考慮設(shè)備靈活定期維護(hù)的煉鋼-連鑄調(diào)度研究

謝荻　譚園園

摘要：煉鋼-連鑄是鋼鐵產(chǎn)品的重要生產(chǎn)工序，其工序緊密性、高能耗性使設(shè)備的突發(fā)故障機(jī)率始終較高。根據(jù)生產(chǎn)設(shè)備的損耗特性及工藝約束提出了考慮設(shè)備靈活定期預(yù)防性維護(hù)的多目標(biāo)煉鋼-連鑄調(diào)度模型，設(shè)計了選擇策略為NSGAII的分散搜索算法。實驗結(jié)果表明該文給出的分散搜索算法對求解考慮預(yù)防性維護(hù)的煉鋼-連鑄調(diào)度問題是有效的。

關(guān)鍵詞：煉鋼-連鑄調(diào)度;預(yù)防性維護(hù);多目標(biāo)問題;分散搜索算法;NSGAII算法

中圖分類號：TP302 ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2019）13-0269-02

Abstract： Steelmaking-continuous casting is an important production process for steel products. The tightness of the process and high energy consumption make the probability of sudden failure of equipment always high. According to the loss characteristics and process constraints of the production equipment， a multi-objective steelmaking-continuous casting scheduling model considering flexible and periodic preventive maintenance of equipment is proposed， and the NSGAII distributed search algorithm is designed. The experimental results show that the distributed search algorithm given in this paper is effective for solving the steelmaking-continuous casting scheduling problem considering preventive maintenance.

Key words： steelmaking-continuous casting scheduling; preventive maintenance planning; multi-objective problem; scatter search; NSGAII

1 背景

煉鋼-連鑄是鋼鐵生產(chǎn)的瓶頸工序，三個工序呈順序加工關(guān)系，且緊密銜接，各個工序都存在作業(yè)和管理等方面的約束條件，這個過程中設(shè)備處于高負(fù)荷狀態(tài)。在實際生產(chǎn)調(diào)度中，生產(chǎn)消耗設(shè)備使用壽命，但及時維護(hù)可以延長設(shè)備的使用壽命。

目前在煉鋼-連鑄調(diào)度問題中對預(yù)防性維護(hù)影響煉鋼-連鑄調(diào)度結(jié)果的研究還比較缺乏。本文針對問題的實際特點及現(xiàn)有研究方法的不足，提出考慮設(shè)備靈活定期維護(hù)的煉鋼-連鑄生產(chǎn)調(diào)度計劃。設(shè)計了選擇方法使用NSGAII的分散搜索（scatter search， SS）算法求解。

2 問題描述及數(shù)學(xué)模型

2.1 問題描述

本文的問題描述如下：在煉鋼-連鑄生產(chǎn)中按出鋼計劃依次經(jīng)過煉鋼、精煉、連鑄三道工序[1]。煉鋼階段加工好的鋼水倒入鋼包，由吊機(jī)調(diào)運鋼包到精煉工位作精煉加工。精煉后的鋼水由鋼包運輸至連鑄設(shè)備澆鑄。靈活定期維護(hù)活動[Almq]與煉鋼-連鑄調(diào)度計劃同時確定。每隔給定的間隔[Bl]進(jìn)入一個維護(hù)容許區(qū)間[TIlmq=[Tminlmq，Tmaxlmq]]，這個時間間隔為定期維護(hù)規(guī)劃提供了一些靈活性，同時遵守生產(chǎn)的限制[2]。維護(hù)策略秉持不打斷爐次及澆次的加工，僅在每個爐次及澆次加工結(jié)束后判定設(shè)備是否維護(hù)。

煉鋼-連鑄調(diào)度的任務(wù)為設(shè)備維護(hù)時的不可使用，為爐次分配煉鋼、精煉加工設(shè)備，確定加工順序，并確定爐次在三個生產(chǎn)階段的加工開始時間和結(jié)束時間。

煉鋼-連鑄調(diào)度的相關(guān)約束有：任一爐次在同一時間只能在一個設(shè)備上加工;同一設(shè)備上前一爐次加工完成后，下一爐次才能開始加工;屬于同一澆次的爐次按給定順序在同一連鑄設(shè)備上連續(xù)加工;同一連鑄機(jī)加工的相鄰澆次間必須有一定的設(shè)置時間;同一爐次在相鄰兩階段間等待時間大于運輸時間小于最大溫降時間;

2.2 數(shù)學(xué)模型

引入如下符號：[slj]表示爐次j在[l]階段的開始加工時間;[plj]表示爐次j在[l]階段的加工時間;[dminlj，l+1j]表示爐次[j]在[l]階段完成加工至下一階段[l+1]開始的運輸時間。

3.2 參考集更新方法

根據(jù)文獻(xiàn)[3]使用NSGAII非支配排序遺傳算法選擇放入?yún)⒖技狻８鶕?jù)所有解都有的屬性1）非支配等級[πrank];2）擁擠距離[πdistance]引入擁擠比較算子（[?n]）。若[π1，rank<π2，rank]或[π1，rank=π2，rank]，同時[π1，distance>π2，distance]，則[π1?nπ2]。

3.3 多樣性解生成

連鑄階段調(diào)度順序給定，隨機(jī)生成煉鋼、精煉階段的調(diào)度序列，由后一階段加工順序重排序列生成初始解。

3.4 子集合并方法

選擇弧組合方法合并子集?；舅枷胧峭ㄟ^選擇公共弧和高質(zhì)量邊來將不同解組合，同時建立矩陣幫助計算。

3.5 解改進(jìn)方法

領(lǐng)域解通過插入類型的移動產(chǎn)生，l為所選的生產(chǎn)階段，a，b表示該階段的兩個設(shè)備，x，y為向量[πl(wèi)a]，[πl(wèi)b]的位置變量。向量v = （l， a， x， b， y）表示移動向量，即[πl(wèi)a]（x）與[πl(wèi)b（y）]位置相交換。

4 仿真實驗結(jié)果

本文根據(jù)國內(nèi)某鋼廠生產(chǎn)實績數(shù)據(jù)隨機(jī)生成的測試案例測試模型及SS算法。隨機(jī)生成案例參數(shù)設(shè)置：煉鋼與精煉傳擱時間取3min，精煉與連鑄的傳擱時間取2min，設(shè)置時間[S=5min]。工件在各生產(chǎn)階段的最大最小加工時間在表1給出的區(qū)間內(nèi)隨機(jī)產(chǎn)生，其余參數(shù)見表2。

仿真結(jié)果如圖3所示，各爐次加工過程順暢，能夠保證連續(xù)澆鑄。維護(hù)方式能同時兼顧工藝要求及機(jī)器損耗特點進(jìn)行靈活的定期維護(hù)，維護(hù)分布均勻，適合煉鋼-連鑄工藝過程的復(fù)雜生產(chǎn)情況，部分維護(hù)于設(shè)備等待時維護(hù)，因此對原本調(diào)度計劃影響不大。

5 結(jié)論

煉鋼-連鑄是鋼鐵生產(chǎn)中的重要環(huán)節(jié)，所以本文研究設(shè)備的預(yù)防性維護(hù)。實驗結(jié)果表明：

1）加入預(yù)防性維護(hù)與設(shè)備無維護(hù)的設(shè)備利用率相比較，預(yù)防性維護(hù)對原本的調(diào)度完工時間、設(shè)備利用率的影響不大，能很好地融入調(diào)度計劃。

2）給出了連鑄階段的連鑄要求與預(yù)防性維護(hù)設(shè)計策略沖突時的解決方法，通過實驗證明此解決方法能夠完成當(dāng)連鑄時間過長時設(shè)備預(yù)防性維護(hù)的要求。

參考文獻(xiàn)：

[1] Tan Y Y， Huang Y L， Liu S X. Two-Stage mathematical programming approach for steelmaking process scheduling under variable electricity price. Journal of Iron and Steel Research[J]. International， 2013（20）： 1-8.

[2] Bouzidi Hassini S， Benbouzid Sitayeb F， Marmier F， et al. Considering human resource constraints for real joint production and maintenance schedules[J]. Computers & Industrial Engineering， 2015（90）： 197-211.

[3] Kalyanmoy Deb. A Fast and Elitist Multiobjective Genetic Algorithm： NSGA-II[J]. IEEE Transactions On Evolutionary Computation， 2002（6）： 182-197.

【通聯(lián)編輯：謝媛媛】