冷轧合同批量调度的模糊Ｊｏｂ ｓｈｏｐ模型及算法

针对冷轧薄板生产线机组设备多、产品种类多的特点,提出一种合同批量调度方法．该方法将生产合同按产品种类和交货期组批处理,建立了具有模糊处理时间的Ｊｏｂｓｈｏｐ调度模型来描述整个生产物流情况,并定义了分情况的合同批量加工时间推算规则．针对调度模型的求解,给出一种多子种群并行粒子群算法．利用宝钢冷轧薄板厂的实际生产数据进行了试运行,结果表明,该方法可大幅度提高合同交货期满意度,并能有效减少合同批量调度的工作时间。

     

基于部分生产重构的冷轧生产重调度方法

针对冷轧薄板生产过程单纯根据合同流向组织生产会造成合同在各物流流向中分配不均, 以及机组定修和突发故障等情况造成的部分流向生产停滞等问题, 建立了基于部分重构的冷轧生产过程混杂Petri网生产调度模型. 利用提出的有限搜索蚁群算法, 在不同生产流向的可替代机组之间, 根据机组的产能负荷对合同的生产流向进行部分重构, 实现合同生产过程的再规划与动态调度, 解决了部分机组停机定修和突发故障时的产能分配问题. 将本文提出的方法与全流程合同计划方法相结合, 利用上海宝钢冷轧薄板厂的生产数据进行测试, 表明了所提出的方法提高了冷轧全流程合同计划与调度效果的可行性.     

基于模型的子空间聚类与时间段蚁群算法的合同生产批量调度方法

针对目前冷轧薄板厂生产流程复杂、大量的多品种小批量合同并线生产,导致难以制定生产计划的问题,本文提出了混合模型子空间聚类（Subspace clustering mixed model,SCMM）方法,以合同中待加工钢卷的宽度、冷轧机组的入口厚度、 出口厚度以及合同的交货期为约束,对待生产合同进行组批. 依据冷轧厂实际生产过程,将冷轧机组视为核心节点,考虑准时交货、 在制品库存和生产流向产能分配的要求,对组批后的生产合同建立全流程合同计划模型,并且利用提出的时间段蚁群算法（Time-section ant colony optimization,TSA）,制定合同计划.利用生产过程的实际数据测试,本文的方法优于人工排产,可以满足制定冷轧薄板全流程生产计划的要求.     

基于模糊聚类的冷轧合同组批优化方法

针对冷轧企业大批量生产模式与多品种、小批量的市场需求之间存在的矛盾, 建立以合同交货期差异度、工艺路线差异度和调整次数最小化为目标, 同时满足批次重量、出(入)口 宽度、出(入)口厚度、抗拉强度等工艺约束的冷轧合同组批模型, 构建了基于改进粒子群的模糊聚类算法并进行求解. 利用国内某冷轧企业实际生产数据对所提出模型和算法进行了验证, 结果表明, 所提出的方法优于FCM算法, 能够满足企业批量计划的需求.     

冷轧生产调度模型及算法

针对冷轧生产线调度问题的复杂性, 将该问题规划为拼卷优化和轧制批量计划编制两个部分. 将拼卷优化问题归结为一个多容器装箱问题, 采用一种新的智能搜索算法——离散微分进化 (DDE) 对该问题进行求解; 对于轧制批量计划编制建立了一种特殊的双旅行商问题模型, 采用基于进化策略和邻域搜索的混合启发式方法求解模型. 最后通过上海宝钢生产实际数据对所提方法进行了试验, 试验结果显示本文给出的生产调度方法是有效的.     

基于混合遗传算法的热轧生产调度优化方法

热轧生产调度是一个复杂的约束组合优化问题,其生产约束包括连续轧制板坯的宽度、厚度和硬度跳变要求,轧制单元的最大长度,产品库存及交货期等.基于多旅行商模型,建立了热轧生产批量调度问题的优化模型,并提出一种混合遗传算法(遗传算法、局部搜索)求解该问题.通过应用串行边重组和并行边重组的遗传交叉算子,算法在优化过程中可以很好地处理调度约束.针对工业数据的仿真结果证明该调度模型和混合遗传算法的并行求解策略可以有效地解决热轧生产批量调度问题.     

基于混合遗传算法的热轧生产调度优化方法

热轧生产调度是一个复杂的约束组合优化问题，其生产约束包括连续轧制板坯的宽度、厚度和硬度跳变要求，轧制单元的最大长度，产品库存及交货期等。基于多旅行商模型，建立了热轧生产批量调度问题的优化模型，并提出一种混合遗传算法（遗传算法、局部搜索）求解该问题。通过应用串行边重组和并行边重组的遗传交叉算子，算法在优化过程中可以很好地处理调度约束。针对工业数据的仿真结果证明该调度模型和混合遗传算法的并行求解策略可以有效地解决热轧生产批量调度问题。     

冷轧制造一体化自动排程系统设计及应用

以钢铁企业冷轧镀锡薄板生产一体化自动排程为案例,分析钢铁企业冷轧生产各工序的业务特点,设计并开发了冷轧生产自动排程系统。系统通过前后工序联合排程、计划生产时间实时更新、计划执行图形化展示、制造管理与生产过程控制纵向集成等关键技术,创新了生产排程和计划执行的工艺管控模式,降低了产品库存,缩短了合同交货期,提高了客户满意度。     

冶金冷轧薄板企业生产计划调度体系结构及方法研究

本文在三层企业集成模型的基础上,针对冷轧薄板企业的产品、经营、生产及设备等特点,提出了冷轧薄板企业的多级计划与调度体系结构,并引入了以生产线控制机制为核心的企业经营生产全过程闭环优化集成模式.同时还对企业生产组织中的各级优化问题及方法进行了全面的分类研究,为进一步的研究和冷轧薄板企业集成应用系统的开发奠定了基础.􀁽     

解并行机模糊调度问题的自适应遗传算法

针对家纺企业车间调度的实际情况,建立了一种产品优先级约束的模糊车间调度模型。在模型中,完工时间和交货期都是模糊的,交货期平均满意度最大为调度目标。基于此模型,提出了一种自适应的遗传算法,该算法通过比例选择及局部搜索保证种群的优良特性,并通过自动调节变异率和交叉率的方式保证种群的多样性,有效跳出局部收敛。仿真结果表明,自适应遗传算法能有效求解,并优于免疫遗传算法。     

基于滚动变时间窗的重组批处理机调度研究

针对具有等待时间限制和工件动态到达的重组批处理机调度问题,以拖延时间和最小为目标,提出基于滚动变时间窗的三层混合调度算法。该调度算法是应用滚动时域策略,将重组批处理机调度问题分解为许多变时间窗的子问题;每个子问题调度分三层执行：即产生触发并传递参数、重组批及排序、派工并更新参数。通过实时调度仿真平台和CPLEX平台进行实例验证,结果表明基于滚动变时间窗的三层混合调度算法能够在较短计算时间内获得满意优化解。     

冷轧机组批量作业计划模型与算法

针对编制冷轧机组作业计划受到钢卷宽度跳跃、入口厚度跳跃和出口厚度跳跃等多个工艺约束的问题, 把排产过程归纳为非对称双旅行商问题, 建立了冷轧机组生产作业计划的Pareto多目标模型. 提出了基于Pareto非支配集的自适应多目标蚁群算法, 利用自适应蚁群算法和Pareto非支配集思想, 综合考虑多个目标, 自适应地提供蚂蚁路径搜索参数, 并对得到的非支配解集对应路径更新信息素, 引导蚂蚁向最优解集方向搜索, 最终提供多个可行的批量作业计划, 根据生产要求从中选择合适的最优排产结果. 利用某冷轧薄板厂实际的生产数据进行仿真实验, 表明模型与算法在冷轧机组批量作业计划编制过程中具有可行性.     

一种监控与调度集成的滚动式算法

给出一种通过滚动调度将动态调度与监控集成的方法，分析了在实际调度中改变调度策略的必要性和可行性，对滚动调度中的滚动窗口进行了描述。仿真实例表明该算法是有效的。     

用于编制热轧生产流程的新型Meta-heuristic算法

带钢热轧具有特殊的生产工艺约束, 其生产流程的编制是钢铁企业生产的关键, 因此提出采用并行策略的基于多旅行商问题(MTSP)热轧轧制模型. 该模型不但考虑了板坯在宽度、厚度和硬度跳变时的约束, 还考虑了同一轧制单元内轧制板坯数量的约束. 并设计了新的Meta-heuristics算法求解此模型. 通过对某热轧带钢厂生产数据的仿真实验,表明模型和算法能有效地给出满意的排产结果, 并且具有较高的执行效率.     

Modeling rolling batch planning as vehicle routing problem with time windows

This paper considers the rolling batch planning problem of grouping and sequencing a given set of slabs into several rolling units in iron and steel industry. The existing mathematical methods often used for the problem are traveling salesman problem (TSP) and vehicle routing problem (VRP), but these methods are not precise, because the position limitation of some slabs in a rolling unit scheduling is not considered. Therefore we suggest a new model, vehicle routing problem with time window (VRPTW) to describe the rolling batch planning problem, in which the position limitation of slabs are quantified as the time constraints. Several solution methods including the genetic algorithm are presented for solving the problem and the computational results show that the genetic algorithm is superior to other methods.In this paper, the vehicle routing problem with time window (VRPTW) of combinational optimization is used to analyze and model the rolling batch planning problem. Genetic algorithm and heuristic are used to solve the problem. Simulation results based on the actual production data show that this model is precise and the genetic algorithm based method is very promising.     

神经网络算法与机理模型融合的 冷连轧轧制力智能预报模型

冷轧带钢的生产模式正在向多品种、小批量、低库存转变,这直接导致了轧制过程中需要更频繁地切换品种规格。由于变规格过程中轧制工艺状态变化较大,传统机理模型加常规自学习和自适应方法很难保证规格切换后首卷产品设定精度。为提高变规格过程中轧制力预报精度,本文提出一种机理模型与轧制过程海量历史数据相融合的复合模型。该方法建立在轧制力理论模型的基础上,采用遗传算法优化BP神经网络的方法对模型轧制力进行校正。使用该算法进行轧制力预报,使变规格后首卷钢轧制力预报的平均相对误差控制在±5.5%内,远高于常规机理模型的设定精度,该方法具有现场应用价值。     

具有提前ö拖期惩罚的热轧钢管批调度问题研究

建立了具有提前／拖期惩罚的热轧钢管批调度问题的混合整数非线性规划模型，提出并证明了给定合同排序下的最优组批方式，从而将原问题转化为易求解的合同排序问题．同时，建立了转化问题的数学模型并设计了遗传算法．仿真实验验证了模型和算法的有效性．