李歧强[1]1998年在《生产过程的智能决策与调度》文中研究表明在实际生产过程中生产管理与调度是企业综合自动化系统的核心，一个合理的调度方案能给企业带来很大的经济效益；在理论上调度是一个多目标、多约束的优化问题，所以研究生产调度具有重要的理论意义和实用价值。 调度的复杂性、调度领域知识的多样性和生产环境的动态性决定了调度问题的解决单纯依靠人或计算机是难以完成的，必须把人、人工智能技术、数学规划和计算机有机地结合起来去研究调度问题。如何体现人在生产调度中的决策作用以及如何用多知识表达方式实现一个调度问题是本文研究工作的重点。本文主要包括以下内容： 从复杂系统的分析入手，研究了生产系统的分级问题。首先总结了一些分级原则，在此基础上给出了一个分级的生产系统。这种分级的生产系统不但层次清晰，任务明确，而且信息流向清楚，便于生产管理系统设计和分析时的应用。 生产调度的执行离不开生产计划的指导，为此我们研究了长期生产计划和短期生产计划的混合整数线性规划模型。该模型结构清晰，易于扩展，具有较高的实用价值。为了解决由急件产品或设备故障引起的产品生产周期的动态决策问题，我们提出了动态甘特图。该动态甘特图形象、直观，能辅助决策者迅速作出新的决策。 以状态任务网为基础建立的化工过程生产调度的模型具有层次清晰、容易理解和易于扩展等特点，但这种模型仍然摆脱不了维数爆炸或非线性问题。在研究了化工过程的生产调度模型之后，我们提出了具有约束指导的模拟退火算法，有效地解决了上述模型求解存在的问题。由于用部分约束指导模拟退火算法的解的产生，减少了不可行解，并由此大大减小了由约束违背所带来的目标值和各约束条件的计算量，较大地加快了算法的收敛速度。 为了有效利用调度经验规则支持动态调度问题，充分体现决策者的智能作用，本文建立了一种以分散式模糊神经网络为核心的模糊决策支持的生产调度系统。该系统的最大特点在于能通过各网络的推理提取一些新规
丁进良, 杨翠娥, 陈远东, 柴天佑[2]2018年在《复杂工业过程智能优化决策系统的现状与展望》文中研究说明流程工业是制造业的重要组成部分,是我国国民经济和社会发展的重要支柱产业.新一代信息技术和人工智能技术为流程工业的发展带来新的挑战和机遇.只有与流程工业的特点与目标密切结合,充分利用大数据,将人工智能、移动互联网、云计算、建模、控制与优化等信息技术与工业生产过程的物理资源紧密融合与协同,实现流程工业智能优化制造,才可能实现流程工业的跨越式发展.本文聚焦流程工业的复杂生产过程,从其智能优化决策系统的角度,描述了复杂工业过程优化决策系统的问题、回顾总结了复杂工业过程全流程优化决策系统的现状,分析了智能优化决策系统的必要性,提出了智能优化决策系统的发展目标及愿景,并对智能优化决策系统的下一步重点研究方向进行了展望.
刘觅[3]2016年在《基于云制造的单件定制生产智能调度关键技术研究》文中进行了进一步梳理为满足用户多样性和个性化的需求,单件定制生产逐渐成为企业的主要生产模式之一。由于单件定制产品工艺的多样性、复杂性,生产环境的随机性、动态性,生产周期的难控性,以及交货期、产品质量等的高标准性等,增加了企业生产调度的复杂性,增大了控制生产系统负荷的难度,导致制造资源利用率较低、对生产扰动无法及时响应等问题。为此,在单件定制生产下提高制造资源配置与调度效率成为亟待解决的问题。云制造融合了云计算、物联网、高性能计算和智能科学等技术,可集中、统一、智能化地管理及调度制造资源和制造能力,可有效提高资源配置与调度效率。“分散资源集中管理、集中管理资源分散服务”是云制造的典型特点。用户可通过云制造服务平台实时获取所需的制造资源及其全生命周期服务。为此,论文探索基于云制造平台构建单件定制生产智能调度管理模型的方法,并通过若干关键技术研究,建立了一套智能调度方案,以满足单件定制生产环境下的制造资源配置与调度需求。论文的主要研究内容与成果如下:(1)给出了基于云制造的单件定制生产智能调度问题,界定了智能调度的概念域,探析其运行机理,构建了相应管理模型,从过程管理的角度系统呈现智能调度的全貌。(2)研究了云服务储存管理模型及多工艺路线智能获取,解决云服务的组织和获取问题。基于粒计算构建了加工方案超网络模型,为单件定制生产智能调度所需的分布式资源提供分类化的云制造平台资源池;为快速获取所需资源,制定了加工特征语义匹配策略,并考虑云制造模式下的分布式资源特征,构建了基于云制造平台的工艺路线方案优选数学模型,同时引入改进群领导优化算法求解模型。(3)研究了最优工艺路线和调度集成方案获取,解决云制造平台上调度方案高效获取问题。基于已获得的多工艺路线,综合量子演化算法、群领导优化算法和混沌映射的各自优点,提出了混沌量子群领导算法,求解出具有集成性的最优工艺路线和调度方案,减少了工艺规划方案与调度方案在执行过程中的冲突。(4)研究了基于云制造平台的干扰管理策略,解决单件定制生产调度过程中的新订单插单和设备故障扰动问题。对于新订单插单问题,依托于远程监控技术,产品在使用过程中的运行状况可被实时监测,替换零部件的下单时间也可提前获知。在此基础上,通过云制造平台获取外协资源,实时调整调度方案,以减少新订单插单扰动情况下初始调度方案的目标偏差、降低扰动成本。对于设备故障问题,基于物联网技术和智能设备间通讯的特性,构建任务加工路径地图模型和设备故障扰动情况下的自组织调度策略,并以客户满意度和最小延期为目标,制定设备自组织单元与任务自组织单元相互选择的标准。通过研究,实现了生产调度过程中产品生产所需的制造资源在云制造平台上聚类与储存模型的构建,有效地集中组织并管理所需云服务,为云制造环境下的资源获取提供基础;提出了基于云制造平台的零件多工艺路线智能获取方法,提升了资源获取效率;改善了多工艺路线条件下调度方案生成的效果;制定了基于云制造平台的干扰管理策略,降低了生产扰动的影响。论文的研究内容及相关关键技术通过实例得到了验证,对单件定制生产调度相关研究具有重要借鉴意义,为云制造的应用领域研究提供了借鉴方法。
徐迭石[4]2017年在《大数据环境下车间生产异常的智能发现与响应方法研究》文中进行了进一步梳理云制造及工业大数据等新兴技术为制造企业带来机遇的同时,也为制造执行系统(Manufacturing Execution System,MES)的更新与升级带来了新的挑战。作业计划与调度作为贯穿制造执行系统的内部过程,是将MES与外部系统相连的主线。作业计划与调度优化是体现MES先进性的技术核心。首先,为了解决MES中作业计划与调度优化问题,采用基于软件体系结构优化的设计思路,对体系结构中的关键点进行深入分析。并设计了从作业计划静态化制定,到作业执行实时监控与主动感知,再进行生产异常智能响应,最后到作业调度动态调节的完整体系结构,并给出了调度优化问题的全局性解析,保证了理论研究与实践应用之间的高契合度。其次,对车间生产异常发现、异常智能化处理两大关键问题进行大数据环境下的拓展研究,利用数据挖掘的预测分析能力,打造具备生产异常发现与处理和自我分析能力的制造系统。针对生产异常发现问题,综合时间序列和因果关系两个维度,建立了基于时序序列上多决策树的车间异常事件预警模型,保证了预测异常结果的准确性和可靠性。针对生产异常智能化处理问题,借鉴预测式制造的先进想法,参照制造状况评估、早期异常诊断、未来失效时间推断以及主动维护的过程提出解决方案。并对切削关键设备的刀具组件进行衰退状态监测与量化,提出了基于时序的多神经网络决策模型,实现了多层次的刀具组件寿命预测目标,为故障诊测与健康管理在MES中应用提供了思路。最后,应用某电机厂为应用案例,利用IEC/ISO 62264标准、数据挖掘以及由虚拟化、服务化和面向服务的体系结构(Service-Oriented Architecture,SOA)等组成的云计算技术实现了MES作业计划与调度综合优化系统,验证了上述理论与方法的有效性。
龚永民[5]2016年在《炼钢流程生产作业计划编制相关基础问题研究》文中研究表明炼钢流程是钢铁生产的关键环节,生产作业计划是其生产运行控制的依据。合理的生产作业计划可以降低物耗与能耗成本、增加收益、稳定质量,并直接提升企业的核心竞争力。为此,通过对炼钢流程生产作业计划相关的连铸机开浇决策、生产运行稳定顺行高效等基础性问题的深入研究,以提升和发挥炼钢厂制造执行系统MES(Manufacturing Execution System,MES)的生产计划调度功能,最终实现以信息化为基础的生产运行优化控制模式取代传统的人工经验控制模式,成为钢铁企业广泛关注并亟待解决的重要课题。由于炼钢流程是一个由多阶段大型高温生产单元所构成的、离散与连续工序相混杂的系统,具有多目标、多约束、动态变化等复杂系统特征,而在不同的炼钢厂由于工艺流程方面的各自不同特点,致使建立统一且有效的生产作业计划模型难度较大,而经简化抽象建立的通用性模型或算法与炼钢厂的现实生产需求之间通常存在较大的差异。对炼钢流程生产作业计划编制相关问题的研究综述和炼钢厂制造执行系统应用情况的调研可见,已有研究对于连铸机开浇、连连浇决策问题、多目标要求下的连铸机组浇开浇优化问题,能动态反映炼钢厂现实生产稳定性特征的仿真方法问题等方面认识不足、手段有限;炼钢厂MES系统的生产计划调度功能与生产管理要求之间尚存在不适应性,影响了炼钢厂“有序、稳定、高效”的生产目标的实现。有鉴于此,以现实生产为背景,提出开展“炼钢流程生产作业计划编制相关基础性问题研究”的博士论文课题,主要围绕炼钢厂的连铸机开浇/连浇决策、连铸机组浇开浇多目标优化、生产运行的仿真优化手段等问题开展建模、优化求解算法与生产组织运行优化分析等研究工作,为炼钢流程生产作业计划已有研究成果的有效应用提供更可靠的前提条件,并为炼钢厂生产管控人员对生产稳定控制的认识提供一种新的仿真分析手段。论文的主要创新点及研究结论概述如下:1)建立了连铸机开浇决策的混合整数规划模型,并基于MATLAB软件的YALMIP优化工具进行模型求解。为了通过生产物流稳定顺行来降低生产成本,针对炼钢厂连铸机开浇时是否连浇及开浇时间确定问题,以控制积压液态金属量成本最小和连续浇铸的连续化程度收益最大为目标,在综合考虑进铁量、安全生产线液态金属量(简称安全在线金属量)、金属损耗、浇铸钢水量等涉及铁钢资源平衡的各因素之间的相互关系以及时间与生产线液态金属量(简称在线金属量)约束的条件下构建了连铸机开浇决策的混合整数规划模型,并设计相应的模型求解方法。2)构建了连铸机的开浇炉次与时间决策的多目标优化模型,并设计了改进的非支配排序遗传算法-INSGAII算法。针对现实连铸机开浇决策中需同时确定炉次选择、排序与开浇时间的多目标优化难题,以炼钢厂生产批量计划执行情况的总惩罚、生产线积压液态金属量、优质铁水非有效利用量最小为目标函数,构建了连铸机的开浇炉次与时间决策的多目标优化模型;基于非支配排序遗传算法设计了改进的NSGAII算法进行模型求解,以预选池内选择的炉次序号为基因的编码方式来减小模型解的无效搜索空间,采取调整传统精英解集计算顺序、限定计算拥挤距离个体数目的改进措施来减轻计算负荷,利用对pareto解进行模糊选优的方法来确定最终优化解。3)建立了炼钢厂生产线金属量控制的系统动力学仿真模型,并以某炼钢厂的实际生产数据对模型进行仿真分析,来动态反映炼钢厂现实生产的稳定性特征。基于系统工程的思想方法,在综合考虑生产作业计划需求流量、生产线金属量的目标库存、实际库存、库存偏差等信息,以及相关物质流影响的基础上,建立了以炼钢厂生产线金属量为控制水平变量的系统动力学仿真模型。4)以某炼钢厂生产条件为对象的优化模型应用测试表明:(1)炼钢厂连铸机的开浇时间决策优化模型可以实现连铸机浇次开浇时间的科学计算,有助于稳定各班次之间的生产条件,降低生产线上的积压液态金属量,编制出合理的炼钢厂生产作业计划;(2)连铸机开浇炉次与时间多目标决策模型有利于连铸机上各炉次浇铸周期的稳定控制,并有利于在炼钢流程切实推行计划管理,改进的非支配排序遗传算法的效率优于传统的非支配排序遗传算法与强度pareto进化算法。系统动力学模型仿真研究表明:(1)有生产作业计划指导下炼钢-连铸区域的运行状态明显较无作业计划指导的铁水预处理区更稳定,因此,炼钢厂应实行按全流程的生产作业计划的运行管控;(2)当加快生产节奏提高连铸机的拉速时,在线金属量应同步提高,否则会因为在线金属量的降低,而导致生产不稳定。5)为进一步检验所建立的多目标开浇决策与系统动力学模型的实用性,进行了联合仿真实验研究。通过将前者决策结果作为后者输入参数,并以实例炼钢厂的生产数据为依据,分别对连铸机的开浇时间、品种钢比例、连铸机数量等指标与炼钢厂各区域在线金属量的影响关系进行联合仿真实验,仿真研究表明:在进铁流量一定的情况下,(1)推迟开浇时间或者增大品种钢比例会使在线金属量增高;(2)增加连铸机数量会降低炼钢厂各区域在线金属量;(3)在进铁流量存在差异情况下,平稳进铁较随机进铁更有利于在线金属量的稳定控制。综上所述,本文所建立的炼钢厂连铸机开浇时间决策优化模型、连铸机开浇炉次与时间决策的多目标优化模型,为科学确定炼钢厂连铸机的开浇时间与开浇炉次提供了新的技术手段,为炼钢流程生产作业计划编制的假设条件问题提供了科学决策方法;所建炼钢厂生产线金属量控制的系统动力学模型,以及针对多目标开浇决策与系统动力学模型的联合仿真实验研究,为深入认识炼钢厂生产线上液态金属量动态变化特性提供了新方法,给炼钢厂生产运行的稳定控制提供了有效的仿真分析手段。
闫萍[6]2009年在《石化生产过程批决策及批调度问题研究》文中研究指明当前全球经济的竞争日趋激烈,如何科学地提高生产效率、快速反映不断变化的市场需求等对于石化企业的生存和发展至关重要,成为企业赢得市场竞争的关键因素。石化企业生产组织的科学管理是提高企业核心竞争力的有效途径之一,而生产计划与调度是生产作业管理的关键,只有科学有效地制定和执行生产计划与调度方案,才能缩短生产周期,减少资源和能源消耗,降低生产成本,提高产品质量。本文以石化工业的批处理生产过程为背景,研究了生产计划与调度的建模与近似求解方法。对并行机调度,研究了基于连续时间的建模方法。针对石化生产的分批决策问题和批组决策问题,分别提出了改进的连续粒子群算法与离散粒子群算法。针对单机集成批调度问题,提出了粒子群算法与人工免疫算法的混合算法；对并行机集成批调度问题,提出粒子群算法与差分进化算法的混合算法；针对多阶段的批流集成批调度问题,提出了基于序优化的离散粒子群算法。研究内容概述如下：1)针对匀速并行机调度问题,研究了基于连续时间的建模方法。在建模过程中,预先给定各处理设备上的时间槽数目,利用0-1变量将加工任务分配到各设备的时间槽中,再通过引入连续变量定义各个时间槽的调度时间表。根据分配变量下标的不同定义方法,通过变换空时间槽在时间轴上的位置,分别提出了基于3-索引和2-索引的混合整数规划模型。为了提高模型的求解效率,采用两种启发式方法近似计算各设备上所需的时间槽数目,并提出两类启发式模型。通过实验比较了上面建立的混合整数线性规划模型之间的优势和缺点。2)以石化工业生产中具有分叉、聚合、循环和多进多出等多种复杂物流形式的批处理过程为背景,研究了一类分批决策生产计划问题。石化生产分批决策问题是指在满足生产工艺约束的条件下如何确定各加工任务的批量大小及批次数目,以实现优化某种生产指标的目标。该类问题的难点在于工艺约束十分复杂,包括产品输出的柔性分配、有限中间产品存储策略、易变质的中间化学品以及多种复杂的物流形式。为了降低问题的求解难度,首先对问题最优解的性质进行分析。基于该问题最优解的结构与性质,提出一种改进的连续粒子群算法求解该问题。为了解决分批决策问题中的大量复杂工艺约束,算法中引入一种新的约束处理机制,包括前向修复策略和基于约束适应值方法,加速了种群向问题可行解区域的收敛过程。在粒子群算法中还嵌入了针对全局最好粒子的局部搜索策略,进一步改进了算法的性能。算法在小规模的测试集合中,获得所有测试实例的最优解；在大规模的测试集合中,算法与优化软件CPLEX获得的目标函数下界值的偏差均在5%以内。3)针对石化批决策问题中的批组生产计划问题,研究了一类具有固定批量类型的批组决策问题。批组决策问题是指在满足资源和库存等方面约束条件下确定各生产设备上连续生产隶属相同产品类型的多个批量的集合,以实现优化某种生产指标的目标。该问题的特点是设备的生产能力随着时间周期发生变化,批组间切换的调整时间和费用与产品类型相关,并且不允许在两个相邻的时间周期内生产相同的产品。针对该问题,提出一种改进的离散粒子群算法。基于对最优解性质的分析过程,设计一种基于“产品类型-时间周期”的二进制离散粒子编码方法,并提出一种前向启发式算法确定各批组的大小。算法对粒子的速度给出新的定义,构造了一种新颖的移动策略定义粒子的位置更新过程。为了避免算法种群陷入局部最优点,在算法中引入一种粒子速度和位置的扰动策略,有效增加了种群的多样性。通过对大量不同规模的算例进行实验,与商用优化软件的计算结果进行比较,验证了算法的有效性。4)以单台处理机的批处理过程为背景,研究了一类具有可变的批量大小、相同的批量处理时间、与批量加工顺序无关的设备调整费用等特征的集成批调度问题。以最小化客户合同的拖期费用和批量的设备调整费用为目标,对该问题建立非线性混合整数规划模型。提出一种改进的粒子群算法与人工免疫算法的混合算法框架对其进行求解。将粒子编码为各种产品类型的分批方案,通过设计启发式算法确定分批方案中各批量的调度时间表,即批调度决策。为了保证算法始终在可行区域内搜索,设计了对不可行粒子的修复策略。在粒子种群进化过程中嵌入人工免疫算法的优化机制,较好地避免了种群在进化后期容易陷入局部最优点的现象。针对不同参数结构算例的实验结果表明,提出的算法性能优于遗传算法和未引入人工免疫算法优化机制的标准粒子群算法。5)在并行机的生产环境下,研究了一类具有批量大小和处理时间可变、设备生产能力有限和设备处理柔性等特点的集成批调度问题。以最小化makespan为目标,建立混合整数线性规划数学模型。基于对该问题最优解性质的分析,设计了粒子的编码和译码方法,提出一种改进的粒子群优化算法对其进行求解。针对种群进化过程中出现的不可行粒子,采用一种基于比例的修复策略将其修正为可行粒子。为了改进算法种群的解质量,还将差分进化算法的优化过程与粒子群算法相结合。对随机测试实例的实验结果表明,嵌入差分进化算法的混合粒子群算法明显优于标准的粒子群算法。6)以产品装配生产线为背景,研究了带有多工件批流的多阶段集成批调度问题。为了提高算法的求解效率,提出一种基于序优化的离散粒子群混合算法求解该问题。混合算法采用序优化算法作为主框架,粒子群算法作为一个子程序嵌入到序优化算法的整体框架中,以寻找足够满意解为目标进行迭代搜索,有效减少了适应函数的评价次数。算法采用实值编码方法,将粒子表示为所有待加工工件的一种可行排列,并提出一种启发式算法求解每个工件的单工件批流问题,依次将工件排列中各个工件安排到两个阶段的生产过程中。为了改进初始种群的解质量并增加种群的多样性,提出构造式的启发式和随机启发式两种方法产生初始种群。通过与该问题的文献中报道的最好算法相比,平均解间隙值缩小了1.42%,与问题目标函数下界值的平均偏差在5.43%以内,验证了算法的性能。
王秀英[7]2012年在《炼钢—连铸混合优化调度方法及应用》文中研究指明现代大型炼钢-连铸生产过程都是由多个浇次,多个炉次,多台转炉、精炼炉、连铸机及多重精炼方式等组成。转炉将冶炼好的钢水倒入钢包中(称一个炉次),钢包载运钢水到精炼炉进行精炼,然后将钢水载运到连铸机前并倒入中间包中,由多炉次的钢水经中间包流入连铸机并连续浇铸成板坯(称一个浇次)。炼钢-连铸生产调度是以浇次计划为基础,在炉次的生产工艺路径,炉次在转炉、精炼炉上的加工时间及运输时间已知的条件下,以浇次在连铸机上准时开浇,浇次内的炉次连续浇铸,同一个设备两个相邻炉次不能产生作业冲突及各炉次在连铸前的等待时间不超过企业给定范围为目标,确定各浇次中的炉次在哪台转炉、哪台精炼炉上加工,并确定出各炉次在转炉,精炼炉及连铸机上加工的开始时间和结束时间,形成炼钢-连铸生产作业时间表(称为调度计划)。但调度计划的真正实施是由钢包来完成,如果钢水在转炉冶炼好后,钢包没有及时到转炉接受钢水就要延长钢水在转炉上的加工时间,如果选配的钢包温度过低,就要延长其烘烤时间,从而增加了能耗。因此,炼钢-连铸生产调度必须考虑钢包选配问题。由多个浇次、多个炉次、多台转炉、精炼炉和连铸机、多重精炼方式构成的炼钢-连铸生产调度,不仅要求每个浇次准时开浇、浇次中的炉次连续浇铸,各炉次在连铸前的等待时间不超过企业给定范围,而且要求不同炉次在同一设备上不能产生作业冲突。这一约束在具有同功能的多台转炉,多台精炼炉上难以精确描述,难以采用常规优化方法去解决。现行炼钢-连铸生产调度模型由于不是针对多重精炼方式进行建模,也没有考虑各炉次在连铸前的等待时间不能超过企业给定范围,而且忽略钢包选配对调度计划的影响,导致所研究的方法不能应用到具有多台转炉、多台精炼和连铸机,多重精炼方式的钢厂中,所以,钢厂只好采用人工调度和人工选配钢包。人工制定调度计划效率低,容易造成炉次在加工设备间冗余时间过长,使得钢水温度下降,难以保证准时开浇。人工选配钢包随意性大,容易造成能源的浪费。本文针对上述问题,在国家863高科技资助项目“钢铁工业MES关键技术(EMS-EAM-IPS)研究与示范应用(2004AA412010)”的支撑下,以具有3台转炉、7台精炼炉、3台连铸机,3重精炼方式的某大型钢铁企业炼钢-连铸生产线为背景,开展炼钢-连铸混合优化调度方法及应用研究,主要工作如下：1.在分析具有3台转炉、7台精炼炉、3台连铸机,3重精炼方式的某大型钢铁企业生产过程、浇次计划,人工调度表的基础上,以浇次准时开浇、浇次内的炉次连续浇铸和炉次在不同设备之间冗余等待时间最小为性能目标;以炉次按其规定的生产工艺路径、加工时间和运输时间进行加工,不同炉次在同一设备不允许作业冲突,炉次在连铸工序的等待不超过企业给定范围为约束方程：以各炉次在炼钢、精炼工序上的加工设备及加工的开始时间和在连铸机上的开浇时间为决策变量,建立了炼钢-连铸主设备优化调度模型。分析了主设备优化调度模型难以求解的原因。在分析人工选配钢包应考虑的因素(钢包材质、包龄、温度、水口等)基础上,建立了钢包选配的约束条件和目标,分析了钢包选配难以精确建模的原因,指出了现行人工调度及人工选配钢包存在的问题。2.针对现行人工制定调度计划效率低、容易造成炉次在设备间冗余时间过长,人工选配钢包容易造成能源浪费问题,将动态规划、线性规划、正交设计、人机交互与基于规则推理相结合提出了由主设备优化调度与钢包选配相集成的混合优化调度策略。主设备优化调度是在浇次计划的基础上,决策各炉次在哪台转炉、哪台精炼炉上加工及在转炉、精炼炉和连铸机上加工的开始时间,使炉次在设备之间冗余等待时间最小、浇次准时开浇、浇次内的炉次连续浇铸。钢包选配是在满足炉次对钢包材质、水口及转炉出钢时间等约束下,为炉次尽量选配温度高的钢包(称为红包),减少空包烘烤时间,实现节能降耗。3.针对主设备优化调度模型难以求解,提出了由基于动态规划的设备指派和基于线性规划冲突解消组成的主设备优化调度算法。其中：基于线性规划的冲突解消算法包括基于正交设计选取惩罚系数的冲突解消算法和基于人机交互确定最终调度方案算法。针对钢包选配难以精确建模,将钢包选配专家的知识表示成规则,采用基于规则推理的方法为调度计划中每个炉次选配一个温度高的钢包,以确保主设备调度计划正常执行。4.采用3个浇次计划(含有7个炉次,3重精炼方式)的实际生产数据对主设备优化调度算法进行仿真实验。结果表明：调度计划中炉次的平均等待时间为3分钟小于人工调度的平均等待时间16分钟；调度表的形成时间为3秒小于人工编制的时间7分钟；炉次最大的等待时间10分钟小于人工编制最大等待时间26分钟。并采用上述数据对基于正交设计选取惩罚系数的冲突解消算法和人工凑试选择惩罚系数的冲突解消算法进行了仿真比较。结果表明：基于正交设计选取惩罚系数的方法总等待时间为21分钟小于人工凑试的总等待时间28分钟；基于正交设计没有断浇且准时开浇,而采用人工凑试法第一个浇次滞后理想开浇时间4分钟。仿真实验验证了所提出的主设备优化调度算法的有效性。5.在具有3重精炼方式、3台转炉、7台精炼炉和3台连铸机的某大型钢厂中对所提出的方法进行了工业实验。针对10组工业实验数据(每组数据含有3个浇次计划,炉次数在20-23个之间)进行工业实验,结果表明：采用优化方法制定生产调度表的时间平均为6秒小于钢厂对调度表生成时间在1分钟之内的要求；在各组工业实验案例中,炉次在连铸前的最大等待时间均小于10分钟。偏离理想开浇时间最大值是16分钟,实现了现场对偏离开浇时间控制在30分钟之内的目标,保证了各浇次内的炉次连续浇铸。由于系统提供了钢包选配功能,达到了现场充分使用红包(温度高的钢包)的要求。
黄辉[8]2013年在《炼铁—炼钢区间铁水优化调度方法及应用》文中研究说明现代大型钢铁企业炼铁-炼钢区间的铁水物流过程是由多座高炉、多个铁水预处理站(包含多个前扒渣、脱硫(脱磷)、后扒渣设备)以及多个炼钢厂倒罐站组成的。高炉产出的铁水由鱼雷罐车(torpedo car,简称TPC)承载(TPC一次装载的铁水称为一个TPC罐次),并由机车牵引至铁水预处理站,铁水预处理站包括前扒渣、脱硫(脱磷)、后扒渣等工序,TPC罐次首先由前扒渣设备去除TPC内铁水表层的铁渣,然后由脱硫(脱磷)设备进行铁水的脱硫(脱磷)处理,处理结束之后再由后扒渣设备将脱硫(脱磷)处理后铁水表层产生的铁渣扒掉,之后TPC罐次由机车拉至倒罐站,将铁水倒入至铁水包中,至此铁水完成了在TPC中的运载过程。炼铁-炼钢区间的铁水调度是在保证铁水物流平衡的前提条件下,以炼铁厂的高炉出铁计划及炼钢厂的炼钢出钢计划为基础,以TPC罐次为调度工件,按照炼钢出钢计划中浇次对于铁水的时间、重量、成分等指标的要求,完成TPC罐次与预罐次(由炼钢出钢计划中的浇次转化而来)之间的对应,编制出铁钢对应计划。并进而以铁钢对应计划为基础,确定出TPC罐次在前扒渣、脱硫(脱磷)、后扒渣、倒罐等工序的加工处理设备以及处理开始时间和结束时间,形成TPC罐次的生产作业时间表(称为铁水调度计划)。在铁水物流生产过程中,因为TPC罐次在设备上处理时间的波动、TPC罐次在高炉下的二次受铁、运输设备(机车)没有及时到位以及运输时间的波动等导致某一TPC罐次在设备上不能按时开工造成大延时,如果仍然按照原调度计划执行,会导致相邻TPC罐次在同一设备上产生作业时间的冲突,因此需要对原调度计划进行调整(即重调度)。由此可见,炼铁-炼钢区间的铁水调度是由铁水物流平衡、铁钢对应调度、TPC罐次铁水静态调度以及铁水重调度等问题所组成的。铁水物流平衡是以计划周期内炼铁厂各座高炉的最大产能、各炼钢厂的需铁量以及各炼钢厂的最大产能为基础,以计划周期开始时的在线铁水量、计划周期内在线铁水的最大／最小安全库存量、各高炉到各炼钢厂的运输费用系数为已知条件,以最大化发挥各高炉的生产能力,各高炉到各炼钢厂的铁水运输费用最小化为目标,确定计划周期内每个子周期下各高炉运往各炼钢厂的铁水重量,形成铁水物流平衡计划表。铁钢对应调度是以炼铁厂的高炉出铁计划、炼钢厂的炼钢出钢计划为基础,确定出高炉出铁计划中的各个TPC罐次,与炼钢出钢计划中各浇次转化形成的各个预罐次之间的对应关系,即将某个TPC罐次对应到哪一个预罐次上去,满足某个炼钢厂的某个浇次对于铁水的需求,并确保受铁结束时间较早的TPC罐次优先对应到目标倒罐时间较早的预罐次上去,最终编制生成铁钢对应计划表。TPC罐次铁水静态调度是以铁钢对应计划为基础,在TPC罐次所经过的铁水预处理站及倒罐站,TPC罐次在高炉受铁、前扒渣、脱硫(脱磷)、后扒渣、倒罐等工序设备上的加工处理时间及运输时间已知不变的条件下,以同一台设备上加工的不同TPC罐次之间不能出现作业时间的冲突、TPC罐次在倒罐站准时倒罐为性能指标,确定各个TPC罐次在前扒渣、脱硫(脱磷)、后扒渣、倒罐工序上的加工处理设备及处理开始时间和结束时间,形成TPC罐次铁水的生产作业时间表(称为铁水调度计划)。在铁水调度计划的执行过程中,由于TPC罐次在设备上加工时间的波动、运输时间的波动、TPC罐次在高炉下的二次受铁以及运输设备(机车)没有及时到位等原因使得某一TPC罐次在设备上不能按时开工形成大延时,从而造成与相邻TPC罐次的作业时间冲突。因此,需要对原调度计划进行调整(即铁水重调度)。铁水重调度是以原有铁水调度计划为基础,在TPC罐次的加工作业状态、TPC罐次在前扒渣、脱硫(脱磷)、后扒渣、倒罐工序设备上的加工处理时间不变、以及TPC罐次的运输时间不变的条件下,以同一台设备上加工的不同TPC罐次之间不能出现作业时间的冲突、TPC罐次在倒罐站准时倒罐为性能指标,确定各个TPC罐次在其作业状态为“未处理”的工序上的加工处理设备及处理开始时间和结束时间,重新形成新的铁水调度计划表。炼铁-炼钢区间的铁水生产物流过程是钢铁企业生产的重要组成部分,在钢铁企业的生产中担负着承上启下的作用。铁水生产物流过程的运行状态影响着上游炼铁高炉及下游炼钢转炉等大型设备的生产。因此,炼铁-炼钢区间的铁水调度对于钢铁企业的生产具有非常重要的作用,如果铁水调度的效果不够理想,将会影响到高炉出铁的安全性,或因铁水供应的不及时造成后序转炉炼钢生产时间的延迟。在TPC罐次铁水静态调度以及铁水重调度问题中,由于“同一设备上加工的不同TPC罐次之间不能产生作业时间冲突”以及“TPC罐次加工处理顺序”这两个约束条件的描述都存在着多种可能性,可以被表示为多个约束方程,因此难以采用已有的优化方法去解决。而在现有的铁水调度研究文献中,只是将铁水预处理站看成一个整体,忽略了铁水预处理站内所包括前扒渣、脱硫(脱磷)、后扒渣等工序设备,而且也忽略了在前扒渣、脱硫(脱磷)、后扒渣、倒罐等工序存在多台同类设备的情况,导致了所研究的方法难以应用到钢铁企业的铁水调度中。因此,目前钢铁企业的铁水调度只好采用人工调度的方式。人工进行铁水调度不仅费时费力、效率低下,而且带有较大的随意性与片面性,并且缺少预判性,极易造成TPC罐次在各工序设备间的冗余等待时间过长,从而影响其按时倒罐；或者会影响前扒渣、后扒渣等瓶颈工序设备的利用率,降低了生产效率,增加了能源消耗,使得铁水调度的质量难以保证,效果不够理想。本文以国内某大型钢铁企业具有4座高炉、2个铁水预处理站(其中一炼钢厂铁水预处理站具有1台前扒渣设备、2台脱硫设备；二炼钢厂铁水预处理站具有1台前扒渣设备、3台脱硫(脱磷)设备、2台后扒渣设备)、2个炼钢厂倒罐站(其中一炼钢厂倒罐站具有1个倒罐工位,二炼钢厂倒罐站具有4个倒罐工位)的铁水物流过程为背景,对于炼铁-炼钢区间铁水优化调度方法及应用开展了研究,取得成果如下：1.首先,在对炼铁-炼钢区间的铁水物流过程进行描述与分析的基础上,提出了由铁水物流平衡、铁钢对应调度、TPC罐次铁水静态调度以及铁水重调度所组成的炼铁-炼钢区间铁水调度的总体结构,并对于以上各个问题的目标、约束条件、决策变量等关键要素进行了描述,同时分析了炼铁-炼钢区间铁水调度难以采用已有优化方法解决的原因。在对生产现场人工调度过程进行描述的基础上,分析了人工调度存在的不足。2.提出了由铁水物流平衡、铁钢对应调度、TPC罐次铁水静态调度以及铁水重调度所组成的炼铁-炼钢区间铁水调度的总体调度策略,以及基于规则、启发式算法、线性规划相结合的铁水优化调度方法,主要由以下四部分组成：①铁水物流平衡方法：在分析了铁水生产物流过程工艺要求的基础上,以最大化地发挥各高炉的生产能力、各高炉到各炼钢厂的铁水运输费用最小为目标,以各高炉及各炼钢厂的最大产能限制、在线铁水不能超出最大／最小安全库存量的范围为约束方程,以计划周期内每个子周期各高炉运往各炼钢厂的铁水重量为决策变量,建立了铁水物流平衡问题的数学模型,并提出了基于线性规划的铁水物流平衡方法。②铁钢对应调度方法：在分析现场人工进行铁钢对应调度时所考虑因素(铁水的重量、成分、时间、温度等)的基础上,描述了铁钢对应调度问题的约束条件和目标。针对铁钢对应调度问题难以精确建模,提出了基于规则的启发式算法用于解决铁钢对应调度问题,该算法包含了从铁水调度专家的经验及现场的工艺要求中提炼出的4类共7条铁钢对应调度规则。③TPC罐次铁水静态调度方法：以铁钢对应计划表为输入,以TPC罐次在倒罐站准时倒罐、TPC罐次在各工序设备间的总等待时间最小、以及最大化地发挥前扒渣、后扒渣等瓶颈工序设备的产能为目标,以同一设备上不同TPC罐次不能产生作业时间冲突、TPC罐次的加工处理顺序、前/后扒渣工序设备的最大产能限制等为约束方程,以各TPC罐次在前扒渣、脱硫(脱磷)、后扒渣、倒罐工序上的处理设备及处理开始时间为决策变量,给出了问题的数学描述。分析了该问题难以采用已有优化方法解决的原因,提出了由基于规则的TPC罐次批次的划分,基于启发式算法的特殊类型铁水TPC罐次的处理设备指派,基于线性规划的特殊类型铁水TPC罐次处理开始时间的优化决策,基于FCFS(先到先服务)规则启发式算法的普通类型铁水TPC罐次的调度等四部分组成的调度策略。④某一TPC罐次不能按时开工造成大延时的铁水重调度方法：以原有铁水调度计划表为输入,以TPC罐次在倒罐站准时倒罐、TPC罐次在各工序设备间的总等待时间最小、以及最大化地发挥前扒渣、后扒渣等瓶颈工序设备的产能为目标,以同一设备上不同TPC罐次不能产生作业时间冲突、TPC罐次的加工处理顺序、前／后扒渣工序设备的最大产能限制等为约束方程,以在前扒渣、脱硫(脱磷)、后扒渣、倒罐等工序的作业状态为“未处理”的TPC罐次的处理设备及处理开始时间为决策变量,给出问题的数学描述。分析了该问题难以采用已有优化方法解决的原因,提出了由基于规则的已完成各工序处理的TPC罐次与尚有未处理工序的TPC罐次的分离,基于规则的尚有未处理工序的TPC罐次批次的划分,基于启发式算法的特殊类型铁水TPC罐次处理设备的指派,基于线性规划的特殊类型铁水TPC罐次处理开始时间的重调度,基于FCFS(先到先服务)规则启发式算法的普通类型铁水TPC罐次的重调度等五部分组成的重调度策略。3.采用上述所提到的铁水物流平衡方法、铁钢对应调度方法、TPC罐次铁水静态调度方法及某一TPC罐次不能按时开工造成大延时的铁水重调度方法,设计开发了炼铁-炼钢区间铁水调度系统软件,在国内某大型钢铁企业的铁水物流过程中进行了工业应用研究,并成功应用。系统的运行效果表明：对于铁水物流平衡计划、铁钢对应计划的编制,铁水调度计划的编制与调整(即重调度),本文所提出的方法均可以在10秒以内完成,大大低于现场人工编制各种计划所需的时间,满足了现场对于铁水调度实时性和快速性的要求。对于平均每天150个TPC罐次,与该钢铁企业原来的人工调度相比,降低了TPC罐次在各工序设备间的等待时间,减少了TPC罐次倒罐时的提前／拖期时间,提高了前扒渣、后扒渣等瓶颈工序设备的利用率,从而提高了生产效率。
郭课[9]2009年在《生产过程的智能调度方法及其应用》文中研究表明实施CIMS的关键环节之一是生产调度,因此,无论是生产调度理论的研究还是应用系统的开发都受到学术界和企业界的关注。生产调度问题通常是多约束、多目标、随机不确定优化问题,已被证明是属于NP问题。很多研究表明,寻找调度问题的最优解是非常困难的,最有工程意义的求解算法是放弃寻找最优解的目标,转而试图在合理、有限的时间内寻找到一个近似的、有用的解。本文系统研究了生产调度问题的遗传算法、神经网络、模糊理论等智能求解方法,并对以上方法进行了一些改进,成功的应用于工程实际。本文取得的主要研究成果如下:1.系统的研究了多品种、小批量生产调度问题的基于统一时间离散化表示和非一时间离散化表示的两种建模方法,探讨了两种建模方法的关系及其转化方法,并将批处理过程优化模型扩展到批处理过程和连续过程共存的过程。研究了连续并行生产线多产品循环调度模型的建立方法,以及非线性生产调度模型的线性化方法。2.系统的研究了运用遗传算法求解柔性车间生产调度问题的方法,详细讨论了柔性车间生产调度问题遗传算法求解的相关技术。针对实际生产调度问题中广泛存在的不确定性因素,讨论了模糊柔性车间调度问题的遗传算法求解方法。给出了用遗传算法求解某汽车发动机厂金工车间柔性调度问题的实例。3.改进了基于Hopfield神经网络求解作业车间调度问题的方法。为了避免Hopfield神经网络可能收敛到局部极小的问题,把模拟退火算法应用于Hopfield神经网络求解,提出了随即神经网络生产调度方法。与已有的算法相比,本文提出的方法能保证神经网络的稳态输出可调。4.研究了基于遗传算法的多品种、小批量生产调度方法,给出了具有离散变量和连续变量的多品种、小批量生产调度问题的遗传编码方法。针对企业生产过程中收到订单的时间一般不是预期的情况,提出了由订单变化引起的具有模糊交货期的连续生产过程动态调度方法,能够依据收到的订单实现动态调度。
陈伟兴[10]2016年在《生产过程制造物联关键事件主动感知与处理技术研究》文中认为互联网、物联网、云计算、大数据等技术在制造业的渗透,推动了制造业信息化的发展,形成了制造业的新技术。其中,电子技术、信息技术、计算智能、物联网与先进制造技术的融合,形成了制造物联技术,增强了制造智能化能力,形成了新型制造服务模式。制造物联通过感知、处理及利用制造数据,提供生产过程智能管控的决策支持,以促进生产过程精确控制的实现。面对“互联网+”环境下先进制造服务模式的需求,制造与服务过程中信息综合感知及智能处理等难题亟待解决。本文在分析制造物联及复杂事件处理等领域相关研究进展的基础上,研讨了生产过程制造物联关键事件主动感知与处理架构及方法,并建立了所提技术方法应用实现的相关制造过程物联管控系统。论文的具体研究工作如下:首先,在制造物联事件感知的基础理论方面,主要进行制造物联内涵及其技术特征分析,构建了面向车间生产的制造物联技术架构;研究了制造物联感知数据的来源及其特性,并分析了制造数据采集及异构系统数据集成方式,建立了制造数据管理体系模型。其次,针对制造物联事件主动感知方面,结合制造物联网特点、制造物联事件主动感知模型以及物联感知系统设计,建立基于物联网技术的事件主动感知技术架构,并设计了基于“传感网+嵌入式+Web Service”的生产过程事件感知方法,以提供精确生产和智能决策需要的重要支撑。基于智能制造模式构建了制造大数据的应用规划,并结合制造数据感知处理及应用实例,说明所提理论框架的可行性与有效性。然后,针对制造过程事件的结构化统一表达需求,采用EXPRESS语言建立了制造物联车间事件模型,并制定了EXPRESS转换为XML模式制造数据的映射规则。面向制造过程事件组织和关联方面的统一语义描述,通过生产过程事件类型及关联关系分析,建立了复杂事件结构模型;结合复杂事件操作符和可扩展标记语言语法语义,建立了基于XML的制造过程事件描述语言(XEDL),并依据生产过程事件描述实例,说明XEDL语言在事件模型描述方面的优势。基于XEDL的复杂事件表达方法,有利于解决制造过程事件关联的推理求解和统一组织问题。最后,在制造过程事件处理方面,针对制造物联系统的分布式特点,提出了基于“EDA+SOA”的复杂事件处理架构,并进行复杂事件处理模块和规则引擎的阐析。针对复杂事件模式匹配方面,建立了基于CEP的匹配式事件关联方案,运用Apriori算法对制造过程事务集进行关联规则挖掘并生成关联模板;以事件处理引擎工作原理为基础,结合关键事件和事件匹配模板的特点,提出基于有向图的启发式Esper算法,实现了基于关联模板的生产过程关键事件实时处理。应用实现方面,基于Windows7操作系统和.NET 4.0架构,借助Microsoft Visual Studio 2010和My Eclipse开发平台,以C#和Java作为开发语言,以Microsoft SQL Server2008 R2作为数据库,研发面向离散型生产过程的制造物联管控平台,以实现制造物联事件感知与处理技术研究成果的应用。基于制造物联管控平台的业务逻辑和体系结构,结合制造物联智能感知以及信息技术,建立了一套面向油辣椒生产的物联管控系统,实现了生产过程关键监控环节信息的感知及查询、事件关联分析等。综上所述,论文对制造物联关键事件主动感知与处理涉及的关键技术问题进行了探讨,通过理论研究及应用实现结果,验证了所提技术方法的可行性。生产过程制造物联关键事件主动感知的理论方法与处理技术的研究成果,将为制造业生产过程智能管控和决策优化提供理论支撑。
参考文献：
[1]. 生产过程的智能决策与调度[D]. 李歧强. 浙江大学. 1998
[2]. 复杂工业过程智能优化决策系统的现状与展望[J]. 丁进良, 杨翠娥, 陈远东, 柴天佑. 自动化学报. 2018
[3]. 基于云制造的单件定制生产智能调度关键技术研究[D]. 刘觅. 重庆大学. 2016
[4]. 大数据环境下车间生产异常的智能发现与响应方法研究[D]. 徐迭石. 哈尔滨理工大学. 2017
[5]. 炼钢流程生产作业计划编制相关基础问题研究[D]. 龚永民. 重庆大学. 2016
[6]. 石化生产过程批决策及批调度问题研究[D]. 闫萍. 东北大学. 2009
[7]. 炼钢—连铸混合优化调度方法及应用[D]. 王秀英. 东北大学. 2012
[8]. 炼铁—炼钢区间铁水优化调度方法及应用[D]. 黄辉. 东北大学. 2013
[9]. 生产过程的智能调度方法及其应用[D]. 郭课. 兰州理工大学. 2009
[10]. 生产过程制造物联关键事件主动感知与处理技术研究[D]. 陈伟兴. 贵州大学. 2016