【技术实现步骤摘要】
本专利技术属于智能制造，涉及一种考虑订单动态到达的多目标热轧生产调度方法及系统。
技术介绍
1、客户要求和市场灵敏性需求，给包括钢铁和石化在内的制造业带来了商业和技术挑战。热轧生产线(hrpl)因为要生产交付给客户的最终产品，是钢铁企业的重要组成部分。hrpl为将高温板坯连续轧制形成客户订单所需的钢材，其主要流程包括从连铸到卷取机的多个加工工序(如图1所示)。
2、为了降低生产成本，hrpl的管理者需要从订单池中选择订单(有时也称为虚拟板坯)，并根据工艺规程将其分组为若干轧制单元。原则上，轧制单元可分为两个部分，如图1顶部所示：(1)“烫辊材”部分，订单以宽度不减小的方式进行排序，以预热轧辊。此外，订单规格(即宽度、厚度和硬度)的跳变程度必须尽可能小。最优调度方法是一种强大的决策支持工具，可以帮助生产管理者在订单多样化与复杂生产需求之间做出很好的权衡。然而，以下因素使得hrpl中的调度问题更具挑战性：
3、强约束：(1)每个轧制单元的烫辊材板坯宽度必须先按非递减顺序排列，然后按非递增顺序排列；(2)分配给每个轧制单元的板坯的总长度受到限制；(3)具有相同宽度的连续加工订单的累积长度不能超过预定义限制；(4)不允许同时改变两个相邻板坯的宽度、厚度和硬度。
4、多目标：需要同时考虑降低生产成本和提高客户满意度的目标。
5、动态不确定性：新订单动态到达订单池，需要求解随时做出快速响应。
技术实现思路
1、本专利技术的目的在于提供一种考虑订单
2、为了达到上述目的，本专利技术的基础方案为：一种考虑订单动态到达的多目标热轧生产调度方法，包括如下步骤：
3、s1,将热轧生产调度问题转化为带奖金收集的动态多目标车辆路径问题，并建立与之对应的数学模型描述；
4、s2，调用基于在线学习的多目标蚁群优化算法maco/ol求解动态车辆路径问题，获得热轧生产调度的pareto最优解集；
5、s3，使用优劣解距离法topsis从该解集中选择用户满意的热轧调度解下发至生产现场执行；
6、s4，当新订单到达时，基于当前信息素矩阵快速初始化种群，执行步骤s2再次调用maco/ol算法。
7、本基础方案的工作原理和有益效果在于：hrpl中的调度旨在找到具有固定轧制单元数的pareto最优集(pos)，以便在热轧上施加共同约束，同时最小化由所选订单的订单规格(宽度、规格和硬度)跳变引起的总惩罚成本、由未选订单的加权、引起的总损失成本生产。
8、当新订单到达时，将hrpl中的实际调度问题与带奖金收集动态车辆路径问题(pc-dvrp)相结合。mac0/0l算法通过在线学习策略加速，对于从决策和目标空间学习知识以及在动态环境下转移知识是有效的。通过机器学习策略，加速求解热轧生产线(hrpl)的动态调度问题。
9、进一步，根据热轧动态调度问题特性和工艺约束，利用混合整数线性规划方法，建立带奖金收集的动态多目标车辆路径问题模型描述，模型目标函数为：
10、
11、
12、其中，(f1)，(f2)为模型的目标函数，分别表示由相邻板坯间工艺跳变引起的总惩罚成本，由未选择订单的加权和引起的损失成本；表示轧制单元集合，k表示总轧制单元数；表示计划的订单集合，nt表示时间t的订单总数；di，j表示从订单i到订单j的跳变惩罚，
13、
14、其中，γ1，γ2，和γ3分别表示宽度、厚度和硬度的惩罚权重，γ是宽度从窄到宽变化的系数；wi表示订单i的宽度，wj表示订单j的宽度；ci表示订单i的厚度，cj表示订单j的厚度；hi表示订单i的硬度，hj表示订单j的硬度；
15、xi，j，k表示订单i和订单j在轧制单元k中的分配情况，如果一对订单(i，j)在轧制单元k中连续分配，则xi，j，k＝1，否则xi，j，k＝0，pi表示订单i的价值系数；yi，k表示订单i是否分配在轧制单元k，若订单i被分配在轧制单元k中，则yi，k＝1，否则yi，k＝0。
16、模型的约束条件包括：
17、每个订单最多只能分配给一个轧制单元：
18、
19、确保每个轧制单元从虚拟订单0开始并以虚拟订单0结束，0表示虚拟订单：
20、
21、如果一个订单已分配至某一个轧制单元中，那么在它之前和之后的位置都应分配一个订单：
22、
23、强制消除每个轧制单元的子回路：
24、
25、定义单个轧制单元的总长度上限和下限：
26、
27、不允许某一轧制单元中相邻订单的宽度、厚度和硬度同时发生变化：
28、
29、在任一轧制单元中，连续排列的同宽订单的累积长度不应大于其上限值
30、
31、
32、固定已锁定订单的决策变量xi，j，k和yi，k的值：
33、
34、
35、定义xi，j，k和yi，k的决策域：
36、
37、其中，表示订单到达时间集，t表示事件时间集的大小；s代表总订单集合的子集合，n代表总订单数量；lk表示轧制单元k总轧制长度的上限，li表示订单i长度，表示轧制单元k总轧制长度的下限；表示宽度的指示性参数，当订单i和j具有相同的宽度等于1，否则等于0；表示厚度指示参数，当订单i和j具有相同的厚度等于1，否则等于0；表示硬度的指示参数，当订单i和j具有相同的硬度等于1，否则等于0；zi，k表示轧制单元的累计长度，从连续订单中相同宽度的第一个开始计算；bigm表示代表一个极大的正数，zj，k代表轧制单元k内与订单j相邻的同宽板坯累计长度；表示第k个轧制单元相同宽度的连续订单的累积长度上限；表示在事件时间t时轧制单元k的完成列表；r表示已完成的订单集合，表示在事件时间t时轧制单元k的已完成的序号为r-1的订单。
38、当新订单到达时，需要迅速做出反应，重新解决问题。因此，将所研究的动态调度问题规划化为奖金收集的动态车辆路径问题(pc-dvrp)，加快求解效率。设置约束条件，利于求解目标函数。
39、进一步，调用maco/0l算法，求解动态车辆路径问题，获得热轧生产调度的pareto最优解集，具体方法如下：
40、s31，初始化一个信息素、多个引导函数，pareto最优解集；
41、s32，每只蚂蚁从多个引导函数中选择最有优势的一个；
42、s33，每只蚂蚁通过信息素和选定的引导函数定义的迁移概率，反复选择下一个访问订单，直至构造出所有的热轧单元计划形成一个完整的热轧调度解；
43、s34，基于pareto占优关系比较所有蚂蚁找到的热轧调度解，通过快速非支配排序法更新当前本文档来自技高网...
【技术保护点】
1.一种考虑订单动态到达的多目标热轧生产调度方法，其特征在于，包括如下步骤：
2.如权利要求1所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，根据热轧动态调度问题特性和工艺约束，利用混合整数线性规划方法，建立带奖金收集的动态多目标车辆路径问题模型描述，模型目标函数为：
3.如权利要求1所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，调用mACO/OL算法，求解动态车辆路径问题，获得热轧生产调度的Pareto最优解集，具体方法如下：
4.如权利要求3所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，每只蚂蚁从一组候选引导函数中选择最有优势的函数方法为：
5.如权利要求4所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，每只蚂蚁通过信息素和选定的引导函数定义的迁移概率，反复选择下一个访问订单，直至构造出所有的热轧单元计划形成一个完整的热轧调度解，具体步骤为：
6.如权利要求5所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，采用基于奖励学习机制做出选择决策，具体步骤为：<...
【技术特征摘要】
1.一种考虑订单动态到达的多目标热轧生产调度方法，其特征在于，包括如下步骤：
2.如权利要求1所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，根据热轧动态调度问题特性和工艺约束，利用混合整数线性规划方法，建立带奖金收集的动态多目标车辆路径问题模型描述，模型目标函数为：
3.如权利要求1所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，调用maco/ol算法，求解动态车辆路径问题，获得热轧生产调度的pareto最优解集，具体方法如下：
4.如权利要求3所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，每只蚂蚁从一组候选引导函数中选择最有优势的函数方法为：
5.如权利要求4所述的考虑订单动态到达的多目标热轧生产调度方法，其特征在于，每只蚂蚁通过信息素和选定的引导函数定义的迁移概率，反复选择...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。