CN1885328A - 一种炼钢－连铸中间包批量计划方法及系统 - Google Patents

Abstract

本发明涉及一种炼钢—连铸中间包批量计划方法及系统，该系统包括工艺静态参数设置模块，原始数据下载模块，批次计划需求设置模块，模型算法参数设置模块，中间包批量计划自动生成模块，计划指标统计显示模块，计划结果统计显示模块，生产计划人工调整模块，生产计划上传模块，其方法是采用中间包批量计划数学模型，求解采用两阶段多邻域禁忌搜索算法，确定炉次如何组批到中间包实现多炉连续浇铸，从而使得中间包的连浇炉数最大化，降低中间包的使用成本；应用本发明能够显著提高计划编制的效率，降低计划编制人员的工作强度，提高计划编制的质量，优化生产实施。

Description

一种炼钢-连铸中间包批量计划方法及系统

技术领域

本发明属于信息技术领域，涉及到运筹学建模，智能优化算法，特别涉及到一种炼钢-连铸中间包批量计划方法及系统。

背景技术

钢铁企业的一般都采用面向订单(make to order)的生产模式，市场对钢铁产品的需求是多品种小批量，而钢铁企业组织生产要求是大批量的。炼钢-连铸生产批量计划就是将生产合同需求的多品种小批量板坯，按照工艺的限制，按照固定批量(炉次计划)和一定经济批量(如连铸浇次计划)组织生产。例如，钢铁企业每份合同的钢材量可能几十余吨，而大型的炼钢炉每炉可为数百吨，冶炼时要把交货期相近的，出钢记号相同的合同板坯合成同一炉次，由此生成炉次计划。在炼钢-连铸生产工艺当中，对于连铸机来说，每开启一次机器需要设备调整时间和调整费用，为了提高生产率和成材率，需要有更多的炉次在同-连铸机上进行连续浇铸，以降低总调整费用，将多个炉次组合到一个批次在连铸机上浇铸就产生浇次计划。

中间包是钢包与结晶器之间的中间容器，使用中间包的目的是将钢水分配到多流连铸机的每个结晶器，储存一定量的钢水，实现多炉连浇。中间包的最大浇铸时间除与耐火材料本身的特性有关外，还主要受钢水的成分和质量，以及浇铸过程中连铸机的每流调宽次数影响。为了防止频繁调宽存在漏钢的安全隐患，确保连铸机安全连续生产，同时降低调宽对浇铸的影响时间，连铸工艺规程规定在同一中间包内浇铸的钢水在连铸机的每流仅允许调宽一次。由于中间包内连铸机的两流的调宽存在严格限制，增大了炉次到中间包组批的难度。如果在考虑中间包内连铸机的两流的调宽限制的基础上进行炉次组批，而使得中间包没有发挥其最大浇铸炉数，就导致成本浪费。因此，对炼钢-连铸生产工艺的中间包进行最优炉次组批实现多炉连浇，实现中间包最大利用率，降低生产成本，是制定炼钢-连铸批量计划所迫切需要解决的一个问题。中间包批量决策问题就是在考虑炉次到中间包组批工艺约束因素，如调宽幅度、调宽次数，连浇规程的前提下，兼顾炼钢-连铸批量计划的全局目标，如精加工阶段机组的物流平衡，热轧对烫辊材的需求，精炼产能和炼钢产能等，从炉次候选池中选出一定数目的炉次，最优组批到中间包进行连浇。

炼钢-连铸批量计划问题已经在国内外学术界受到广泛的关注。日本对炉次计划问题从专家系统角度进行了研究，但没能给出最优的数学模型，澳大利亚Gmbh钢厂给出炼钢-连铸调度的建模关键因素，并对炉次在机器上的分配给出了调度模式。目前现场中应用的炉次计划和浇次计划编制方法主要采用的多为基于专家系统或基于规则的启发式方法。存在以下缺点：(1)依赖计划编制人员，不能自动完成计划编制。(2)计划编制的效果依赖于计划编制人员业务水平。(3)采用人工排产为主的方法生成计划较慢。(4)人工排产带有主观性，而中间包批量计划问题是一个多目标，复杂约束的问题，没有精确的数学模型和算法为依据，有限时间内难编制出较优的计划。而当前炼钢-连铸批量计划中一般只考虑炉次计划和浇次计划，针对中间包批量计划的研究还处于空白。在以前浇次计划研究中，不考虑调宽次数的限制，频繁的调宽增大了安全隐患，同时也影响了浇铸时间，导致中间包的浇铸炉数降低，没有充分发挥中间包的使用时间。

发明内容

针对现有钢铁企业炼钢-连铸批量计划中存在的问题，本发明提供一种炼钢-连铸中间包批量计划方法及系统，该方法是执行于计算机的中间包批量计划自动编制方法，该方法在中间包批量计划编排中兼顾了中间包组批工艺约束，和炼钢-连铸批量计划的全局计划目标，提高了计划编制水平，解决了人工排产效率低下问题。中间包批量计划的最优数学模型，学科定量的描述了问题特征，针对数学模型提出的多邻域两阶段禁忌搜索算法在较短的时间内编制出较优的计划，改善了传统的手工编制计划的科学性。

本发明是基于钢铁企业的ERP信息平台上的中间包批量计划优化系统，该系统同钢铁企业的ERP信息平台之间有信息交互，即下载原始计划数据和上传计划结果数据；同时又有相对独立，即对原始计划数据可以进行增删改维护。系统需要的硬件配置为个人计算机(Pentium4-1.7G或更高微处理器，256M内存微型计算机)和计算机网络(以太网卡或拨号网络所需调制解调器)。系统拥有自己的Microsoft SQL Server 2000数据库，前端显示界面，基于数学模型的计划编制优化算法，以及同钢铁企业的ERP信息平台的接口，本发明的系统包括以下功能模块：工艺静态参数设置模块，原始数据下载模块，批次计划需求设置模块，模型算法参数设置模块，中间包批量计划自动生成模块，计划指标统计显示模块，计划结果统计显示模块，生产计划人工调整模块，生产计划上传模块。

(1)工艺参数设置模块。即设置出钢记号所属CC_Code静态表。该模块逻辑流程如图1所示。

(2)原始数据下载模块。从现行钢铁企业的ERP系统中下载需要进行计划编制的原始数据，该数据记录为板坯信息，且包含了组炉信息。该模块逻辑流程如图2所示。

(3)批次计划需求设置模块。按照一贯制思想，分析连铸下游的机组物流平衡，以及RH产能，设置当前批次连铸计划需求，主要包括批次计划的板坯到各流向的合理分配，热轧对烫辊材的合理需求，RH精炼的产能限制，批次计划要做的总炉数。总炉数，RH炉数，烫辊材，流向都要设置一个目标值，上限和下限。该模块逻辑流程如图3所示。

(4)模型算法参数设置模块。由于中间包批量计划模型是一个多目标复杂约束的数学规划模型，目标的权重参数将直接影响着算法得出的计划结果。此外，本发明提供的算法是一类智能优化算法，程序执行中的参数如搜索迭代次数，搜索策略也对计划结果有一定的影响。该模块可在不同的参数设置下得出不同的计划结果，最后由计划员的偏好选取一组最合适的计划。该模块逻辑流程如图4所示。

(5)生产计划自动生成模块。该模块根据批次计划需求设置模块设置的计划需求，模型算法参数设置模块设置的参数，基于本发明给出的数学规划模型和提供的禁忌搜索算法进行优化计算，得出一个候选批次计划。调整模型算法参数后，重新执行该模块可以得到另一个候选批次计划。该模块是本发明方法的核心部分，将在后文详细介绍。其优化算法的流称图如图5所示。

(6)计划指标统计显示模块。当生产计划自动生成模块生产候选批次计划后，可以通过此模块查看生成的候选计划的各项指标，如总炉次、RH炉次、烫辊材重量、各流向上板坯总重量，以及上述指标同批次计划需求设置模块设置的各项指标目标值之间的偏差。该模块逻辑流程如图6所示。

(7)计划结果显示模块。对于已经生成的候选批次计划，该模块以四个表分别显示CAST信息，包含浇次(CAST)号，CAST内中包，CAST内炉次，CAST内浇铸宽度；中间包信息，包含中间包号，中间包内炉数，中间包情况，中间包CC_Code；炉次信息，包括炉次号，出钢记号，必做板坯量；炉内板坯信息，包括板坯材料号，合同号，所属流，流内顺序号。该模块逻辑流程如图7所示。

(8)生产计划人工调整模块。人工调整模块可以实现对中间包内炉次进行重新调整，如插入新炉次、删除新炉次、炉次位置上移，炉次位置下移。该模块逻辑流程如图8所示。

(9)生产计划上传模块。由计划员选取一个进行人工调整后的满意候选计划，上传到钢铁企业的现行ERP系统中。该模块主要通过远程文件传输的方式实现，即将选取的计划生成计划文件上传到ERP系统给定服务器文件目录下。该模块逻辑流程如图9所示。

本发明的系统与企业ERP数据库系统的关系及接口如图10所示。

本发明方法如图11所示，包括以下步骤：

(1)设置工艺的静态参数，即CC_Code设置。

(2)从钢铁企业现行的信息系统上下载原始数据，包括：材料号，合同号，预定制造命令号，预组炉号，出钢记号，板坯重量，板坯厚度，板坯宽度，轧制厚度，轧制宽度，硬度组代码，板坯去向，热钢卷去向，材料组别，流向代码，精炼路径代码，烫辊材标记，交货日期，集批代码，厂内交货日期，按周交货标志，合同拖期标记，出口标记，合同性质代码。

(3)设定批次计划的需求数据，即根据计划员对各个工序的物流平衡分析，设定各流向的计划目标重量，计划重量上限，计划重量下限；设置烫辊材的计划目标重量，计划重量上限，计划重量下限；RH精炼计划目标炉次数，RH精炼计划炉次数上限，RH精炼计划炉次数下限；设置批次计划目标总炉数，批次计划总炉数上限，批次计划总炉数下限。

(4)设定模型算法的参数，首次可以按默认参数设置，针对模型计算结果，可以调整算法参数重新运转模型，得到新的结果。

(5)基于中间包批量计划的数学模型和优化算法，自动生成批次计划。

(6)查看模型计算结果，可以通过计划指标统计显示模块查看总炉次、RH炉次、烫辊材、已经流向的模型计算结果；计划结果统计显示模块查看炉次到中间包的组批情况。

(7)针对模型得到的计划结果，计划员采用手动，得到满意的计划结果。对已经组批的中间包内的炉次进行增、删、换调整，调整的过程中同样需要考虑中间包的组批要求。

(8)将计划结果从中间包批量计划优化系统上传到钢铁企业的ERP信息平台上，供计划员下发生产计划。

本发明的中间包批量计划的数学模型和优化算法的具体技术方案如下：

1中间包批量计划的工艺约束和编制依据

在炼钢-连铸生产工艺当中，对于连铸机来说，每开启一次机器需要设备调整时间和调整费用，为了提高生产率和成材率，需要有更多的炉次在同-连铸机上进行连续浇注，以降低总调整费用。但是有以下三点原因不能任意增加每一浇次中的炉次：

(1)连铸中与结晶器连接用于浇注的缓冲环节-中间包的寿命有一定限制，在同一个中间包内连续浇注的炉次数不能超过中间包的寿命。

(2)不同钢种之间连浇时，如果相邻两个炉次之间的钢级(Steelgrade)有差异，则会增加炼钢成本。例如同一钢级序列中的不同钢级之间连浇时产生的交接坯应该判给低质钢，这样就出现以好充次所带来的附加成本，甚至，当钢级差别较大的钢种连浇时需要牺牲交接坯为代价。

(3)在同一浇次中炉次宽度不能频繁改变而且相邻炉次之间的宽度变化不能太大，因为每调宽一次需要消耗一定的工时，在调宽过程当中，产生不合格品，从而产尘附加的炼钢成本。

由上述三点原因可知，浇次计划可以定义为在同一台连铸机上使用一个或者多个中间包连续浇铸的炉次集合。如技术背景中提到，中间包属于钢包与结晶器之间的中间容器，是连铸的缓冲环节，在连铸过程中具有非常重要的作用。通常，由于生产组织过程中有很多工艺约束要求，因此，组批到同一中间包进行连浇的炉次必须满足一定的约束条件。本发明根据生产工艺规程，提出一类新型的批量计划问题，即，中间包批量计划问题。并归纳出组批到同一中间包进行连浇的炉次必须满足的条件：

(1)组批到同一中间包内连浇的炉次的出钢记号必须属于同一连浇族(CC_Code)，也就是组批到同一中间包内的炉次必须是可连浇的。

(2)同一中间包内可连浇的最大炉数取决于炉次的出钢记号的连浇族。

(3)组批到同一中间包内连浇的炉次内或炉次间的每流调宽规则是从宽到窄，且调宽幅度只允许为50mm和100mm。

(4)组批到同一中间包内连浇的炉次内或炉次间的每流最多允许调宽一次。

(5)组批到同一中间包内，如果存在调宽浇铸的炉次，那么其他炉次间就不允许调宽。

(6)考虑到铸机上两流浇注的平衡性，计划中一般不做异宽浇铸模式。

中间包批量计划问题除了受中间包内炉次连浇工艺约束外，还需要考虑连铸工序的前后道工序的实际生产需求，主要有以下特点：

(1)炼钢工序的产能约束，即编制到中间包批量计划的炉次总数有上下限限制，如果不足下限，机器产能没有最大发挥，如果超出上限，受炼钢工序的产能限制，其无法提供中间包批量计划需求的炉次数。

(2)精炼工序的产能约束，即编制中间包批量计划的炉次需RH精炼的有上下限限制。同样是为了发挥精炼机器的产能而不超过其最大产能。

(3)热轧工序对烫辊材的需求约束，实际热轧工序对烫辊材的需求有一定的波动，当连铸烫辊材的产量大于轧制计划需求的烫辊材量时，将增加库存费用；当连铸烫烫辊材的产量过小，将影响轧制计划的安排。因此，编制到中间包批量计划的炉次内烫辊材的重量有上下限限制。

(4)流向定义为板坯经过精加工阶段各个机组的路径。为了保证精加工阶段每个机组不断料，不涨库，连续生产，并且考虑每个机组的最大产能，在制定中间包批量计划的时候，预先设定好各个流向的需求量，同时为了确保能够合理的编制计划，流向需求量通常允许一定的偏差。即中间包批量计划内的板坯在各流向上的分布能够保证流向所在机组的正常运行且不超过每个机组的作业能力限制。2中间包批量计划的模型构造策略

2.1目标选取

中间包批量计划问题实质就是，在考虑上述组批条件和约束的前提下，确定如何从候选炉次中选取适合数目的炉次进行组批到中间包连浇，确保批量生产合理化，降低生产成本，提高产品质量和准时交货能力。这类问题可以归结为一类特殊的组合优化问题，优化目标包含以下几个几项：

(1)最小化炉次内或炉次间调宽导致的T形坯所带来的附加生产成本。

(2)最小化炉次间不同出钢记号导致的交接坯惩罚，通常交接坯一般判给低质钢，由此将出现以优充次所带来的附加生产成本。

(3)最小化完成批量计划所需的中间包总数。

(4)最大化炉次优先级。炉次优先级一般由炉内板坯的优先级确定，板坯优先级通常由合同的交货期，交货期类别(按周交货、按月交货)，出口合同标志、集批标志、拖期标志等指标进行评价。优化炉次优先级也就相当于提高准时交货能力和集批生产。

(5)最小化做进批次计划的炉次内板坯在各流向上的重量同流向计划需求的偏差。

(6)最小化做进批次计划的炉次内烫辊材重量同烫辊材计划需求的偏差。

(7)最小化做进批次计划的需RH精炼的炉次数同RH精炼计划炉数的偏差。

考虑中间包批量计划问题的工艺约束，计划编制需求，以及优化目标，采用图12表示问题解结构同约束、目标之间的关系。

2.2多目标权重量化

首先完成批次计划需求的中间包数目要求最少，即中间包费用权重最大。其次总RH必须满足，作为一个硬性约束。然后，炉次优先级的权重较大，对于必做合同板坯，要求尽量满足，最后，流向板坯重量要求接近目标值，对于低于下限或者高于上限的惩罚将也会很大。

2.3模型表达

$\mathrm{Minimize}\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{llh}}{y}_{\mathrm{lr}}+\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\∈k,l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{klh}}^1{x}_{\mathrm{klhr}}+\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}{c}_{\mathrm{kl}}^2{z}_{\mathrm{klr}}+$

$c_l\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{0\mathrm{lr}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{p}_l{y}_{\mathrm{lr}}+\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\λ}}_f|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}-O_f|+$

${\mathrm{\λ}}_{\mathrm{pre}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}-O_{\mathrm{pre}}|+{\mathrm{\λ}}_{\mathrm{RH}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}}-O_{\mathrm{RH}}|---\left(1\right)$

Subject to

z_klr＝x_klhr       k，l∈P，r∈M，h∈{1，2)       (2)

$\underset{k\≠l,k\∈\left\{0\right\}\∪P}{\mathrm{\Σ}}{z}_{\mathrm{klr}}=\underset{k\≠l,k\∈\left\{0\right\}\∪P}{\mathrm{\Σ}}{z}_{\mathrm{lkr}}=y_{\mathrm{lr}},l\∈P,r\∈M---\left(3\right)$

$\underset{r\∈M}{\mathrm{\Σ}}{y}_{\mathrm{lr}}\≤1,l\∈P---\left(4\right)$

$\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{0\mathrm{lr}}\≤m---\left(5\right)$

$L_f\≤\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}\≤U_f,f\∈F---\left(6\right)$

$L_{\mathrm{pre}}\≤\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}\≤U_{\mathrm{pre}}---\left(7\right)$

$L_{\mathrm{RH}}\≤\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}}\≤U_{\mathrm{RH}}---\left(8\right)$

$L_{\mathrm{chr}}\≤\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{y}_{\mathrm{lr}}\≤U_{\mathrm{chr}}---\left(9\right)$

$\underset{l\∈P}{\mathrm{\Σ}}{r}_l{y}_{\mathrm{lr}}\≤1,r\∈M---\left(10\right)$

$0\≤\underset{r\∈M}{\mathrm{\Σ}}(B_{\mathrm{lh}}-E_{\mathrm{lh}})y_{\mathrm{lr}}\≤{\mathrm{\σ}}_2,l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(11\right)$

$0\≤\underset{r\∈M}{\mathrm{\Σ}}(E_{\mathrm{kh}}-B_{\mathrm{lh}})x_{\mathrm{klhr}}\≤{\mathrm{\σ}}_2,k,l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(12\right)$

$\frac{\underset{r\∈M}{\mathrm{\Σ}}(B_{\mathrm{lh}}-E_{\mathrm{lh}})y_{\mathrm{lr}}}{P_{\max }}\≤s_{\mathrm{lh}}\≤P_{\max }\underset{r\∈M}{\mathrm{\Σ}}(B_{\mathrm{lh}}-E_{\mathrm{lh}})y_{\mathrm{lr}},l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(13\right)$

$\frac{\underset{r\∈M}{\mathrm{\Σ}}(E_{\mathrm{kh}}-B_{\mathrm{lh}})x_{\mathrm{klhr}}}{P_{\max }}\≤s_{\mathrm{klh}}\≤P_{\max }\underset{r\∈M}{\mathrm{\Σ}}(E_{\mathrm{kh}}-B_{\mathrm{lh}})x_{\mathrm{klhr}},k,l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(14\right)$

$\underset{l\∈P}{\mathrm{\Σ}}{s}_{\mathrm{lh}}{y}_{\mathrm{lr}}+\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}{s}_{\mathrm{klh}}{x}_{\mathrm{klhr}}\≤f_{\mathrm{hr}},r\∈M,h\∈\left\{\mathrm{1,2}\right\}---\left(15\right)$

$c_{\mathrm{klh}}^1=\left\{\begin{array}{cc}0& \mathrm{if}{E}_{\mathrm{kh}}-B_{\mathrm{lh}}=0\\ k_{11}& \mathrm{if}{E}_{\mathrm{kh}}-B_{\mathrm{lh}}={\mathrm{\σ}}_1\\ k_{12}& \mathrm{if}{E}_{\mathrm{kh}}-B_{\mathrm{lh}}={\mathrm{\σ}}_2\\ \∞& \mathrm{otherwise}\end{array}\right.---\left(16\right)$

$c_{\mathrm{llh}}=\left\{\begin{array}{cc}0& \mathrm{if}{B}_{\mathrm{lh}}-E_{\mathrm{lh}}=0\\ k_{11}& \mathrm{if}{B}_{\mathrm{lh}}-E_{\mathrm{lh}}={\mathrm{\σ}}_1\\ k_{12}& \mathrm{if}{B}_{\mathrm{lh}}-E_{\mathrm{lh}}={\mathrm{\σ}}_2\\ \∞& \mathrm{otherwise}\end{array}\right.---\left(17\right)$

x_klhr∈{0，1}      k，l∈P，h∈{1，2}，r∈M    (18)

z_klr∈{0，1}       k，l∈P，r∈M               (19)

y_lr∈{0，1}        l∈P，r∈M                  (20)

s_lh∈{0，1}        l∈P，h ∈{1，2}            (21)

s_klh∈{0，1}       k，l∈P，h∈{1，2}          (22)

$B_{\mathrm{lh}}\∈\underset{i\∈\left\{\mathrm{1,2}\right\},j\∈\{\mathrm{0,1},\·\·\·,n_i\},w_{l\min }+n_i{\mathrm{\σ}}_i\≤w_{l\max }}{\∪\{w_{l\min }+j{\mathrm{\σ}}_i\}}l-\∈P,h\∈\left\{\mathrm{1,2}\right\}--\left(23\right)$

$E_{\mathrm{lh}}\∈\underset{i\∈\left\{\mathrm{1,2}\right\},j\∈\{\mathrm{0,1},\·\·\·,n_i\},w_{l\min }+n_i{\mathrm{\σ}}_i\≤w_{l\max }}{\∪\{w_{l\min }+j{\mathrm{\σ}}_i\}}l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(24\right)$

其中：

●模型参数

P：炉次集合。

M：中间包集合，r∈M。

F：流向集合，f∈F。

h：流下标，h∈{1，2}。

c_kl ^l：炉次k、l之间出钢记号差异所引起的惩罚费用，定义如下：

c_l：中间包费用。

p_l：炉次l的优先级奖励。

m：完成批次计划使用的中间包数目的上限。

b_lf：炉次l内f流向的板坯的总重量。

d_l：炉次l内烫辊材板坯的总重量。

e_l：炉次l是否需要经过RH精炼，定义如下：

L_f：计划需求具有流向f板坯重量的上限。

U_f：计划需求具有流向f板坯重量的下限。

O_f：计划需求具有流向f板坯重量的目标值。

L_pre：计划需求烫辊材板坯重量的上限。

U_pre：计划需求烫辊材板坯重量的下限。

O_pre：计划需求烫辊材板坯重量的目标值。

L_RH：计划需经RH精炼炉次数的上限。

U_RH：计划需经RH精炼炉次数的下限。

O_RH：计划需经RH精炼炉次数的目标值。

L_chr：计划炉次总数的上限。

U_chr：计划炉次总数的下限。

O_chr：计划炉次总数的目标值。

r_l：炉次所属CC_Code钢种在中间包最大连浇炉数的倒数。

σ_i：连铸工艺允许的第i种调宽幅度。

f_hr：在同一中间包连浇的炉次在h流允许的最大调宽次数。

w_lmin：炉次l的两流允许的最小(大)浇铸宽度。

w_lmax：炉次l的两流允许的最小(大)浇铸宽度。

●决策变量

x_klhr：炉次l的流h紧接炉次k的流h在中间包r内。

z_klr：炉次l紧接炉次k在中间包r内。

y_lr：炉次l在中间包r内。

s_lh：炉次k的h流的调宽次数。

s_klh：炉次k，l的流h间的调宽次数。

B_lh：炉次l流h的首宽。

E_lh：炉次l流h的尾宽。

c_klh ^l：炉次k、l的h流调宽所引起的T形坯惩罚费用。

c_llh：炉次l的h流调宽所引起的T形坯惩罚费用。

模型中：

目标函数的第一项，即 $\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{llh}}{y}_{\mathrm{lr}}$ 为做进批次计划的炉次内调宽导致的T形坯引起的惩罚。

目标函数的第二项，即 $\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{klh}}^1{x}_{\mathrm{klhr}}$ 为做进批次计划的炉次间调宽导致的T形坯引起的惩罚费用。

目标函数的第三项，即 $\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}{c}_{\mathrm{kl}}^2{z}_{\mathrm{klr}}$ 为做进批次计划的炉次间不同出钢记号导致的交接坯引起的惩罚费用。

目标函数的第四项，即 $c_l\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{0\mathrm{lr}}$ 为使用中间包的成本费用。

目标函数的第五项，即 $\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{p}_l{y}_{\mathrm{lr}}$ 为做进批次计划的炉次内板坯的总优先级权重的奖励费用。

目标函数的第六项，即 $\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\λ}}_f|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}-O_f|$ 为做进批次计划的板坯在流向上偏离流向计划目标值的惩罚。

目标函数的第七项，即 ${\mathrm{\λ}}_{\mathrm{pre}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}-O_{\mathrm{pre}}|$ 为做进批次计划的烫辊材板坯偏离烫辊材计划目标值的惩罚。

目标函数的第八项，即 ${\mathrm{\λ}}_{\mathrm{RH}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}}-O_{\mathrm{RH}}|$ 为做进批次计划的需RH精炼的炉次总数偏离RH精炼工序计划总炉数的惩罚。

约束(2)表示如果炉次l紧接着炉次k在中间包r中进行浇铸，那么炉次l的两个流分别紧接着炉次k的两个流在中间包r中进行浇铸。约束(3)表示炉次l被中间包r选取，则在该中间包中，炉次l有且仅有一个紧前和紧后炉次；当炉次l处于中间包第一个位置或最后一个位置时，定义变量z_Olr，z_kOr表示。约束(4)表示每个炉次最多只能被包含在一个中间包中。约束(5)表示完成批次计划使用的中间包数目上限约束。约束(6)表示连铸板坯到下道工序的流向约束。约束(7)表示精炼工序RH的产能约束。约束(8)表示热轧工序对烫辊材的要求约束。约束(9)表示炼钢工序的产能约束。约束(10)表示中间包最大连浇炉数约束。约束(11)、(12)分别表示炉内、炉间的每流宽度跳跃幅度限制。约束(13)、(14)分别定义炉内、炉间的每流宽度跳跃次数。约束(15)表示中间包内每流总宽度跳跃次数限制。约束(16)、(17)定义了炉间(内)不同调宽幅度导致的惩罚系数。约束(18-22)定义了变量的取值范围。

2.4模型特征

1)炉次两流的浇铸宽度是变量，可以增大多炉连浇在调宽限制方面选择的柔性。

2)中间包的调宽次数有严格限制，降低了由频繁调宽对中间包的浇铸时间的影响，提高中间包的最大利用率，同时也增大了中间包组批的难度。

3)考虑了连铸板坯到精加工阶段的物流平衡，以及炼钢、精炼的产能约束。

4)目标函数除了考虑出钢记号差异、宽度跳跃带了的惩罚外，还考虑了中间包的使用成本、做进批次计划的合同板坯的优先级奖励，以及做进批次计划的RH精炼、烫辊材、流向与设定目标值之间的偏差惩罚。

5)以中间包批量计划一天要求做50炉为例，该模型具有变量级数是10⁵，约束的级数是也是10⁵，是一个大规模二次整数规划模型，求解属于NP-难问题。3中间包批量计划的优化算法

如模型特征中提到，中间包批量计划问题的数学模型是一个大规模，复杂约束的二次整数规划问题，在求解上属于NP-难问题，没有多项式时间算法；一般的数学规划软件包又不能求解如此大规模的问题；采用传统最优化算法如分支定界、动态规划等，通常时间消耗非常大，不适用于实际计划编制的快速性要求。智能优化算法已经成为求解复杂组合优化问题最重要的有效手段之一。目前受到学术界最多关注的智能优化算法包括遗传算法、禁忌搜索、模拟退货、神经元网络等。Lopez等人采用禁忌搜索成功的解决了热轧计划调度问题。禁忌搜索算法包含以下要素，邻域，移动、初始解、搜索策略、禁忌表、长短期记忆、渴望函数、停止准则。其中邻域和移动是该算法的核心内容，邻域的选择将在很大程度上决定算法最终得到的解的质量。移动是将一个解转变为另一个解的机制。对于一个给定解，可行的移动集所产生一组解的选集叫做邻域。中间包批量计划问题主要包含以下三层决策，(1)如何从候选炉次中选取炉次，(2)如何对选择的炉次进行组合，(3)组合到同一中间包内的炉次如何排序。这三层决策也就决定了候选池中任何一个炉次存在选与不选的可能，每两个炉次在不在一个中间包中的可能，每两个炉次连浇不连浇的可能。对于任何一个炉次，从选到不选(或者不选到选)就构成了一个移动。对于任何两个炉次(一个被选、一个未选)执行交换操作，同样也构成一个移动。对于任何两个属于不同中间包的被选炉次，执行交换操作，也是构成一次移动。因此，采用禁忌搜索算法求解中间包批量计划问题。

3.1算法包括以下步骤：

步骤1.松弛约束(6)、(7)、(8)到目标函数，同时忽略原目标函数的第一、二、三项，和第六、七、八项，将原模型松弛为一个相对简单的模型。松弛后模型的目标函数为：

$\mathrm{Minimize}{,c}_l\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{0\mathrm{lr}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{p}_l{y}_{\mathrm{lr}}+$

$\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\α}}_f\max (\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}-U_f,0)+\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\β}}_f\max (L_f-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}},0)+$

${\mathrm{\α}}_{\mathrm{pre}}\max (\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}-U_{\mathrm{pre}},0)+{\mathrm{\β}}_{\mathrm{pre}}\max (L_{\mathrm{pre}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}},0)+$

${\mathrm{\α}}_{\mathrm{RH}}\max (\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}}-U_{\mathrm{RH}},0)+{\mathrm{\β}}_{\mathrm{RH}}\max (L_{\mathrm{RH}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}},0)$

步骤2.根据炉次两流的首尾宽度以及出钢记号所属的连浇族(CC_Code)，将原炉次(物理炉次)复制为多个虚拟炉次(逻辑炉次)，即每个炉次内的板坯相同，但各流的浇铸宽度和所属CC_Code不同。

步骤3.对所有的虚拟炉次，按照CC_Code分组。对各CC_Code组内的虚拟炉次，按照虚拟炉次的平均宽度(两流的首尾宽度之和除4)排序得到炉次队列。在满足一个中间包内两流各允许调宽一次的限制，和中间包在当前CC_Code最大连浇炉数限制，从前到后选择“虚拟炉次”装入中间包，同时确保属于相同“物理炉次”的“虚拟炉次”不允许装入同一中间包。当中间包装满或中间包内装入任何新“虚拟炉次”都违反两流调宽一次限制时，从炉次队列中排除当前中间包内的“虚拟炉次”，同时将当前中间包加入中间包队列，换一个新中间包重复上述操作，直至炉次队列为空。

步骤4.从中间包队列中选取对步骤1中定义目标函数贡献最大的中间包，确保选取的中间包内的“虚拟炉次”同已选中间包内的“虚拟炉次”不存在相同的“物理炉次”。重复上述操作直到选取的中间包内炉次总数处于计划炉次总数的上下限(U_chr、L_chr)范围内。上述操作选取的多个中间包作为松弛问题的的一个解。

步骤5.以解内中间包和中间包队列中未选中间包两交换作为邻域，在满足可行性的条件下，以步骤4得到的解为初始解进行中间包禁忌搜索得到一个当前最优解。

步骤6.以解内“虚拟炉次”和解外未选“虚拟炉次”两交换作为邻域作为邻域，在满足可行性的条件下，以步骤5得到的解为初始解进行炉次禁忌搜索得到一个当前最优解S_c。设S_h为历史最优解，如果S_c＜S_h，S_h＝S_c。

步骤7.由步骤5得到的解为初始解S_c，采用Kick策略，在解S_c内剔除一个中间包，同时以所有未选“虚拟炉次”组成新炉次队列，重复步骤3得到中间包队列，在满足可行性的条件下，选取一个对目标函数改进最好的中间包到解S_c中，得到一个新的初始解S_k，t_k＝t_k+1。当t_k不超过设定的代数，以S_k为初始解，转步骤6；否则，转步骤8。

步骤8.转换目标函数为原目标函数，即：

$\mathrm{Minimize}\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{llh}}{y}_{\mathrm{lr}}+\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\∈k,l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{klh}}^1{x}_{\mathrm{klhr}}+\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}{c}_{\mathrm{kl}}^2{z}_{\mathrm{klr}}+$

$c_l\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{0\mathrm{lr}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{p}_l{y}_{\mathrm{lr}}+\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\λ}}_f|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}-O_f|+$

${\mathrm{\λ}}_{\mathrm{pre}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}-O_{\mathrm{pre}}|+{\mathrm{\λ}}_{\mathrm{RH}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}-O_{\mathrm{RH}}|$

步骤9.以S_h为初始解，同时修改可行性条件，即RH、烫辊材、流向保证在上下限范围内，以解内“虚拟炉次”和解外未选“虚拟炉次”两交换作为邻域，进行第二阶段炉次禁忌搜速得到新的历史最优解S_h。

步骤10.对解S_h内中间包的CC_Code重确定，使得所选中间包的CC_Code数目最少。

步骤11.对解S_h内未满炉次进行板坯插入，降低无委材。

步骤12.解内炉次板坯与解外炉次板坯两交换邻域搜索，进一步优化烫辊材、流向偏差和炉次内板坯的优先级奖励值。

3.2禁忌搜索算法邻域结构

中间包禁忌搜索邻域：这里禁忌搜索采用的邻域为两交换邻域。每个解(批次计划)的结果是若干个中包的组合，中包里面是若干个炉的排列，如图13所示。

解里的中包之间无前后顺序之分。解的邻域设计为：针对解里的每一个中包，在所有组成的中包中，选择没有被选中的中包与之交换，由于有虚拟中包的存在，选进解的中包不能与其他中包冲突(即该中包不能与解内其他中包含有相同的炉次或者具有相同物理炉次的炉次)。依次在原来解的基础上交换每一个中包，所有可行的交换构成了邻域空间，如图14所示。

中间包禁忌搜索的禁忌表中记录的是以上L次交换过的中间包的顺序号(下标号)，L是禁忌表的长度，当禁忌表满了后，新加入的元素加入到表头，最后一个元素退出禁忌表，禁忌表是一种先进先出的对列。例如，当代交换的是中包m和中包n，那么向禁忌表中加入(m，n)，详见示意图15。如果禁忌表中加入元素(m，n)，那么在后L代中，交换(n，m)被禁忌。如果交换(n，m)后目标函数优于渴望水平函数值，交换那么(n，m)虽然被禁忌，但仍然可以交换，叫做破禁。

邻域选优规则：在每一代迭代开始，选取解中的一个中包，依次与解外与这个中包不冲突(不含有相同物理炉次)的中包进行交换，计算该交换对目标函数的改进量并判断该交换是否被禁忌。记录所有被禁忌且能够破禁的交换以及该交换得到的解，选取其中对目标函数改进最大的交换M_a和解S_a.记录没有被禁忌的所有交换中对目标函数改进最大的交换M_b和解S_b.比较这两个解，选取其中好的交换作为本次迭代的交换。

炉次禁忌搜索邻域：炉次禁忌搜索与中间包禁忌搜索类似，邻域定义为选中解中某个中间包里的某个炉次与解外可以与之交换的炉次进行交换。可以交换的条件是换入的炉次不能与解中的炉次冲突(含有相同的物理炉次)，换入的炉次的CC_Code与中包的CC_Code相同。换入炉次的宽度必须满足中间包宽度条件。换入的炉次并不是只放入换出炉次的位置，而是放在所有能放的位置，这样可以换入的炉次就可能是多个宽度，增加了邻域规模，如图16所示。

禁忌表中存储以上若干代的交换信息，例如：当前邻域搜索结果是换出解中第3个中包第4炉，炉号是100，换入的炉号是200，则禁忌表中加入的信息是(200，100，3，4)。这样在此后的若干代中不允许第三个中包的第四炉-炉号是100的炉与炉号是200的炉交换。这样就避免了交换中出现循环，即100与200反复交换的情况。在实际测试过程中，由于数据的特点，出现了相邻几代循环交换的情况，即当前代交换炉100，炉200，下一代炉200与炉250交换，这样炉200换进来后又换出去，再下一代炉300与炉100交换又把炉100换进解内，紧接着又出现炉100与炉200交换，这样就构成了一个环(见图17)，不利于算法跳出局部最优。因此，交换的时候上一代换入的不准再换出，上一代换出的不准再换入。在若干代后，同样的交换(炉100与炉200)也被禁忌。

本发明的优点和技术上的进步：

(1)中间包批量计划问题属于从炼钢一连铸批量计划中提炼出一类新的研究问题，在考虑限制中间包内连铸机两流的调宽次数的工艺约束的前提下，对炉次最优组合到中间包连浇，旨在提高中间包的使用率，降低生成成本，同时在制定炼钢-连铸生产计划阶段兼顾企业整体生产物流的顺畅性，如热轧对烫辊材的需求，精整阶段各机组的前端库的物流平衡，精炼炉的产能约束等。

(2)分析了实际生产中需要考虑的工艺约束、计划编制依据，优化目标等，创新性的建立了最优化数学模型，学科定量的描述了问题特征。

(3)针对问题模型的特征，提出了求解问题的两阶段多邻域禁忌搜索算法，算法设计中充分考虑了优化目标的主次，能够得出直接用于指导生产的计划，从仿真结果中看出采用本发明中提出的两阶段多邻域禁忌搜索算法得出计划结果的各项指标明显优于现场人工排产得出的计划结果的各项指标，这说明采用两阶段多邻域禁忌搜索算法可以使中间包批量计划编制比人工经验所得结果更优。此外，本发明的两阶段多邻域禁忌搜索算法编制计划的时间也大大快于人工排产的计划编制时间。应用本发明能够显著提高计划编制的效率，降低计划编制人员的工作强度，提高计划编制的质量，优化尘产实施。

附图说明

图1为本发明系统的工艺参数设置模块逻辑流程图，

图2为本发明系统的原始数据下载模块逻辑流程图，

图3为本发明系统的批次计划需求设置模块逻辑流程图，

图4为本发明系统的模型算法参数设置模块逻辑流程图，

图5为本发明系统的优化算法流程图，

图6为本发明系统的计划指标统计界面逻辑流程图，

图7为本发明系统的计划结果统计界面逻辑流程图，

图8为本发明系统的计划手动调整模块逻辑流程图，

图9为本发明系统的计划结果上权模块逻辑流程图，

图10为本发明系统与钢铁企业数据库关系及接口示意图，

图11为本发明方法的步骤流程图，

图12为中间包批量计划问题结构示意图，

图13为解的结构示意图，

图14为禁忌搜索交换中间包示意图，

图15为禁忌表元素更新示意图，

图16为禁忌搜索交换炉示意图，

图17为交换过程中形成的环示意图，

图18为本发明系统的CC_Code静态表界面图，

图19为本发明系统原始数据下载模块显示界面图，

图20为本发明系统批次计划的需求设置界面图，

图21为本发明系统模型算法参数设置界面图，

图22为本发明系统模型算法界面图，

图23为本发明系统计划指标统计显示界面图，

图24为本发明系统计划结果显示界面图，

图25为本发明系统生产计划人工调整模块界面图，

图26为本发明系统生产计划上传模块界面图。

具体实施方式

本发明的中间包批量计划优化系统是基于钢铁企业的的信息平台，但又相对独立的本地系统，系统拥有自己的数据库，前端显示界面，和基于数学模型的计划编制优化算法，功能模块包括：工艺静态参数设置模块，原始数据下载模块，模型算法参数设置模块，批次计划需求设置模块，生产计划自动生成模块，生产计划人工调整模块，计划指标统计显示模块，计划结果统计显示模块。

以某钢铁公司炼钢厂试验生产数据为例，使用本发明的方法进行中间包批量计划安排主要按以下步骤：

(1)设置工艺的静态参数，即CC_Code设置，如图18所示。

(2)从钢铁企业现行的信息系统上下载原始数据。如图19所示。

(3)设定批次计划的需求数据，即根据计划员对各个工序的物流平衡分析，设定批次计划总炉数、RH精炼炉数、烫辊材、流向的目标值，如图20所示。

(4)设定模型算法的参数，首次可以按默认参数设置，针对模型计算结果，可以调整算法参数重新运转模型，得到新的结果，如图21所示。

(5)基于中间包批量计划的数学模型和优化算法，自动生成批次计划结果，如图22所示。

(6)查看模型计算结果，可以通过计划指标统计显示模块查看总炉次、RH炉次、烫辊材、以及流向的模型计算结果，如图23所示；计划结果统计显示模块查看炉次到中间包的组批情况，如图24所示。

(7)针对模型得到的计划结果，计划员采用手动，得到满意的计划结果。对已经组批的中间包内的炉次进行增、删、换调整，调整的过程中同样需要考虑中间包的组批要求，如图25所示。

(8)将计划结果从中间包批量计划优化系统上传到钢铁企业的ERP信息平台上，供计划员下发生产计划，如图26所示。

实验证明采用本发明的模型和算法得出自动计划编制结果(未经手工调整)。如表1，2的计划指标结果显示；由计划结果可以看出，流向的计划结果量同计划目标的偏差很小，烫辊材、总炉数、RH炉数的偏差同样也很小。中间包使用寿命都得以充分发挥，即全部都是满中间包浇铸。由本发明提出的基于数学模型和智能优化算法的出的计划结果很好的满足了计划编制的需求。表1为中间包批量计划各项指标统计；表2为中间包批量计划编制结果。

指标		计划上限	计划下限	计划目标	模型结果
						炉数(炉)		48	43	45	46
RH(炉)		25	20	22	22
						烫辊材(吨)		1200	500	800	799
流向(吨)	237	2300	1500	2000	1938
						404	600	0	300	24
	418	300	0	60	0
						460	2800	2000	2500	2063
	580	4000	3000	3500	3002
						581	600	0	440	365
	836	3500	2500	3000	2916
						X38	300	0	100	74
	X39	800	0	500	303
						X55	800	0	500	570

                                     表1

序号	炉数	CC_Code	最大宽度	最小宽度	备注
						1	6	130160	1350	1350	满中间包
2	6	130160	1250	1250	满中间包
						3	6	130160	1150	1050	满中间包
4	6	130160	950	950	满中间包
						5	5	130750	1100	1100	满中间包
6	5	140250	1250	1150	满中间包
						7	4	140740	1300	1300	满中间包
8	4	140740	1250	1250	满中间包
						9	4	140740	1200	1200	满中间包

                                    表2

Claims (5)

1、一种炼钢-连铸中间包批量计划方法，其特征在于包括以下步骤：

(1)设置工艺的静态参数-CC_Code设置，即出钢记号所属连浇簇设置；

(2)从钢铁企业现行的信息系统上下载原始数据，包括：材料号，合同号，预定制造命令号，预组炉号，出钢记号，板坯重量，板坯厚度，板坯宽度，轧制厚度，轧制宽度，硬度组代码，板坯去向，热钢卷去向，材料组别，流向代码，精炼路径代码，烫辊材标记，交货日期，集批代码，厂内交货日期，按周交货标志，合同拖期标记，出口标记，合同性质代码；

(3)设定批次计划的需求数据，即根据计划员对各个工序的物流平衡分析，设定各流向的计划目标重量，计划重量上限，计划重量下限；设置烫辊材的计划目标重量，计划重量上限，计划重量下限；RH精炼计划目标炉次数，RH精炼计划炉次数上限，RH精炼计划炉次数下限；设置批次计划目标总炉数，批次计划总炉数上限，批次计划总炉数下限；

(4)设定模型算法的参数，首次可以按默认参数设置，针对模型计算结果，可以调整算法参数重新运转模型，得到新的结果；

(5)基于中间包批量计划的数学模型和优化算法，自动生成批次计划；

(6)查看模型计算结果，可以通过计划指标统计显示模块查看总炉次、RH炉次、烫辊材、已经流向的模型计算结果；计划结果统计显示模块查看炉次到中间包的组批情况；

(7)针对模型得到的计划结果，计划员采用手动，得到满意的计划结果，对已经组批的中间包内的炉次进行增、删、换调整，调整的过程中同样需要考虑中间包的组批要求；

(8)将计划结果从中间包批量计划优化系统上传到钢铁企业的ERP信息平台上，供计划员下发生产计划。

2、根据权利要求1所述的炼钢-连铸中间包批量计划方法，其特征在于步骤(5)所述的中间包批量计划的数学模型是从炉次计划产生的候选炉次池中选取一定数目的炉次，并且按照所选炉次两流浇铸宽度，所选炉次优先级，所选炉次内板坯流向和炉内烫辊材板坯，所选炉次精炼路径，中间包最大可连浇炉数，考虑连浇规则，调宽次数、幅度，机组物流平衡，产能约束，对炉次组批到中间包连浇，使得完成批次计划的中间包数目最少；以及由调宽导致的T形坯和不同出钢记号连浇导致的交接坯惩罚最小；做进批次计划的炉次内合同板坯的优先级奖励最大；做进批次计划的炉次内的板坯在各流向上的重量同各流向计划需求的偏差最小；做进批次计划的炉次内的烫辊材重量同烫辊材的计划需求的偏差最小；做进批次计划需RH精炼的炉次数同RH精炼的计划炉次数偏差最小，可用下列的目标函数表示：

$\mathrm{Minimize}\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{llh}}{y}_{\mathrm{lr}}+\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{klh}}^1{x}_{\mathrm{klhr}}+\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}{c}_{\mathrm{kl}}^2{z}_{\mathrm{klr}}+$

$c_l\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{\mathrm{Olr}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{p}_l{y}_{\mathrm{lr}}+\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\λ}}_f|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}-O_f|+$

${\mathrm{\λ}}_{\mathrm{pre}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}-O_{\mathrm{pre}}|+{\mathrm{\λ}}_{\mathrm{RH}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}}-O_{\mathrm{RH}}|---\left(1\right)$

Subject to

z_klr＝x_klhr    k，l∈P，r∈M，h∈{1，2}            (2)

$\underset{k\≠l,k\∈\left\{0\right\}\∪P}{\mathrm{\Σ}}{z}_{\mathrm{klr}}=\underset{k\≠l,k\∈\left\{0\right\}\∪P}{\mathrm{\Σ}}{z}_{\mathrm{lkr}}=y_{\mathrm{lr}},l\∈P,r\∈M---\left(3\right)$

$\underset{r\∈M}{\mathrm{\Σ}}{y}_{\mathrm{lr}}\≤1,l\∈P---\left(4\right)$

$\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{\mathrm{Olr}}\≤m---\left(5\right)$

$L_f\≤\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}\≤U_f,f\∈F---\left(6\right)$

$L_{\mathrm{pre}}\≤\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}\≤U_{\mathrm{pre}}---\left(7\right)$

$L_{\mathrm{RH}}\≤\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}}\≤U_{\mathrm{RH}}---\left(8\right)$

$L_{\mathrm{chr}}\≤\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{y}_{\mathrm{lr}}\≤U_{\mathrm{chr}}---\left(9\right)$

$\underset{l\∈P}{\mathrm{\Σ}}{r}_l{y}_{\mathrm{lr}}\≤1,r\∈M---\left(10\right)$

$0\≤\underset{r\∈M}{\mathrm{\Σ}}(B_{\mathrm{lh}}-E_{\mathrm{lh}})y_{\mathrm{lr}}\≤{\mathrm{\σ}}_2,l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(11\right)$

$0\≤\underset{r\∈M}{\mathrm{\Σ}}(E_{\mathrm{kh}}-B_{\mathrm{lh}})x_{\mathrm{klhr}}\≤{\mathrm{\σ}}_2,k,l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(12\right)$

$\frac{\underset{r\∈M}{\mathrm{\Σ}}(B_{\mathrm{lh}}-E_{\mathrm{lh}})y_{\mathrm{lr}}}{P_{\max }}\≤s_{\mathrm{lh}}\≤P_{\max }\underset{r\∈M}{\mathrm{\Σ}}(B_{\mathrm{lh}}-E_{\mathrm{lh}})y_{\mathrm{lr}},l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(13\right)$

$\frac{\underset{r\∈M}{\mathrm{\Σ}}(E_{\mathrm{kh}}-B_{\mathrm{lh}})x_{\mathrm{klhr}}}{P_{\max }}\≤s_{\mathrm{klh}}\≤P_{\max }\underset{r\∈M}{\mathrm{\Σ}}(E_{\mathrm{kh}}-B_{\mathrm{lh}})x_{\mathrm{klhr}}k,l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(14\right)$

$\underset{l\∈P}{\mathrm{\Σ}}{s}_{\mathrm{lh}}{y}_{\mathrm{lr}}+\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}{s}_{\mathrm{klh}}{x}_{\mathrm{klhr}}\≤f_{\mathrm{hr}},r\∈M,h\∈\left\{\mathrm{1,2}\right\}---\left(15\right)$

$c_{\mathrm{klh}}^1=\left\{\begin{array}{cc}0& \mathrm{if}{E}_{\mathrm{kh}}-B_{\mathrm{lh}}=0\\ k_{11}& \mathrm{if}{E}_{\mathrm{kh}}-B_{\mathrm{lh}}={\mathrm{\σ}}_1\\ k_{12}& \mathrm{if}{E}_{\mathrm{kh}}-B_{\mathrm{lh}}={\mathrm{\σ}}_2\\ \∞& \mathrm{otherwise}\end{array}\right.---\left(16\right)$

$c_{\mathrm{llh}}=\left\{\begin{array}{cc}0& \mathrm{if}{B}_{\mathrm{lh}}-E_{\mathrm{lh}}=0\\ k_{11}& \mathrm{if}{B}_{\mathrm{lh}}-E_{\mathrm{lh}}={\mathrm{\σ}}_1\\ k_{12}& \mathrm{if}{B}_{\mathrm{lh}}-E_{\mathrm{lh}}={\mathrm{\σ}}_2\\ \∞& \mathrm{otherwise}\end{array}\right.---\left(17\right)$

x_klhr∈{0，1}    k，l∈P，h∈{1，2}，r∈M                        (18)

z_klr∈{0，1}     k，l∈P，r∈M                                   (19)

y_lr∈{0，1}      l∈P，r∈M                                      (20)

s_lh∈{0，1}      l∈P，h∈{1，2}                                 (21)

s_klh∈{0，1}     k，l∈P，h∈{1，2}                              (22)

$B_{\mathrm{lh}}\∈\underset{i\∈\left\{\mathrm{1,2}\right\},j\∈\{\mathrm{0,1},\·\·\·,n_i\},w_{l\min }+n_i{\mathrm{\σ}}_i\≤w_{l\max }}{\∪}\{w_{l\min }+j{\mathrm{\σ}}_i\}l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(23\right)$

$E_{\mathrm{lh}}\∈\underset{i\∈\left\{\mathrm{1,2}\right\},j\∈\{\mathrm{0,1},\·\·\·,n_i\},w_{l\min }+n_i{\mathrm{\σ}}_i\≤w_{l\max }}{\∪}\{w_{l\min }+j{\mathrm{\σ}}_i\}l\∈P,h\∈\left\{\mathrm{1,2}\right\}---\left(24\right)$

其中：

模型参数定义如下：

P：炉次集合；

M：中间包集合，r∈M；

F：流向集合，f∈F；

h：流下标，h∈{1，2}；

c_kl ¹：炉次k、l之间出钢记号差异所引起的惩罚费用，定义如下：

c_l：中间包费用；

p_l：炉次l的优先级奖励；

m：完成批次计划使用的中间包数目的上限；

b_lf：炉次l内f流向的板坯的总重量；

d_l：炉次l内烫辊材板坯的总重量；

e_l：炉次l是否需要经过RH精炼，定义如下：

L_f：计划需求具有流向f板坯重量的上限；

U_f：计划需求具有流向f板坯重量的下限；

O_f：计划需求具有流向f板坯重量的目标值；

L_pre：计划需求烫辊材板坯重量的上限；

U_pre：计划需求烫辊材板坯重量的下限；

O_pre：计划需求烫辊材板坯重量的目标值；

L_RH：计划需经RH精炼炉次数的上限；

U_RH：计划需经RH精炼炉次数的下限；

O_RH：计划需经RH精炼炉次数的目标值；

L_chr：计划炉次总数的上限；

U_chr：计划炉次总数的下限；

O_chr：计划炉次总数的目标值；

r_l：炉次所属CC_Code钢种在中间包最大连浇炉数的倒数；

σ_i：连铸工艺允许的第i种调宽幅度；

f_hr：在同一中间包连浇的炉次在h流允许的最大调宽次数；

w_lmin：炉次l的两流允许的最小(大)浇铸宽度；

w_lmax：炉次l的两流允许的最小(大)浇铸宽度；

决策变量定义如下：

x_klhr：炉次l的流h紧接炉次k的流h在中间包r内；

z_klr：炉次l紧接炉次k在中间包r内；

y_lr：炉次l在中间包r内；

s_lh：炉次k的h流的调宽次数；

s_klh：炉次k，l的流h间的调宽次数；

B_lh：炉次l流h的首宽；

E_lh：炉次l流h的尾宽；

c_klh ¹：炉次k、l的h流调宽所引起的T形坯惩罚费用；

c_llh：炉次l的h流调宽所引起的T形坯惩罚费用；

另外，式(2-24)表示约束条件。

3、根据权利要求1所述的炼钢-连铸中间包批量计划方法，其特征在于步骤(5)中所述的优化算法包括以下步骤：

步骤1.松弛约束(6)、(7)、(8)到目标函数，同时忽略原目标函数的第一、二、三项，和第六、七、八项，将原模型松弛为一个相对简单的模型，松弛后模型的目标函数为：

$\mathrm{Minimize}{,c}_l\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{\mathrm{Olr}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{p}_l{y}_{\mathrm{lr}}+$

$\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\α}}_f\max (\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}-U_f,0)+\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\β}}_f\max (L_f-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}},0)+$

${\mathrm{\α}}_{\mathrm{pre}}\max (\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}-U_{\mathrm{pre}},0)+{\mathrm{\β}}_{\mathrm{pre}}\max (L_{\mathrm{pre}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}},0)+$

${\mathrm{\α}}_{\mathrm{RH}}\max (\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}}-U_{\mathrm{RH}},0)+{\mathrm{\β}}_{\mathrm{RH}}\max (L_{\mathrm{RH}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}},0);$

步骤2.根据炉次两流的首尾宽度以及出钢记号所属的CC_Code，将原炉次(物理炉次)复制为多个虚拟炉次(逻辑炉次)，即每个炉次内的板坯相同，但各流的浇铸宽度和所属CC_Code不同；

步骤3.对所有的虚拟炉次，按照CC_Code分组，对各CC_Code组内的虚拟炉次，按照虚拟炉次的平均宽度(两流的首尾宽度之和除4)排序得到炉次队列，在满足一个中间包内两流各允许调宽一次的限制，和中间包在当前CC_Code最大连浇炉数限制，从前到后选择“虚拟炉次”装入中间包，同时确保属于相同“物理炉次”的“虚拟炉次”不允许装入同一中间包，当中间包装满或中间包内装入任何新“虚拟炉次”都违反两流调宽一次限制时，从炉次队列中排除当前中间包内的“虚拟炉次”，同时将当前中间包加入中间包队列，换一个新中间包重复上述操作，直至炉次队列为空；

步骤4.从中间包队列中选取对步骤1中定义目标函数贡献最大的中间包，确保选取的中间包内的“虚拟炉次”同已选中间包内的“虚拟炉次”不存在相同的“物理炉次”，重复上述操作直到选取的中间包内炉次总数处于计划炉次总数的上下限(U_chr、L_chr)范围内，上述操作选取的多个中间包作为松弛问题的的一个解；

步骤5.以解内中间包和中间包队列中未选中间包两交换作为邻域，在满足可行性的条件下，以步骤4得到的解为初始解进行中间包禁忌搜索得到一个当前最优解；

步骤6.以解内“虚拟炉次”和解外未选“虚拟炉次”两交换作为邻域作为邻域，在满足可行性的条件下，以步骤5得到的解为初始解进行炉次禁忌搜索得到一个当前最优解S_c，设S_h为历史最优解，如果S_c＜S_h，S_h＝S_c；

步骤7.由步骤5得到的解为初始解S_c，采用Kick策略，在解S_c内剔除一个中间包，同时以所有未选“虚拟炉次”组成新炉次队列，重复步骤3得到中间包队列，在满足可行性的条件下，选取一个对目标函数改进最好的中间包到解S_c中，得到一个新的初始解s_k，t_k＝t_k+1，当t_k不超过设定的代数，以S_k为初始解，转步骤6；否则，转步骤8；

步骤8.转换目标函数为原目标函数，即：

$\mathrm{Minimize}\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{llh}}{y}_{\mathrm{lr}}+\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}\underset{h\∈\left\{\mathrm{1,2}\right\}}{\mathrm{\Σ}}{c}_{\mathrm{klh}}^1{x}_{\mathrm{klhr}}+\underset{r\∈M}{\mathrm{\Σ}}\underset{k\∈P}{\mathrm{\Σ}}\underset{l\≠k,l\∈P}{\mathrm{\Σ}}{c}_{\mathrm{kl}}^2{z}_{\mathrm{klr}}+$

$c_l\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{z}_{\mathrm{Olr}}-\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{p}_l{y}_{\mathrm{lr}}+\underset{f\∈F}{\mathrm{\Σ}}{\mathrm{\λ}}_f|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{b}_{\mathrm{lf}}{y}_{\mathrm{lr}}-O_f|+$

${\mathrm{\λ}}_{\mathrm{pre}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{d}_l{y}_{\mathrm{lr}}-O_{\mathrm{pre}}|+{\mathrm{\λ}}_{\mathrm{RH}}|\underset{r\∈M}{\mathrm{\Σ}}\underset{l\∈P}{\mathrm{\Σ}}{e}_l{y}_{\mathrm{lr}}-O_{\mathrm{RH}}|;$

步骤9.以S_h为初始解，同时修改可行性条件，即RH、烫辊材、流向保证在上下限范围内，以解内“虚拟炉次”和解外未选“虚拟炉次”两交换作为邻域，进行第二阶段炉次禁忌搜速得到新的历史最优解S_h；

步骤10.对解S_h内中间包的CC_Code重确定，使得所选中间包的CC_Code数目最少；

步骤11.对解S_h内未满炉次进行板坯插入，降低无委材；

步骤12.解内炉次板坯与解外炉次板坯两交换邻域搜索，进一步优化烫辊材、流向偏差和炉次内板坯的优先级奖励值。

4、根据权利要求3所述的炼钢—连铸中间包批量计划方法，其特征在于所述采用禁忌搜索算法的邻域设计，包括两类邻域：中间包搜索领域和炉次搜索领域；

中间包搜索邻域：针对解里的每一个中包，在所有组成的中包中，选择没有被选中的中包与之交换，由于有虚拟中包的存在，选进解的中包不能与其他中包冲突，即该中包不能与解内其他中包含有相同的炉次或者具有相同物理炉次的炉次，依次在原来解的基础上交换每一个中包，所有可行的交换构成了邻域空间；

炉次搜索邻域：选中解中某个中间包里的某个炉次与解外可以与之交换的炉次进行交换，可以交换的条件是换入的炉次不能与解中的炉次冲突，含有相同的物理炉次，换入的炉次的CC_Code与中包的CC_Code相同，换入炉次的宽度必须满足中间包宽度条件，换入的炉次并不是只放入换出炉次的位置，而是放在所有能放的位置，这样可以换入的炉次就可能是多个宽度，增加了邻域规模。

5、实现权利要求1所述炼钢-连铸中间包批量计划方法的系统，其特征在于该系统同钢铁企业的ERP信息平台之间进行信息交互，硬件配置为个人计算机和计算机网络，设有Microsoft SQL Server 2000数据库，前端显示界面，基于数学模型的计划编制优化算法，以及同钢铁企业的ERP信息平台的接口，该系统包括以下功能模块：工艺静态参数设置模块，原始数据下载模块，批次计划需求设置模块，模型算法参数设置模块，中间包批量计划自动生成模块，计划指标统计显示模块，计划结果统计显示模块，生产计划人工调整模块，生产计划上传模块：

(1)工艺参数设置模块，即设置出钢记号所属CC_Code静态表；

(2)原始数据下载模块，从现行钢铁企业的ERP系统中下载需要进行计划编制的原始数据，该数据记录为板坯信息，且包含了组炉信息；

(3)批次计划需求设置模块，按照一贯制思想，分析连铸下游的机组物流平衡，以及RH产能，设置当前批次连铸计划需求，主要包括批次计划的板坯到各流向的合理分配，热轧对烫辊材的合理需求，RH精炼的产能限制，批次计划要做的总炉数，总炉数，RH炉数，烫辊材，流向都要设置一个目标值，上限和下限；

(4)模型算法参数设置模块，该模块可在不同的参数设置下得出不同的计划结果，最后由计划员的偏好选取一组最合适的计划；

(5)生产计划自动生成模块，该模块根据批次计划需求设置模块设置的计划需求，模型算法参数设置模块设置的参数，基于本发明给出的数学规划模型和提供的禁忌搜索算法进行优化计算，得出一个候选批次计划，调整模型算法参数后，重新执行该模块可以得到另一个候选批次计划；

(6)计划指标统计显示模块，当生产计划自动生成模块生产候选批次计划后，可以通过此模块查看生成的候选计划的各项指标，包括总炉次、RH炉次、烫辊材重量、各流向上板坯总重量，以及上述指标同批次计划需求设置模块设置的各项指标目标值之间的偏差；

(7)计划结果显示模块，对于已经生成的候选批次计划，该模块以四个表分别显示浇次(CAST)信息、中间包信息、炉次信息、炉内板坯信息；

(8)生产计划人工调整模块，用以实现对中间包内炉次进行重新调整，包括插入新炉次、删除新炉次、炉次位置上移，炉次位置下移；

(9)生产计划上传模块，由计划员选取一个进行人工调整后的满意候选计划，上传到钢铁企业的现行ERP系统中，该模块主要通过远程文件传输的方式实现，即将选取的计划生成计划文件上传到ERP系统给定服务器文件目录下。

Images