CN114970138A - 一种基于多智能体技术的炼钢仿真方法 - Google Patents
一种基于多智能体技术的炼钢仿真方法 Download PDFInfo
- Publication number
- CN114970138A CN114970138A CN202210564142.5A CN202210564142A CN114970138A CN 114970138 A CN114970138 A CN 114970138A CN 202210564142 A CN202210564142 A CN 202210564142A CN 114970138 A CN114970138 A CN 114970138A
- Authority
- CN
- China
- Prior art keywords
- equipment
- task
- knowledge base
- agent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000009628 steelmaking Methods 0.000 title claims abstract description 32
- 238000004088 simulation Methods 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000004519 manufacturing process Methods 0.000 claims abstract description 17
- 239000000463 material Substances 0.000 claims description 68
- 230000008569 process Effects 0.000 claims description 45
- 238000007726 management method Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 31
- 230000007704 transition Effects 0.000 claims description 29
- 238000011156 evaluation Methods 0.000 claims description 27
- 230000003068 static effect Effects 0.000 claims description 22
- 238000009749 continuous casting Methods 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 16
- 229910000831 Steel Inorganic materials 0.000 claims description 14
- 239000010959 steel Substances 0.000 claims description 14
- 238000002360 preparation method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 9
- 238000012805 post-processing Methods 0.000 claims description 9
- 238000011143 downstream manufacturing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 230000033764 rhythmic process Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000002436 steel type Substances 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 238000011112 process operation Methods 0.000 claims description 2
- 238000012384 transportation and delivery Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims 2
- 238000003754 machining Methods 0.000 claims 2
- 230000008878 coupling Effects 0.000 abstract description 2
- 238000010168 coupling process Methods 0.000 abstract description 2
- 238000005859 coupling reaction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000003723 Smelting Methods 0.000 description 8
- 238000005266 casting Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 5
- 238000007670 refining Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/0633—Workflow analysis
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于多智能体技术的炼钢仿真方法,属于炼钢仿真技术领域。步骤包括,将炼钢过程的各个设备分为多个智能体,针对每个智能体分别进行建模,通过anylogic搭建模型,进行排产调度。优点在于,通过将多智能体技术、炼钢仿真的结合,实现动态调度,应用该技术可以大大减少无效作业时间,提高作业效率,并且能适应多变的现场环境,有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。
Description
技术领域
本发明属于炼钢仿真技术领域,特别是提供了一种基于多智能体技术的炼钢仿真方法。针对炼钢调度问题的特点及难点,提出了基于多智能体技术的炼钢智能化动态调度方案,构建了通用性的多智能体流程网络仿真优化模型。以此提供更加实时可靠的分析方法。
背景技术
当前对于炼钢调度模型的研究无论是静态优化调度的研究还是动态优化调度的研究,大多侧重对问题的某一方面进行针对性的建模,侧重理论研究层面,模型的灵活性、适应性不足,现有的调度模型因其生产工艺考虑不足,适应性、灵活性较差,往往难以达到令人满意的应用效果。
发明内容
本发明的目的在于提供一种基于多智能体技术的炼钢仿真方法,通过将多智能体技术、炼钢仿真的结合,实现动态调度,应用该技术可以大大减少无效作业时间,提高作业效率,并且能适应多变的现场环境,有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。
本发明包括以下步骤:
步骤一:将炼钢过程的各个设备分为多个智能体
炼钢过程是将物料通过天车运送到炼钢设备(如转炉、LF炉等) 中,故可以通过多智能体技术分为物料智能体、设备智能体、天车智能体。智能体基本结构见图1,它包括知识库、推理决策、数据通讯三部分,其中知识库包括静态知识库、动态知识库、规则知识库,静态知识库是存储了不随生产流程变化而改变的固有属性如设备名称、所属工序、车间、吨位、物料加工规格、物料工艺路径等,动态知识库是存储生产过程中的动态属性,如设备当前状态、当前加工的物料、预计完成时间、是否接收到检修计划等,规则知识库,存储了各工艺约束,状态触发条件,用来约束和指导智能体行为变迁;推理决策,是智能体基于知识库和目标,进行逻辑计算,把全局目标转化为智能体的行为约束,给出行为变迁的指令;数据通讯部分负责其他智能体和外部环境的信息交互。智能体状态变迁流程见图2,其中物料智能体的变迁流程为:等待转移-运输-等待设备-设备工作-输出等待-后处理-等待转移,设备智能体的变迁流程为:空闲等待-设备工作-输出等待-工装准备-设备检修-空闲等待,天车智能体状态变迁流程为:等待任务-移动-吊起-运输-卸载-返回-等待任务。
步骤二:针对每个智能体分别进行建模
对于物料智能体,其静态知识库转化为智能体静态属性,包括名称、炉次、钢种、规格、工艺路径等信息。动态知识库转化为智能体动态属性,包括状态记录、上一个加工设备/工位、下一个加工设备/ 工位、当前加工工序、入炉温度、出炉温度。智能体基于静、动态知识库和规则知识库进行推理决策。
物料智能体主要逻辑计算模块如下:
(1)设备资源请求:从知识库获取自身状态及位置,请求下游工序设备。
(2)状态变迁:智能体获得设备后基于规则知识库进行状态变迁,其中运输规则描述了上下游工序之间的距离和运输速度;转移规则描述了物料转移去向(库存或者下一个工位);后处理规则,描述了物料的后处理工艺及后处理时间。物料智能体状态变迁流程及条件见智能体任务协调流程。
(3)信息输出:智能体在一个加工周期结束后,更新动态知识库,同时统计在此工序设备加工周期过程中的运输时间、等待设备时间、加工时间、输出等待、后处理时间、等待转移时间。
对于设备管理智能体,其中静态知识库包含了工序名称、设备个数、同工序设备列表,动态知识库包含了空闲设备列表、忙碌设备列表、加工任务列表。设备管理智能体一方面用于管理同工序的多个设备,进行任务委派和多设备任务协调,解决多设备的竞争和冲突。另一方面通过和其他工序的设备管理智能体通讯,协调上下游工序生产节奏,确保生产连续、紧密且无冲突。
设备管理智能体主要逻辑计算模块如下:
(1)任务排序:基于任务选择原则,对任务进行优先级排序,在满足钢种、规格、温度约束的前提下交货期靠前的优先级高
(2)设备评价:通过和设备智能体通讯,获取各设备智能体能力评估结果,并按照设备能力评价规则进行评价,选择最佳设备进行任务委派。设备能力评价规则包括符合工艺约束、闲置等待时间最长 (FIFO)、设备效率高、运行成本低。
(3)任务下达:更新动态知识库,并下达任务到匹配的设备和物料,同时向天车管理智能体请求运输天车。
对于设备智能体,包含了知识库、信息输出、任务执行三个部分。知识库有静态知识库,包含了所属工序、总加工时间、各工艺标准耗时、钢种、规格、温度约束,动态知识库,包含了当前状态、基于加工物料计算不同钢种、规格的工艺时间、状态剩余时间、周期性事件记录、作业编号记录,规则知识库,包含了设备启动条件,物料输出条件。其可以拓展出各工位设备智能体,如转炉智能体、LF智能体、VD智能体、连铸智能体等。
设备智能体任务执行主要逻辑计算模块如下:
(1)能力评估:根据物料加工任务,读取静、动态知识库,评估是否符合设备加工条件(满足温度、钢种、规格约束),预估开始加工时间,总加工时间。
(2)状态变迁:根据能力评估结果,接收任务,基于规则知识库中设备启动条件及动态知识库中设备实时状态,进行逻辑判断,发出状态变迁指令,驱动智能体进行状态变迁,同时更新动态知识库中相应记录。设备智能体状态变迁流程及条件见智能体任务协调流程。
(3)信息输出:对本次物料加工任务执行进行记录,包括任务开始结束时间,物料输入输出信息,物料转移工位或者库存位置的记录,统计执行过程中等待时间、运输时间、工作时间、工装准备时间、总时间。
对于天车管理智能体,其中知识库——静态知识库包含了天车列表、所属跨,动态知识库,包含了空闲天车列表、忙碌天车列表、任务列表,规则知识库,包含了任务优先级排序规则、择车评价规则(载重匹配、行程可达、响应时间+运输时间+避让时间最短、避让最少)、冲突消解规则。主要职责是对注册的任务列表进行择优排序,优先为优先级高的任务分配天车,天车按照一定的择车规则进行选择,天车选中则下发任务到指定天车,同时更新动态知识库,天车从空闲队列进入忙碌队列。
天车管理智能体主要逻辑计算模块如下:
(1)任务排序:首先按照任务优先级进行排序,任务排序规则如下:首先工艺先后顺序,如果任务1完成方能进行任务2,则任务1优先。例如钢水接受跨,从连铸机卸载空钢包后,方能接受来自精炼的满包钢水,所以卸载空包优先级大于运输满包优先级。其次考虑时间顺序,任务1最晚卸载时间比任务2最晚卸载时间靠前,则任务1优先。
(2)天车选择:综合考虑距离、运输时间、防撞规则、安全距离等因素,以总的任务完工时间最小,及被动运输时间最小,避让次数最少作为评价指标。
(3)任务下达:天车选定后,下达任务到主运输天车,下达被动运输任务到被动运输天车,同时更新动态知识库中空闲天车和忙碌天车的列表。
对于天车智能体,其中知识库——静态知识库,包含了起吊时间、下落时间、标准速度、载重、任务等待位置、天车编号、跨、车间、运输范围、主要运输物料类型,动态知识库主要包含了当前状态(空闲、忙碌、故障)、状态剩余时间、速度(正负表示方向)、故障标记、负载标记、被动运输标记(驱动天车ID)、当前位置,规则知识库包含了天车移动规则。天车智能体的主要职责是评估完成任务的能力,接受协调智能体下达的任务,按照任务要求进行移动。
天车智能体主要逻辑计算模块如下:
(1)能力评估:收到任务评估指令,首先进行自身能力评估,是否符合载重要求,任务响应时间是否在任务许可范围内。
(2)执行任务:按照任务要求,主运输或者随动运输,进行移动
(3)信息输出:任务执行完毕,更新动态知识库,同时记录任务执行开始结束时间、物料等待时间、天车运输时间、响应时间等信息。
步骤三:通过anylogic搭建模型,进行排产调度。
物料智能体状态包括等待转移、运输、等待设备、设备工作、输出等待、后处理几个阶段,物料智能体处于等待转移状态时根据工艺路径向相应的设备管理智能体请求设备,设备管理智能体指派设备,同时形成一个运输任务,向天车管理智能体请求天车,物料一旦获得设备,则在天车智能体的协助下进入运输状态,抵达设备后如果设备忙碌,则进入等待设备状态,否则进入设备工作状态,设备工作完毕,物料处于输出等待状态,一旦获知后续设备即将完毕的信息,则物料输出,处于后处理状态(后处理状态根据具体的工艺要求,可以为一个作业时间为0的虚状态,也可以是一个实际的工艺操作例如电渣工序的脱模操作)。通过工序间协调,减少物料等待时间,对于高温钢水而言,可大大减少了热损和能耗。
设备智能体正常状态包括空闲等待、设备工作、输出等待、工装准备几个阶段,当没有加工任务的时候,设备处于空闲等待状态,并向设备管理智能体汇报状态,请求加工任务,物料到达且设备空闲等待,设备智能体进入工作状态,工作完毕,处于输出等待状态,天车到达则输出物料,设备智能体处于工装准备状态,工装准备即将结束时,向本工序的设备管理智能体请求下一个物料。通过工序间协调,尽量减少设备空闲等待时间,以及物料输出等待时间,提高设备运行效率,降低能耗。
天车智能体包括等待任务、移动、吊起、运输、卸载、返回几个阶段,开始处于等待任务状态,一旦从天车管理智能体获得运输任务,则开始根据运输任务的起止位置进行移动、吊起、运输、卸载的状态变迁,运输结束如需返回,则返回等待位置等下一个运输任务。设备管理智能体的职责是维护物料任务列表和设备任务列表,并最佳匹配物料和设备,择优执行;天车管理智能体的职责是维护运输任务列表和天车列表,并最佳匹配运输任务和天车,择优执行。
由此,该模型架构不仅可以用于作业计划的智能生成,而且在各种生产扰动工况下,能及时调整已下发计划,进行作业计划的动态调整。
附图说明
图1为智能体基本结构图。
图2为智能体状态变迁流程图。
图3为物料智能体逻辑结构图。
图4为设备管理智能体逻辑结构图。
图5为设备智能体逻辑结构图。
图6为天车管理智能体逻辑结构图。
图7为天车智能体逻辑结构图。
图8为智能体任务协调流程图。
图9为炼钢-连铸流程仿真运行主界面图。
图10为炼钢-连铸流程多智能体模型图。
图11为设备智能体启停条件及约束图。
具体实施方式
基于多智能体仿真优化模型,以某钢铁企业炼钢分厂为背景创建了炼钢-连铸流程的多智能体仿真模型,仿真运行主界面如图9所示。仿真模型基于Java语言和平台进行实现,通过构建对象类来描述各智能体结构,运用多线程技术实现智能体行为逻辑的并发执行及相互之间的通讯,通过数据库进行智能体知识库的存储及更新。
所构建的智能体结构如图10所示,从炼钢生产过程建立了包括转炉智能体、转炉管理智能体、精炼智能体、精炼管理智能体、连铸智能体、连铸管理智能体、精炼跨行车管理智能体、钢水接收跨行车管理智能体。根据这些智能体模型,以及智能体启停条件及约束,分别建立好多个炼钢过程的各个智能体,并通过实际的炼钢厂数据,为智能体进行初始化赋值,形成仿真模拟,并进行结果的调优。分为三个步骤:
1.反向计划粗排
2.正向仿真模拟
3.仿真结果评判与优化调整
4.计划下达
步骤一,包括根据固有的连铸节奏,倒排最晚转炉冶炼时间,按照最晚冶炼时间,确定转炉冶炼顺序。
步骤二,包括按照冶炼顺序,基于多智能体仿真优化模型,模拟整个生产流程的运行,以炉次粗排计划、设备生产状态为输入,以保证连浇的情况下在包时间最小作为目标驱动智能体仿真系统运行,通过模拟整个生产流程,细化各工位作业时间。
步骤三,包括作业计划生成以后,确定是否满足了连浇条件,如果不满足,且调整次数在规定的调整范围N内,对断浇的浇次内炉次,按照冶炼顺序依次对各炉次转炉冶炼时间进行提前入炉调整,在最晚冶炼时间基础上增加提前时间量,调整幅度设置为时间ΔT1,调整冶炼时间后,所有未排炉次重新排序,并再次进行仿真模拟。如果作业计划的调整次数超过了最大调整次数N,依然无法满足连浇,如果连铸机浇速在可调范围内,则通过调整浇速延长连铸机各炉次作业时间,消除断浇风险,否则对产生断浇的浇次进行连铸节奏调整,整个浇次延后一定时间间隔ΔT2,然后从反向计划粗排开始,重新启动整个仿真优化流程。
步骤四包括了作业计划生成后,由调度人员确认无误后,下达执行。
Claims (6)
1.一种基于多智能体技术的炼钢仿真方法,其特征在于,包括以下步骤:
步骤一:将炼钢过程的各个设备分为多个智能体
炼钢过程是将物料通过天车运送到炼钢设备:转炉、LF炉中,通过多智能体技术分为物料智能体、设备智能体、天车智能体;智能体基本结构:包括知识库、推理决策、数据通讯三部分;其中,知识库包括静态知识库、动态知识库、规则知识库,静态知识库是存储了不随生产流程变化而改变的固有属性:包括设备名称、所属工序、车间、吨位、物料加工规格、物料工艺路径,动态知识库是存储生产过程中的动态属性:设备当前状态、当前加工的物料、预计完成时间、是否接收到检修计划;规则知识库,存储了各工艺约束,状态触发条件,用来约束和指导智能体行为变迁;推理决策,是智能体基于知识库和目标,进行逻辑计算,把全局目标转化为智能体的行为约束,给出行为变迁的指令;数据通讯部分负责其他智能体和外部环境的信息交互;
智能体状态变迁流程:物料智能体的变迁流程为:等待转移-运输-等待设备-设备工作-输出等待-后处理-等待转移,设备智能体的变迁流程为:空闲等待-设备工作-输出等待-工装准备-设备检修-空闲等待,天车智能体状态变迁流程为:等待任务-移动-吊起-运输-卸载-返回-等待任务;
步骤二:针对每个智能体分别进行建模
物料智能体,其静态知识库转化为智能体静态属性,包括名称、炉次、钢种、规格、工艺路径信息;动态知识库转化为智能体动态属性,包括状态记录、上一个加工设备/工位、下一个加工设备/工位、当前加工工序、入炉温度、出炉温度;智能体基于静、动态知识库和规则知识库进行推理决策;
对于设备管理智能体,其中静态知识库包含了工序名称、设备个数、同工序设备列表,动态知识库包含了空闲设备列表、忙碌设备列表、加工任务列表;设备管理智能体一方面用于管理同工序的多个设备,进行任务委派和多设备任务协调,解决多设备的竞争和冲突;另一方面通过和其他工序的设备管理智能体通讯,协调上下游工序生产节奏,确保生产连续、紧密且无冲突;
设备智能体,包含了知识库、信息输出、任务执行三个部分;知识库有静态知识库,包含了所属工序、总加工时间、各工艺标准耗时、钢种、规格、温度约束,动态知识库,包含了当前状态、基于加工物料计算不同钢种、规格的工艺时间、状态剩余时间、周期性事件记录、作业编号记录,规则知识库,包含了设备启动条件,物料输出条件;拓展出各工位设备智能体:包括转炉智能体、LF智能体、VD智能体、连铸智能体;
天车管理智能体,其中知识库——静态知识库包含了天车列表、所属跨,动态知识库,包含了空闲天车列表、忙碌天车列表、任务列表,规则知识库,包含了任务优先级排序规则、择车评价规则,择车评价规则包括载重匹配、行程可达、响应时间+运输时间+避让时间最短、避让最少;冲突消解规则职责是对注册的任务列表进行择优排序,优先为优先级高的任务分配天车,天车按照一定的择车规则进行选择,天车选中则下发任务到指定天车,同时更新动态知识库,天车从空闲队列进入忙碌队列;
天车智能体:知识库——静态知识库,包含了起吊时间、下落时间、标准速度、载重、任务等待位置、天车编号、跨、车间、运输范围、运输物料类型,动态知识库包含了当前状态:空闲、忙碌、故障,状态剩余时间、速度、故障标记、负载标记、被动运输标记、当前位置,规则知识库包含了天车移动规则,天车智能体的职责是评估完成任务的能力,接受协调智能体下达的任务,按照任务要求进行移动;
步骤三:通过anylogic搭建模型,进行排产调度
物料智能体状态包括等待转移、运输、等待设备、设备工作、输出等待、后处理几个阶段,物料智能体处于等待转移状态时根据工艺路径向相应的设备管理智能体请求设备,设备管理智能体指派设备,同时形成一个运输任务,向天车管理智能体请求天车,物料一旦获得设备,则在天车智能体的协助下进入运输状态,抵达设备后如果设备忙碌,则进入等待设备状态,否则进入设备工作状态,设备工作完毕,物料处于输出等待状态,一旦获知后续设备即将完毕的信息,则物料输出,处于后处理状态;后处理状态根据具体的工艺要求,为一个作业时间为0的虚状态,或是一个实际的工艺操作例如电渣工序的脱模操作;通过工序间协调,减少物料等待时间,对于高温钢水而言,减少了热损和能耗;
设备智能体正常状态包括空闲等待、设备工作、输出等待、工装准备几个阶段,当没有加工任务的时候,设备处于空闲等待状态,并向设备管理智能体汇报状态,请求加工任务,物料到达且设备空闲等待,设备智能体进入工作状态,工作完毕,处于输出等待状态,天车到达则输出物料,设备智能体处于工装准备状态,工装准备即将结束时,向本工序的设备管理智能体请求下一个物料;通过工序间协调,尽量减少设备空闲等待时间,以及物料输出等待时间,提高设备运行效率,降低能耗;
天车智能体包括等待任务、移动、吊起、运输、卸载、返回几个阶段,开始处于等待任务状态,一旦从天车管理智能体获得运输任务,则开始根据运输任务的起止位置进行移动、吊起、运输、卸载的状态变迁,运输结束如需返回,则返回等待位置等下一个运输任务;
设备管理智能体的职责是维护物料任务列表和设备任务列表,并最佳匹配物料和设备,择优执行;天车管理智能体的职责是维护运输任务列表和天车列表,并最佳匹配运输任务和天车,择优执行;
由此,该模型架构不仅用于作业计划的智能生成,而且在各种生产扰动工况下,能及时调整已下发计划,进行作业计划的动态调整。
2.根据权利要求1所述的基于多智能体技术的炼钢仿真方法,其特征在于,所述的物料智能体逻辑计算模块如下:
(1)设备资源请求:从知识库获取自身状态及位置,请求下游工序设备;
(2)状态变迁:智能体获得设备后基于规则知识库进行状态变迁,其中运输规则描述了上下游工序之间的距离和运输速度;转移规则描述了物料转移去向:库存或者下一个工位;后处理规则,描述了物料的后处理工艺及后处理时间;物料智能体状态变迁流程及条件见智能体任务协调流程;
(3)信息输出:智能体在一个加工周期结束后,更新动态知识库,同时统计在此工序设备加工周期过程中的运输时间、等待设备时间、加工时间、输出等待、后处理时间、等待转移时间。
3.根据权利要求1所述的基于多智能体技术的炼钢仿真方法,其特征在于,所述的设备管理智能体逻辑计算模块如下:
(1)任务排序:基于任务选择原则,对任务进行优先级排序,在满足钢种、规格、温度约束的前提下交货期靠前的优先级高;
(2)设备评价:通过和设备智能体通讯,获取各设备智能体能力评估结果,并按照设备能力评价规则进行评价,选择最佳设备进行任务委派,设备能力评价规则包括符合工艺约束、闲置等待时间最长FIFO、设备效率高、运行成本低;
(3)任务下达:更新动态知识库,并下达任务到匹配的设备和物料,同时向天车管理智能体请求运输天车。
4.根据权利要求1所述的基于多智能体技术的炼钢仿真方法,其特征在于,所述的设备智能体任务执行逻辑计算模块如下:
(1)能力评估:根据物料加工任务,读取静、动态知识库,评估是否符合设备加工条件:满足温度、钢种、规格约束,预估开始加工时间,总加工时间;
(2)状态变迁:根据能力评估结果,接收任务,基于规则知识库中设备启动条件及动态知识库中设备实时状态,进行逻辑判断,发出状态变迁指令,驱动智能体进行状态变迁,同时更新动态知识库中相应记录;设备智能体状态变迁流程及条件见智能体任务协调流程;
(3)信息输出:对本次物料加工任务执行进行记录,包括任务开始结束时间,物料输入输出信息,物料转移工位或者库存位置的记录,统计执行过程中等待时间、运输时间、工作时间、工装准备时间、总时间。
5.根据权利要求1所述的基于多智能体技术的炼钢仿真方法,其特征在于,所述的天车管理智能体逻辑计算模块如下:
(1)任务排序:首先按照任务优先级进行排序,任务排序规则如下:首先工艺先后顺序,当任务1完成方能进行任务2,则任务1优先;钢水接受跨,从连铸机卸载空钢包后,方能接受来自
精炼的满包钢水,所以卸载空包优先级大于运输满包优先级;其次考虑时间顺序,任务1最晚卸载时间比任务2最晚卸载时间靠前,则任务1优先;
(2)天车选择:综合考虑距离、运输时间、防撞规则、安全距离等因素,以总的任务完工时间最小,及被动运输时间最小,避让次数最少作为评价指标;
(3)任务下达:天车选定后,下达任务到主运输天车,下达被动运输任务到被动运输天车,同时更新动态知识库中空闲天车和忙碌天车的列表。
6.根据权利要求1所述的基于多智能体技术的炼钢仿真方法,其特征在于,所述的天车智能体逻辑计算模块如下:
(1)能力评估:收到任务评估指令,首先进行自身能力评估,是否符合载重要求,任务响应时间是否在任务许可范围内;
(2)执行任务:按照任务要求,主运输或者随动运输,进行移动;
(3)信息输出:任务执行完毕,更新动态知识库,同时记录任务执行开始结束时间、物料等待时间、天车运输时间、响应时间等信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564142.5A CN114970138B (zh) | 2022-05-23 | 一种基于多智能体技术的炼钢仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210564142.5A CN114970138B (zh) | 2022-05-23 | 一种基于多智能体技术的炼钢仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114970138A true CN114970138A (zh) | 2022-08-30 |
CN114970138B CN114970138B (zh) | 2024-05-31 |
Family
ID=
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170030036A (ko) * | 2015-09-08 | 2017-03-16 | (주)오시에스티 | 전기로 제강 품질 튜터링 시스템 |
CN111242561A (zh) * | 2019-12-27 | 2020-06-05 | 冶金自动化研究设计院 | 一种应用于钢铁行业炼钢-连铸流程的仿真优化模型 |
CN112507557A (zh) * | 2020-12-14 | 2021-03-16 | 中国钢研科技集团有限公司 | 一种基于多智能体的铁钢界面仿真系统 |
CN112699524A (zh) * | 2020-11-26 | 2021-04-23 | 冶金自动化研究设计院 | 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170030036A (ko) * | 2015-09-08 | 2017-03-16 | (주)오시에스티 | 전기로 제강 품질 튜터링 시스템 |
CN111242561A (zh) * | 2019-12-27 | 2020-06-05 | 冶金自动化研究设计院 | 一种应用于钢铁行业炼钢-连铸流程的仿真优化模型 |
CN112699524A (zh) * | 2020-11-26 | 2021-04-23 | 冶金自动化研究设计院 | 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型 |
CN112507557A (zh) * | 2020-12-14 | 2021-03-16 | 中国钢研科技集团有限公司 | 一种基于多智能体的铁钢界面仿真系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242561A (zh) | 一种应用于钢铁行业炼钢-连铸流程的仿真优化模型 | |
CN111563672B (zh) | 一种多载agv数量配置方法 | |
CN111596658A (zh) | 一种多agv无碰撞运行的路径规划方法及调度系统 | |
CN111882215B (zh) | 一种含有agv的个性化定制柔性作业车间调度方法 | |
CN105974891B (zh) | 一种基于动态看板的模具生产过程自适应控制方法 | |
CN112699524A (zh) | 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型 | |
CN112070296B (zh) | 一种基于模糊推理的集卡调度方法 | |
CN111242414A (zh) | 一种应用于钢铁行业炼钢-连铸流程的计划调度系统 | |
CN114936783B (zh) | 一种基于mmddpg算法的rgv小车调度方法及系统 | |
CN107895231B (zh) | 一种用于电镀或阳极氧化智能生产线的行车调度方法及系统 | |
Stahlbock et al. | Efficiency considerations for sequencing and scheduling of double-rail-mounted gantry cranes at maritime container terminals | |
CN113255216A (zh) | 一种炼钢生产调度方法、系统、介质及电子终端 | |
CN116777126A (zh) | 基于多层amhs系统的天车运输调度方法 | |
CN113205277B (zh) | 一种基于时空规则的车间生产与天车协同调度方法及装置 | |
CN113064436B (zh) | 一种agv系统中动态路径规划和去中心化避障方法 | |
CN114970138A (zh) | 一种基于多智能体技术的炼钢仿真方法 | |
CN114970138B (zh) | 一种基于多智能体技术的炼钢仿真方法 | |
Jégou et al. | A contract net based intelligent agent system for solving the reactive hoist scheduling problem | |
CN111598464A (zh) | 一种基于过程建模的炼钢排产方法 | |
CN114757627B (zh) | 一种接力式吊运路径规划和调度方法 | |
CN113342002B (zh) | 基于拓扑地图的多移动机器人调度方法及系统 | |
JPH09235610A (ja) | 製鋼プロセスの操業スケジュール作成システム | |
Liu et al. | Study on ladle schedule of steel making process using heuristic scheduling algorithm | |
Antonova et al. | Analysis of cranes control processes for converter production based on simulation | |
Sun et al. | Crane scheduling of steel-making and continuous casting process using the mixed-timed petri net modelling via CPLEX optimization |
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 |