一种提高酸轧计划实施中物流设备运行效率的方法和装置

摘要

一种提高酸轧计划实施中物流设备运行效率的方法，其特征在于：设计出集成信息智能优化软件并通过酸轧生产及其原料库现场总线控制系统的硬件平台来实施。集成信息智能优化软件包括：(1)决策变量的设定；(2)辅助变量的设定；(3)酸轧生产和物流设备运行目标的选择；(4)系统满足约束的选择；(5)酸轧轧制单元优化生成；(6)酸轧轧制计划结果的输出。一种实施提高酸轧计划实施中物流设备运行效率的方法的装置，它由采用以太网局域网络1连接原料库数据采集器2、酸轧生产车间监控器和原料库监控器13、集成信息分析优化器4、输入/输出设备10、数据存储器9以及现场控制单元11构成。而集成信息分析优化器4中的轧制单元编制模块中固化有集成信息智能优化软件。

说明书

技术领域

本发明属于金属材料加工信息技术领域，涉及自动化技术，特别涉及供钢铁行业生产应用的一种提高酸轧计划实施中物流设备运行效率的方法和装置。

背景技术

酸洗和轧制联合机组(以下简称“酸轧”)是钢铁生产过程中冷轧生产阶段的第一道工序。酸轧所用的原料主要是经过热轧后的热卷，热卷在原料库中被堆放成两层，如图1所示。热卷在原料库经过冷却后，用吊车将钢卷调运至入口步进梁式运输机上，步进梁将钢卷运送给钢卷转向台。由钢卷运输车将钢卷送到入口段开卷机。钢卷经开卷、切头、焊接后经过拉伸矫直进入酸洗槽、通过酸洗槽进行切边后进入连轧机组进行轧制，最后进行卷曲。在焊接过程中，如果相邻两个带钢厚度跳跃过大或是钢种跳跃过大都会导致焊接在一起的带钢在进行拉伸矫直时出现断带，影响生产效率，同时增加了废钢产量。对于轧制工序，轧制机组一般由5个机架组成。每一个机架上的工作辊，由于高速轧制，轧辊磨损很大，为保证钢卷质量需要经常更换工作辊，更换前后两次工作辊之间的轧制对象称为轧制单元。每个轧制单元对应一个轧制排产计划。

酸轧作为钢铁企业冷轧生产过程中的一个关键环节，其物流过程对生产计划调度、物流生产的执行、提高设备利用率、提高产品质量、降低料损和能耗等有重要的作用。

目前，钢铁企业管理信息系统(简称MS)通常分成4个层，由下至上分别是L1～L4。酸轧轧制计划的编制在企业管理信息系统L4层上由人工编制完成后，生成生产指令，从MS的L4层下达到L3层，L3层接收到轧制计划后对计划作进一步调整，调整的原因主要是由于酸轧轧制计划编制时考虑生产工艺条件复杂，人工编制无法考虑到板卷实际存放的垛位信息，如果按L4下达的指令直接取板卷上料，因为一些板卷处于垛位下层且被其他板卷覆盖，势必增大板卷移出时的倒垛量，影响吊机、行车的运行效率和节奏。L3层对轧制计划的调整是为计划单元中导致倒垛次数增加的板卷选择一个可替换板卷，使得整个轧制计划内板卷移出时产生的总的倒垛次数最小，保证计划实施时及时上料，提高吊机、行车利用率，降低物流损耗。L3层将调整后的轧制计划分别下达给L2层的原料库以及生产车间，原料库的行车工根据调整后的轧制计划取板卷上料，生产车间将根据调整后的轧制计划设置酸轧机组酸洗、轧制时机组运行设备参数，将这些参数下达至L1生产设备层进行生产加工。

由于L4层人工编制计划的局限性，无法考虑到板卷实际存放的垛位信息，L3层需要进行调整，这使得调整成为轧制单元计划实施中的关键和瓶颈，调整的效果和效率直接影响到物流设备吊机和行车的运行效率以及酸轧机组的生产效率和产品质量。如果调整不合理，不但不会降低吊机的倒垛次数，同时还能影响产品质量、增加设备的磨损程度。因此，发明一种能提高酸轧产品质量的同时提高酸轧计划实施中物流设备运行效率的方法有十分重要的意义。

发明内容

为了解决以上酸轧计划实施中物流过程控制存在的不足，本发明提供一种基于集成信息分析提高酸轧计划实施中物流设备运行效率的方法，根据酸轧生产和物流设备运行效率指标，选择酸轧轧制单元内板卷以及安排这些板卷的轧制过程，使酸轧轧制单元的生产和计划实施中物流设备(吊机、行车)运行处于最优的工作状态，以提高产品质量和物流设备运行效率。

本发明的基于集成信息分析提高酸轧计划实施中物流设备运行效率的方法由集成信息分析智能优化软件并通过酸轧生产及其原料库现场总线控制系统的硬件平台来实施。

本发明的集成信息智能优化软件包括：(1)决策变量的设定；(2)辅助变量的设定；(3)酸轧生产和物流设备运行目标的选择；(4)系统满足约束的选择；(5)酸轧轧制单元优化生成；(6)酸轧轧制计划结果输出。其中：

(1)决策变量的设定：

酸轧轧制单元内板卷轧制关系变量x_ij；

板卷选择变量y_i；

(2)辅助变量的设定：

板卷i的倒垛次数s_i；

酸轧轧制单元内下层板卷与其对应的上层板卷的轧制关系量z_ik；

原料库同一行内相邻两个下层板卷与它们上层板卷在轧制单元内轧制顺序关系z_ikj；

(3)酸轧生产和物流设备运行目标的选择。

酸轧产品质量目标该目标函数值越小说明经过酸轧机组生产的板卷质量越高，反之，质量越低；

酸轧机组产能目标该目标值越大说明酸轧机组产能越大，反之，产能越低；

酸轧计划实施中物流设备运行效率目标$\underset{i\in \Omega }{\Sigma }{s}_i{y}_i-1/2\underset{i,j\in \Omega }{\Sigma }\underset{k\in A_{\mathrm{ij}}}{\Sigma }{z}_{\mathrm{ikj}},$该目标通过酸轧计划实施中板卷出库产生的倒垛次数来表示，该目标函数值越小说明物流设备(吊机)的运行效率越大，反之，运行效率越低；

上述三个目标可以通过参数调节来满足实际生产中不同情况下的需求，引入参数λ₁，λ₂，λ₃，它们分别在[0，1]之间取值并且满足λ₁+λ₂+λ₃＝1，那么可以将上述三个目标合成一个：$F\left(S\right)={\lambda }_1\underset{i\in \Omega }{\Sigma }\underset{j\in \Omega \backslash i}{\Sigma }{c}_{\mathrm{ij}}{x}_{\mathrm{ij}}-{\lambda }_2\underset{i\in \Omega }{\Sigma }{d}_i{y}_i+{\lambda }_3(\underset{i\in \Omega }{\Sigma }{s}_i{y}_i-1/2\underset{i,j\in \Omega }{\Sigma }\underset{k\in A_{\mathrm{ij}}}{\Sigma }{z}_{\mathrm{ikj}}).$

(4)系统满足约束的选择：

为了保证酸轧生产和酸轧生产计划实施过程中物流设备的正常运行，必须对其进行生产条件约束，即需要满足机组正常运行生产能力上限、酸轧机组保证生产正常运行的机组工艺约束(包括相邻板卷宽度、厚度、钢种跳跃范围上限)、酸轧计划实施中板卷出库时倒垛约束。其中生产能力上限和相邻板卷宽度、厚度、钢种跳跃范围上限的具体数值根据具体产品种类确定。

(5)酸轧轧制单元优化生成：

根据用户追求的目标不同，提出两种酸轧轧制单元优化生成方法，一种是侧重提高产品质量的优化方法，一种是侧重提高计划实施中物流设备运行效率的优化方法。

1)当用户追求的目标侧重于提高产品质量时，即输入的参数λ₁≥λ₃时，使用第一种方法。包括以下步骤：

Step 1选择轧制单元首板卷，由数据分析单元获得的数据选择宽度最大的板卷作为首板卷，如果存在多个这样的板卷，选择一个垛位信息为上层的板卷或者位于下层但其上层没有任何板卷的板卷，将选择的首板卷存放在S(初始状态下S为空集合)序列中；

Step 2根据S中的板卷，计算相关参数。W(S)_min为S内宽度最小的板卷宽度，W(S)_max为S内宽度最大的板卷宽度，δ₁为针对轧制产品设定的相邻板卷间宽度跳跃最大值，Q为针对轧制产品设定的轧制单元能轧制的板卷总重量的最大值，$d\left(S\right)=\underset{i\in S}{\Sigma }{d}_i$为S内的所有板卷的重量(其中d_i为板卷的重量)；

Step 3创建可插入板卷集合，针对S内的板卷，从未选板卷中选择宽度范围在[W(S)_min-δ₁，W(S)_max]区间内并且重量不大于Q-d(S)的板卷存放到I(S)中，判断I(S)是否为空，如果I(S)为空时，转到Step 5；否则，转到Step 4。

Step 4选择轧制板卷，确定S内板卷的轧制关系，即确定决策变量y_i和x_ij，将I(S)中的每个板卷分别插入到S中的每个位置上，根据(4)中的约束判断插入位置的可行性并获得I(S)中每个板卷插入到S中每个位置上对应的F(S)，从获得的这些F(S)中选择一个F(S)＜∞的最小值。如果不存在这样的板卷，转到Step5。否则，把最小的F(S)对应的板卷插入到S中能够获得最小F(S)的位置上，转到Step 2；

Step 5调整决策变量y_i和x_ij，优化决策目标。对通过Step 2～Step 4过程获得的轧制单元采用禁忌搜索(Tabu Search，简称TS)优化方法进行调整优化，以进一步改善轧制单元。TS算法通过允许访问质量较差解的方式使得算法能够搜索较大的解空间，并通过禁忌表来记录最近所采用的移动从而防止算法在搜索的过程中出现循环。TS算法主要依赖于邻域的选择，我们采用变邻域的TS算法进行调整优化轧制单元。使用插入、删除、交换三种领域构成变邻域：删除是从计划S中已选板卷中选择一个删除后能使F(S)减少的板卷进行删除；插入是从数据分析单元获得的数据中未选入S的所有板卷(以下简称“未选板卷”)中选择一个板卷i插入到计划S中的某个位置上，使将板卷i插入到计划S中后能使F(S)值减少；交换分别在计划S中和为选板卷中各选一个板卷进行交换，交换后使F(S)减少。采用变邻域的TS算法执行过程如下：算法开始于Step 2～Step 4过程获得的初始轧制单元，在每次迭代中在删除邻域、插入邻域和交换邻域中寻找一个最好的邻居(也就是邻域中的最好解)，执行引导向这个邻居的移动，得到一个新的当前解，从得到的这个新的当前解去进行下一次这样的迭代，直到满足TS算法终止准则时停止整个调整过程。

2)当用户追求的目标侧重于追求酸轧机组产能指标和提高酸轧计划实施中物流设备运行效率时，即输入的参数λ₁＜λ₃时，使用第二种方法。包括以下步骤：

Step 1创建酸轧计划实施中倒垛次数为0的板卷集合A，由数据分析单元获得的数据，将初始状态下(未编制轧制计划前)板卷倒垛次数为0的板卷存放在集合A中，倒垛次数为1的板卷存放在集合B中，倒垛次数为2个板卷存放在集合C中；

Step 2选择轧制单元首板卷，从集合A中选择宽度最大的板卷作为首板卷，将选择的首板卷存放在S(初始状态下S为空集合)序列中；

Step 3根据S中的板卷，计算相关参数，W(S)_min为S内宽度最小的板卷宽度，W(S)_max为S内宽度最大的板卷宽度，δ₁为针对轧制产品设定的相邻板卷间宽度跳跃最大值，Q为针对轧制产品设定的轧制单元能轧制的板卷总重量的最大值，$d\left(S\right)=\underset{i\in S}{\Sigma }{d}_i$为S内的所有板卷的重量(其中d_i为板卷的重量)，

$f\left(S\right)=\underset{i\in S}{\Sigma }\underset{j\in S\backslash i}{\Sigma }{c}_{\mathrm{ij}}+\underset{i\in S}{\Sigma }{s}_i;$

Step 4创建可插入板卷集合，针对S内的板卷，从A、B和C的未选板卷中选择宽度范围在[W(S)_min-δ₁，W(S)_max]区间内并且重量不大于Q-d(S)的板卷分贝对应存放到I^A(S)、I^B(S)和I^C(S)中，判断I^A(S)、I^B(S)和I^C(S)是否全都是空集，如果全都是空时，转到Step 6；否则，转到Step 5。

Step 5选择轧制板卷，确定S内板卷的轧制关系，即确定决策变量y_i和x_ij，将I^A(S)中的每个板卷分别插入到S中的每个位置上，根据(4)中的约束判断插入位置的可行性并获得I^A(S)中每个板卷插入到S中每个位置上对应的F(S)，从获得的这些F(S)中选择一个F(S)＜∞的最小值，如果存在这样的板卷，那么把最小的F(S)对应的板卷插入到S中能够获得最小F(S)的位置上；如果I^A(S)中不存在这样的板卷，那么从I^B(S)中搜索使F(S)＜∞且值最小的板卷；如果I^B(S)中存在这样的板卷，将该板卷插入到S中相应的位置上如果I^B(S)中也不存在这样的板卷，那么从I^C(S)中搜索使F(S)＜∞且值最小的板；，如果I^C(S)中存在这样的板卷，将该板卷插入到S中相应的位置上；如果I^C(S)中也不存在这样的板卷，那么转到Step 6；否则转到Step 3；

Step 6调整决策变量y_i和x_ij，优化决策目标。对通过Step 3～Step 5过程获得的轧制单元采用禁忌搜索(Tabu Search，简称TS)优化方法进行调整优化，以进一步改善轧制单元。具体调整优化方法与1)中Step 5相同。

(6)酸轧轧制计划结果输出。

由(5)最终得到的结果传送到生产和物流设备运行指令发布单元。

本发明还提供了一种为实施提高酸轧计划实施中物流设备运行效率的方法而设计的装置，它由以太网局域网络1连接原料库数据采集器2、酸轧生产车间监控器和原料库监控器13、集成信息分析优化器4、输入/输出设备10、数据存储器9以及现场控制单元11构成。

本发明的装置中集成信息分析优化器是核心部分。它包括信息集成、数据分析、轧制单元编制、生产和物流设备运行指令发布单元。并且在轧制单元编制模块中固化有集成信息智能优化软件。原料库中的数据采集器实时的将采集到的原料库中板卷在库垛位信息通过以太网传递到集成信息分析优化器中信息集成单元，信息集成单元按照板卷号将已存放在数据存储器中的相应板卷信息(包括规格、交货期等信息)提取出来与板卷在库垛位信息合成，形成新的板卷信息条。用户通过输入/输出设备查看集成信息后的在库板卷信息，根据客户需求和生产状态条件，输入酸轧轧制单元需求(包括轧制单元容量、轧制单元内板卷规格范围等)。集成信息分析优化器中数据分析单元根据用户输入的需求信息和集成的板卷信息，选择轧制单元的候选板卷并且将所有的候选板卷按照宽度从宽到窄的顺序排列，相同宽度的板卷按照存放垛位移出时最多发生倒垛次数从少到多的顺序排列。轧制单元编制模块针对数据分析单元中选择的候选板卷，根据酸轧生产工艺要求以及酸轧生产和物流设备运行效率指标，选择轧制板卷并安排这些板卷的轧制过程。在轧制单元编制模块中形成最终的酸轧轧制计划后，由生产发布单元根据酸轧轧制计划向生产车间一级PLC发布生产设备工艺参数，通过PLC调整酸轧机组设备相关参数；由物流设备运行指令发布单元向原料库物流设备控制器发布板卷上料顺序，行车、吊机根据指令顺序通过GPS定位系统依次搜索目标板卷的位置并吊取目标板卷移至入口步进梁式运输机上。

集成信息分析优化器轧制单元编制模块是由智能优化软件实现，该软件运行在计算机控制系统的监控计算机上，该软件通过与以太局域网络或者企业L3层控制计算机进行通讯，获得实时过程数据并给出控制优化设定值。

本发明的优点和技术进步是明显的：

1.本发明通过对酸轧生产和物流设备运行目标的选择，可以针对实际生产状况和用户需求设置合理的目标；通过系统满足约束的选择，可以针对不同企业的生产环境和生产工艺进行约束选择，可以针对生产品种种类的不同设置生产需要的相关参数，例如生产能力上限和相邻板卷宽度、厚度、钢种跳跃范围上限等，因此本发明提出的方法能够反映多个目标，有很好的通用性。

2.本发明提出的方法不但考虑了实际酸轧生产工艺的要求，同时还考虑了轧制单元对原料库物流设备运行的影响，在能有效降低生产成本、提高产品质量和产能的同时，还能有效地提高酸轧计划实施中物流设备的运行效率。

3.本发明通过提出的方法通过与目前企业的生产方式进行比较，在产品质量目标降低1％(上述解释到：产品质量目标越低说明产品质量越高)，酸轧机组产能提高3.37％的前提下，酸轧计划实施中物流设备运行效率目标降低了47％。该结果说明，本发明提出的方法大大提高了酸轧计划实施中物流设备的运行效率。

附图说明

图1为原料库内板卷堆垛图，

图2为硬件系统结构图，

图3为轧制单元编制模块实现流程图，

图4为目标侧重提高产品质量时，酸轧轧制单元优化生成方法流程图，

图5为目标侧重提高酸轧计划实施中物流设备运行效率时，酸轧轧制单元优化生成方法流程图。

具体实施方式

下面结合附图对本发明的内容作进一步的说明与补充。

如图2所示，首先，将原料库数据采集器2、酸轧生产车间和原料库监控器13、集成信息分析优化器4、输入/输出设备10、数据存贮器9和现场控制单元11以以太局域网为中心组装好。然后将集成信息智能优化软件固化到轧制单元编制模块中。再将轧制单元编制模块同信息集成模块、数据分析模块、生产和物流设备运行指令发布模块组合起来，构成集成信息分析优化器。原料库中的数据采集器通过PLC实时的将采集到的原料库中板卷在库垛位信息通过以太网传递到集成信息分析优化器中信息集成单元，信息集成单元按照板卷号将已存放在数据存储器中的相应板卷信息(包括规格、交货期等信息)提取出来与板卷在库垛位信息合成，形成新的板卷信息条。

轧制单元编制模块的实现流程如图3所示，开始；首先进行决策变量的设定，它包括：(1)酸轧轧制单元内板卷轧制关系变量x_ij；和(2)板卷选择变量y_i；然后进行辅助变量的设定，包括(1)板卷i的倒垛次数s_i；(2)酸轧轧制单元内下层板卷与其对应的上层板卷的轧制关系量z_ik；和(3)原料库同一行内相邻两个下层板卷与它们上层板卷在轧制单元内轧制顺序关系z_ikj；往下依序为酸轧生产和物流设备运行目标的选择；系统满足约束的选择、酸轧轧制单元优化生成和酸轧轧制计划结果的输出，最终结束。

酸轧生产和物流设备运行目标的选择如下：

酸轧产品质量目标该目标函数值越小说明经过酸轧机组生产的板卷质量越高，反之，质量越低；

酸轧机组产能目标该目标值越大说明酸轧机组产能越大，反之，产能越低；

酸轧计划实施中物流设备运行效率目标$\underset{i\in \Omega }{\Sigma }{s}_i{y}_i-1/2\underset{i,j\in \Omega }{\Sigma }\underset{k\in A_{\mathrm{ij}}}{\Sigma }{z}_{\mathrm{ikj}},$该目标通过酸轧计划实施中板卷出库产生的倒垛次数来表示，该目标函数值越小说明物流设备(吊机)的运行效率越大，反之，运行效率越低；

上述三个目标可以通过参数调节来满足实际生产中不同情况下的需求，引入参数λ₁，λ₂，λ₃，它们分别在[0，1]之间取值并且满足λ₁+λ₂+λ₃＝1，那么可以将上述三个目标合成一个：$F\left(S\right)={\lambda }_1\underset{i\in \Omega }{\Sigma }\underset{j\in \Omega \backslash i}{\Sigma }{c}_{\mathrm{ij}}{x}_{\mathrm{ij}}-{\lambda }_2\underset{i\in \Omega }{\Sigma }{d}_i{y}_i+{\lambda }_3(\underset{i\in \Omega }{\Sigma }{s}_i{y}_i-1/2\underset{i,j\in \Omega }{\Sigma }\underset{k\in A_{\mathrm{ij}}}{\Sigma }{z}_{\mathrm{ikj}}).$

系统满足约束的选择如下：

为了保证酸轧生产和酸轧生产计划实施过程中物流设备的正常运行，必须对其进行生产条件约束，即需要满足机组正常运行生产能力上限、酸轧机组保证生产正常运行的机组工艺约束(包括相邻板卷宽度、厚度、钢种跳跃范围上限)、酸轧计划实施中板卷出库时倒垛约束。其中生产能力上限和相邻板卷宽度、厚度、钢种跳跃范围上限的具体数值根据具体产品种类确定。

酸轧轧制单元优化生成如下：

根据用户追求的目标不同，提出两种酸轧轧制单元优化生成方法，一种是侧重提高产品质量的优化方法，一种是侧重提高酸轧机组产能指标和计划实施中物流设备运行效率的优化方法。两种方法的运行程序分别示于图4和图5中，下面将分别用实施例来加以说明。

实施例一：酸洗轧制汽车外板。

用户通过输入/输出设备查看集成信息后的在库板卷信息，根据客户需求和生产状态条件，输入酸轧轧制单元需求：轧制单元最大容量Q为1000吨、轧制单元内板卷规格范围为1600mm～1000mm，相邻板卷间宽度跳跃最大值δ₁为150mm。集成信息分析优化器中数据分析单元根据用户输入的需求信息和集成的板卷信息，选择轧制单元的候选板卷并且将所有的候选板卷按照宽度从宽到窄的顺序排列，相同宽度的板卷按照存放垛位移出时最多发生倒垛次数从少到多的顺序排列，共有这样的候选板卷149个。

轧制单元编制模块针对数据分析单元中选择的候选板卷，根据酸轧生产工艺要求以及酸轧生产和物流设备运行效率指标，选择轧制板卷并安排这些板卷的轧制过程，具体过程如下。

(1)决策变量的设定。

酸轧轧制单元内板卷轧制关系变量x_ij；

板卷选择变量y_i；

(2)辅助变量的设定。

板卷i的倒垛次数s_i；

酸轧轧制单元内下层板卷与其对应的上层板卷的轧制关系量z_ik；

原料库同一行内相邻两个下层板卷与它们上层板卷在轧制单元内轧制顺序关系z_ikj；

(3)酸轧生产和物流设备运行目标的选择。

$F\left(S\right)={\lambda }_1\underset{i\in \Omega }{\Sigma }\underset{j\in \Omega \backslash i}{\Sigma }{c}_{\mathrm{ij}}{x}_{\mathrm{ij}}-{\lambda }_2\underset{i\in \Omega }{\Sigma }{d}_i{y}_i+{\lambda }_3(\underset{i\in \Omega }{\Sigma }{s}_i{y}_i-1/2\underset{i,j\in \Omega }{\Sigma }\underset{k\in A_{\mathrm{ij}}}{\Sigma }{z}_{\mathrm{ikj}}).$输入λ₁＝0.5，

λ₃＝0.3，那么有λ₂＝0.2。

(4)系统满足约束的选择。

为了保证酸轧生产和酸轧生产计划实施过程中物流设备的正常运行，必须对其进行生产条件约束。

轧制单元内板卷总重量不能超过最大值：

$\underset{i\in \Omega }{\Sigma }{d}_i{y}_i\le Q,$Q＝1000吨。

相邻板卷宽度从宽到窄跳跃约束：

w_i-w_j≤δ₁+(1-x_ij)M，其中w_i为板卷的宽度，M为非常大的一个常数，δ₁＝150mm。

相邻板卷入口厚度跳跃约束：

$|t_i^b-t_j^b|\le {\delta }_3+(1-x_{\mathrm{ij}})M,$其中t_i^b为板卷的入口厚度，M为非常大的一个常数，δ₃＝1.0mm。

$t_i^b/t_j^b\le {\delta }_4+(1-x_{\mathrm{ij}})M,$δ₄＝1.28。

相邻板卷出口厚度跳跃约束：

$|t_i^a-t_j^a|\le {\delta }_5+(1-x_{\mathrm{ij}})M,$其中t_i^a为板卷的入口厚度，M为非常大的一个常数，δ₅＝0.5mm。

(5)酸轧轧制单元优化生成。

对于汽车外板来说，用户更侧重于产品质量，故此时采用图4所示的程序：

Step 1选择轧制单元首板卷。由数据分析单元获得的数据选择宽度最大的板卷作为首板卷。如果存在多个这样的板卷，选择一个垛位信息为上层的板卷或者位于下层但其上层没有任何板卷的板卷。将选择的首板卷存放在S(初始状态下S为空集合)序列中；

Step 2根据S中的板卷，计算相关参数。W(S)_min为S内宽度最小的板卷宽度，W(S)_max为S内宽度最大的板卷宽度，δ₁为针对轧制产品设定的相邻板卷间宽度跳跃最大值，Q为针对轧制产品设定的轧制单元能轧制的板卷总重量的最大值，$d\left(S\right)=\underset{i\in S}{\Sigma }{d}_i$为S内的所有板卷的重量(其中d_i为板卷的重量)。

Step 3创建可插入板卷集合。针对S内的板卷，从未选板卷中选择宽度范围在[W(S)_min-δ₁，W(S)_max]区间内并且重量不大于Q-d(S)的板卷存放到I(S)中。判断I(S)是否为空，如果I(S)为空时，转到Step 5，否则，转到Step4。

Step 4选择轧制板卷，确定S内板卷的轧制关系，即确定决策变量y_i和x_ij。将I(S)中的每个板卷分别插入到S中的每个位置上，根据(4)中的约束判断插入位置的可行性并获得I(S)中每个板卷插入到S中每个位置上对应的F(S)，从获得的这些F(S)中选择一个F(S)＜∞的最小值。如果不存在这样的板卷，转到Step5。否则，把最小的F(S)对应的板卷插入到S中能够获得最小F(S)的位置上，转到Step 2。

Step 5调整决策变量y_i和x_ij，优化决策目标。对通过Step 2～Step 4过程获得的轧制单元采用禁忌搜索(Tabu Search，简称TS)优化方法进行调整优化，以进一步改善轧制单元。我们采用变邻域的TS算法进行调整优化轧制单元。使用插入、删除、交换三种领域构成变邻域：删除是从计划S中已选板卷中选择一个删除后能使F(S)减少的板卷进行删除；插入是从数据分析单元获得的数据中未选入S的所有板卷(以下简称“未选板卷”)中选择一个板卷i插入到计划S中的某个位置上，使将板卷i插入到计划S中后能使F(S)值减少；交换分别在计划S中和为选板卷中各选一个板卷进行交换，交换后使F(S)减少。采用变邻域的TS算法执行过程如下：算法开始于Step 2～Step 4过程获得的初始轧制单元，在每次迭代中在删除邻域、插入邻域和交换邻域中寻找一个最好的邻居(也就是邻域中的最好解)，执行引导向这个邻居的移动，得到一个新的当前解，从得到的这个新的当前解去进行下一次这样的迭代，直到满足TS算法终止准则(设定终止准则为TS算法最大迭代次数1000次或连续最大未改进迭代次数100次)时停止整个调整过程。

(6)酸轧轧制计划结果输出。

由(5)最终得到的结果传送到生产和物流设备运行指令发布单元。

根据在轧制单元编制模块中形成最终的酸轧轧制计划，由生产发布单元根据酸轧轧制计划向生产车间一级PLC发布生产设备工艺参数，通过PLC调整酸轧机组设备相关参数；由物流设备运行指令发布单元向原料库物流设备控制器发布板卷上料顺序，行车、吊机根据指令顺序通过GPS定位系统依次搜索目标板卷的位置并吊取目标板卷移至入口步进梁式运输机上。

实施例二：酸洗轧制汽车内板。

用户通过输入/输出设备查看集成信息后的在库板卷信息，根据客户需求和生产状态条件，输入酸轧轧制单元需求：轧制单元最大容量Q为1500吨、轧制单元内板卷规格范围为1700mm～1300mm，相邻板卷间宽度跳跃最大值δ₁为250mm。集成信息分析优化器中数据分析单元根据用户输入的需求信息和集成的板卷信息，选择轧制单元的候选板卷并且将所有的候选板卷按照宽度从宽到窄的顺序排列，相同宽度的板卷按照存放垛位移出时最多发生倒垛次数从少到多的顺序排列，共有这样的候选板卷312个。

轧制单元编制模块针对数据分析单元中选择的候选板卷，根据酸轧生产工艺要求以及酸轧生产和物流设备运行效率指标，选择轧制板卷并安排这些板卷的轧制过程，具体过程如下。

(1)决策变量的设定。

酸轧轧制单元内板卷轧制关系变量x_ij；

板卷选择变量y_i；

(2)辅助变量的设定。

板卷i的倒垛次数s_i；

酸轧轧制单元内下层板卷与其对应的上层板卷的轧制关系量z_ik；

原料库同一行内相邻两个下层板卷与它们上层板卷在轧制单元内轧制顺序关系z_ikj；

(3)酸轧生产和物流设备运行目标的选择。

$F\left(S\right)={\lambda }_1\underset{i\in \Omega }{\Sigma }\underset{j\in \Omega \backslash i}{\Sigma }{c}_{\mathrm{ij}}{x}_{\mathrm{ij}}-{\lambda }_2\underset{i\in \Omega }{\Sigma }{d}_i{y}_i+{\lambda }_3(\underset{i\in \Omega }{\Sigma }{s}_i{y}_i-1/2\underset{i,j\in \Omega }{\Sigma }\underset{k\in A_{\mathrm{ij}}}{\Sigma }{z}_{\mathrm{ikj}}).$输入λ₁＝0.3，λ₃＝0.5，那么有λ₂＝0.2。

(4)系统满足约束的选择。

为了保证酸轧生产和酸轧生产计划实施过程中物流设备的正常运行，必须对其进行生产条件约束。

轧制单元内板卷总重量不能超过最大值：

$\underset{i\in \Omega }{\Sigma }{d}_i{y}_i\le Q,$Q＝1500吨。

相邻板卷宽度从宽到窄跳跃约束：

w_i-w_j≤δ₁+(1-x_ij)M，其中w_i为板卷的宽度，M为非常大的一个常数，δ₁＝250mm。

相邻板卷宽度从窄到宽跳跃约束：

w_j-w_i≤δ₂+(1-x_ij)M，其中w_i为板卷的宽度，M为非常大的一个常数，δ₂＝20mm。

相邻板卷入口厚度跳跃约束：

$|t_i^b-t_j^b|\le {\delta }_3+(1-x_{\mathrm{ij}})M,$其中t_i^b为板卷的入口厚度，M为非常大的一个常数，δ₃＝1.0mm。

相邻板卷出口厚度跳跃约束：

$|t_i^a-t_j^a|\le {\delta }_5+(1-x_{\mathrm{ij}})M,$其中t_i^a为板卷的入口厚度，M为非常大的一个常数，δ₅＝0.5mm。

(5)酸轧轧制单元优化生成。

对于汽车内板来说，企业更侧重于酸轧机组的产能指标和酸轧计划实施中物流设备的运行效率，故下面将按图5所示的程序进行：

Step 1创建酸轧计划实施中倒垛次数为0的板卷集合A。由数据分析单元获得的数据，将初始状态下(未编制轧制计划前)板卷倒垛次数为0的板卷存放在集合A中，倒垛次数为1的板卷存放在集合B中，倒垛次数为2个板卷存放在集合C中；

Step 2选择轧制单元首板卷。从集合A中选择宽度最大的板卷作为首板卷。将选择的首板卷存放在S(初始状态下S为空集合)序列中；

Step 3根据S中的板卷，计算相关参数。W(S)_min为S内宽度最小的板卷宽度，W(S)_max为S内宽度最大的板卷宽度，δ₁为针对轧制产品设定的相邻板卷间宽度跳跃最大值，Q为针对轧制产品设定的轧制单元能轧制的板卷总重量的最大值，$d\left(S\right)=\underset{i\in S}{\Sigma }{d}_i$为S内的所有板卷的重量(其中d_i为板卷的重量)，

$f\left(S\right)=\underset{i\in S}{\Sigma }\underset{j\in S\backslash i}{\Sigma }{c}_{\mathrm{ij}}+\underset{i\in S}{\Sigma }{s}_i.$

Step 4创建可插入板卷集合。针对S内的板卷，从A、B和C的未选板卷中选择宽度范围在[W(S)_min-δ₁，W(S)_max]区间内并且重量不大于Q-d(S)的板卷分贝对应存放到I^A(S)、I^B(S)和I^C(S)中。判断I^A(S)、I^B(S)和I^C(S)是否全都是空集，如果全都是空时，转到Step 6，否则，转到Step 5。

Step 5选择轧制板卷，确定S内板卷的轧制关系，即确定决策变量y_i和x_ij。将I^A(S)中的每个板卷分别插入到S中的每个位置上，根据(4)中的约束判断插入位置的可行性并获得I^A(S)中每个板卷插入到S中每个位置上对应的F(S)，从获得的这些F(S)中选择一个F(S)＜∞的最小值。如果存在这样的板卷，那么把最小的F(S)对应的板卷插入到S中能够获得最小F(S)的位置上。如果I^A(S)中不存在这样的板卷，那么从I^B(S)中搜索使F(S)＜∞且值最小的板卷，如果I^B(S)中存在这样的板卷，将该板卷插入到S中相应的位置上。如果I^B(S)中也不存在这样的板卷，那么从I^C(S)中搜索使F(S)＜∞且值最小的板卷，如果I^C(S)中存在这样的板卷，将该板卷插入到S中相应的位置上。如果I^C(S)中也不存在这样的板卷，那么转到Step 6。

Step 6调整决策变量y_i和x_ij，优化决策目标。对通过Step 3～Step 5过程获得的轧制单元采用禁忌搜索(Tabu Search，简称TS)优化方法进行调整优化，以进一步改善轧制单元。我们采用变邻域的TS算法进行调整优化轧制单元。使用插入、删除、交换三种领域构成变邻域：删除是从计划S中已选板卷中选择一个删除后能使F(S)减少的板卷进行删除；插入是从数据分析单元获得的数据中未选入S的所有板卷(以下简称“未选板卷”)中选择一个板卷i插入到计划S中的某个位置上，使将板卷i插入到计划S中后能使F(S)值减少；交换分别在计划S中和为选板卷中各选一个板卷进行交换，交换后使F(S)减少。采用变邻域的TS算法执行过程如下：算法开始于Step 2～Step 5过程获得的初始轧制单元，在每次迭代中在删除邻域、插入邻域和交换邻域中寻找一个最好的邻居(也就是邻域中的最好解)，执行引导向这个邻居的移动，得到一个新的当前解，从得到的这个新的当前解去进行下一次这样的迭代，直到满足TS算法终止准则(设定终止准则为TS算法最大迭代次数1000次或连续最大未改进迭代次数100次)时停止整个调整过程。

(6)酸轧轧制计划结果输出。

由(5)最终得到的结果传送到生产和物流设备运行指令发布单元。

根据在轧制单元编制模块中形成最终的酸轧轧制计划，由生产发布单元根据酸轧轧制计划向生产车间一级PLC发布生产设备工艺参数，通过PLC调整酸轧机组设备相关参数；由物流设备运行指令发布单元向原料库物流设备控制器发布板卷上料顺序，行车、吊机根据指令顺序通过GPS定位系统依次搜索目标板卷的位置并吊取目标板卷移至入口步进梁式运输机上。