CN111861299B - 一种钢铁企业全流程库存水平预警与控制方法 - Google Patents
一种钢铁企业全流程库存水平预警与控制方法 Download PDFInfo
- Publication number
- CN111861299B CN111861299B CN201910365225.XA CN201910365225A CN111861299B CN 111861299 B CN111861299 B CN 111861299B CN 201910365225 A CN201910365225 A CN 201910365225A CN 111861299 B CN111861299 B CN 111861299B
- Authority
- CN
- China
- Prior art keywords
- time
- production
- stock
- warehouse
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 114
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 43
- 239000010959 steel Substances 0.000 title claims abstract description 43
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims description 50
- 229910052742 iron Inorganic materials 0.000 title claims description 25
- 238000004519 manufacturing process Methods 0.000 claims abstract description 203
- 239000000463 material Substances 0.000 claims abstract description 155
- 230000007306 turnover Effects 0.000 claims abstract description 59
- 238000011217 control strategy Methods 0.000 claims abstract description 19
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 41
- 238000003860 storage Methods 0.000 claims description 38
- 238000010079 rubber tapping Methods 0.000 claims description 35
- 238000012856 packing Methods 0.000 claims description 34
- 230000006978 adaptation Effects 0.000 claims description 16
- 238000000611 regression analysis Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000006872 improvement Effects 0.000 claims description 13
- 239000011295 pitch Substances 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 238000012384 transportation and delivery Methods 0.000 claims description 7
- 238000013439 planning Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 230000035772 mutation Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 3
- 230000002349 favourable effect Effects 0.000 abstract description 2
- 239000002253 acid Substances 0.000 description 12
- 238000000137 annealing Methods 0.000 description 12
- 238000005096 rolling process Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 2
- 238000005269 aluminizing Methods 0.000 description 2
- 238000010923 batch production Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005246 galvanizing Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000009628 steelmaking Methods 0.000 description 2
- 229910052725 zinc Inorganic materials 0.000 description 2
- 239000011701 zinc Substances 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009713 electroplating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001953 recrystallisation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种钢铁企业全流程库存水平预警与控制方法,所述方法包括以下步骤:步骤1:启动在线生产过程数据采集器,采集历史生产实绩构建学***均周转时间分析器,利用在线生产过程数据采集器获取信息,步骤3:利用上一步骤中搭建的物料在库区间的平均周转时间分析器,步骤4:对各库区进行监控。步骤5:对生产控制策略进行预测;步骤6:判断库区状态,发出预警信息,步骤7:将预警信息反馈给生产执行机构,并提出新的生产控制策略。与当前人工库存水平监测方案相比,响应时间快,实时性强,有利于生产控制平台的快速调整,从而提高生产过程的可控性和稳定性。
Description
技术领域
本发明涉及一种控制方法,具体涉及一种钢铁企业全流程库存水平预警与控制方法,属于金属材料加工信息技术领域。
背景技术
钢铁材料加工过程中的库存水平预警与控制问题是钢铁企业生产管理的主要内容,合理的库存水平直接关系到生产厂各机组的设备连续稳定运行、产品的质量和生产成本。
大型钢铁企业往往覆盖包括炼铁、炼钢、热轧、冷轧等多道串行加工工序,相邻加工工序之间存在库区,用于存放在制品,这些在制品即是前道工序的产品,又是后道工序的原料,合理的库存水平对于保证生产连续性和稳定性有重要影响;以酸轧、连续退火两个加工工序之间的库区库存水平控制为例,酸轧是首先用酸性溶液对板卷表面的氧化铁皮进行清洗,然后通过再结晶温度以下的轧制,对热轧钢带板型进行进一步调整,从而形成性能优越的钢卷或钢板;连续退火是将钢加热到合适的温度,保持一段时间,然后以一定速度冷却的热处理工艺,从而使钢重新获得原来的晶格结构,得到消除内应力的稳定组织,降低强度,提高塑性,使钢的性能更加好;酸轧和连续退火的加工目的,加工工艺不同,各道工序的生产由单独的控制器来指导,不同工序的不同机组的生产控制器无通讯连接,酸轧为了保证酸轧产品的质量和生产连续性,将不同粗糙度等级的产品进行集批生产;连续退火为了降低能源损耗将具有相同或相似退火曲线的钢卷进行集批生产;但是,相同粗糙度等级的钢卷退火曲线存在一定的差异,这个时候,为了同时满足前后道工序的稳定连续生产,酸轧和连续退火工序中间的库区就形成了一个有效的缓存,该库区存放着不同材料组别、退火曲线、规格的大量钢卷,在酸轧生产当前连续退火生产阶段不需要的钢卷的时候,连续退火生产阶段可在库区中提取所需钢卷保证稳定生产;库区存在容量限制,因此,库区水平不可能无限升高,另一方面,较低的库区水平难以保证由于生产故障、产品质量原因所导致的暂停供料情况下下游工序的稳定生产;因此,在生产组织过程中,库存水平是各机组生产控制器执行过程中的必要输入,生产执行机构在不了解其原料和产品库存水平的情况下组织生产就难以保证生产运行的稳定和连续,保证库存水平处于可容纳的合理范围内。
目前,大型冶金企业的生产实际中,各库区的库存水平控制主要通过定期的人工报表监测,由于钢厂生产的连续性,库存水平实时发生变化,人工监测库存水平难以保证实时性,同时,人工制定报表的执行响应时间较长,而大型钢铁企业的机组大多是连续运作,该人工方式无法适应生产执行机构的连续运作模式。因此,迫切的需要一种新的方案解决该技术问题。
发明内容
本发明正是针对现有技术中存在的问题,提供一种钢铁企业全流程库存水平预警与控制方法,该方法基于在线生产过程数据采集器获得的历史生产和库存实绩,主要库区包括板坯库、热卷库、酸轧前库等,设计物料在库区间的平均周转时间分析器,实时获取不同出钢记号、牌号、捆包方式、厚度组距的物料平均周转时间和所有材料的物料周转时间;对于任一在线加工物料,依据其加工路径判断需经过的库区,设计物料***,对物料经过各库区的入库、出库时间进行跟踪;最后,设计各库区的物料分布情况、库存量监控器,对库存量实时状态进行监控,将不合理的库存信息反馈给生产控制平台,提出改进的控制策略,有效指导生产,避免断料和胀库。
为了实现上述目的,本发明的技术方案如下,一种钢铁企业全流程库存水平预警与控制方法,其特征在于,所述方法包括以下步骤:
步骤1:启动在线生产过程数据采集器,采集历史生产实绩构建学习样本,所述的历史数据由生产后的实际物料品种属性、入库时间、出库时间构成,具体包括:物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间;
步骤2:建立物料在库区间的平均周转时间分析器,利用在线生产过程数据采集器获取信息,建立LS-SVM库区间周转时间回归分析模型,所述的库区间周转时间回归分析模型具体是指根据生产实绩,分析库区间周转时间与物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间的关系;
步骤3:利用上一步骤中搭建的物料在库区间的平均周转时间分析器,实现对每块物料生产过程中经过各库区的入库时间、出库时间的跟踪分析;
步骤4:对各库区进行监控。
步骤5:对生产控制策略进行预测;
步骤6:判断库区状态,发出预警信息,
步骤7:将预警信息反馈给生产执行机构,并提出新的生产控制策略。
作为本发明的一种改进,上述每个步骤具体实现过程如下:步骤1:启动在线生产过程数据采集器,采集历史生产实绩构建学习样本,所述的历史数据由生产后的实际物料品种属性、入库时间、出库时间构成,具体包括:物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间;
步骤1.1:通过物料识别器识别物料号,获取物料物料的出钢记号、牌号、捆包方式、厚度组距、物料在各机组的加工开始时间和加工完成时间;
步骤1.2:初始化任一物料i(i=1,2,…,n)在不同生产工序s(s=1,…,S)的加工开始时间Bis为-∞;完成时间Cis为+∞;
步骤1.3:采集生产实绩数据,检索任一物料i(i=1,2,…,n)在不同生产工序s(s=1,…,S)的加工开始时间Bis、完成时间Cis;
步骤1.4:基于材料设计情况,获取任一物料i(i=1,2,…,n)需要经过的工序集合Si;
步骤1.5:对于任一物料i(i=1,2,…,n),根据库区布排情况和物料需经过的工序集合Si,,确定其需要经过的库区集合Invi;
步骤1.6:对于任一物料i(i=1,2,…,n),将其进入库区k∈Invi的时间设为其在该库区紧邻前工序的加工完成时间,将其从库区k∈Invi移出的时间设为其在该库区紧邻后工序的加工开始时间;
步骤2:建立物料在库区间的平均周转时间分析器,利用在线生产过程数据采集器获取信息,建立LS-SVM库区间周转时间回归分析模型,所述的库区间周转时间回归分析模型具体是指根据生产实绩,分析库区间周转时间与物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间的关系;具体步骤如下:
步骤2.1:下载所需生产实绩其中/>表示包含第i条物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、源头库区、到达库区、入库时间、出库时间构成的多维向量,yi∈R为对应/>的库区周转时间;
步骤2.2:对实绩数据中的进行归一化,归一化后数据的第j维计算公式如下:
式中,j=1,2,…,n,表示/>第j维在实绩信息中的最小值,/>表示/>第j维在实绩信息中的最大值;
再进行标准化处理,确定输入特征向量其中,/>第j维实绩信息按下述公式进行计算:
式中,
步骤2.3:利用标准化的生产实绩信息计算LS-SVM库区间周转时间回归分析模型中的参数,实现物料在库区间的平均周转时间分析器;
步骤3:利用上一步骤中搭建的物料在库区间的平均周转时间分析器,实现对每块物料生产过程中经过各库区的入库时间、出库时间的跟踪分析。对于任一物料:
步骤3.1:采集物料当前所在库区和入库时间信息;
步骤3.2:确定物料在相邻库区间的周转时间,基于步骤2获得的物料在库区间的平均周转时间分析器,基于物料的出钢记号、牌号、捆包方式、厚度组距分析物料的库区平均周转时间;
步骤3.3:根据物料当前所在库区和库区间的周转时间,预测跟踪物料在未来的生产过程中经过各库区的入库时间、出库时间;
步骤4:对各库区进行监控。对于任一天t(t=1,…,T),T为预估计划期,任一库区k(k∈Inv),将在该天停留该库的不同出钢记号、牌号、捆包方式、厚度组距的物料量进行累加,从而获取不同出钢记号、牌号、捆包方式、厚度组距的库存量;对所有在该天停留该库的物料量进行累加,获取当日该库区的总库存量。
步骤5:对生产控制策略进行预测。对于任一天t(t=1,…,T),计算各生产机组的生产量,根据任一库区k(k∈Inv)的物料入库时间以及工艺加工路径,确定物料的生产下线机组和时间,计算任一天t(t=1,…,T)任一机组(i∈Line)的生产品种和生产量,获得初始全流程生产运行控制方案。
步骤6:判断库区状态,发出预警信息。依据各库区的安全库存量和库存容量阈值,对未来一段时期任意库区的总库存量进行分析,若任一天t(t=1,…,T)的库存量超出库存容量阈值或低于安全库存,则发出预警信息,跳到步骤7;若任一天t(t=1,…,T)的库存量均在安全库存和库存容量阈值之间,则停止计算。
步骤7:将预警信息反馈给生产执行机构,并提出新的生产控制策略。
步骤7.1:初始化全流程生产运行控制方案种群,并设置最大迭代次数和最大无改进迭代次数,上述初始全流程生产运行控制方案包含于全流程生产运行控制方案种群,其余解通过随机方式生成;修正过程中全流程生产运行控制方案的适应值计算方式即各库区库存量与安全库存和最大库存容量阈值的标准差之和,具体计算方式如下:
其中,S为当前的全流程生产运行控制方案,为全流程生产运行控制方案S中第t天(t=1,…,T)库区k(k∈Inv),LBk为库区k(k∈Inv)的安全库存,UBk为库区k(k∈Inv)的最大库存容量阈值.
步骤7.2:判断是否达到最大迭代次数或最大无改进代次数,若达到,则当前种群中适应值最优的全流程生产运行方案为最优方案,即修正的全流程生产运行控制方案;否则,执行步骤7.3;
步骤7.3:迭代次数进行自增操作;若种群中适应值最优的个体未被更新,则最大无改进代次数加1;
步骤7.4:对种群进行变异操作;
步骤7.5:对种群进行交叉操作;
步骤7.6:对种群中的子代进行选择操作;
步骤7.7:为种群中的每一个个体计算适应值,即计算当前种群对应的全流程生产运行控制方案的适应值;
步骤7.8:当前迭代次数进行自增操作并更新种群,返回步骤7.2。
相对于现有技术,本发明具有如下优点,1)本发明方法可同时监控多级库区,建立多级库存的联动监控,从全流程角度提出预警和控制方案,从而为生产执行***提供更加准确的预警信息,使得各机组的生产能够顺利进行,使生产过程更加合理;2)将本发明方法所获得的钢铁企业全流程库存水平预警和控制方法,与当前人工库存水平监测方案相比,响应时间快,实时性强,有利于生产控制平台的快速调整,从而提高生产过程的可控性和稳定性;3)通过对库存的有效管控,促使各类型库存的结构分布合理,物流拥堵现象大为降低,材料的生产周转时间缩短,同期的合同交付率也有较大提高。
附图说明
图1为本发明具体实施方式的钢铁企业全流程库存水平预警和控制***结构示意图;
图2为本发明具体实施方式的钢铁企业全流程库存水平预警和控制***中各装置之间的结构关系图;
图3为本发明具体实施方式的大型钢铁企业中生产和库区布局示意图;
图4为本发明具体实施方式的钢铁企业全流程库存水平预警和控制方法工作流程图。
具体实施方式:
为了加深对本发明的理解,下面结合附图对本实施例做详细的说明。
实施例1:一种钢铁企业全流程库存水平预警与控制方法,所述方法包括以下步骤:
步骤1:启动在线生产过程数据采集器,采集历史生产实绩构建学习样本,所述的历史数据由生产后的实际物料品种属性、入库时间、出库时间构成,具体包括:物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间;
步骤2:建立物料在库区间的平均周转时间分析器,利用在线生产过程数据采集器获取信息,建立LS-SVM库区间周转时间回归分析模型,所述的库区间周转时间回归分析模型具体是指根据生产实绩,分析库区间周转时间与物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间的关系;
步骤3:利用上一步骤中搭建的物料在库区间的平均周转时间分析器,实现对每块物料生产过程中经过各库区的入库时间、出库时间的跟踪分析;
步骤4:对各库区进行监控。
步骤5:对生产控制策略进行预测;
步骤6:判断库区状态,发出预警信息,
步骤7:将预警信息反馈给生产执行机构,并提出新的生产控制策略。
上述每个步骤具体实现过程如下:
步骤1:启动在线生产过程数据采集器,采集历史生产实绩构建学习样本,所述的历史数据由生产后的实际物料品种属性、入库时间、出库时间构成,具体包括:物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间;
步骤1.1:通过物料识别器识别物料号,获取物料物料的出钢记号、牌号、捆包方式、厚度组距、物料在各机组的加工开始时间和加工完成时间;
步骤1.2:初始化任一物料i(i=1,2,…,n)在不同生产工序s(s=1,…,S)的加工开始时间Bis为-∞;完成时间Cis为+∞;
步骤1.3:采集生产实绩数据,检索任一物料i(i=1,2,…,n)在不同生产工序s(s=1,…,S)的加工开始时间Bis、完成时间Cis;
步骤1.4:基于材料设计情况,获取任一物料i(i=1,2,…,n)需要经过的工序集合Si;
步骤1.5:对于任一物料i(i=1,2,…,n),根据库区布排情况和物料需经过的工序集合Si,,确定其需要经过的库区集合Invi;
步骤1.6:对于任一物料i(i=1,2,…,n),将其进入库区k∈Invi的时间设为其在该库区紧邻前工序的加工完成时间,将其从库区k∈Invi移出的时间设为其在该库区紧邻后工序的加工开始时间;
步骤2:建立物料在库区间的平均周转时间分析器,利用在线生产过程数据采集器获取信息,建立LS-SVM库区间周转时间回归分析模型,所述的库区间周转时间回归分析模型具体是指根据生产实绩,分析库区间周转时间与物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间的关系;具体步骤如下:
步骤2.1:下载所需生产实绩其中/>表示包含第i条物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、源头库区、到达库区、入库时间、出库时间构成的多维向量,yi∈R为对应/>的库区周转时间;
步骤2.2:对实绩数据中的进行归一化,归一化后数据的第j维计算公式如下:
式中,j=1,2,…,n,表示/>第j维在实绩信息中的最小值,/>表示/>第j维在实绩信息中的最大值;
再进行标准化处理,确定输入特征向量其中,/>第j维实绩信息按下述公式进行计算:
式中,
步骤2.3:利用标准化的生产实绩信息计算LS-SVM库区间周转时间回归分析模型中的参数,实现物料在库区间的平均周转时间分析器;
步骤3:利用上一步骤中搭建的物料在库区间的平均周转时间分析器,实现对每块物料生产过程中经过各库区的入库时间、出库时间的跟踪分析。对于任一物料:
步骤3.1:采集物料当前所在库区和入库时间信息;
步骤3.2:确定物料在相邻库区间的周转时间,基于步骤2获得的物料在库区间的平均周转时间分析器,基于物料的出钢记号、牌号、捆包方式、厚度组距分析物料的库区平均周转时间;
步骤3.3:根据物料当前所在库区和库区间的周转时间,预测跟踪物料在未来的生产过程中经过各库区的入库时间、出库时间;
步骤4:对各库区进行监控。对于任一天t(t=1,…,T),T为预估计划期,任一库区k(k∈Inv),将在该天停留该库的不同出钢记号、牌号、捆包方式、厚度组距的物料量进行累加,从而获取不同出钢记号、牌号、捆包方式、厚度组距的库存量;对所有在该天停留该库的物料量进行累加,获取当日该库区的总库存量。
步骤5:对生产控制策略进行预测。对于任一天t(t=1,…,T),计算各生产机组的生产量,根据任一库区k(k∈Inv)的物料入库时间以及工艺加工路径,确定物料的生产下线机组和时间,计算任一天t(t=1,…,T)任一机组(i∈Line)的生产品种和生产量,获得初始全流程生产运行控制方案。
步骤6:判断库区状态,发出预警信息。依据各库区的安全库存量和库存容量阈值,对未来一段时期任意库区的总库存量进行分析,若任一天t(t=1,…,T)的库存量超出库存容量阈值或低于安全库存,则发出预警信息,跳到步骤7;若任一天t(t=1,…,T)的库存量均在安全库存和库存容量阈值之间,则停止计算。
步骤7:将预警信息反馈给生产执行机构,并提出新的生产控制策略。
步骤7.1:初始化全流程生产运行控制方案种群,并设置最大迭代次数和最大无改进迭代次数,上述初始全流程生产运行控制方案包含于全流程生产运行控制方案种群,其余解通过随机方式生成;修正过程中全流程生产运行控制方案的适应值计算方式即各库区库存量与安全库存和最大库存容量阈值的标准差之和,具体计算方式如下:
其中,S为当前的全流程生产运行控制方案,为全流程生产运行控制方案S中第t天(t=1,…,T)库区k(k∈Inv),LBk为库区k(k∈Inv)的安全库存,UBk为库区k(k∈Inv)的最大库存容量阈值.
步骤7.2:判断是否达到最大迭代次数或最大无改进代次数,若达到,则当前种群中适应值最优的全流程生产运行方案为最优方案,即修正的全流程生产运行控制方案;否则,执行步骤7.3;
步骤7.3:迭代次数进行自增操作;若种群中适应值最优的个体未被更新,则最大无改进代次数加1;
步骤7.4:对种群进行变异操作;
步骤7.5:对种群进行交叉操作;
步骤7.6:对种群中的子代进行选择操作;
步骤7.7:为种群中的每一个个体计算适应值,即计算当前种群对应的全流程生产运行控制方案的适应值;
步骤7.8:当前迭代次数进行自增操作并更新种群,返回步骤7.2。
具体应用实施例1:
本实施方式的钢铁企业全流程库存水平预警和控制方法,采用的钢铁企业全流程库存水平预警和控制***,其结构如图1所示,配置如下:一台服务器,一个电缆接和一台路由器;其中,服务器用于实现本发明的钢铁企业全流程库存水平预警和控制方法,路由器、电缆接口等通讯设备用于实现与企业内部各机组生产现场自动控制***之间的通讯连接,达到优化库存水平,提高产品质量的目的;服务器中嵌入的软件支持包括Windows操作***作为支撑平台,安装Microsoft SQL Server 2000数据库***支持数据管理,配置信息传送端口。
服务器内设置生产环境设定器、生产过程数据采集器、库区间的平均周转时间分析器、物料***、库区库存情况监控器、生产控制策略调整器的核心功能和通信协议;各监控控制装置的运作结构关系如图2所示;
生产环境设定器用于设置各库存的库存参数、钢铁企业生产线和库区布局;
生产过程数据采集器对当前的物料信息进行实时采集;
库区间的平均周转时间分析器对物料在库区间的周转时间进行分析预测;
物料***对在制物料进行跟踪,获取物料在不同时刻所处的位置;
库区库存情况监控器对不同时刻的库区库存物料结构分布情况、库存量进行实时监控,诊断库存水平现状,对库存水平过高或过低的情况发出预警;
生产控制策略调整器基于库存预警情况,提出生产控制调整方案,保证库存水平处理合理的库存水平内;
在执行库存预警及调整任务时,***的各功能装置通过相互之间的协同工作来完成实际任务,所述的服务器通过网络、企业内部服务器连接到各机组自动控制***的前端。
从企业ERP生产控制平台的数据服务器上设定***参数(包括各库存的库存参数、钢铁企业生产线和库区布局等),本实施例中生产及库区布局如图3所示,以便建立库区间周转时间分析器;采集当前生产物料信息(涉及字段包括材料号、厚度、宽度、长度、重量、材料出钢记号、牌号、库区、存储区域、合同加工路径、生产结束时间、出库时间),以获得库区水平预警方法和***的操作对象;然后,获取各库区的库存上下限,酸轧后库库存上下限为[3000,14000],重卷前库库存上下限为[800,1500],电镀锡前库库存上下限为[1500,3000],横切前库库存上下限为[0,1500]。本实施方式中,钢铁企业全流程库存水平预警方法将用于解决钢铁企业全流程库存水平分析、预警与控制调整问题,具体生产实绩数据信息,如表1:
表1部分生产实绩数据信息
钢铁企业全流程库存水平预警与控制方法,如图4所示,包括以下步骤:
步骤1:启动在线生产过程数据采集器,采集历史生产实绩构建学习样本,所述的历史数据由生产后的实际物料品种属性、入库时间、出库时间构成,具体包括:物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间;
步骤1.1:通过物料识别器识别物料号,获取物料物料的出钢记号、牌号、捆包方式、厚度组距、物料在各机组的加工开始时间和加工完成时间;
步骤1.2:初始化任一物料i(i=1,2,…,n)在不同生产工序s(s=1,…,S)的加工开始时间Bis为-∞;完成时间Cis为+∞;
步骤1.3:采集生产实绩数据,检索任一物料i(i=1,2,…,n)在不同生产工序s(s=1,…,S)的加工开始时间Bis、完成时间Cis;
步骤1.4:基于材料设计情况,获取任一物料i(i=1,2,…,n)需要经过的工序集合Si;
步骤1.5:对于任一物料i(i=1,2,…,n),根据库区布排情况和物料需经过的工序集合Si,,确定其需要经过的库区集合Invi;
步骤1.6:对于任一物料i(i=1,2,…,n),将其进入库区k∈Invi的时间设为其在该库区紧邻前工序的加工完成时间,将其从库区k∈Invi移出的时间设为其在该库区紧邻后工序的加工开始时间;
步骤2:建立物料在库区间的平均周转时间分析器,利用在线生产过程数据采集器获取信息,建立LS-SVM库区间周转时间回归模型,所述的库区间周转时间回归模型具体是指根据生产实绩,预测库区间周转时间与物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间的关系的模型;具体步骤如下:
步骤2.1:读取建模所需生产实绩其中/>表示包含第i条物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、源头库区、到达库区、入库时间、出库时间构成的多维向量,yi∈R为对应/>的库区周转时间;
步骤2.2:对实绩数据中的进行归一化,归一化后数据的第j维计算公式如下:
式中,j=1,2,…,n,表示/>第j维在实绩信息中的最小值,/>表示/>第j维在实绩信息中的最大值;
再进行标准化处理,确定输入特征向量其中,/>第j维实绩信息按下述公式进行计算:
式中,
步骤2.3:利用标准化的生产实绩信息计算LS-SVM库区间周转时间回归模型中的参数,实现物料在库区间的平均周转时间分析器;
步骤3:利用上一步骤中搭建的物料在库区间的平均周转时间分析器获取每块物料生产过程中经过各库区的入库时间、出库时间。对于任一物料:
步骤3.1:采集物料当前所在库区和入库时间信息;
步骤3.2:确定物料在相邻库区间的周转时间,基于步骤2获得的物料在库区间的平均周转时间分析器,基于物料的出钢记号、牌号、捆包方式、厚度组距分析物料的库区平均周转时间;
步骤3.3:根据物料当前所在库区和库区间的周转时间,预测跟踪物料在未来的生产过程中经过各库区的入库时间、出库时间;
步骤4:对各库区进行监控。对于任一天t(t=1,…,T),T为预估计划期,任一库区k(k∈Inv),将在该天停留该库的不同出钢记号、牌号、捆包方式、厚度组距的物料量进行累加,从而获取不同出钢记号、牌号、捆包方式、厚度组距的库存量;对所有在该天停留该库的物料量进行累加,获取当日该库区的总库存量。具体情况如下表所示:
步骤5:对生产控制策略进行预测。对于任一天t(t=1,…,T),计算各生产机组的生产量,根据任一库区k(k∈Inv)的物料入库时间以及工艺加工路径,确定物料的生产下线机组和时间,计算任一天t(t=1,…,T)任一机组(i∈Line)的生产品种和生产量,获得初始全流程生产运行控制方案。具体方案如下:
机组 | 第1天 | 第2天 | 第3天 | 第4天 | 第5天 | 第6天 |
酸轧 | 3000 | 3500 | 2000 | 3000 | 3500 | 3000 |
连退 | 1200 | 1200 | 1200 | 1000 | 1200 | 1200 |
热镀锌 | 700 | 700 | 700 | 700 | 700 | 700 |
热镀铝锌 | 800 | 800 | 700 | 800 | 800 | 800 |
镀锡 | 600 | 600 | 600 | 600 | 600 | 600 |
注:单位为吨。
步骤6:判断库区状态,发出预警信息。依据各库区的安全库存量和库存容量阈值,对未来一段时期任意库区的总库存量进行分析,若任一天t(t=1,…,T)的库存量超出库存容量阈值或低于安全库存,则发出预警信息,跳到步骤7;若任一天t(t=1,…,T)的库存量均在安全库存和库存容量阈值之间,则停止计算。
步骤7:将预警信息反馈给生产执行机构,并提出新的生产控制策略。
步骤7.1:初始化全流程生产运行控制方案种群,并设置最大迭代次数和最大无改进迭代次数,上述初始全流程生产运行控制方案包含于全流程生产运行控制方案种群,其余解通过随机方式生成;修正过程中全流程生产运行控制方案的适应值计算方式即各库区库存量与安全库存和最大库存容量阈值的标准差之和,具体计算方式如下:
其中,S为当前的全流程生产运行控制方案,为全流程生产运行控制方案S中第t天(t=1,…,T)库区k(k∈Inv),LBk为库区k(k∈Inv)的安全库存,UBk为库区k(k∈Inv)的最大库存容量阈值.
步骤7.2:判断是否达到最大迭代次数或最大无改进代次数,若达到,则当前种群中适应值最优的全流程生产运行方案为最优方案,即修正的全流程生产运行控制方案;否则,执行步骤7.3;
步骤7.3:迭代次数进行自增操作;若种群中适应值最优的个体未被更新,则最大无改进代次数加1;
步骤7.4:对种群进行变异操作;
步骤7.5:对种群进行交叉操作;
步骤7.6:对种群中的子代进行选择操作;
步骤7.7:为种群中的每一个个体计算适应值,即计算当前种群对应的全流程生产运行控制方案的适应值;
步骤7.8:当前迭代次数进行自增操作并更新种群,返回步骤7.2。
调整方案如下所示:
机组 | 第1天 | 第2天 | 第3天 | 第4天 | 第5天 | 第6天 |
酸轧 | 3000 | 3500 | 2000 | 3000 | 2900 | 3000 |
连退 | 1200 | 1200 | 1200 | 1000 | 1000 | 1200 |
热镀锌 | 700 | 700 | 700 | 700 | 700 | 700 |
热镀铝锌 | 800 | 800 | 700 | 800 | 800 | 800 |
镀锡 | 600 | 600 | 600 | 600 | 700 | 600 |
注:单位为吨。
实施后的效果:
本专利在***中的实施、运用,旨在为生产体系提供实时动态的库存管理指导,通过对比分析动态库存,依据该库存推算结果,从计划源头,严格控制炼钢计划投料顺序,达到了对库存的良性控制。
下表为2017年的日均库存数据
下表为实验阶段的日均库存同比数据
实验阶段的梅山钢铁公司,在制品库存水平较2017年有了显著下降。实验阶段1~12月的日均库存为18.55万吨,较2017年19.57万吨,下降了1.02万吨。
可以看出,该方案是实验阶段已经取得了明显的效果,上述技术方案在正式实施后,会更有利于生产控制平台的快速调整,从而提高生产过程的可控性和稳定性。
需要说明的是上述实施例,并非用来限定本发明的保护范围,在上述技术方案的基础上所作出的等同变换或替代均落入本发明权利要求所保护的范围。
Claims (5)
1.一种钢铁企业全流程库存水平预警与控制方法,其特征在于,所述方法包括以下步骤:步骤1:启动在线生产过程数据采集器,采集历史生产实绩构建学习样本,历史数据由生产后的实际物料品种属性、入库时间、出库时间构成,具体包括:物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间;
所述步骤1:启动在线生产过程数据采集器,采集历史生产实绩构建学习样本,具体如下:
步骤1.1:通过物料识别器识别物料号,获取物料物料的出钢记号、牌号、捆包方式、厚度组距、物料在各机组的加工开始时间和加工完成时间;
步骤1.2:初始化任一物料i,i=1,2,…,n,在不同生产工序s,s=1,…,S,的加工开始时间Bis为-∞;完成时间Cis为+∞;
步骤1.3:采集生产实绩数据,检索任一物料i,i=1,2,…,n,在不同生产工序s,s=1,…,S,的加工开始时间Bis、完成时间Cis;
步骤1.4:基于材料设计情况,获取任一物料i,i=1,2,…,n,需要经过的工序集合Si;
步骤1.5:对于任一物料i,i=1,2,…,n,根据库区布排情况和物料需经过的工序集合Si,,确定其需要经过的库区集合Invi;
步骤1.6:对于任一物料i,i=1,2,…,n,将其进入库区k∈Invi的时间设为其在该库区紧邻前工序的加工完成时间,将其从库区k∈Invi移出的时间设为其在该库区紧邻后工序的加工开始时间;
步骤2:建立物料在库区间的平均周转时间分析器,利用在线生产过程数据采集器获取信息,建立LS-SVM库区间周转时间回归分析模型,所述的库区间周转时间回归分析模型具体是指根据生产实绩,分析库区间周转时间与物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间的关系;
步骤3:利用上一步骤中搭建的物料在库区间的平均周转时间分析器,实现对每块物料生产过程中经过各库区的入库时间、出库时间的跟踪分析;
步骤4:对各库区进行监控,
步骤5:对生产控制策略进行预测;
所述步骤5对生产控制策略进行预测,具体如下,对于任一天t,t=1,…,T,计算各生产机组的生产量,根据任一库区k,k∈Inv,的物料入库时间以及工艺加工路径,确定物料的生产下线机组和时间,计算任一天t,t=1,…,T,任一机组i∈Line的生产品种和生产量,获得初始全流程生产运行控制方案;
步骤6:判断库区状态,发出预警信息;
步骤7:将预警信息反馈给生产执行机构,并提出新的生产控制策略;
所述步骤
7:将预警信息反馈给生产执行机构,并提出新的生产控制策略,具体如下:
步骤7.1:初始化全流程生产运行控制方案种群,并设置最大迭代次数和最大无改进迭代次数,上述初始全流程生产运行控制方案包含于全流程生产运行控制方案种群,其余解通过随机方式生成;修正过程中全流程生产运行控制方案的适应值计算方式即各库区库存量与安全库存和最大库存容量阈值的标准差之和,具体计算方式如下:
其中,S为当前的全流程生产运行控制方案,为全流程生产运行控制方案S中第t天,t=1,…,T,库区k,k∈Inv,LBk为库区k,k∈Inv的安全库存,UBk为库区k,k∈Inv的最大库存容量阈值,
步骤7.2:判断是否达到最大迭代次数或最大无改进代次数,若达到,则当前种群中适应值最优的全流程生产运行方案为最优方案,即修正的全流程生产运行控制方案;否则,执行步骤7.3;
步骤7.3:迭代次数进行自增操作;若种群中适应值最优的个体未被更新,则最大无改进代次数加1;
步骤7.4:对种群进行变异操作;
步骤7.5:对种群进行交叉操作;
步骤7.6:对种群中的子代进行选择操作;
步骤7.7:为种群中的每一个个体计算适应值,即计算当前种群对应的全流程生产运行控制方案的适应值;
步骤7.8:当前迭代次数进行自增操作并更新种群,返回步骤7.2。
2.根据权利要求1所述的钢铁企业全流程库存水平预警与控制方法,其特征在于,所述步骤2:建立物料在库区间的平均周转时间分析器,利用在线生产过程数据采集器获取信息,建立LS-SVM库区间周转时间回归分析模型,所述的库区间周转时间回归分析模型具体是指根据生产实绩,分析库区间周转时间与物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、途径库区、入库时间、出库时间的关系;具体步骤如下:
步骤2.1:下载所需生产实绩其中/>表示包含第i条物料的出钢记号、牌号、捆包方式、厚度组距、工艺路径、源头库区、到达库区、入库时间、出库时间构成的多维向量,yi∈R为对应/>的库区周转时间;
步骤2.2:对实绩数据中的进行归一化,归一化后数据的第j维计算公式如下:
式中,j=1,2,…,n,表示/>第j维在实绩信息中的最小值,/>表示/>第j维在实绩信息中的最大值;
再进行标准化处理,确定输入特征向量其中,/>第j维实绩信息按下述公式进行计算:
式中,
步骤2.3:利用标准化的生产实绩信息计算LS-SVM库区间周转时间回归分析模型中的参数,实现物料在库区间的平均周转时间分析器。
3.根据权利要求2所述的钢铁企业全流程库存水平预警与控制方法,其特征在于,所述步骤3:利用上一步骤中搭建的物料在库区间的平均周转时间分析器,实现对每块物料生产过程中经过各库区的入库时间、出库时间的跟踪分析,具体如下:
步骤3.1:采集物料当前所在库区和入库时间信息;
步骤3.2:确定物料在相邻库区间的周转时间,基于步骤2获得的物料在库区间的平均周转时间分析器,基于物料的出钢记号、牌号、捆包方式、厚度组距分析物料的库区平均周转时间;
步骤3.3:根据物料当前所在库区和库区间的周转时间,预测跟踪物料在未来的生产过程中经过各库区的入库时间、出库时间。
4.根据权利要求3所述的钢铁企业全流程库存水平预警与控制方法,其特征在于,所述步骤4对各库区进行监控,具体如下,对于任一天t,t=1,…,T,T为预估计划期,任一库区k,k∈Inv,将在该天停留该库的不同出钢记号、牌号、捆包方式、厚度组距的物料量进行累加,从而获取不同出钢记号、牌号、捆包方式、厚度组距的库存量;对所有在该天停留该库的物料量进行累加,获取当日该库区的总库存量。
5.根据权利要求4所述的钢铁企业全流程库存水平预警与控制方法,其特征在于,所述步骤6判断库区状态,发出预警信息,具体如下,依据各库区的安全库存量和库存容量阈值,对未来一段时期任意库区的总库存量进行分析,若任一天t,t=1,…,T,的库存量超出库存容量阈值或低于安全库存,则发出预警信息,跳到步骤7;若任一天t,t=1,…,T,的库存量均在安全库存和库存容量阈值之间,则停止计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910365225.XA CN111861299B (zh) | 2019-04-30 | 2019-04-30 | 一种钢铁企业全流程库存水平预警与控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910365225.XA CN111861299B (zh) | 2019-04-30 | 2019-04-30 | 一种钢铁企业全流程库存水平预警与控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861299A CN111861299A (zh) | 2020-10-30 |
CN111861299B true CN111861299B (zh) | 2023-10-17 |
Family
ID=72966673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910365225.XA Active CN111861299B (zh) | 2019-04-30 | 2019-04-30 | 一种钢铁企业全流程库存水平预警与控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861299B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115169997B (zh) * | 2022-09-06 | 2022-12-06 | 埃克斯工业(广东)有限公司 | 物料加工进出时机的规划方法、设备及可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5971584A (en) * | 1996-08-30 | 1999-10-26 | Kabushiki Kaisha Toshiba | Production control apparatus and a production control method |
CN104504543A (zh) * | 2014-11-14 | 2015-04-08 | 镇江市新创计算机***集成有限公司 | 一种工程投资控制管理***及其使用方法 |
CN105976049A (zh) * | 2016-04-28 | 2016-09-28 | 武汉宝钢华中贸易有限公司 | 基于混沌神经网络的库存预测模型及其构造方法 |
CN106296087A (zh) * | 2016-08-04 | 2017-01-04 | 中冶赛迪电气技术有限公司 | 一种面向制造业的备件库存管理*** |
CN107133769A (zh) * | 2017-05-31 | 2017-09-05 | 浙江精工钢结构集团有限公司 | 一种基于bim模型的智能库存预警管理*** |
CN107563705A (zh) * | 2017-09-25 | 2018-01-09 | 四川长虹电器股份有限公司 | 利用大数据分析家电产品安全库存及再订货的***和方法 |
CN107590630A (zh) * | 2017-09-15 | 2018-01-16 | 郑州云海信息技术有限公司 | 一种基于云计算的仓库管理***与方法 |
KR20180045916A (ko) * | 2016-10-25 | 2018-05-08 | 주식회사 포스코 | 철강제품의 충당 방법 및 컴퓨터 판독 가능한 저장 매체 |
CN108335027A (zh) * | 2018-01-26 | 2018-07-27 | 青岛萨纳斯智能科技股份有限公司 | 一种智慧互联制造执行管控*** |
CN108876015A (zh) * | 2018-05-22 | 2018-11-23 | 大连理工大学 | 物联网环境下基于情景的加油站成品油库存动态监测预警方法 |
CN109213088A (zh) * | 2017-07-04 | 2019-01-15 | 南京梅山冶金发展有限公司 | 一种原料场物流智能控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080313058A1 (en) * | 2007-06-14 | 2008-12-18 | United Technologies Corporation | Process And System For Identifying Demand For Inventory |
CN101441733A (zh) * | 2007-08-27 | 2009-05-27 | 北京奥腾讯达科技有限公司 | 基于库存数据的企业生产控制*** |
TWI394089B (zh) * | 2009-08-11 | 2013-04-21 | Univ Nat Cheng Kung | 虛擬生產管制系統與方法及其電腦程式產品 |
-
2019
- 2019-04-30 CN CN201910365225.XA patent/CN111861299B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5971584A (en) * | 1996-08-30 | 1999-10-26 | Kabushiki Kaisha Toshiba | Production control apparatus and a production control method |
CN104504543A (zh) * | 2014-11-14 | 2015-04-08 | 镇江市新创计算机***集成有限公司 | 一种工程投资控制管理***及其使用方法 |
CN105976049A (zh) * | 2016-04-28 | 2016-09-28 | 武汉宝钢华中贸易有限公司 | 基于混沌神经网络的库存预测模型及其构造方法 |
CN106296087A (zh) * | 2016-08-04 | 2017-01-04 | 中冶赛迪电气技术有限公司 | 一种面向制造业的备件库存管理*** |
KR20180045916A (ko) * | 2016-10-25 | 2018-05-08 | 주식회사 포스코 | 철강제품의 충당 방법 및 컴퓨터 판독 가능한 저장 매체 |
CN107133769A (zh) * | 2017-05-31 | 2017-09-05 | 浙江精工钢结构集团有限公司 | 一种基于bim模型的智能库存预警管理*** |
CN109213088A (zh) * | 2017-07-04 | 2019-01-15 | 南京梅山冶金发展有限公司 | 一种原料场物流智能控制方法 |
CN107590630A (zh) * | 2017-09-15 | 2018-01-16 | 郑州云海信息技术有限公司 | 一种基于云计算的仓库管理***与方法 |
CN107563705A (zh) * | 2017-09-25 | 2018-01-09 | 四川长虹电器股份有限公司 | 利用大数据分析家电产品安全库存及再订货的***和方法 |
CN108335027A (zh) * | 2018-01-26 | 2018-07-27 | 青岛萨纳斯智能科技股份有限公司 | 一种智慧互联制造执行管控*** |
CN108876015A (zh) * | 2018-05-22 | 2018-11-23 | 大连理工大学 | 物联网环境下基于情景的加油站成品油库存动态监测预警方法 |
Non-Patent Citations (3)
Title |
---|
Lee, CY等.Manufacturer's printing forecast, reprinting decision, and contract design in the educational publishing industry.《COMPUTERS & INDUSTRIAL ENGINEERING》.2018,第125卷第678-687页. * |
Optimal polices for queueing storage problem in steel slab yard;Yanhe Jia等;《 The 27th Chinese Control and Decision Conference (2015 CCDC)》;全文 * |
供应链环境下梅钢公司库存控制策略分析;李志英;《经济师》(第9期);第291-292页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111861299A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10713399B2 (en) | Method of batching and scheduling for steelmaking production with plant-wide process consideration | |
CN111353656B (zh) | 一种基于生产计划的钢铁企业氧气负荷预测方法 | |
CN104483915B (zh) | 提高钢铁企业材料利用率的热轧多产线板坯匹配控制方法 | |
US8942961B2 (en) | Re-matching method of slab-order for improving slab utilization in iron and steel plants | |
CN104376424A (zh) | 一种钢铁企业冷轧区多产线钢卷协调调度方法 | |
CN108311544B (zh) | 一种轧制力参数自学习方法及装置 | |
CN109507961B (zh) | 一种半导体生产线动态负荷均衡投料控制方法 | |
CN102591286A (zh) | 在线轧制计划动态预分析自调整***及其方法 | |
CN112036081B (zh) | 基于收得率预测的转炉出钢硅锰合金加入量确定方法 | |
US20230205185A1 (en) | System and method for controlling a production plant consisting of a plurality of plant parts, in particular a production plant for producing industrial goods such as metallic semi-finished products | |
CN111861299B (zh) | 一种钢铁企业全流程库存水平预警与控制方法 | |
US9181626B2 (en) | Coil scheduling method and system for electrogalvanizing line in steel industry | |
CN104942251B (zh) | 炼钢厂连铸机的开浇时间确定方法 | |
CN118011978A (zh) | 考虑随机干扰的柔性流水车间动态调度与维护优化方法 | |
CN116882776A (zh) | 钢铁生产节能策略设置方法、装置、电子设备及存储介质 | |
CN114298567B (zh) | 连铸机浇次计划排程及开浇时间动态决策方法及*** | |
CN114792051A (zh) | 一种带钢冷轧酸洗参数优化方法 | |
CN114153185B (zh) | 一种基于动态多目标差分进化算法的炼钢-连铸弹性调度优化方法及*** | |
CN115345515A (zh) | 一种基于供热强度的热网能耗对标评价方法 | |
CN115796715B (zh) | 一种基于大数据处理的镀锌板加工过程监控*** | |
CN114662802B (zh) | 一种基于扰动因素的热轧板带排程方法及*** | |
Xiao et al. | A production scheduling method for resolving multiple equipment operation conflicts in lithium battery mills | |
CN117904569A (zh) | 一种锌铝镁产品锌层均匀性自动控制的方法 | |
CN114417531A (zh) | 一种性能预报规模化应用方法 | |
CN117669064A (zh) | 一种基于来料成分和工艺参数的带钢酸洗时间计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |