罩式爐批量計劃模型與啟發(fā)式算法.pdf

1、本文以寶鋼2030冷軋單元的罩式爐生產(chǎn)線為背景，研究了罩式爐批量計劃問題。罩式爐批量計劃問題就是在N個等待退火的板卷中，依據(jù)它們之間物理性質的差別以及它們和罩式退火爐之間的匹配關系挑選出n(n≤N)個板卷組成m個裝爐單元進行生產(chǎn)。由于罩式爐退火生產(chǎn)工序的年產(chǎn)量占2030冷軋單元年產(chǎn)量的60％以上，而且生產(chǎn)周期長、能量消耗大、資源約束多，所以罩式爐生產(chǎn)批量計劃的編制非常復雜。目前現(xiàn)場主要以人工編排為主，人工編排水平的差別以及人處理復雜信息

2、的局限性，使得罩式爐生產(chǎn)批量計劃難以科學準確，從而難以保證生產(chǎn)優(yōu)化運行。本文采用最優(yōu)化建模和智能優(yōu)化求解技術來研究生產(chǎn)批量計劃問題，以期達到提高機組產(chǎn)能、資源優(yōu)化配置和降低能耗的目的。 本文主要研究工作如下：對生產(chǎn)批量計劃問題建立了數(shù)學規(guī)劃模型，該模型是帶有0/1變量的整數(shù)線性規(guī)劃問題。在建立模型時考慮到不同板卷的物理性質(如重量、寬度、外徑等)和退火曲線存在許多差異，要盡量把退火曲線和物理性質相同或是相近的板卷組成一垛，防止過

3、火和欠火的情況出現(xiàn)，保證產(chǎn)品的質量，同時考慮了爐容約束，提高產(chǎn)量。 針對問題求解NP-難特點，分別提出了三種啟發(fā)式算法，為優(yōu)先級法、最小增益法、分系列法。優(yōu)先級法以優(yōu)先級系數(shù)的降序作為板卷的編排順序，使優(yōu)先級系數(shù)大的板卷能夠被優(yōu)先編排，這里的優(yōu)先級系數(shù)的制定方法來源于實際生產(chǎn)情況，將罩式爐生產(chǎn)線的管理模式進行量化，通過算法求解來解決問題；最小增益法是以目標函數(shù)的增量為依據(jù)，優(yōu)先編排使目標函數(shù)增益最小的板卷的方法；分系列法中按照退

4、火曲線約束將板卷分成若干個組，在每組中使用優(yōu)先級法進行求解。是將優(yōu)先級法中的判斷板卷退火曲線是否匹配的步驟提前到原始數(shù)據(jù)處理階段。 在仿真試驗中，在CPU為PentiumIV主頻2.4G，512M物理內(nèi)存，WindowsXP操作系統(tǒng)的計算機上，在VC++6.0開發(fā)環(huán)境中，使用C編程語言進行編譯，分別對從實際生產(chǎn)中采集的6組真實數(shù)據(jù)進行了求解。從結果可以看出，提出的三種啟發(fā)式算法結果皆優(yōu)于寶鋼人工編排的結果。其中分系列法在裝爐量和

5、目標函數(shù)值上得到了最多的當前最好解，優(yōu)先級法次之，因為從算法思想上看，分系列法可以看作是改進了的優(yōu)先級法，所以分系列法的結果要由于優(yōu)先級法。雖然最小增益法沒有在結果數(shù)據(jù)上顯示出優(yōu)勢，但是由于其對目標函數(shù)懲罰值的變更有很大的敏感性，所以在通過改變懲罰值來控制計劃屬性的時候，使用最小增益法最為合適。 把罩式爐批量計劃問題看作是鋼鐵企業(yè)整個物流過程的一個單元，考慮板卷動態(tài)到達的情況，提出了動態(tài)罩式爐批量計劃問題，本文將其歸結為動態(tài)批處