另一实施方式中，若未组合成功的订单中，不存在所述候选组合订单，则判定新订单与订单池中未组合成功的订单不能够组合生产；若未组合成功的订单中，存在所述候选组合订单，则计算候选组合订单和新订单的订货总重量，将订货总重量与中包容量进行对比，若订货总重量小于中包容量，且二者的差值大于一定值，此时的中包损失量较大，判定新订单与所述订单池中未组合成功的订单不能够组合生产，若订货总重量小于中包容量，且二者的差值小于或等于一定值，此时的中包损失量相对较小，判定新订单与所述订单池中未组合成功的订单能够组合生产，若订货总重量大于或等于中包容量，则判定新订单与所述订单池中未组合成功的订单能够组合生产。
步骤S4，若是，则判定所述新订单属于第一类订单。
即，若新订单与订单池中未组合成功的订单能够组合生产，判定新订单属于第一类订单，即新订单适合与已有订单组合生产，建议接单。
步骤S5，若否，则判定所述新订单属于第二类订单。
即，若新订单与订单池中未组合成功的订单不能够组合生产，判定新订单属于第二类订单，即新订单不适合与已有订单组合生产，不建议接单。
本发明通过判断待评估的新订单与订单池中未组合成功的订单是否能够组合生产，实现对新订单的评估，以明确新订单是否适合组合生产，使订单生产难度可控，从而实现智能化的接单指导。
在本发明一实施例中，如图3，钢铁生产订单评估方法包括：
步骤S10，获取待评估的新订单。
例如，接到一个新的订单要约时，将该订单作为待评估的新订单。
可选地，在获取待评估的新订单后，可首先将新订单的订货量与中包容量进行对比，若新订单的订货量大于或等于中包容量，或者虽然新订单的订货量小于中包容量但二者差值小于预设值，则判定新订单为第三类订单，建议接单，若新订单的订货量小于中包容量且二者差值大于或等于预设值，则执行步骤S20-S50。
步骤S20，将所述新订单与订单池中的订单采用如上所述钢铁生产订单组合优化方法进行运算，获得中包损失量最小的炉次组合结果。
步骤S30，根据所述炉次组合结果判断所述新订单是否能与所述订单池中的订单组合生产。
炉次组合结果中包含组合成功的订单，也可能会有未组合成功的零散的订单，判断新订单属于组合成功的订单，还是未组合成功的订单，若属于组合成功的订单，则判定新订单能与订单池中的订单组合生产，若属于未组合成功的订单，则判定新订单能与订单池中的订单不能组合生产。
步骤S40，若是，则判定所述新订单属于第一类订单。
即，若新订单与订单池中的订单能够组合生产，判定新订单属于第一类订单，即新订单适合与已有订单组合生产，建议接单。
步骤S50，若否，则判定所述新订单属于第二类订单。
即，若新订单与订单池中的订单不能够组合生产，判定新订单属于第二类订单，即新订单不适合与已有订单组合生产，不建议接单。
本发明通过判断待评估的新订单与订单池中的订单是否能够组合生产，实现对新订单的评估，以明确新订单是否适合组合生产，使订单生产难度可控，从而实现智能化的接单指导。
本发明一实施例中，电子设备包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的钢铁生产订单组合优化方法或者实现如上所述的钢铁生产订单评估方法。本发明电子设备相对于现有技术所具有的有益效果与上述钢铁生产订单组合优化方法或钢铁生产订单评估方法一致，此处不赘述。
读者应理解，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必针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种钢铁生产订单组合优化方法，其特征在于，包括：
获取订单池中的订单集合；
对所述订单集合进行预处理，得到炉次集合；
构建以最小化中包损失量为目标的数学规划模型，所述数学规划模型包括容量约束、钢种混浇约束和坯型约束；
求解所述数学规划模型，得到炉次组合结果；
根据所述炉次组合结果得到订单组合结果；
所述对所述订单集合进行预处理，得到炉次集合包括：
获得所述订单集合中所有订单的可用坯型集合；
将预设属性类型相同的订单进行合并，所述预设属性类型包括钢种和可用坯型集合；
按照预置的炉容量将合并后的订单拆分成炉次，根据预置的中包容量将所述炉次划分成相应的炉次集合；
所述数学规划模型包括：
Figure DEST_PATH_IMAGE002
(1)
Figure DEST_PATH_IMAGE004
(2)
Figure DEST_PATH_IMAGE006
(3)
Figure DEST_PATH_IMAGE008
(4)
Figure DEST_PATH_IMAGE010
(5)
Figure DEST_PATH_IMAGE012
(6)
其中，公式(1)为目标函数；公式(2)表示任一中包内的炉次数量小于中包最大容量限制；公式(3)表示同一中包内的钢种满足混浇条件；公式(4)表示同一中包内的坯型相同，或者满足调宽要求；公式(5)表示炉次必须且只能分配到1个中包；公式(6)表示决策变量取值范围；
Figure DEST_PATH_IMAGE014
表示炉次编号，
Figure DEST_PATH_IMAGE016
表示炉次总数，
Figure DEST_PATH_IMAGE018
表示中包编号，
Figure DEST_PATH_IMAGE020
表示中包总数，
Figure DEST_PATH_IMAGE022
表示中包
Figure 438900DEST_PATH_IMAGE018
的容量，
Figure DEST_PATH_IMAGE024
为决策变量，
Figure 542991DEST_PATH_IMAGE024
为1则表示炉次
Figure 791570DEST_PATH_IMAGE014
在中包
Figure 390042DEST_PATH_IMAGE018
中，
Figure 922523DEST_PATH_IMAGE024
为0则表示炉次
Figure 213827DEST_PATH_IMAGE014
不在中包
Figure 746440DEST_PATH_IMAGE018
中，
Figure DEST_PATH_IMAGE026
表示炉次
Figure 617444DEST_PATH_IMAGE014
的重量，
Figure DEST_PATH_IMAGE028
表示中包
Figure 270011DEST_PATH_IMAGE018
中的炉次重量，
Figure DEST_PATH_IMAGE030
表示钢种，
Figure DEST_PATH_IMAGE032
表示钢种为
Figure 201058DEST_PATH_IMAGE030
时的中包容量，
Figure DEST_PATH_IMAGE034
表示中包
Figure 876758DEST_PATH_IMAGE018
中的钢种集合，
Figure DEST_PATH_IMAGE036
表示钢种混浇参数，
Figure 348191DEST_PATH_IMAGE036
为1，则表示钢种
Figure DEST_PATH_IMAGE038
和
Figure DEST_PATH_IMAGE040
能够混浇或者钢种
Figure DEST_PATH_IMAGE038A
和
Figure DEST_PATH_IMAGE040A
相同，否则
Figure DEST_PATH_IMAGE043
为0，
Figure DEST_PATH_IMAGE045
为1，则表示坯型
Figure DEST_PATH_IMAGE047
和
Figure DEST_PATH_IMAGE049
可以调宽或者坯型
Figure DEST_PATH_IMAGE047A
和
Figure DEST_PATH_IMAGE049A
相同，否则为0，
Figure DEST_PATH_IMAGE053
表示中包
Figure DEST_PATH_IMAGE055
的可用坯型集合；
所述求解所述数学规划模型，得到炉次组合结果包括：
构造所述数学规划模型的初始解；
基于所述初始解进行局部搜索，得到解
Figure DEST_PATH_IMAGE057
；
判断是否达到终止条件；
若未达到所述终止条件，则获取预设的破坏参数，基于所述破坏参数对当前解进行破坏操作，得到一个新解
Figure DEST_PATH_IMAGE059
；
对所述新解
Figure 844812DEST_PATH_IMAGE059
进行局部搜索，得到新解
Figure DEST_PATH_IMAGE061
；
若所述新解
Figure 196028DEST_PATH_IMAGE061
对应的中包损失量小于所述解
Figure 703233DEST_PATH_IMAGE057
对应的中包损失量，则将所述新解
Figure 447198DEST_PATH_IMAGE061
赋值给所述解
Figure 559510DEST_PATH_IMAGE057
，若所述新解
Figure 97939DEST_PATH_IMAGE061
对应的中包损失量大于或等于所述解
Figure 544970DEST_PATH_IMAGE057
对应的中包损失量，则判断随机取得的第一随机数是否小于第二随机数，若是，则将所述新解
Figure 92626DEST_PATH_IMAGE061
赋值给所述解
Figure 59445DEST_PATH_IMAGE057
；
如果达到所述终止条件，则将所述解
Figure 96671DEST_PATH_IMAGE057
赋值给最优解
Figure DEST_PATH_IMAGE063
，返回所述最优解
Figure 968681DEST_PATH_IMAGE063
。
2.如权利要求1所述的钢铁生产订单组合优化方法，其特征在于，所述构造所述数学规划模型的初始解包括：
将所述炉次集合中的炉次进行排序；
按照预设顺序，依次将各个炉次插入其他两两炉次之间，形成各个所述炉次对应的中包损失量最小的解；
从各个所述炉次对应的中包损失量最小的解中，确定总中包损失量最小的解，作为所述数学规划模型的初始解。
3.如权利要求1所述的钢铁生产订单组合优化方法，其特征在于，所述获取预设的破坏参数，基于所述破坏参数对当前解进行破坏操作，得到一个新解
Figure 320028DEST_PATH_IMAGE059
包括：
初始化空置换
Figure DEST_PATH_IMAGE065
；
将所述解
Figure DEST_PATH_IMAGE067
赋值给
Figure DEST_PATH_IMAGE069
；
令
Figure DEST_PATH_IMAGE071
到
Figure DEST_PATH_IMAGE073
进行循环，每次从
Figure 62725DEST_PATH_IMAGE069
中随机删除一个炉次，并将删除的炉次添加到
Figure 474115DEST_PATH_IMAGE065
中，同时计算每次的当前
Figure 115311DEST_PATH_IMAGE069
的中包损失量，令
Figure DEST_PATH_IMAGE075
为无穷大，
Figure 988458DEST_PATH_IMAGE073
为预设的破坏参数；
令
Figure 929870DEST_PATH_IMAGE069
的长度为h，令
Figure DEST_PATH_IMAGE077
h到1进行循环，将
Figure 964691DEST_PATH_IMAGE065
中的m炉次插入到
Figure 155500DEST_PATH_IMAGE069
的n位置，得到
Figure DEST_PATH_IMAGE079
；
如果
Figure DEST_PATH_IMAGE081
,则
Figure DEST_PATH_IMAGE083
,
Figure DEST_PATH_IMAGE085
；
将
Figure 176546DEST_PATH_IMAGE065
中m炉次插入到
Figure 503622DEST_PATH_IMAGE069
的
Figure DEST_PATH_IMAGE087
位置得到所述新解
Figure DEST_PATH_IMAGE089
。
4.如权利要求1所述的钢铁生产订单组合优化方法，其特征在于，所述求解所述数学规划模型，得到炉次组合结果包括：
采用所述炉次集合中未满足中包容量的炉次集合参与运算，求解所述数学规划模型，得到炉次组合结果。
5.一种钢铁生产订单评估方法，其特征在于，包括：
获取待评估的新订单；
将所述新订单与订单池中的订单采用如权利要求1至4中任一项所述钢铁生产订单组合优化方法进行运算，获得中包损失量最小的炉次组合结果；
根据所述炉次组合结果判断所述新订单是否能与所述订单池中的订单组合生产；
若是，则判定所述新订单属于第一类订单，其中，所述第一类订单为适合与已有订单组合生产的订单；
若否，则判定所述新订单属于第二类订单，其中，所述第二类订单为不适合与已有订单组合生产的订单。
6.一种钢铁生产订单评估方法，其特征在于，包括：
获取待评估的新订单；
获取采用如权利要求1至4中任一项所述钢铁生产订单组合优化方法对订单池中的订单进行运算的结果，得到所述订单池中未组合成功的订单；
判断所述新订单与所述订单池中未组合成功的订单是否能够组合生产；
若是，则判定所述新订单属于第一类订单，其中，所述第一类订单为适合与已有订单组合生产的订单；
若否，则判定所述新订单属于第二类订单，其中，所述第二类订单为不适合与已有订单组合生产的订单。
7.一种电子设备，其特征在于，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如权利要求1至4任一项所述的钢铁生产订单组合优化方法，或者实现如权利要求5或6所述的钢铁生产订单评估方法。
CN202210640888.XA 2022-06-08 2022-06-08 钢铁生产订单组合优化方法和钢铁生产订单评估方法 Active CN114723504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210640888.XA CN114723504B (zh) 2022-06-08 2022-06-08 钢铁生产订单组合优化方法和钢铁生产订单评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210640888.XA CN114723504B (zh) 2022-06-08 2022-06-08 钢铁生产订单组合优化方法和钢铁生产订单评估方法

Publications (2)

Publication Number Publication Date
CN114723504A CN114723504A (zh) 2022-07-08
CN114723504B true CN114723504B (zh) 2022-09-13

Family

ID=82232564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210640888.XA Active CN114723504B (zh) 2022-06-08 2022-06-08 钢铁生产订单组合优化方法和钢铁生产订单评估方法

Country Status (1)

Country Link
CN (1) CN114723504B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1556486A (zh) * 2003-12-31 2004-12-22 冶金自动化研究设计院 一种一体化的钢铁企业生产过程在线计划调度系统与方法
JP2017068788A (ja) * 2015-10-02 2017-04-06 新日鐵住金株式会社 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
CN106647674A (zh) * 2017-01-16 2017-05-10 武汉科技大学 基于知识表示的钢铁生产调度模型匹配方法
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
CN110647124A (zh) * 2019-10-11 2020-01-03 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
CN113592303A (zh) * 2021-07-30 2021-11-02 中冶赛迪重庆信息技术有限公司 同时面向订单和库存的月度排产方法、系统、介质和终端
CN113953475A (zh) * 2021-10-26 2022-01-21 马鞍山钢铁股份有限公司 一种连铸异钢种混浇坯自动识别方法及装置
CN114386719A (zh) * 2022-03-22 2022-04-22 宁波钢铁有限公司 一种炉次批量计划优化方法、装置及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10112681B4 (de) * 2000-03-31 2004-02-12 International Business Machines Corp. Computersystem mit Verfahren zum Planen von Vorgängen in einem Stahlwerk und Programmspeichereinrichtung zum Durchführen des Verfahrens
CN102651114B (zh) * 2012-04-05 2015-04-15 东北大学 一种提高钢铁企业板坯利用率的板坯与合同转用匹配方法
CN111598396B (zh) * 2020-04-16 2022-05-20 北京首钢自动化信息技术有限公司 一种制造系统减少钢板取样损失的生产计划优化方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1556486A (zh) * 2003-12-31 2004-12-22 冶金自动化研究设计院 一种一体化的钢铁企业生产过程在线计划调度系统与方法
JP2017068788A (ja) * 2015-10-02 2017-04-06 新日鐵住金株式会社 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
CN106647674A (zh) * 2017-01-16 2017-05-10 武汉科技大学 基于知识表示的钢铁生产调度模型匹配方法
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
CN110647124A (zh) * 2019-10-11 2020-01-03 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
CN113592303A (zh) * 2021-07-30 2021-11-02 中冶赛迪重庆信息技术有限公司 同时面向订单和库存的月度排产方法、系统、介质和终端
CN113953475A (zh) * 2021-10-26 2022-01-21 马鞍山钢铁股份有限公司 一种连铸异钢种混浇坯自动识别方法及装置
CN114386719A (zh) * 2022-03-22 2022-04-22 宁波钢铁有限公司 一种炉次批量计划优化方法、装置及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Model Identification of the Continuous Casting Billet Induction Heating Process for Hot Rolling;Xu Zhe等;《 2013 Third International Conference on Intelligent System Design and Engineering Applications》;20130207;第942-945页 *
优化异钢种连续浇注的生产实践;李东明等;《包钢科技》;20161225(第06期);全文 *
基于UML炼钢-连铸车间生产调度系统建模;刘伟等;《北京科技大学学报》;20031225(第06期);全文 *
炼钢轧管工序智能联动生产管理的方法研究;吴宏佳等;《钢管》;20200415(第02期);全文 *

Also Published As

Publication number Publication date
CN114723504A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN102651114B (zh) 一种提高钢铁企业板坯利用率的板坯与合同转用匹配方法
WO2017088674A1 (zh) 一种面向全流程生产的炼钢组批与排产方法
CN102637272B (zh) 热轧板坯前库剩余板坯的分配方法及装置
CN104483915A (zh) 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
CN108921464A (zh) 一种拣货路径生成方法、存储介质及终端设备
CN103140815A (zh) 用于协调生产过程的两个相继的制造级的方法和装置
CN106960295A (zh) 一种调拨方法及装置、预售系统
JP2007061870A (ja) 圧延スケジュール作成装置、圧延スケジュール作成方法、コンピュータプログラム、及びコンピュータ読み取り可能な記憶媒体
CN114723504B (zh) 钢铁生产订单组合优化方法和钢铁生产订单评估方法
Puttkammer et al. A GRASP heuristic for the hot strip mill scheduling problem under consideration of energy consumption
CN115809790A (zh) 一种智慧供应链末梢系统管理方法
JP2009262209A (ja) 熱間圧延工場の製造ロット編成装置及び編成方法
JP2009082985A (ja) 加熱炉装入順・圧延順決定方法、その決定装置および鋼板製造方法、加熱炉装入順・圧延順決定プログラム
CN117973626A (zh) 数字月台车辆调度规划实现方法
CN104624660B (zh) 一种降低钢铁企业热轧板坯库倒垛量的方法及系统
JP6769355B2 (ja) ヤード管理装置、ヤード管理方法、およびプログラム
JP2009075631A (ja) 生産スケジュール作成方法及びそのシステム
CN100345166C (zh) 区域划分系统
CN115271205B (zh) 一种基于Dijkstra算法的最短物流路径规划方法
JP2003271219A (ja) 注文別優先度に基づく生産計画方法及びシステム
JP2013065134A (ja) エネルギー取引システム及び方法
JP2008112212A (ja) 製造ロット集約支援システム、製造ロット集約支援方法、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体
JPH11217619A (ja) スクラップの使用量比率決定システム
JP2984180B2 (ja) 圧延工場の物流スケジューリング方法
JP2017040985A (ja) 鋼材の山分け計画立案装置、鋼材の山分け計画立案方法、およびプログラム

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