论文部分内容阅读
生产计划与调度是钢铁企业智能化管理中的一项核心内容,在钢铁行业实现智能制造的过程中扮演着重要角色。中厚板作为一种广泛应用于建筑、工程机械和国防等行业的重要材料,其市场订单通常呈现多规格、小批量的特点,给中厚板生产的计划编制带来较大的困难。这主要体现在如何将上述多规格小批量订单进行优化组合和排序,设计坯料和热轧生产单元,以匹配钢铁企业大规模、批量化生产模式。论文考虑中厚板订单和生产的特征,针对坯料设计问题、冷装工艺条件下的热轧生产计划问题、考虑热送热装工艺的热轧生产计划问题,开展建模和优化求解方法的研究,主要成果和结论如下:
针对中厚板坯料设计问题,构建了混合整数规划模型,并设计了基于禁忌搜索和列生成技术的混合优化求解算法(TSCGHOA)。坯料设计是指依据用户需求的产品规格和数量对热轧坯料的规格数量等进行设计。中厚板坯料设计涉及子板组合、母板和板坯规格设计等内容,可将其归结为一种考虑同时对母板和板坯规格进行决策的下料问题。以最小化余材和热轧加工过程材料损失为目标,将母板和板坯规格的设计柔性转化为模型的约束条件,建立优化模型,并采用算法TSCGHOA进行求解。设计实验案例对TSCGHOA的性能进行测试,案例结果显示TSCGHOA算法可在多断面可选条件下获得坯料设计质量更好的解。
针对冷装工艺条件下的中厚板热轧生产计划问题,分别采用约束规划方法和数学规划方法对问题进行建模和求解,并对两种方法的求解效率进行了比较。热轧生产计划是指从板坯集中选择板坯进行分组和排序形成一个或多个热轧单元。中厚板热轧生产计划需设计适用的方法,用于评价板坯组合排序对轧辊磨损的影响,以此为基础可将中厚板多个热轧单元的编制问题描述为一种团队定向越野比赛问题。考虑多种工艺约束,以最大化总标准轧制长度为目标分别建立了问题的约束满足优化模型和混合整数规划模型,两者分别通过软件CP Optimizer和Gurobi进行求解。设计实验案例对两种方法的求解性能进行测试,案例结果显示所采用约束规划方法的求解质量较采用的数学规划方法平均提升31.14%。
针对考虑热送热装工艺的中厚板热轧生产计划问题,考虑热坯随时间变化的热量损失,构建问题的双目标混合整数规划模型,基于分解技术和迭代局部搜索设计了多目标进化求解算法(HMOEA/D)。与传统冷装工艺相比,热送热装工艺在节能降耗方面具有巨大的优势,考虑热送热装工艺的热轧生产计划编制需要同时考虑热轧机的生产效率和加热炉的能源节约。基于上一章提出的问题描述方法,可将中厚板单个热轧单元的编制问题描述为一种定向越野比赛问题。同时考虑冷坯和两种热坯,以最大化板坯潜在热量收集和总标准轧制长度为双目标建立问题的优化模型,设计算法 HMOEA/D 进行求解。设计实验案例对算法的求解性能进行测试,与非支配排序遗传算法和多目标蚁群算法进行比较,案例结果显示HMOEA/D算法在90%以上案例中获得了收敛性和分布性更好的帕累托前沿。
以上述提出的模型和求解算法为基础,开发了中厚板坯料设计及其热轧生产计划编制辅助决策系统,根据系统需求主要分为坯料设计模块、冷装热轧计划模块和热装热轧计划模块。系统具有可通过鼠标点击按钮进行计划编制的人机交互界面,可对输入数据进行筛选和管理,可对计划编制过程参数进行设置,同时可对计算结果进行展示和调整。
论文针对中厚板生产计划编制的难点问题,分别为坯料设计和两种工艺条件下的热轧生产计划问题建立了优化模型,并设计了优化求解方法,并以此为基础开发了中厚板坯料设计及其热轧生产计划编制辅助决策系统,为解决多目标多约束的钢铁生产计划相关问题提供了新的解决方案,为中厚板生产组织安排提供了辅助决策工具。
针对中厚板坯料设计问题,构建了混合整数规划模型,并设计了基于禁忌搜索和列生成技术的混合优化求解算法(TSCGHOA)。坯料设计是指依据用户需求的产品规格和数量对热轧坯料的规格数量等进行设计。中厚板坯料设计涉及子板组合、母板和板坯规格设计等内容,可将其归结为一种考虑同时对母板和板坯规格进行决策的下料问题。以最小化余材和热轧加工过程材料损失为目标,将母板和板坯规格的设计柔性转化为模型的约束条件,建立优化模型,并采用算法TSCGHOA进行求解。设计实验案例对TSCGHOA的性能进行测试,案例结果显示TSCGHOA算法可在多断面可选条件下获得坯料设计质量更好的解。
针对冷装工艺条件下的中厚板热轧生产计划问题,分别采用约束规划方法和数学规划方法对问题进行建模和求解,并对两种方法的求解效率进行了比较。热轧生产计划是指从板坯集中选择板坯进行分组和排序形成一个或多个热轧单元。中厚板热轧生产计划需设计适用的方法,用于评价板坯组合排序对轧辊磨损的影响,以此为基础可将中厚板多个热轧单元的编制问题描述为一种团队定向越野比赛问题。考虑多种工艺约束,以最大化总标准轧制长度为目标分别建立了问题的约束满足优化模型和混合整数规划模型,两者分别通过软件CP Optimizer和Gurobi进行求解。设计实验案例对两种方法的求解性能进行测试,案例结果显示所采用约束规划方法的求解质量较采用的数学规划方法平均提升31.14%。
针对考虑热送热装工艺的中厚板热轧生产计划问题,考虑热坯随时间变化的热量损失,构建问题的双目标混合整数规划模型,基于分解技术和迭代局部搜索设计了多目标进化求解算法(HMOEA/D)。与传统冷装工艺相比,热送热装工艺在节能降耗方面具有巨大的优势,考虑热送热装工艺的热轧生产计划编制需要同时考虑热轧机的生产效率和加热炉的能源节约。基于上一章提出的问题描述方法,可将中厚板单个热轧单元的编制问题描述为一种定向越野比赛问题。同时考虑冷坯和两种热坯,以最大化板坯潜在热量收集和总标准轧制长度为双目标建立问题的优化模型,设计算法 HMOEA/D 进行求解。设计实验案例对算法的求解性能进行测试,与非支配排序遗传算法和多目标蚁群算法进行比较,案例结果显示HMOEA/D算法在90%以上案例中获得了收敛性和分布性更好的帕累托前沿。
以上述提出的模型和求解算法为基础,开发了中厚板坯料设计及其热轧生产计划编制辅助决策系统,根据系统需求主要分为坯料设计模块、冷装热轧计划模块和热装热轧计划模块。系统具有可通过鼠标点击按钮进行计划编制的人机交互界面,可对输入数据进行筛选和管理,可对计划编制过程参数进行设置,同时可对计算结果进行展示和调整。
论文针对中厚板生产计划编制的难点问题,分别为坯料设计和两种工艺条件下的热轧生产计划问题建立了优化模型,并设计了优化求解方法,并以此为基础开发了中厚板坯料设计及其热轧生产计划编制辅助决策系统,为解决多目标多约束的钢铁生产计划相关问题提供了新的解决方案,为中厚板生产组织安排提供了辅助决策工具。