專利名稱：罩式爐退火生產(chǎn)優(yōu)化排產(chǎn)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信息技術(shù)領(lǐng)域，涉及到自動(dòng)化技術(shù)，特別涉及到一種罩式爐退火生產(chǎn)優(yōu)化排產(chǎn)方法。
背景技術(shù)：
目前，國(guó)內(nèi)大部分鋼廠的退火車間均采用罩式爐爐群退火方式，退火主要分為加熱和冷卻兩個(gè)階段，周期較長(zhǎng)，普通氮?dú)湔质綘t的退火周期一般超過(guò)70個(gè)小時(shí)，即使采用目前較為先進(jìn)的全氫罩式退火工藝，退火周期也在35個(gè)小時(shí)以上，是冶金企業(yè)的能源消耗大戶。退火車間的加熱罩和冷卻罩?jǐn)?shù)通常按一定的配比關(guān)系進(jìn)行設(shè)計(jì)，兩者數(shù)量之和等于爐臺(tái)總數(shù)。按目前的罩式爐生產(chǎn)工藝，退火周期中加熱段總時(shí)間小于冷卻段總時(shí)間加裝出爐輔助時(shí)間，這樣必然存在罩式爐系統(tǒng)資源沖突現(xiàn)象。為了合理利用資源、提高生產(chǎn)效率，必須對(duì)退火生產(chǎn)進(jìn)行優(yōu)化排產(chǎn)。
現(xiàn)有的排產(chǎn)方法是從作業(yè)調(diào)度入手，提高加熱罩、冷卻罩、行車的有效作業(yè)率，減少和避免加熱罩和冷卻罩的拋空，這是目前公認(rèn)的提高退火車間生產(chǎn)能力的有效途徑。
如S.Moon和A.N.Hrymak.在他們的文章(Scheduling of the batchannealing process-deterministic case. Computers and ChemicalEngineering，23(1999)，1193-1208.)中提出了一種基于時(shí)間槽分解的數(shù)學(xué)建模的方法，他們考慮了批量處理情況，即假設(shè)開始調(diào)度時(shí)所有爐臺(tái)均處于空閑狀態(tài)，在此基礎(chǔ)上，采用時(shí)間槽分解的方法建立了退火車間的混合整數(shù)線性規(guī)劃(MILP)模型，并應(yīng)用分枝定界法進(jìn)行求解。該方法在實(shí)際應(yīng)用中有以下兩個(gè)方面的問(wèn)題一是大部分退火車間均是不間斷生產(chǎn)，所有爐臺(tái)均空閑的初始狀態(tài)假設(shè)不符合實(shí)際；二是形成的MILP模型規(guī)模較大，還沒(méi)有特別有效的解法。董杰方等人在他們的文章(鋼卷熱處理調(diào)度的數(shù)學(xué)模型與算法研究.鋼鐵(2001)，Vol.36，No.12，73-76.)中介紹了一種簡(jiǎn)化問(wèn)題的方法，他們將問(wèn)題簡(jiǎn)化為一個(gè)混合流水車間排序問(wèn)題，設(shè)計(jì)了相應(yīng)的貪婪排序算法進(jìn)行求解。但在問(wèn)題建模過(guò)程中將有十二個(gè)操作階段的退火過(guò)程簡(jiǎn)化為兩個(gè)階段來(lái)處理，因此在實(shí)際應(yīng)用中仍存在問(wèn)題。
通常，國(guó)內(nèi)大部分退火車間采用人工方法依據(jù)經(jīng)驗(yàn)進(jìn)行作業(yè)調(diào)度來(lái)得到一個(gè)可行的排產(chǎn)結(jié)果，這種方法不僅費(fèi)時(shí)費(fèi)力而且很難保證排產(chǎn)的合理性，生產(chǎn)中經(jīng)常出現(xiàn)加熱罩、冷卻罩、行車等緊缺資源的沖突，加熱罩和冷卻罩的拋空率較大，造成退火車間的生產(chǎn)能力低于相鄰工序的生產(chǎn)能力。并且當(dāng)生產(chǎn)情況與所預(yù)計(jì)發(fā)生不一致時(shí)，排產(chǎn)結(jié)果必須變更或者重排。這樣不僅給排產(chǎn)工人帶來(lái)了很大的麻煩，而且也降低了整條生產(chǎn)線的效率。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種執(zhí)行于一計(jì)算機(jī)的自動(dòng)優(yōu)化排產(chǎn)方法，為罩式爐退火生產(chǎn)提供最優(yōu)的作業(yè)調(diào)度方案，解決目前人工排產(chǎn)的費(fèi)時(shí)費(fèi)力和效率低下以及難以保證結(jié)果最優(yōu)的問(wèn)題。
實(shí)現(xiàn)本發(fā)明的技術(shù)方案本發(fā)明包含兩個(gè)模塊，遺傳算法模塊和計(jì)算機(jī)仿真模型模塊。最優(yōu)的作業(yè)調(diào)度方案就是由這兩個(gè)模塊的交互作用而產(chǎn)生。
計(jì)算機(jī)仿真模型在充分分析罩式爐爐群退火生產(chǎn)的生產(chǎn)過(guò)程和各種約束條件的基礎(chǔ)上，建立了罩式爐退火生產(chǎn)的仿真模型，該模型可以在已知初始生產(chǎn)狀態(tài)和作業(yè)調(diào)度方案的前提下，在計(jì)算機(jī)中仿真罩式爐爐群退火生產(chǎn)過(guò)程，仿真結(jié)束后就可以得到所關(guān)心的生產(chǎn)指標(biāo)。
本發(fā)明把各個(gè)退火步驟抽象成各個(gè)事件，把需要資源得不到滿足時(shí)必需的等待抽象成等待事件，本發(fā)明根據(jù)現(xiàn)場(chǎng)實(shí)際情況按優(yōu)先級(jí)不同把等待事件分成4類，用4個(gè)二叉排序樹存放這4類等待事件，每個(gè)二叉排序樹就是一個(gè)等待事件隊(duì)列，所以一共有4個(gè)等待事件隊(duì)列，相同優(yōu)先級(jí)的等待事件按發(fā)生時(shí)間排序。把各個(gè)資源抽象成各種對(duì)象，運(yùn)用面向?qū)ο蠹夹g(shù)，采用事件驅(qū)動(dòng)法建立計(jì)算機(jī)仿真模型。
遺傳算法每個(gè)調(diào)度方案作為遺傳算法中的個(gè)體，采用自然數(shù)編碼方式。把計(jì)算機(jī)仿真模型作為遺傳算法的適應(yīng)度函數(shù)，計(jì)算機(jī)仿真以后得到的生產(chǎn)指標(biāo)作為適應(yīng)度函數(shù)的函數(shù)值，群體規(guī)模和進(jìn)化代數(shù)可視情況調(diào)整。
遺傳算法與計(jì)算機(jī)仿真模型的交互過(guò)程如下起初由遺傳算法隨機(jī)產(chǎn)生一個(gè)種群(個(gè)體的集合)，把這個(gè)種群中的各個(gè)個(gè)體作為輸入送入計(jì)算機(jī)仿真模型，經(jīng)仿真后得到所需要的生產(chǎn)指標(biāo)作為適應(yīng)度函數(shù)值送入遺傳算法模塊，利用遺傳算法的全局并行搜索能力得到較優(yōu)的種群，再把這個(gè)較優(yōu)的種群送入計(jì)算機(jī)仿真模型，如此循環(huán)反復(fù)直到收斂為止。然后，從最后得到的最優(yōu)的種群中選擇一個(gè)最優(yōu)的個(gè)體作為最優(yōu)的調(diào)度方案。
本發(fā)明的效果和益處是顯著降低了工人的勞動(dòng)強(qiáng)度，大量節(jié)約了排產(chǎn)所需時(shí)間，增加了排產(chǎn)結(jié)果的準(zhǔn)確性，提高了退火生產(chǎn)和整條生產(chǎn)線的的生產(chǎn)效率。
圖1是基于仿真優(yōu)化的退火爐作業(yè)調(diào)度原理圖。
圖中(1)調(diào)度方案，(2)遺傳算法模塊，(3)目標(biāo)函數(shù)，(4)計(jì)算機(jī)仿真模塊。
圖2是計(jì)算機(jī)仿真退火生產(chǎn)模塊的程序流程圖。
圖中(5)仿真初始化，(6)判斷有沒(méi)有滿足條件的等待事件，(7)執(zhí)行滿足條件的等待事件，(8)選擇一個(gè)最早發(fā)生的非等待事件，(9)將仿真鐘推進(jìn)到該事件的發(fā)生時(shí)間，(10)執(zhí)行該非等待事件，(11)判斷仿真是否可以結(jié)束，(12)結(jié)束仿真。
具體實(shí)施例方式
下面結(jié)合附圖和實(shí)例詳細(xì)說(shuō)明本發(fā)明的具體實(shí)施方案。
若現(xiàn)有46個(gè)爐臺(tái)，23個(gè)加熱罩，23個(gè)冷卻罩，2部行車，10個(gè)待排產(chǎn)的生產(chǎn)計(jì)劃，每個(gè)不同的生產(chǎn)順序都是一種調(diào)度方案，采用不同的調(diào)度方案進(jìn)行生產(chǎn)將得到不同的生產(chǎn)指標(biāo)，排產(chǎn)的目的就是要選擇一個(gè)最優(yōu)的調(diào)度方案。
步驟1啟動(dòng)遺傳算法模塊模塊(2)把10個(gè)待排產(chǎn)的生產(chǎn)計(jì)劃從1到10編號(hào)。產(chǎn)生初始種群，初始種群的每個(gè)個(gè)體代表一個(gè)調(diào)度方案，采用自然數(shù)編碼，例如(1，2，3，4，5，6，7，8，9，10)是一個(gè)個(gè)體，代表一種調(diào)度方案；而(10，9，8，7，6，5，4，3，2，1)是另一個(gè)個(gè)體，代表另一種調(diào)度方案，其生產(chǎn)順序與上一種相反。把初始種群作為當(dāng)前種群保存。
步驟2判斷是否達(dá)到規(guī)定的最大代數(shù)若達(dá)到規(guī)定的最大代數(shù)，從仿真過(guò)的所有種群中選出具有最優(yōu)生產(chǎn)指標(biāo)的個(gè)體，該個(gè)體所代表的排產(chǎn)計(jì)劃作為最優(yōu)的調(diào)度方案，結(jié)束程序運(yùn)行。否則進(jìn)入下一步。
步驟3把當(dāng)前種群中的每個(gè)個(gè)體作為輸入調(diào)用計(jì)算機(jī)仿真模塊(4)。(1)即為送入仿真模塊的個(gè)體。每個(gè)個(gè)體的仿真過(guò)程如步驟4至步驟11。
步驟4仿真初始化(5)把各個(gè)爐臺(tái)、加熱罩、冷卻罩和行車定義成對(duì)象，然后讀入46個(gè)爐臺(tái)的當(dāng)前生產(chǎn)狀態(tài)，把這些生產(chǎn)狀態(tài)轉(zhuǎn)換成對(duì)應(yīng)的事件或者等待事件，事件按時(shí)間順序放入事件隊(duì)列，事件隊(duì)列只有1個(gè)。等待事件放入等待事件隊(duì)列，本發(fā)明根據(jù)實(shí)際情況按優(yōu)先級(jí)不同把等待事件分成4類，用4個(gè)二叉排序樹存放著4類等待事件，每個(gè)二叉排序樹就是一個(gè)等待事件隊(duì)列，所以一共有4個(gè)等待事件隊(duì)列，相同優(yōu)先級(jí)的等待事件按發(fā)生時(shí)間排序。然后，設(shè)置仿真鐘為0。
步驟5判斷有沒(méi)有滿足條件的等待事件(6)按優(yōu)先級(jí)查看哪個(gè)等待事件所等待的條件可以得到滿足。如果滿足，從等待隊(duì)列中提出此等待事件，進(jìn)入下一步；如果不滿足則跳過(guò)下一步。
步驟6執(zhí)行滿足條件的等待事件(7)
其操作包括產(chǎn)生下一個(gè)事件，占用相關(guān)資源，銷毀自身(即釋放該等待事件對(duì)象占用的內(nèi)存資源)。將所有滿足條件的等待事件都執(zhí)行后，進(jìn)入下一步。
步驟7選擇一個(gè)最早發(fā)生的非等待事件(8)從事件隊(duì)列中選擇一個(gè)發(fā)生時(shí)間最早的事件，如果不只一個(gè)，一并選擇出來(lái)。
步驟8將仿真鐘推進(jìn)到該事件的發(fā)生時(shí)間(9)步驟9執(zhí)行該非等待事件(10)操作包括釋放與占用相關(guān)資源，產(chǎn)生下一個(gè)事件或者等待事件，銷毀自身(即釋放該非等待事件對(duì)象占用的內(nèi)存資源)。
步驟10判斷仿真是否可以結(jié)束(11)判斷結(jié)束條件是否滿足，即判斷事件隊(duì)列是否為空，若為空則進(jìn)入下一步，若不為空，則回到步驟5繼續(xù)執(zhí)行。
步驟11結(jié)束仿真(12)步驟12進(jìn)行選擇運(yùn)算在仿真的執(zhí)行過(guò)程當(dāng)中，不斷記錄程序狀態(tài)，包括加熱罩和冷卻罩的等待時(shí)間長(zhǎng)度以及工作時(shí)間長(zhǎng)度，在程序結(jié)束后記錄生產(chǎn)總時(shí)間。注意，這個(gè)總時(shí)間并不是程序運(yùn)行的總時(shí)間，而是所仿真的生產(chǎn)過(guò)程需要的總時(shí)間。
一個(gè)個(gè)體仿真結(jié)束后，利用所記錄的數(shù)據(jù)形成用戶所關(guān)心的生產(chǎn)指標(biāo)作為這個(gè)個(gè)體適應(yīng)度函數(shù)值(3)送入遺傳算法模塊，遺傳算法模塊會(huì)根據(jù)當(dāng)前種群中所有個(gè)體的適應(yīng)度函數(shù)值采用輪盤賭的方法對(duì)這些個(gè)體進(jìn)行選擇。
步驟13進(jìn)行交叉運(yùn)算將選擇后的各個(gè)個(gè)體采用部分映射交叉(PMX)法交叉，交叉率不小于0.9。
步驟14進(jìn)行變異運(yùn)算采用的是互換變異，隨機(jī)的選擇兩個(gè)位置，并將這兩個(gè)位置互換，變異率小于0.1。
步驟15返回步驟2把經(jīng)過(guò)選擇、交叉和變異的所有個(gè)體作為當(dāng)前種群，返回步驟2。
權(quán)利要求
1.一種用于罩式爐退火生產(chǎn)的優(yōu)化排產(chǎn)方法，由遺傳算法模塊和計(jì)算機(jī)仿真退火生產(chǎn)模塊兩部分組成，用計(jì)算機(jī)仿真退火生產(chǎn)過(guò)程，用自然數(shù)編碼代表作業(yè)調(diào)度方案，用遺傳算法與仿真模型的交互作用找到最優(yōu)的調(diào)度方案，其特征是a)用計(jì)算機(jī)仿真退火生產(chǎn)模型作為遺傳算法的適應(yīng)度函數(shù)，用仿真退火生產(chǎn)后得到的生產(chǎn)數(shù)據(jù)作為適應(yīng)度函數(shù)值，用自然數(shù)編碼代表作業(yè)調(diào)度方案作為遺產(chǎn)算法的個(gè)體；b)在計(jì)算機(jī)仿真退火生產(chǎn)模型中，把等待事件按優(yōu)先級(jí)分成4類，每類存入不同的等待事件隊(duì)列，相同的等待事件隊(duì)列中的等待事件按發(fā)生時(shí)間排序。
全文摘要
一種執(zhí)行于一計(jì)算機(jī)的罩式爐退火生產(chǎn)優(yōu)化排產(chǎn)方法。該方法屬于信息技術(shù)領(lǐng)域,涉及到遺傳算法和計(jì)算機(jī)仿真在罩式爐退火生產(chǎn)中的應(yīng)用。該方法的特征是遺傳算法模塊和計(jì)算機(jī)仿真退火生產(chǎn)模塊兩部分組成。計(jì)算機(jī)仿真模塊用于模擬整個(gè)退火生產(chǎn)過(guò)程,遺傳算法模塊用于對(duì)作業(yè)調(diào)度方案進(jìn)行優(yōu)化,利用這兩個(gè)模塊的交互作用找到最優(yōu)的調(diào)度方案。該方法能夠?qū)崿F(xiàn)罩式爐退火生產(chǎn)的信息化和自動(dòng)化,降低了排產(chǎn)人員的勞動(dòng)強(qiáng)度,提高了生產(chǎn)設(shè)備的利用率和企業(yè)的生產(chǎn)效率。
文檔編號(hào)C21D9/663GK1422964SQ0214492
公開日2003年6月11日 申請(qǐng)日期2002年12月13日 優(yōu)先權(quán)日2002年12月13日
發(fā)明者劉全利, 王曉東, 王偉, 李寧, 劉瑞國(guó), 金吉凌, 王志剛, 石豪, 王建軍 申請(qǐng)人:大連理工大學(xué), 上海寶鋼益昌薄板有限公司