基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法与系统的制作方法

专利名称：基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法与系统的制作方法
技术领域：
本发明属于信息技术领域，涉及智能优化算法，特别涉及基于混合智能优化算法
的炼钢-连铸生产作业计划与实时调度优化方法与系统。
背景技术：
炼钢-连铸是钢铁生产中的关键工序，其生产流程具有多元性、多层次、多尺度，以及开放性、非线性、远离平衡、动态有序等复杂系统的特点。炼钢-连铸生产作业计划是在生产批量计划基础上，以炉次为计划单位，在满足工艺、设备约束条件下，确定炉次的加工路径以及在各工序上的工位选择和作业时间。炼钢-连铸生产调度是在生产作业计划基础上，在满足当前生产条件下，安排各炉次在各工序上的加工设备、加工时间和加工顺序。合理科学的生产作业计划和调度方案的制定，能保证企业在整个生产过程中炉次、信息流的同步，使整个生产系统顺畅、平稳、高效的运行。 目前国内多数钢铁企业的炼钢-连铸生产作业计划与实时调度仍然采用人工编制与人工电话调度方式，其粗放型的计划制定与生产调度效率低下，准确性差，实时性不强，而在实际生产过程中，企业常面临紧急订单、生产计划变更，生产设备故障等复杂生产环境，加大了调度问题的难度。同时企业的制造执行系统缺少对生产计划和调度的实时监督功能，在出现异常的情况下，缺少异常预警与自动重计划功能，使得生产作业计划与调度成为企业发展的瓶颈之一。 目前已经公开的专利申请，如CN1556487A(—种钢铁生产的递阶协调计划调度方法)系统由上位计算机和下位计算机组成，上位计算机用于整体目标优化，以及向下位计算机下达优化目标，下位计算机根据现场实际，优化各工序的生产计划，通过上、下位计算机实现了整体与局部目标之间的联系，并对局部目标进行优化，该方法整体与局部目标之间的联系较单一，缺少全流程的优化设计；CN101105842A(钢铁MES中实现出钢计划实时匹配与动态调度的方法)实现出钢计划实时匹配与动态重调度，在作业计划与生产实绩的误差达到一定阈值后，对出钢计划模型进行在线调整以及重调度，给出生产调整建议，生成新出钢计划，该发明阈值选取对性能的影响很大，同时其重调度作为计划调整的建议，未实现作业计划自动重排。CN1614618A(—种炼钢连铸生产在线动态调度方法)提供了一种在线动态调度方法，通过生产实时数据和调度人员设定，采用滚动搜索优化，编排出适合当前生产状态的动态作业计划，并实时下发给工位，该发明实现了调度与实时状态之间的衔接，但其滚动搜索算法为避免冲突，对炉次数量存在限制。CN101261695A(—种流程工业生产调度系统的实时动态再调度方法)提出了在实时监控与滚动优化基础上的重调度方案，滚动优化方法需要计算从调度开始至扰动发生时刻内系统状态的变化，但未指出具体应用。CN101520656A(—种炼钢连铸生产在线多模式时间优化调度方法)将生产实绩与设定参数的差值作为粗调度的依据，在粗调度的基础上，进行时间优化调度模式匹配，给出新的调度方案，但未包括设备和计划变更等扰动，只根据目标调整各工位上的作业时间。CN1556486A( —种一体化的钢铁企业生产过程在线计划调度系统与方法)通过预订计 划_仿真软件模拟_调整计划的方式制定生产计划，利用模型计算和规则推理结合的方法 进行在线生产调度，该方法利用了现有仿真调度软件与算法库，解决方案的针对性受到限 制。CN1753010A(用于钢铁企业能源优化调度的分类建模和滚动求解方法)对钢铁企业中 能量流进行调度研究，建立能源设备与管网模型，利用事件驱动滚动优化策略度进行计算， 没有考虑到能量传输中的炉次因素，对生产的指导作用受到一定限制。

发明内容
针对当前钢铁企业炼钢_连铸生产过程中作业计划与生产调度存在的上述不足， 本发明提供了基于混合智能优化算法的炼钢_连铸生产作业计划与实时调度优化方法与 系统。本发明解决了背景技术中存在的不足，在生产批量计划下达时能够制定出优化的生 产计划，在扰动发生时，能及时进行重计划与实时调度。
本发明的技术方案是这样实现的 本发明提出了一种基于混合智能优化算法的炼钢-连铸生产作业计划与实时调 度优化方法，该方法步骤为
—、计划调度对象建模 计划调度对象建模采用两种方式进行根据炼钢_连铸实际生产流程建立相应的 由工序工位与运输线组成的生产模型，炉次计划在工序上的作业时间和在工序间运输线上 的运输时间满足生产统计规律，建立的计划调度生产模型能够保存为自定义的数据文件格 式；直接打开已建好模型的数据文件，快速建立计划调度对象模型。
二、生产作业计划制定 生产批量计划下达是生产作业计划制定的触发条件。生产作业计划制定采用遗 传_蚁群混合智能优化算法计算，该算法流程为 1、由铸机开浇时间、炉次在工序上的作业时间、炉次在工序间运输时间组成染色 体基因，工序作业时间和工序间运输时间属性满足生产统计规律，利用生产统计规律随机 产生种群； 2、对每一个染色体通过蚁群算法计算获得炉次在各工序上加工工位选择以及在 工序和运输线上的开始和结束作业时间； 3、计算染色体对应的作业计划的冲突指数，将其作为染色体适应度值；
4、由迭代代数判断是否符合终止条件，若是则结束算法；否则对染色体种群进行 选择、交叉和变异操作，转入(2);染色体中选择、交叉、变异操作分3个基因段分别进行。
三、实时调度 实时调度贯穿于生产运行整个过程，并不断检测生产过程中的扰动信息，如果出 现扰动，则启动重调度，计算重计划，获得重调度方案。 本发明根据生产实际，将扰动分为两大类系统扰动和人工扰动。系统扰动包括 设备扰动和时间扰动，人工扰动包括任务扰动和生产工艺扰动，各扰动定义及其产生的结 果如下 1、设备扰动，设备故障、修复或是新设备投入运行造成。该扰动将导致调度过程中 加工工序上工位设备选择的变化。
5
2、时间扰动，任务作业时间与工艺设定时间偏差太大造成。该扰动的影响是降低原调度方案的可行性和有效性，使得调度方案中作业时间随之变化。 3、任务扰动，对生产计划的追加、更改或取消造成。该扰动将导致调度方案中炉次数量和性质的变化。 4、生产工艺扰动，钢水返送或改判造成。对返送的炉次增加其处理时间，对改判炉次根据改判信息重新设定其加工路径。 人工扰动通过人机交互接口输入，对应于生产实际包括生产计划添加与删除、计划更改、钢水改判与返送、工位指派和加工时间制定。 本发明综合应用遗传_蚁群混合智能优化算法和时间并行顺推算法对扰动问题进行处理，将扰动发生时的计划划分为未作业计划和正在作业计划，对未作业计划采用遗传_蚁群混合智能优化算法处理，其流程同生产作业计划制定；对正在作业计划，采用时间并行顺推算法处理确定正在作业炉次在当前工位上的开始和结束作业时间，并利用工位集上的预定规则选择下一工序的加工工位，进行时间并行顺推；将制定的两部分计划合并获得重计划。 本发明建立了基于混合智能优化算法的炼钢_连铸生产作业计划与实时调度系统，该系统具有与现有生产信息系统(企业资源规划系统，制造执行系统，过程控制系统)的数据交换功能，由实时数据接口模块、人机交互模块、生产建模模块、生产作业计划制定模块和实时调度模块组成。 实时数据接口模块是系统与现有生产信息系统的数据交换接口 ，并通过企业局域网使生产作业计划制定模块和实时调度模块与企业资源规划系统、制造执行系统和过程控制系统连接，接收企业资源规划系统下达的生产批量计划，制造执行系统的生产炉次实时信息，过程控制系统的工位、运输线的状态信息，由生产作业计划制定模块制定生产作业计划，实时调度模块进行重计划与重调度，再利用实时数据接口向制造执行系统下达计划和调度指令。 人机交互模块是系统与调度人员的交互接口 ，包括应用操作界面与计划调度方案
的可视化表达界面；应用操作界面提供了人工对计划与调度的操作接口，计划调度方案的
可视化表达界面将计划结果与调度方案用甘特图与时刻表形式进行表达。 生产建模模块建立与生产实际对应的包括工序工位与运输线的计划调度生产模型。 生产作业计划制定模块采用遗传_蚁群混合智能优化算法，在生产批量计划下达
时，由生产批量计划，制定满足铸机连续浇铸且没有生产冲突的生产作业计划。 实时调度模块用于在生产运行过程中，不断接收人机交互模块与实时数据接口模
块发送的实时扰动信息，并及时启动重计划与重调度功能，利用遗传-蚁群混合智能优化
算法和时间并行顺推算法进行生产计划重排，并制定重调度方案。 相比现有技术，本发明具有如下有益效果 1、本发明能够根据炼钢-连铸企业资源规划系统下达的生产批量计划，制定出满足铸机连续浇铸，无设备冲突的优化生产作业计划，并通过实时数据接口反馈至制造执行系统，指导生产计划的运行。 2、本发明能够在炼钢-连铸生产过程中，通过实时数据接口与人机交互获得生产过程中的系统扰动和人工扰动，并在当前生产状态的基础上，及时制定重计划，并将重排的 作业计划与重调度方案反馈至制造执行系统，以辅助生产调度。 3、本发明建立了与现有生产信息系统的无缝连接，具有与企业资源规划系统、制 造执行系统和过程控制系统的双向数据传输功能，使系统能够在企业在线运行，成为企业 生产计划制定与辅助调度的工具。


图1为基于混合智能优化算法的炼钢_连铸生产作业计划与实时调度优化方法流 程图； 图2为基于混合智能优化算法的炼钢_连铸生产作业计划与实时调度系统； 图3为遗传_蚁群混合智能优化算法流程图； 图4为蚁群算法流程图； 图5为时间并行顺推算法流程图。
具体实施例方式
下面结合附图对本发明作进一步的具体说明。 基于混合智能优化算法的炼钢_连铸生产作业计划与实时调度优化方法包括计 划调度生产建模、生产作业计划制定和实时调度三部分，以及由遗传_蚁群混合智能优化 算法和时间并行顺推算法的混合智能优化算法库，参见图1 。 在生产建模中，可以建立全新的计划调度对象模型，也可以打开已有的生产模型 文件快速建模。计划调度对象模型由生产工序工位以及流程工序关系的生产运输线组成 的。 计划调度对象模型是生产作业计划和实时调度的基础，在此基础上，可以进行作 业计划制定操作和实时调度操作。当生产批量计划下达时，进行作业计划制定；在生产实际 运行过程中，则不断运行实时调度。 当接收到生产批量计划时，启动作业计划制定，利用遗传_蚁群混合智能优化算 法分配各炉次在生产工序上的工位以及在工序上的作业时间和运输线上的作业时间，制订 满足铸机连续浇铸与无设备冲突的生产作业计划。 实时调度伴随生产过程的始终在生产运行过程中，当接收到扰动后，启动扰动
处理机制，将当前时刻未完成生产计划分为未作业计划与正在作业计划，未作业计划采用
遗传_蚁群混合智能优化算法，正在作业计划采用时间并行顺推算法分别制定生产作业计划，再将两作业计划合并，得到新的生产作业计划，同时提供实时调度方案。 遗传-蚁群混合智能优化算法流程参见图3，首先生成由各连铸机的预定开始浇
铸时刻，炉次在工序上的作业时间和工序间的运输时间构成的染色体，并按各铸机的浇次
生成浇次内各炉次在铸机上的开始与结束作业时间，再采用蚁群算法确定浇次内所有炉次
在各工序和运输线上的开始和结束时间，并选择适宜的加工工位，形成完整的作业时刻表，
然后将计划的冲突指数作为遗传算法的适应度函数，计算对当代所有作业计划方案进行评
价与筛选，得到优化方案，再经过遗传的交叉、变异操作不断进化，可得到优化的生产作业计划。
遗传-蚁群混合智能优化算法中，采用蚁群算法从染色体中计算得到生产作业计 划，蚁群算法参加图4: St印l读入染色体，已知浇次的开浇时刻和各炉次在工序上的作业时间以及在运 输线上的运输时间，计算浇次中各炉次在铸机上的开始和结束浇注时间，转下一步。
St印2蚁群初始化，设置蚁群元素，信息素，定义进化代数、临时作业计划结果、选 择策略、冲突时间等，信息素个数为炉次数量X工位数量，转下一步，设置进化代数6= 1。
St印3令工序计数器j = M(铸机工序序号)，蚂蚁位于j工序上，转下一步。
St印4工序j各工位上作业的炉次蚂蚁加入当前任务集Q '中，转下一步。
St印5如果Q'为空，转St印6，否则，转St印5-1。 St印5-1从Q '选择最晚开始炉次i ，根据其工艺路径确定由当前工序j工位k到 紧前工序的可选工位集合W (i， k)，转St印5-2 St印5-2计算W (i， k)中各工位的预计开始和结束作业时间，保存到紧前工序的 预分配任务集合Tj,中，并从Q'中删除i，转St印5。 St印6工序j-l的预分配任务集合Tj,是否为空，如果为空，转入St印7，否则转入 St印6-l 。 St印6-1炉次i按照工位选择策略从W (i， k)中选择加工工位k，调整炉次i在k 上的开始和结束作业时间，转St印6-2。 St印6-2更新工位k的可用时间区间，统计炉次i在工位上的作业等等时间和冲突 事件，更新炉次i在工位k上的局部信息素。从Tj,中删除i，转入St印6。
St印7判断j是否为首道工序，若是，则转入下一步，否则j一，转入St印4。
St印8更新全局信息素，判断是否满足迭代结束条件，若是，转入下一步，否则代数 G+十，转入St印3。 St印9输出最终的作业计划。 在扰动发生时，对于正在作业的生产计划，采用时间并行顺推算法进行处理，参见 图5，该算法流程如下 St印l读取并保存当前正在加工的所有N个炉次，并将其存储在集合Task中，转入 下一步。 St印2由Task中炉次的加工路径，获得各炉次的在各工序上加工时间和工序间运 输时间的最大值与最小值，转入下一步。 St印3根据Task中各炉次与所在浇次的前一炉次连浇的原则，计算在铸机上的开 始和结束时间，转入下一步。 St印4以开浇时刻为起点，选取炉次在工序之间平均运输时间以及在工序上的最
大最小作业时间，倒推计算炉次在各工序的最早和最晚开始加工时间Xi,jE， Xi,/，令j = 1，
表示工序计数器，转入下一步。 St印5如果j大于最大工序数，则转St印10，否则将Task中在j上作业的炉次加 入当前作业任务集合r中，转入下一步。 St印6如果r中炉次为空，则转St印9，否则转入下一步。 St印7取r中的首炉次i，计算该炉次在工序j及其紧后工序j'上的开始作业时 间，作业时间和结束作业时间，转入下一步。
St印8确定炉次i在工序j'上的可选工位集合^i,j,，删除炉次i，转入St印6。
St印9将工序j+1上的炉次按预定规则分配到可选工位集j,中适宜工位上加 工，j+十，转St印5。 St印10按连浇原则调整出现断浇浇次，完成对正在加工炉次的作业计划编制。
可选工位集上的预定规则包括 先到先加工规则，同一工序上炉次按开始作业时间先后顺序选择加工工位。
设备冲突最小规则，炉次在工位上的开始时间与各工位的最早可用时间的冲突时 间，选择冲突最小的工位。 设备利用率均衡规则，选择已加工炉次数最小的工位。
随机选择规则。 基于混合智能优化算法的炼钢_连铸生产作业计划与实时调度系统包括以下部
分实时数据接口模块、人机交互模块、生产建模模块、生产作业计划制定模块和实时调度 模块，参见图2。 本系统通过实时数据接口模块建立与企业资源规划系统，制造执行系统，过程控 制系统的数据接口 ，作为企业生产信息系统的一部分运行于现场生产过程中，为企业生产 提供生产作业计划，并在生产条件发生变化时，及时进行重计划，提供重调度方案。
企业资源规划系统通过实时数据接口模块向本系统提供生产运行过程中下达的 生产批量计划，用于进行生产作业计划制定，该数据的下达是间断的，因此生产作业计划制 定也是间断执行的；制造执行系统通过数据接口向本系统发送生产作业计划的实际执行情 况，提供时间扰动等信息，并同时接收本系统生成的生产作业计划与实时调度方案，用于指 导生产运行；过程控制系统通过数据接口向本系统发送工位与运输线的实时作业信息，提 供设备扰动等信息。 人机交互模块提供了操作人员与本系统的接口，包括应用操作界面与计划调度可 视化界面。应用操作界面提供了人工对计划与调度的操作接口，包括对生产计划的人工干 预，提供任务扰动和生产工艺扰动，同时判定生产作业计划是否符合要求，并下达调度方 案。计划调度可视化界面为生产作业计划提供了甘特图与时刻表两种直观表达形式。由于 生产过程中，对生产扰动的检测是连续不断的进行的，因此实时调度在生产过程中将不停 执行。
生产作业计划制定的操作过程如下 企业资源规划系统在向制造执行系统下达生产批量计划的同时，也通过实时数 据接口模块向本系统发送生产批量计划数据，本系统则启动生产作业计划模块，利用遗 传_蚁群混合智能优化算法制定满足铸机连浇的生产作业计划，并将炉次在各工序上工位 分配与作业时间以甘特图和时刻表形式在人机交互模块显示，调度人员决定是否对生产作 业计划进行修改，然后将其通过实时数据接口模块下达到制造执行系统，指导生产运行。
实时调度操作过程如下 在生产过程中，系统不断接收来自生产系统与人工干预的扰动，当接收到扰动后， 利用遗传_蚁群混合智能优化算法对未作业计划，时间并行顺推算法对正在作业计划进行 编排，实时调度模块将两重计划合并获得新的生产作业计划，并在人机交互端以甘特图和 时刻表形式表达，调度人员决定对重计划是否进行修改，然后将其下达到制造执行系统，同时根据重计划下达实时调度方案，以克服当前扰动对生产的影响。
权利要求
基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法，其特征在于，本方法步骤为(1)计划调度对象建模构建与炼钢-连铸实际生产流程对应的由工序工位与运输线组成的生产模型，炉次计划在工序上的作业时间和在工序间运输线上的运输时间满足生产统计规律，转第(2)步；(2)生产作业计划制定判断当前时刻生产系统中是否有生产批量计划下达，如有，则根据生产批量计划，由混合智能优化算法制定生产作业计划，再转第(3)步；否则直接转第(3)步；(3)实时调度实时调度包括以下步骤(3-1)从生产实时信息判断生产计划是否作业完毕，从人机交互信息判断是否中断生产作业，若满足上述条件之一，则整个流程结束；否则，转入第(3-2)步；(3-2)监测执行过程中是否有扰动发生，若存在扰动，则转入第(3-3)步，否则转入第(3-1)步；(3-3)对发生的扰动进行分类，建立扰动处理机制将扰动发生时未完成作业计划分为正在作业计划和未作业计划，分别对正在作业计划和未作业计划采用混合智能优化算法重新编排作业计划，将两重新编排的作业计划合并后获得重计划方案，转入第(3-4)步；(3-4)通过人机交互接口，根据人工经验决定是否对重计划方案进行调整，然后进行重调度，并更新生产作业计划，转入第(3-1)步。
2. 按照权利要求1所述的基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法，其特征在于混合智能优化算法包括遗传-蚁群智能优化算法和时间并行顺推算法，通过混合智能优化算法确定作业炉次在工序上的工位选择，以及在工位和运输线上的作业时间。
3. 按照权利要求1所述的基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法，其特征在于第(2)步生产作业计划的制定采用遗传-蚁群混合智能优化算法；该算法流程为(1) 由铸机开浇时间、炉次在工序上的作业时间、炉次在工序间运输时间组成染色体基因，工序作业时间和工序间运输时间属性满足生产统计规律，利用生产统计规律随机产生种群；(2) 对每一个染色体通过蚁群算法计算获得炉次在各工序上加工工位选择以及在工序和运输线上的开始和结束作业时间；(3) 计算染色体对应的作业计划的冲突指数，将其作为染色体适应度值；(4) 由迭代代数判断是否符合终止条件，若是则结束算法；否则对染色体种群进行选择、交叉和变异操作，转入(2);染色体中选择、交叉、变异操作按三个基因段分别进行。
4. 按照权利要求1所述的基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度优化方法，其特征在于所述扰动分为系统扰动和人工扰动两大类，系统扰动包括设备扰动和时间扰动，人工扰动包括生产工艺扰动和任务扰动；扰动发生时对未作业计划采用遗传_蚁群混合智能优化算法重新编排计划，对正在作业计划采用时间并行顺推算法重新编排计划确定正在作业炉次在当前工位上的开始和结束作业时间，并利用工位集上的预定规则选择下一工序的加工工位，进行时间并行顺推算法，以确定满足铸机连浇的生产作业计划。
5. 按照权利要求1所述的基于混合智能优化算法的炼钢-连铸生产作业计划与实时调 度优化方法，其特征在于人机交互包括对生产计划的干预以及人工调度方案，人工调整方 案包括生产计划添加与删除、计划更改、钢水改判与返送、工位指派和加工时间制定。
6. 基于混合智能优化算法的炼钢-连铸生产作业计划与实时调度系统，其特征在于 该系统由实时数据接口模块、人机交互模块、生产建模模块、生产作业计划制定模块和实时 调度模块组成；实时数据接口模块建立与现有生产系统的接口 ，用于接收生产信息，并向生产系统发 送作业计划与调度信息。人机交互模块为本系统与调度人员的交互接口 ，利用人工经验为生产计划执行与调 度提供指导；生产建模模块建立与生产实际对应的包括工序工位与运输线的计划调度生产模型； 生产作业计划制定模块根据炼钢-连铸生产批量计划，由生产作业计划制定模块制定满足铸机连续浇铸且没有生产冲突的生产作业计划；实时调度模块用于接收人机交互模块与实时数据接口模块发送的扰动信息，根据当前作业情况进行重计划与重调度。
7. 根据权利要求6所述的炼钢-连铸生产作业计划与实时调度系统，其特征在于本 系统通过实时数据接口模块建立了与现有信息系统的连接，实现了数据的双向传输，现有 信息系统包括企业资源规划系统、制造执行系统和过程控制系统。
8. 根据权利要求6所述的炼钢_连铸生产作业计划与实时调度系统，其特征在于人 机交互模块包括应用操作界面与计划调度方案的可视化表达界面；应用操作界面提供了人 工对计划与调度的操作接口 ，计划调度方案的可视化表达界面将计划结果与调度方案用甘 特图与时刻表形式表达。
9. 按照权利要求6所述的炼钢-连铸生产作业计划与实时调度系统，其特征在于生 产作业计划制定模块和实时调度模块通过实时数据接口模块与企业资源规划系统、制造执 行系统和过程控制系统连接，实时数据接口模块接收企业资源规划系统下达的生产批量计 划，制造执行系统的生产炉次实时信息，过程控制系统的工位和运输线的状态信息，由生产 作业计划制定模块制定生产作业计划，由实时调度模块进行重计划与重调度，再利用实时 数据接口模块向制造执行系统下达计划和调度指令。
全文摘要
本发明提供了一种基于混合智能优化算法的炼钢连铸生产作业计划与实时调度优化方法与系统。根据生产批量计划，由混合智能优化算法制定出生产作业计划和初始调度方案；通过建立的实时数据和人机交互接口，检测生产过程中的扰动，对正在作业和未作业计划，采用混合智能优化算法，进行计划重排，并对生产过程中主要扰动进行分类，建立相应于各种扰动的处理机制，提供了生产环境变化条件下的重计划与重调度功能，方便调度人员根据人工经验进行调度方案的调整。该方法在生成生产作业计划和调度方案时，考虑了设备以及炉次之间可能的冲突，使得计算结果可行；实时调度功能使模型方法具有较强的系统自组织性、良好的适应性和通用性。
文档编号G06Q10/00GK101770615SQ20101010095
公开日2010年7月7日 申请日期2010年1月25日 优先权日2010年1月25日
发明者张涛, 朱道飞, 郑忠, 陈开 , 高小强 申请人:重庆大学