两流异宽的炼钢-连铸过程批量计划优化方法与流程
本发明涉及生产领域，具体涉及一种基于模拟退火与变邻域搜索相结合的关于两流异宽的炼钢-连铸过程批量计划优化方法。
背景技术：
随着钢铁行业的发展，钢铁企业订单日益呈现多品种、小批量、定制化的特点。
当输入的合同或板坯数量较少且规格众多的情况下，现有的批量计划优化方法都是将同一炉次内两流结晶器宽度值设为相同的数值，在板坯数量较少时，炉次间宽度断层，计算所得的余材率或中包数导致成本较高，获利较少，往往无法排出令人满意的效果。
技术实现要素：
根据上述提出现有的批量计划优化方法，导致成本较高，获利较少，往往无法排出令人满意的技术问题，而提供一种两流异宽的炼钢-连铸过程批量计划优化方法。本发明主要利用炼钢-连铸生产调度的炉次-浇次批量计划模型，设计了求解该类模型的变邻域(variableneighborhoodsearch,vns)结合模拟退火(simulatedannealing,sa)算法，从而起到有效解决了以往方法无法解决多品种，多规格，小批量的板坯输入的缺点。
本发明采用的技术手段如下：
一种两流异宽的炼钢-连铸过程批量计划优化方法，包括以下步骤：
s1、建立炼钢-连铸生产调度的炉次-浇次批量计划模型；s2、采用变邻域结合模拟退火算法对步骤s1所述模型进行优化。
进一步地，步骤s1中，首先生成半炉次计划，进而生成同钢种的半中间包计划，中间包计划，以此确定炉次计划，在确定炉次计划后，考虑异钢种连浇及烫辊材约束的浇次计划，具体过程如下：
s11、数据处理；
将工单按照机组，精炼路径，厚度，出钢记号分成不同的组炉工单互斥集，在集合内将工单按照允许生产宽度降序排列，以便炼钢组炉；
s12、组半炉次过程；
s121、取工单互斥集的第一个工单集合，针对每一个工单进行下一个步骤s122；
s122、判断该工单集合是否为空，为空则删除该工单集合，再进行步骤s121，否则进行下一个步骤s123；
s123、取工单集合内的一个工单，进行下一个步骤s124；
s124、判断炉次集合是否为空，为空则建立一个半炉次集合，并产生一个新的半炉次；根据组炉规则，遍历炉次集合，判断能否将该工单加入到当前半炉次，若能，则将该工单加到当前炉次，并从工单集合中删除，若不能则新建半炉次，将工单加入该半炉次，将该半炉次加入炉次集合，并将该工单从工单集合中删除，而后转步骤s125；
s125、判断工单互斥集是否为空，为空则转步骤s13，否则转步骤s121；
s13、组预中间包过程；
s131、取炉次集合的第一个半炉次，针对第一个半炉次进行步骤s132；
s132、判断预中间包集合是否为空，为空则建立一个预中间包集合，并产生一个新的预中间包；根据组预中间包规则，遍历预中间包集合，判断能否将该半炉次加到当前预中间包，若能，则将该工单加到当前预中间包，并从半炉次集合中删除该半炉次，若不能则新建预中间包，将半炉次加到该预中间包，并从炉次集合中删除该半炉次；转步骤s133；
s133、判断半炉次集合是否为空，为空转步骤s14，否则转步骤s131；
s14、组中间包过程；
s141、按照机组，精炼路径，厚度，出钢记号将预中间包分成不同的组浇互斥集合，并将集合内预中间包按照半炉次数量降序排列；
s142、判断中间包集合是否为空，为空则建立一个中间包集合，取预中间包集合内前两个预中间包，判断半炉次数量是否相等，相等则组合成中间包，并放入中间包集合内，若半炉次数量不相等，则将数量大的中间包截去差距半炉次，并将截取部分放入预中间包集合，将剩下的两个预中间包进行组合，形成中间包，放入中间包集合，转步骤s143；
s143、判断预中间包集合是否为空，为空则删除，并取互斥集内下一预中间包集合，若组中间包互斥集为空，则转步骤s15，否则转步骤s142；
s15、确定炉次；
s151、遍历中间包集合，按顺序取中间包，转步骤s152；
s152、遍历该中间包，取同一中间包内，左右流次对应位置的半炉次构成炉次，设定半炉次的炉号属性；
s153、判断中间包集合是否遍历完成，完成转步骤s16，否则转步骤s151；
s16、考虑异钢种连浇，确定浇次计划；
s161、按照连连浇组浇规则，将浇次集合中未组出最优经济炉数的浇次分为不同的互斥连连浇集合，转步骤s162；
s162、取其中一个连连浇集合，遍历浇次，判断两个浇次宽度能否衔接，从而将两个浇次合并为一个连连浇；若能合并，则将两个浇次合并，不能则取下一浇次进行判断，直到浇次组合完成；转步骤s163；
s163、判断互斥连连浇集合是否遍历完成，完成则进入优化步骤，否则转步骤s162。
进一步地，根据步骤s1中的具体步骤生成初始解后，再在步骤s2中，使用变邻域结合模拟退火算法进行优化；以炉次计划为例，定义如下的邻域结构：n1-交换板坯；该操作通过交换不同炉次的板坯，如果该操作满足约束并改善目标函数，则接受该交换；n2-交换板坯，该操作通过交换不同炉次的板坯，如果该操作满足约束并改善目标函数，则接受该交换；浇次计划的邻域结构与炉次计划同理；由于模型约束极多，且采用贪婪方式接受邻域变换，若陷入局部最优解，为解决该问题，当陷入局部最优时，采用模拟退火算法获得新解，再迭代进行变邻域搜索，从而获得可接受的解。
采用的算法步骤如下：
s21、将上述过程生成的初始解设为s0，设置模拟退火算法的参数；
s22、对解s0采用内层模拟退火，获得新的解s′；
s221、判断i＜m是否成立，m为炉次总数，若是则转步骤s222，否则转步骤s22；
s222、在当前解的基础上，任意交换炉次获得新的解s′；计算新解s的目标函数值，以及目标函数差值δe＝s′-s0；决定是否接受新解，如果δe＜0或者e-δe/t大于随机概率p，则保留解s′；i++；
s223、降温，令t＝t·δt，转步骤s23；
s23、对解s0进行变邻域搜索(vns)，设初始参数k＝1；转步骤s231；
s231、判断k是否小于4，若是则使用邻域结构nk进行搜索，直到陷入局部最优解s*，如果s*优于s0则令s0＝s*，k＝0；否则k++；若k＞＝4，则转步骤s24；
s24、对解s′进行步骤2得到解s′*；判断该解是否优于s*，是则接受并赋值给s*；
s25、判断t是否小于40，是则输出解，否则转步骤s23。
进一步地，具有性能指标：组到各个炉次中的生产工单的钢种差异尽可能小；组到各个炉次的生产工单同流宽度差异尽可能小；组到相同中间包的相邻炉次之间钢种等级差异尽可能小；组到相同中间包的相邻炉次之间宽度差异尽可能小。
与现有技术相比较，本发明所述的两流异宽的炼钢-连铸过程批量计划优化方法，主要分为两个过程，采用启发式算法构筑初始解，而后采用变邻域结合模拟退火算法对初始解进行优化。初始解过程可分为组炉过程及组浇过程，利用企业实际生产案例对模型和算法的有效性进行了验证实验，结果表明炼钢-连铸批量计划模型及vns结合sa算法求解该类问题是有效的，该方法方便简单，计算速度快。
批量计划优化算法中对宽度的处理对优化算法的结果起决定性作用，针对小批量合同订单，现场编制计划往往将连铸机两流宽度分开考虑，根据板坯数量的多少对两流结晶器宽度进行设置，使得在满足生产约束的前提下，不同宽度的板坯组合在一起，使得同一炉次内与两流对应的板坯宽度差距较大，却能合理安排生产，减少中间包数量。
因此，采用两流异宽组炉组浇能够解决合同量小，但急需安排生产的情况。本发明在描述该钢厂的炼钢-连铸批量计划问题的情况下，考虑两流异宽，将炉次计划分解为半炉次计划，在组中间包时再从宏观上确定半炉次对应的另外半炉次，组成炉次，在炉次确定的情况下重新组合浇次。从而解决了因板坯品种繁多，批量较小导致的中间包数量众多，无法合并的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明步骤s1流程图。
图2为本发明步骤s2流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明提供了一种两流异宽的炼钢-连铸过程批量计划优化方法，包括以下步骤：
s1、建立炼钢-连铸生产调度的炉次-浇次批量计划模型；
首先生成半炉次计划，进而生成同钢种的半中间包计划，中间包计划，以此确定炉次计划，在确定炉次计划后，考虑异钢种连浇及烫辊材约束的浇次计划，具体过程如下：
s11、数据处理；
将工单按照机组，精炼路径，厚度，出钢记号分成不同的组炉工单互斥集，在集合内将工单按照允许生产宽度降序排列，以便炼钢组炉；
s12、组半炉次过程；
s121、取工单互斥集的第一个工单集合，针对每一个工单进行下一个步骤s122；
s122、判断该工单集合是否为空，为空则删除该工单集合，再进行步骤s121，否则进行下一个步骤s123；
s123、取工单集合内的一个工单，进行下一个步骤s124；
s124、判断炉次集合是否为空，为空则建立一个半炉次集合，并产生一个新的半炉次；根据组炉规则，遍历炉次集合，判断能否将该工单加入到当前半炉次，若能，则将该工单加到当前炉次，并从工单集合中删除，若不能则新建半炉次，将工单加入该半炉次，将该半炉次加入炉次集合，并将该工单从工单集合中删除，而后转步骤s125；
s125、判断工单互斥集是否为空，为空则转步骤s13，否则转步骤s121；
s13、组预中间包过程；
s131、取炉次集合的第一个半炉次，针对第一个半炉次进行步骤s132；
s132、判断预中间包集合是否为空，为空则建立一个预中间包集合，并产生一个新的预中间包；根据组预中间包规则，遍历预中间包集合，判断能否将该半炉次加到当前预中间包，若能，则将该工单加到当前预中间包，并从半炉次集合中删除该半炉次，若不能则新建预中间包，将半炉次加到该预中间包，并从炉次集合中删除该半炉次；转步骤s133；
s133、判断半炉次集合是否为空，为空转步骤s14，否则转步骤s131；
s14、组中间包过程；
s141、按照机组，精炼路径，厚度，出钢记号将预中间包分成不同的组浇互斥集合，并将集合内预中间包按照半炉次数量降序排列；
s142、判断中间包集合是否为空，为空则建立一个中间包集合，取预中间包集合内前两个预中间包，判断半炉次数量是否相等，相等则组合成中间包，并放入中间包集合内，若半炉次数量不相等，则将数量大的中间包截去差距半炉次，并将截取部分放入预中间包集合，将剩下的两个预中间包进行组合，形成中间包，放入中间包集合，转步骤s143；
s143、判断预中间包集合是否为空，为空则删除，并取互斥集内下一预中间包集合，若组中间包互斥集为空，则转步骤s15，否则转步骤s142；
s15、确定炉次；
s151、遍历中间包集合，按顺序取中间包，转步骤s152；
s152、遍历该中间包，取同一中间包内，左右流次对应位置的半炉次构成炉次，设定半炉次的炉号属性；
s153、判断中间包集合是否遍历完成，完成转步骤s16，否则转步骤s151；
s16、考虑异钢种连浇，确定浇次计划；
s161、按照连连浇组浇规则，将浇次集合中未组出最优经济炉数的浇次分为不同的互斥连连浇集合，转步骤s162；
s162、取其中一个连连浇集合，遍历浇次，判断两个浇次宽度能否衔接，从而将两个浇次合并为一个连连浇；若能合并，则将两个浇次合并，不能则取下一浇次进行判断，直到浇次组合完成；转步骤s163；
s163、判断互斥连连浇集合是否遍历完成，完成则进入优化步骤，否则转步骤s162。
s2、采用变邻域(variableneighborhoodsearch,vns)结合模拟退火(simulatedannealing,sa)算法对步骤s1所述模型进行优化。
根据步骤s1中的具体步骤生成初始解后，再在步骤s2中，使用变邻域(variableneighborhoodsearch，vns)结合模拟退火(simulatedannealing，sa)算法进行优化；以炉次计划为例，定义如下的邻域结构：n1-交换板坯；该操作通过交换不同炉次的板坯，如果该操作满足约束并改善目标函数，则接受该交换；n2-交换板坯，该操作通过交换不同炉次的板坯，如果该操作满足约束并改善目标函数，则接受该交换。
浇次计划的邻域结构与炉次计划同理；由于模型约束极多，且采用贪婪方式接受邻域变换，若陷入局部最优解，为解决该问题，当陷入局部最优时，采用模拟退火(simulatedannealing，sa)算法获得新解，再迭代进行变邻域搜索，从而获得可接受的解；
采用的算法步骤如下：
s21、将上述过程生成的初始解设为s0，设置模拟退火算法的参数；
s22、对解s0采用内层模拟退火(sa)，获得新的解s′。
s221、判断i＜m是否成立，m为炉次总数，若是则转步骤s222，否则转步骤s22；
s222、在当前解的基础上，任意交换炉次获得新的解s′；计算新解s的目标函数值，以及目标函数差值δe＝s′-s0；决定是否接受新解，如果δe＜0或者e-δe/t大于随机概率p，则保留解s′；i++；
s223、降温，令t＝t·δt，转步骤s23；
s23、对解s0进行变邻域搜索(vns)，设初始参数k＝1；转步骤s231；
s231、判断k是否小于4，若是则使用邻域结构nk进行搜索，直到陷入局部最优解s*，如果s*优于s0则令s0＝s*，k＝0；否则k++；若k＞＝4，则转步骤s24；
s24、对解s′进行步骤2得到解s′*；判断该解是否优于s*，是则接受并赋值给s*；
s25、判断t是否小于40，是则输出解，否则转步骤s23。
具有性能指标：组到各个炉次中的生产工单的钢种差异尽可能小；组到各个炉次的生产工单同流宽度差异尽可能小；组到相同中间包的相邻炉次之间钢种等级差异尽可能小；组到相同中间包的相邻炉次之间宽度差异尽可能小。
本发明所述的两流异宽的炼钢-连铸过程批量计划优化方法，结合实际生产中订单合同多是小批量、定制化的背景，充分考虑到双流连铸机两流结晶器可异宽的情况，建立了满足炼钢连铸工艺约束的组炉-组浇批量计划模型，设计了启发式算法解决该问题，并利用变邻域搜索算法优化结果。针对某钢厂一天的实际生产数据进行了仿真验证。从仿真结果中看，中间包内左右流宽度存在不一致且炉次间宽度衔接顺畅，比对实际当日排程结果，余材率减少5.5％，余材总重减少980t。炉次数量减少4炉，中间包数量减少3个。明显优于手工操作，为企业带来了可观的经济效益。与人工计划编制相比，减少了计划编制时间，提高了计划的质量。
本发明所述的两流异宽的炼钢-连铸过程批量计划优化方法，分为组炉过程以及组浇过程，由于问题可分成炉次问题及浇次问题，且需考虑两流异宽，因此，首先生成半炉次计划，进而生成同钢种的半中间包计划，中间包计划，以此确定炉次计划，在确定炉次计划后，考虑异钢种连浇及烫辊材约束的浇次计划，是一种针对两流异宽的炼钢-连铸过程批量计划优化方法。
实施例1
实施例中，所使用的字母符号及其含义如下表所示：
决策变量
为了便于对生产工单组炉组浇问题进行数学模型的建立与求解，首先对于该问题的性能指标进行了转化，然后对于该问题的目标、约束条件和决策变量等建模的关键要素进行了描述。
性能指标分别为：
组到各个炉次中的生产工单的钢种差异尽可能小。
组到各个炉次的生产工单同流宽度差异尽可能小。
组到相同中间包的相邻炉次之间钢种等级差异尽可能小。
组到相同中间包的相邻炉次之间宽度差异尽可能小。
其中，约束条件为：
所有工单均被排程，即每个工单都被组在某一炉次计划中。
所有炉次均被排程，即确保炉次都被安排在某一浇次计划中。
组炉规则为同炉内工单重量总和要小于炉重最大标准，大于最小标准，且工单的机组、厚度、精炼路径、出钢记号必须相同，宽度相近，同炉内宽度差异要小于调宽范围，根据数据预处理，位于不同集合中的工单不允许在同一炉次中。
组浇规则为同浇次内炉数要小于最优经济炉数，且同浇次内炉次的机组、厚度、精炼路径必须相同，若炉次钢种不同则必须能够混浇，根据数据预处理，位于不同集合中的工单不允许在同一浇次中。
炉次重量不小于机组的最小炉重，不大于最大炉重。
浇次的最大连浇炉数应为浇次中所有炉次钢种对应的最大连浇炉数的最小值。
同一炉次内相邻板坯宽度差距要小于调宽允许的最大值。
同一浇次内相邻炉次衔接板坯宽度差距要小于调宽允许的最大值。
浇次内烫辊材板坯重量要小于允许生产的烫辊材最大重量。
为方便数学模型的建立与求解，需进行数据预处理，主要包括以下两点：
(1)工单分类。将工单集i根据机组和钢种以及精炼路径进行分类，安排在相同机组生产和相同钢种的工单分入同一类别中，共分为k类，即
i＝g1∪g2∪...∪gk。
(2)互斥规则集。由于组炉规则中有机组，同钢种要求，据此建立工单组炉互斥集合，将不可组在同一炉次中的工单在集合中列举出来，即
s1＝{(i，j)|i∈gk1，j∈gk2，k1≠k2}
组浇规则中有同规格，可连浇钢种才可连续浇铸要求，同理，可得组浇互斥集，即
s2＝{(i，j)|i∈gk3，j∈gk4，k3≠k4}
基于以上分析，设计如下所示组炉-组浇数学模型：
其中，式(1)为目标函数，第一项为最小化浇次数量，第二项为炉次内相邻板坯宽度差距惩罚，第三项为浇次内相邻炉次宽度惩罚值。约束式(2)表示所有工单均被排程，即每个工单都被组在某一炉次计划中。式(3)表示所有炉次均被排程，即确保炉次都被安排在某一浇次计划中。式(4)为组炉规则，根据数据预处理，位于不同集合中的工单不允许在同一炉次中。式(5)为组浇规则，根据数据预处理，位于不同集合中的工单不允许在同一浇次中。式(6)表示炉次重量，重量与板坯被分配的机组有关，炉重不小于机组的最小炉重，不大于最大炉重。式(7)表示最大连浇炉数，浇次的最大连浇炉数应为浇次中所有炉次钢种对应的最大连浇炉数的最小值。式(8)表示同一炉次内相邻板坯宽度差距要小于调宽允许的最大值。式(9)表示同一浇次内相邻炉次衔接板坯宽度差距要小于调宽允许的最大值。式(10)表示浇次内烫辊材板坯重量要小于允许生产的烫辊材最大重量。
由于数学模型求解复杂，有效性不高，无法解决大规模实际生产问题，且虚拟炉次内板坯与连铸机左右结晶器对应关系难以用数学符号表示，故采用启发式的方法对问题进行求解。
模拟退火与变邻域搜索结合算法。
本实施例提出三阶段组炉组浇策略：数据预处理、组炉组浇计划初始解构建、基于模拟退火与变邻域搜索的组炉组浇计划优化过程。其中，组炉组浇计划初始解构建又包括：生产工单组半炉、半炉合并为半浇、半浇组合为中间包、中间包拆分炉次四部分。基于模拟退火与变邻域搜索的组炉组浇计划优化过程包括：变邻域搜索算法邻域的构建、模拟退火搜索局部最优获得摄动解两部分。组炉组浇计划满足中间包数量最少，同一中间包内相邻炉次间宽度差距尽可能小、钢种等级差异尽可能小、炉内同流相邻板坯宽度差距尽可能小、余材率尽可能少等多个性能指标，并使得这几个性能指标尽可能都达到较优解。且满足下道工序对中间包内烫辊材的要求，满足生产工艺约束。
仿真结果及分析。
为了验证本文为解决浇次内左右流异宽问题提出的炉次-浇次计划编制多目标模型及vns结合sa算法求解该问题的效果，采用某钢铁生产企业的实际数据进行仿真实验。取1天的合同日计划数据，包含a1，a2，a9机组共732块板坯，3个机组标准炉重分别为150t，250t，150t，炉内左右流各允许调宽一次，调宽范围为150mm。参数设定如下：
表1为部分浇次计划，表2表示106浇次部分组炉计划。
表格1浇次计划(部分)
表格2106浇次炉次计划(部分)
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
- 还没有人留言评论。精彩留言会获得点赞！