1 绪论
1.1 引言
钢铁生产是国民经济的基础，在很多领域如造船、汽车等都需要钢铁生产。炼钢-精炼-连铸生产调度又是钢铁生产的瓶颈环节，该过程上游连接从炼铁厂炼出的铁水；同时该过程下游连接轧制车间，将板坯或钢锭输送到下游机组再根据订单的需要进行深加工。故此，炼钢-精炼-连铸生产调度对整个钢铁生产起到决定性的作用。传统的钢铁生产依靠人工组织的生产模式，导致其生产效率低下[1]。同时在生产过程中，由于紧急订单的插入、计划突发情况的变更及相关工序不畅通导致生产效率低下，进而导致库存积压或对客户交货延迟。这样粗放式的生产管理，导致钢铁生产的产量低、质量差、人工成本高。随着自动化水平的提高以及钢铁生产规模的扩大，基于三层架构的生产理念应运而生[2-5]。钢铁生产炼钢-精炼-连铸生产调度的制造执行系统（manufacturing execution system，MES）作为企业资源计划（enterprise resource planning，ERP）层与过程控制系统（process control system，PCS）层连接的桥梁，起到至关重要的作用。MES将ERP层和PCS层的信息孤岛有效地连接起来。当ERP层接到订单后，将订单信息有效、科学、合理地进行安排，下发给PCS层，形成ERP+MES+PCS三层架构的生产组织模式。生产组织部门接到订单后，最先将其分为必须自制的订单、可自制可外协的订单、必须外协的订单三类；然后进入优化自制与外协模块，根据自身产能及资源约束情况，将可自制可外协的订单合理外协（外协瓶颈工序的订单）；最后订单下到外协或者自制生产执行部门（车间），生产执行部门根据当前设备、工人、原料、交货期等情况进行最优排产[6]。该模式能够将订单等相关的信息进行有效分配，提高了ERP层的工作效率，同时能够提高PCS层的生产质量和生产能力，均衡设备的工作能力，降低生产成本。传统的手工排产方法，是通过调度人员的经验来对企业生产计划进行安排，但是往往受思维的局限，调度问题属于非确定性多项式时间复杂性类（NP）难问题，很难通过人脑得到一个全局的最优解决方案去适应实际的生产情况和应对突发的生产变化。于是，科学合理的调度方法应运而生。合理的调度优化方法能够保证大规模钢铁生产过程中产品的质量与生产的效率。针对该问题，本书进行了深入的研究，所有的工作均以国内某大型钢厂为研究背景，工业对象为该钢厂的某转炉式炼钢-精炼-连铸生产过程。所有数据均来自该转炉式炼钢厂，如图1.1所示。
该大型钢铁联合企业从20世纪70年代建厂初期就大量使用数字化设备和计算机系统，20世纪80年代中期开始二期工程建设，引进了基础自动化和过程控制系统（L1、L2）、生产控制计算机系统（L3）和热轧管理级计算机系统（L4）。该大型钢厂集成制造管理系统（L4级机）的运行主机采用的是IBM的大型机——IBM2064。L4级机的下位机是连接在公司主干网生产网段上的各生产单元的L3级机[7-11]。L3级机一般采用小型机，通过其专用网络实时收集相应的过程控制计算机（L2级机）的生产实绩数据和物流跟踪信息，上传L4级机；同时将L4级机发来的生产计划和作业指令（根据现场实际情况，有时进行适当调整）下传相应的L2级机执行。L2级机主要实现过程控制和生产实绩数据收集，并负责对相应的L1级机进行动作控制和状态监视[12]。四级计算机体系结构的实现消除了各类信息孤岛，从生产的作业层到管理层做到“数据不落地”，使该钢厂的生产自动化和管理信息化形成了规模效益，实现了信息处理自动化和设备控制自动化间的良好集成，也保证了该钢厂能坚持集中一贯的生产管理方式，实现信息资源的高度共享。公司级制造管理系统平台建成也为整合各业务管理功能提供了有力的支持和保障。该钢厂计算机集成制造系统覆盖了全钢厂所有的主生产线，包括炼铁、300t转炉炼钢、250t转炉炼钢、电炉炼钢、初轧、1580热轧、2050热轧、2030冷轧、1550冷轧、1420冷轧、1800冷轧等，其应用功能分成制造执行和制造管理两大部分。制造执行部分由每个生产单元L1、L2、L3三级计算机组成的制造执行系统构成。其中，L1级机主要完成设备的动作控制和数据采集，并进行设备状态的监视，它包括电气控制和仪表控制两部分；L2级机主要完成作业指示、模型计算、设定计数和生产实绩收集；L3级机主要有制造标准管理、作业计划调整、生产指令生成及下达、质量管理与跟踪、物料跟踪、生产实绩收集及统计、仓库管理和生产成本数据收集、生产过程控制和设备运行状况监视等功能。
随着钢铁企业向多品种、少批量、准时交货等多种需求方向发展，钢铁生产的瓶颈环节炼钢-精炼-连铸生产调度对各工序主体设备（多台转炉、多台多种精炼炉以及多台连铸机）钢水、铁水之间物流转换的要求，处理设备与运输设备等资源与设备处理时间和运输设备运输时间的平衡要求，以及辅助设备（多台天车、多台台车、多个倾转台以及扒渣机）合理配置生产资源、协同设备作业、匹配生产组织的功能要求不断提高。因此，科学合理地确定炼钢-精炼-连铸主辅设备协同调度优化可以充分提高钢厂大型设备的生产效率，调控钢厂生产的节奏、有效均衡辅助设备和主体设备在各个工序的负荷，缩短工序与工序之间的等待时间，降低因为钢水和铁水由于运输带来的物耗和能耗，从而降低成本、提高产品竞争力。同时，在钢铁生产过程中，炼钢-精炼-连铸生产调度是一个重要的生产阶段，而连铸机又是该生产阶段的一种关键设备，所以有效地利用连铸机就成了提高钢铁企业生产效率、降低生产成本的关键。该问题已受到国内外研究者的广泛关注。炼钢-精炼-连铸生产调度的生产工艺比较复杂，以某钢厂炼钢-精炼-连铸生产调度为例，如图1.2所示，其精炼环节包括一重精炼、二重精炼、三重精炼，最多到四重精炼，此外转炉还有脱碳钢种和脱磷脱碳钢种的区分，铸机有连铸和模铸的区分。冶炼设备有3台转炉，精炼设备有4类7台精炼装置（3台RH精炼炉、2台CAS精炼炉、1台KIP精炼炉与1台钢包炉（ladle furnace，LF）），连铸设备有3台连铸机（1CC、2CC、3CC），并有6条模铸线，精炼工艺路径共计26条。同时每条模铸线还配有相应的运输设备：横向行走的天车和纵向行走的台车。可见其生产流程是相当复杂的。
综上，炼钢-精炼-连铸生产调度的特点如下。首先，该生产流程包含着复杂的物理化学过程，具有高温、高压、高速的特点，存在各种突变和不确定性因素，要求对意外情况做出科学、准确和及时的动态响应。故此，该过程的调度需要具有时效性，能够应对突发状况。其次，生产制造决策不仅涉及连续过程变量，而且涉及离散过程变量。故此，该过程是一个复杂连续加离散的工业过程，需要考虑多个优化目标。同时，考虑该生产流程生产单元规模庞大，但生产单元本身可变因素多。如生产时间不确定性、温度波动、生产设备的状况、钢水原料成分、钢种变更，制造流程中各生产单元的输出质量随机改变。故此，该过程的调度需要具有鲁棒性，能够特殊地调整应对各种特殊的情况，满足实际的生产要求。
1.2 钢铁生产调度系统概述
1.2.1 钢铁生产调度系统设计难点
随着钢铁行业竞争日益激烈，企业的竞争主要集中在如何有效实现多品种小批量生产、产品质优价廉、准时交货、提供优质的售后服务以及如何使各工序负荷保持均衡、物流生产紧密衔接、工序间的等待时间缩短等方面[13]。同时，近几年来，由于国内外钢厂管理信息化建设的加快，炼钢-精炼-连铸生产调度的问题引起了国内学者和专家的注意。炼钢-精炼-连铸生产调度既要严格保证每个浇次内的炉次在连铸机连续浇铸，以及同一设备上两相邻炉次之间不产生作业冲突，即“不断浇、不冲突”为调度目标；以浇次在连铸机上开浇时间与该浇次的理想开浇时间差值大小以及相邻操作之间的炉次等待时间长短为节能降耗因素；在满足炉次在任意加工时间设备的唯一性和炉次在任意加工设备时间的连续性两个约束条件下，确定每个炉次在不同工序的加工设备以及在相应设备加工的开始时间，针对这类既特殊又复杂的多目标多约束的数学问题，很多学者总结了现有调度系统设计的难点。
（1）钢水温度和钢水成分是钢水质量的关键参数，在PCS层早已被深入研究，研究的方法主要包括人工神经网络、支持向量机和灰色系统等。而炼钢-精炼-连铸生产调度模型和算法大多针对的是生产时间调度，即“火车时刻表”，并没有将生产时间与影响铸坯质量至关重要的钢水温度和钢水成分综合考虑进行调度。虽然近年来研究者开始在生产调度过程中关注钢水温度和钢水成分，将这两个因素当作扰动事件来处理，但对这两个因素产生的扰动对调度性能的影响程度分析不够，使得调度方法的选择过于简单。
（2）已有炼钢-精炼-连铸生产调度方法研究大部分都是不考虑优化时间条件下的静态调度，并且对问题做了过多的假设条件，使得被研究的问题显得过于简单。而实际生产过程中受到原料成分、运行工况、设备状态等多种因素的干扰，整个过程往往呈现多扰动等复杂特点，使得静态调度难以对整个生产过程实现有效的优化控制。
（3）炼钢-精炼-连铸生产过程工艺复杂、设备繁多以及现场条件随时变化，使得实际过程的生产调度离不开经验丰富的调度专家的干预和决策。目前的钢铁实际生产过程中的调度系统并没有提供强大的人机交互功能，大部分实质上是信息管理系统，调度计划基本依靠调度人员的手工录入来进行。有些虽然提供了部分人机交互功能，在一定程度上提高了调度效率，但由于没有与调度模型和算法有效集成，因此难以快速形成优化的调度计划，不能适应我国炼钢-精炼-连铸生产过程的实际情况和需要，并且存在着二次开发和系统维护等诸多问题。
可见，现有的钢铁生产调度系统设计存在调度方法过于简单、静态调度难以对整个生产过程实现有效的优化控制以及调度模型和算法缺失有效的集成方法等问题，导致现有的钢铁生产调度系统难以适应实际的钢铁生产企业。
1.2.2 钢铁生产调度系统介绍
随着自动化水平的不断进步，国外许多钢铁企业，如日本制铁株式会社、韩国浦项钢铁公司（POSCO）等大型钢铁公司的钢铁厂，近年来在设备及过程自动化的基础上，致力于建设集成化的计算机生产管理系统[14-17]。这些系统多为钢铁公司的自动化部门与专业的IT公司合作开发的，

目录
“博士后文库”序言
前言
1 绪论 1
1.1 引言 1
1.2 钢铁生产调度系统概述 5
1.2.1 钢铁生产调度系统设计难点 5
1.2.2 钢铁生产调度系统介绍 6
1.3 炼钢-精炼-连铸生产调度优化方法概述 8
1.3.1 工业生产调度优化方法发展历程 8
1.3.2 炼钢-精炼-连铸生产调度优化方法研究现状 9
1.4 本章小结 15
参考文献 15
2 炼钢-精炼-连铸生产工艺过程及运行控制 19
2.1 引言 19
2.2 钢铁生产工艺过程介绍 21
2.2.1 炼铁区域工艺过程描述 21
2.2.2 炼钢区域工艺过程描述 22
2.2.3 轧制区域工艺过程描述 28
2.3 炼钢-精炼-连铸生产过程特征 31
2.3.1 相关定义 31
2.3.2 生产过程特征描述 31
2.4 炼钢-精炼-连铸生产调度人工编制概述 32
2.4.1 企业实际生产现状 32
2.4.2 生产调度人工编制方法 35
2.4.3 生产调度人工编制缺陷 40
2.5 炼钢-精炼-连铸生产调度难点分析 41
2.6 本章小结 42
参考文献 42
3 炼钢-精炼-连铸生产静态调度数学模型 45
3.1 引言 45
3.2 基于输入输出表描述炼钢-精炼-连铸生产静态调度过程 45
3.2.1 调度信息输入表分析 45
3.2.2 调度信息输出表分析 55
3.2.3 主要参数、决策变量及约束条件 58
3.3 炼钢-精炼-连铸生产静态调度过程性能指标方程 60
3.3.1 连铸过程“不断浇” 60
3.3.2 相邻炉次处理设备“不冲突” 63
3.3.3 炉次等待时间 65
3.3.4 理想与实际开浇时间差 66
3.4 炼钢-精炼-连铸生产静态调度过程约束方程 67
3.4.1 设备处理时间连续性约束 67
3.4.2 工艺路径不可变约束 67
3.5 炼钢-精炼-连铸生产静态调度数学模型建立 68
3.5.1 调度目标及约束条件 69
3.5.2 生产调度优化数学模型求解难度分析 74
3.6 本章小结 76
参考文献 76
4 炼钢-精炼-连铸生产静态调度策略 78
4.1 引言 78
4.2 调度模型转换策略 78
4.2.1 拉格朗日松弛框架下“不断浇、不冲突”约束方程 79
4.2.2 “不断浇、不冲突”松弛约束方程转化为性能指标 81
4.2.3 以炉次为单位调度优化子模型 86
4.3 调度优化求解算法 93
4.3.1 拉格朗日乘子初值拟定 95
4.3.2 基于反向动态规划的子模型优化调度求解 96
4.3.3 基于对偶间隙的终止条件设定 106
4.3.4 代理次梯度迭代算法更新拉格朗日乘子 111
4.4 仿真实验 117
4.4.1 基于次梯度、代理次梯度迭代算法的小规模调度问题测试结果比较 117
4.4.2 不同算法下调度仿真结果比较 119
4.5 本章小结 122
参考文献 123
5 加工时间不确定炼钢-精炼-连铸生产调度数学模型 124
5.1 引言 124
5.2 加工时间不确定生产调度问题基本描述 124
5.3 加工时间不确定生产调度数学模型 126
5.3.1 马尔可夫链描述加工时间不确定性 126
5.3.2 加工时间不确定生产调度问题参数及符号 128
5.3.3 加工时间不确定生产调度问题决策变量 129
5.3.4 加工时间不确定生产调度问题约束方程 130
5.3.5 加工时间不确定生产调度问题目标函数 131
5.4 本章小结 132
参考文献 132
6 加工时间不确定炼钢-精炼-连铸生产调度策略 134
6.1 引言 134
6.2 基于方向可控拉格朗日松弛框架的加工时间不确定生产调度
策略求解 134
6.2.1 生产调度问题耦合约束松弛策略 134
6.2.2 基于炉次分解策略的子问题求解方法 135
6.2.3 拉格朗日乘子更新算法的改进 138
6.2.4 对偶问题求解 146
6.2.5 构造可行解 149
6.3 加工时间不确定生产调度问题的数据验证 150
6.3.1 拉格朗日松弛框架下改进迭代策略数据验证 150
6.3.2 基于马尔可夫链描述的加工时间不确定炼钢-精炼-连铸生产调度
数据验证 151
6.4 本章小结 155
参考文献 156
7 钢水命中率不确定精炼生产调度数学模型 157
7.1 引言 157
7.2 钢水命中率不确定精炼生产调度问题基本假设与描述 158
7.3 钢水命中率不确定精炼生产调度数学模型搭建 163
7.3.1 数学模型中参数及符号定义 164
7.3.2 系统状态定义 165
7.3.3 工序执行状态定义 166
7.3.4 状态转移规则定义 166
7.3.5 目标函数 169
7.4 本章小结 171
参考文献 171
8 钢水命中率不确定精炼生产调度策略 173
8.1 引言 173
8.2 传统Q学习算法与改进Q学习算法概述 173
8.2.1 传统Q学习算法 173
8.2.2 改进Q学习算法 175
8.3 基于改进Q学习算法的钢水命中率不确定精炼生产调度策略求解 177
8.3.1 考虑不同生产性能指标的启发式策略仿真设计 177
8.3.2 基于改进Q学习算法的钢水命中率不确定精炼生产调度策略流程 178
8.4 面向钢水命中率不确定精炼生产调度问题的数据验证 181
8.4.1 基于**Q学习算法在不同案例下的数据验证 181
8.4.2 相同工艺路径下钢水命中率不确定精炼生产调度案例 184
8.4.3 不同工艺路径下钢水命中率不确定精炼生产调度案例 189
8.4.4 大规模钢铁生产企业钢水命中率不确定精炼生产调度案例 194
8.5 本章小结 196
参考文献 196
编后记 199