考虑管网物流优先级的炼油生产调度优化

针对炼油过程的物流管网及其物料传输的优先级,研究炼油生产调度优化问题。给出物流管网的工艺流程结构和炼化装置、物料储罐、物料管线、混合分流器等设备的生产运作数学表达,建立物流管网模型;在此基础上,考虑管网物流优先级,给出管线物料传输规则,利用逻辑命题进行模型化描述,建立炼油生产调度优化模型,实现产值最大化。通过生产调度实例验证了该模型的可行性和有效性。     

基于连续过程特性的炼油生产调度优化研究

针对炼油生产调度问题,基于连续过程特性建立了广义析取规划调度模型。提出了连续性、长期性等连续过程特性定义及其性能指标,基于析取范式和逻辑命题对调度初期、中期和末期的连续过程特性进行了描述,并对连续过程特性性能进行了量化表达和评价,以实现生产利润和连续过程特性性能的综合利益最大化。以某炼油过程生产调度为例,对比有无连续过程特性表达的优化调度仿真结果表明：基于连续过程特性调度模型的调度方案能够提高连续过程特性性能,且更可行、实用,验证了模型的可行性和有效性。     

基于成本的车间调度模型及遗传算法求解

制造企业的成本优化,无论在学术界还是工业界,始终是一个热点研究课题.从成本优化思想出发,建立了基于成本的多产品切换作业车间调度问题的经济指标模型,并应用具有新型交叉、变异算子的遗传算法作为求解该调度问题的方法,其目的是使企业的综合生产成本(主要包括多产品切换成本、产品作为在制品的存储成本以及产品拖期惩罚等)最低.仿真实例的运行结果表明了该调度模型和优化算法的有效性,且适用于过程工业及离散工业的生产调度系统,实现生产调度和经济效益的有效集成.     

基于成本的车间调度模型及遗传算法求解

制造企业的成本优化，无论在学术界还是工业界，始终是一个热点研究课题。从成本优化思想出发，建立了基于成本的多产品切换作业车间调度问题的经济指标模型，并应用具有新型交叉、变异算子的遗传算法作为求解该调度问题的方法，其目的是使企业的综合生产成本（主要包括多产品切换成本、产品作为在制品的存储成本以及产品拖期惩罚等）最低。仿真实例的运行结果表明了该调度模型和优化算法的有效性，且适用于过程工业及离散工业的生产调度系统，实现生产调度和经济效益的有效集成。     

基于粒子群算法的流程工业生产调度研究

以优化流程工业生产为目标,研究了将基于惯性权重的粒子群算法应用到流程工业的生产调度问题。在对流程工业生产调度问题进行分析的基础上,建立了以总加工完成时间最短为优化目标的生产调度模型。调度算法采用动态惯性权重,使惯性权值在粒子群算法搜索过程中线性变化,以提高粒子群算法的优化性能。给出了粒子编码与解码实现方法,以及具体的算法实现过程。以某流程工业企业生产调度实例为例,利用建立的优化调度模型和设计的粒子群算法进行了实验仿真,结果表明,建立的调度模型和设计的算法是可行的,与蚁群系统方法相比较,有较好的调度性能,适用于解决流程工业实际生产调度问题。     

数据驱动的Job Shop生产调度知识挖掘及优化

在车间作业调度问题的求解过程中,从调度数据中挖掘调度知识,指导优化,对调度方案的精确求解至关重要。因此在分析调度领域海量数据和专业知识的基础上,建立基于本体的调度知识关系模型及知识表示;考虑数据挖掘与知识结合的关系,集成支持向量机和CART决策树学习算法,以实现数据驱动的调度规则获取,并分析调度知识挖掘框架下调度规则的挖掘过程;将调度知识和人工鱼群算法相结合用于生产调度的优化计算,改进人工鱼初始化过程。设计对比实验,实例验证表明算法效率获得较大提高,能够获得更接近实际情况的优化方案,有效减少作业总通过时间,提高了生产效率。     

流程工业管控一体化系统的研究与开发

针对炼油生产计划和作业调度的特点,提出了一种适合流程工业管控一体化的集成模式,开发了一个基于实时数据库的炼油生产优化调度系统。     

炼油企业生产计划与重点装置工艺条件集成优化

传统的生产计划优化由于不考虑过程装置的操作优化,从而无法保证企业生产计划层与过程操作层的全局最优.为了在获得炼油企业最优生产计划的同时,确保计划优化中重点装置的操作条件可以实现,本文建立了集成装置工艺条件的炼油企业生产计划优化模型.该模型引入常减压装置侧线产品切割点温度、催化裂化装置转化率等过程工艺条件,基于物料质量平衡、产品质量指标约束等关系,进行厂级生产计划建模与求解,确定可达的装置操作条件.应用案例中重点通过与传统常减压装置侧线收率固定的生产计划方案比较,证明在满足可达的操作条件下,集成装置工艺条件操作范围的生产计划优化模型,可以实现更高的全厂利润与更优的装置收率分布,同时优化结果对炼厂实际生产更具有指导意义.     

考虑设备随机故障的装备维修作业调度方法

装备维修过程中,维修设备随机故障这一不确定因素易对正常的维修计划造成影响。为了优化制定维修设备随机故障条件下的维修作业调度决策方案,依据维修设备的故障特点,提出一种基于组合调度策略的维修作业调度方法。调度方法兼顾完成时间与鲁棒性两方面目标,通过调度优化模型生成调度决策方案,并采用一种组合调度策略进行方案调整以改善决策方案的鲁棒性。通过随机故障事件模拟实验与分析,验证了调度方法能有效地减少设备随机故障造成的工序延误。     

异构负载下单机调度与预测性维修的集成建模

在生产调度的过程中,设备常常因加工不同作业而承受不同负载即异构负载,设备受异构负载的影响导致其加工每项作业过程中的退化速率不同,从而影响生产调度与维修计划的排程,进而带来资源闲置和时间成本增加的问题.为了解决该问题,在考虑异构负载影响下,提出单机调度与预测性维修的联合策略,以最小总加权期望完成时间为目标构建相应的集成模型.对单机调度过程中受异构负载影响的设备,建立基于维纳过程的退化模型,根据其退化规律,推导相应设备剩余寿命的累积分布函数.通过数值实验,分别针对异构负载与平均负载的情况比较相应集成模型的优化结果,结果表明了在集成模型中考虑异构负载的必要性,并通过参数灵敏度分析验证了所建集成模型的有效性.     

炼油生产调度研究现状与挑战

调度作为计划层和执行层的纽带,是智能型工厂的主要组成部分.对此,从炼油生产装置调度的角度,对炼油调度问题进行综述与分析.首先对炼油生产调度建模问题的研究现状进行阐述,介绍目前该领域建模方面考虑的因素;其次,对炼油生产调度的各种优化方法进行总结综述;最后,结合目前的信息技术和智能制造的发展趋势,分析炼油生产调度所面临的挑战和未来的研究方向.     

流程企业计划调度体系结构研究

以石化企业为背景，在深入分析流程企业计划调度系统结构特征的基础上，结合流程企业计划调度的关键目标，提出了一种基于模型的中心化流程企业计划调度通用结构，突出了计划调度的中心地位．以此为指导，进一步建立并实现了基于知识的智能计划调度总体结构，为流程企业生产系统的运行优化提供了方法论的指导。     

A combined CLP-MILP approach for scheduling commodities in a pipeline

This paper addresses the problem of developing an optimization model to aid the operational scheduling in a real-world pipeline scenario. The pipeline connects refinery and harbor, conveying different types of commodities (gasoline, diesel, kerosene, etc.). An optimization model was developed to determine pipeline scheduling with improved efficiency. This model combines constraint logic programming (CLP) and mixed integer linear programming (MILP) in a CLP-MILP approach. The proposed model uses decomposition strategies, continuous time representation, intervals that indicate time constraints (time windows), and a series of operational issues, such as the seasonal and hourly cost of electric energy (on-peak demand hours). Real cases were solved in a matter of seconds. The computational results have demonstrated that the model is able to define new operational points to the pipeline, providing significant cost savings. Indeed the CLP-MILP model is an efficient tool to aid operational decision-making within this real-world pipeline scenario.     

多目标柔性车间调度的文化基因非支配排序粒子群算法

本文以离散型柔性制造车间为对象, 以缩短生产周期、减少机器空转时间和提高产品合格率为优化目标, 提出一种文化基因非支配排序粒子群算法. 该算法采用二维编码方式. 首先, 分别对工序和机器分配进行不同的变异操作, 建立了多目标离散型资源优化调度模型. 然后, 采用非支配排序策略和随机游走法获得Pareto最优解, 接着利用层次分析法给出资源优化配置方案. 最后, 利用实际生产数据进行仿真, 结果表明所提出的优化算法具有平衡全局搜索能力和局部搜索能力的特性.     

铝工业虚拟企业伙伴选择问题优化方法研究

铝工业生产调度都是针对某一特定的生产过程,单纯地追求产量为最高目标,凭经验进行调度。而产量目标的实现不但以牺牲能耗为代价,调度结果还达不到全局最优,无法实现能耗最优为目标的生产调度与资源配置,造成能源的浪费。以生产能耗、运输能耗及库存能耗之和最小为目标函数,结合企业生产经验,建立了铝工业虚拟企业伙伴选择优化调度模型,并提出了一种混合离散粒子群算法对其进行求解。最后,利用工业数据进行了仿真实验,结果表明该优化调度方法在缩短调度时间、资源优化配置等方面优化效果明显,达到了节能降耗的目的。     

Digital twin-based job shop anomaly detection and dynamic scheduling

Scheduling scheme is one of the critical factors affecting the production efficiency. In the actual production, anomalies will lead to scheduling deviation and influence scheme execution, which makes the traditional job shop scheduling methods are not sufficient to meet the needs of real-time and accuracy. By introducing digital twin (DT), further convergence between physical and virtual space can be achieved, which enormously reinforces real-time performance of job shop scheduling. For flexible job shop, an anomaly detection and dynamic scheduling framework based on DT is proposed in this paper. Previously, a multi-level production process monitoring model is proposed to detect anomaly. Then, a real-time optimization strategy of scheduling scheme based on rolling window mechanism is explored to enforce dynamic scheduling optimization. Finally, the improved grey wolf optimization algorithm is introduced to solve the scheduling problem. Under this framework, it is possible to monitor the deviation between the actual processing state and the planned processing state in real time and effectively reduce the deviation. An equipment manufacturing job shop is taken as a case study to illustrate the effectiveness and advantages of the proposed framework.     

Associate multi-task scheduling algorithm based on self-adaptive inertia weight particle swarm optimization with disruption operator and chaos operator in cloud environment

Random search-based scheduling algorithms, such as particle swarm optimization (PSO), are often used to solve independent multi-task scheduling problems in cloud, but the quality of optimal solution of the algorithm often has greater deviation and poor stability when the tasks are associate. In this paper, we propose an algorithm called SADCPSO to solve this challenging problem, which improves the PSO algorithm by uniquely integrating the self-adaptive inertia weight, disruption operator and chaos operator. In particular, the self-adaptive inertia weight is adopted to adjust the convergence rate, the disruption operator is applied to prevent the loss of population diversity, and the chaos operator is introduced to prevent the solution from tending to jump into the local optimal. Furthermore, we also provide a scheme to apply the SADCPSO algorithm to solve the associate multi-task scheduling problem. In the simulation experiments, we initialize two associate multi-task scheduling examples and take the minimum execution time as our optimization objective. The simulation results demonstrate that the optimal solution of our proposed algorithm has better quality and stability than the baseline PSO algorithm.