采用优化生产调度进行印染废水源头控制的研究进展

徐 昆，周 律

（清华大学 环境学院，北京 100084）

特约述评

采用优化生产调度进行印染废水源头控制的研究进展

徐 昆，周 律

（清华大学 环境学院，北京 100084）

总结了当前国内外印染企业运用优化生产调度实现废水排放源头控制的研究现状。介绍了优化生产调度系统的工作过程。从实际生产应用的角度出发，分析了不同优化算法进行生产调度存在的问题，提出了改进意见，同时对如何建立基于大数据采集的优化生产调度系统进行了阐述。对印染企业如何运用大数据采集系统进行优化生产调度并结合水资源综合利用实现全行业的清洁生产进行了展望。

印染废水；优化生产调度；源头控制；清洁生产

纺织印染行业是国家的民生行业和国民经济的支柱产业，随着国家对印染企业废水排放标准的日益严格，对纺织印染行业的可持续发展提出了挑战［1-5］。仅从末端进行水污染的控制已无法实现企业经济效益和环境效益的“双赢”。印染企业可通过订单的优化生产调度，实现废水的源头减排，提升企业的清洁生产水平。

企业生产的源头和过程污染控制是污染控制的关键，通过优化生产调度，可以从企业生产的整体运行中有效实现源头和过程减排，这已在能源、化工、建筑、机械制造等领域广泛运用［6］。生产调度也称作工序调度或排产。在农业灌溉方面，用水的优化调度既节约了用水总量又满足了作物的生长需求［7］。在建筑、规划、工程行业中，优化生产调度可以在有限的资源下完成更多的工作，或在工作总量固定的情况下消耗最少的时间和物资［8-9］。在化工生产中，通过混合粒子群优化计算对生产的最大完工时间进行优化，解决了复杂的广义多级流水车间调度问题［10-11］。优化生产调度的关键性问题是在生产产品订单交货期内完成不同订单在机器上的分配，既满足产品质量，又提高生产效率，减少拖期成本［12-13］。

本文介绍了印染优化生产调度系统的工作过程。总结了当前国内外运用优化生产调度实现印染废水排放源头控制的研究现状。从实际生产应用的角度出发，分析了不同优化算法进行生产调度存在的问题，提出了改进意见，同时对如何建立基于大数据采集的优化生产调度系统进行了阐述。对未来印染企业如何运用大数据采集系统进行优化生产调度并结合水资源综合利用实现全行业的清洁生产进行了展望。

1 印染优化生产调度系统的工作过程

1.1 印染工艺与废水排放特点

典型的纺织印染工艺流程见图1。采用间歇式染缸，将织物浸渍于含染料及助剂的染缸中，通过染液循环或织物运动使织物逐渐上染。每道染色工序所需要的水量是织物重量的5～8倍，而一般印染需要13道左右工序，企业生产1 t布匹约耗水200 t［14］。

图1 典型的纺织印染工艺流程

文献［15］指出，漂白过程用水占总用水量的40%，但其废水中有机物含量较低，色度也较低，废水可处理后回用。煮炼过程用水占总用水量的20%，但其废水中COD很高，需处理达标后排放。染色过程用水只占总用水量的15%，但其色度变化大，直接回用和间接回用难度较大，需处理达标后排放。漂洗过程是为洗去织物上的浮色，用水量大，但废水水质较好，可直接用于煮炼或洗缸，从而减少水耗。

1.2 印染订单优化生产调度

在间歇式生产中，在同一个染缸中进行不同颜色切换之前，为了排除杂色对织物染色效果的影响，必须先进行洗缸。现以一个染缸生产4种不同颜色订单来说明优化调度原理，其基本生产过程和用水量如下。

1）浅色→浅色，洗缸时间12 h，用水5 t。

2）浅色→深色，洗缸时间12 h，用水3 t。

3）深色→浅色，洗缸时间36 h，用水10 t。

4）深色→深色，洗缸时间24 h，用水5 t。

5）末尾洗缸：浅色，洗缸时间12 h，用水3 t；深色，洗缸时间24 h，用水5 t。

人工生产调度和优化生产调度甘特图见图2。图2中白色代表切换颜色之间的洗缸过程。图2a是根据订单到达的先后顺序实施的人工生产调度方案；图2b是在满足交货期前提下的优化生产调度方案，根据颜色深浅，先染颜色较浅的天蓝色和粉红色，再染颜色较深的红色和黑色。优化生产调度可减少洗缸水5 t，节约生产时间12 h。

图2 人工生产调度和优化生产调度甘特图

2 印染优化生产调度的研究现状

2.1 优化生产调度的研究现状

Méndez等［16］提出对于间歇过程的调度问题进行分类及模型优化，明确提出模型的有效性与效率是比较不同算法与模型的两个基准测试标准。Wu等［17］针对生产中产生的污染物运用数学建模方法，从全球能源战略的角度分析如何既能控制污染物的产生又能节约能源，说明生产调度具有较好的经济效益与环境效益。Jiang等［18］运用遗传算法，用C#编程求解印染企业的优化生产调度方案，表明通过优化生产调度可减少约10%的废水产生量，从其建模方式来看是将订单分为浅、中、深3种，先染制浅色坯布再染制深色坯布，从而减少洗缸次数，缩短洗缸时间，节约洗缸水用量［19］。这一研究中只是将坯布颜色简单分为3种，没有指出颜色深浅的判断标准，今后需建立颜色深浅的判断标准。卢睿［20］研究了不确定环境下的调度方法，运用粒子群算法模拟了小批量订单交货期变化对生产序列的影响，验证了污染物排放不均匀的特征并提出相应的改进方式。但是该研究没有考虑粒子群算法和遗传算法容易陷入局部最优解而无法实现全局最优的问题，因此该研究尚需要提出在何种条件下采用何种算法。

杨开兵［21］运用进化算法研究了生产车间流水线上的批调度问题，尤其是拆分大单，从而满足交货期限的要求。该研究比较符合当前印染行业大单比较多的情况。Hsu等［22］提出了混合整数规划模型，通过遗传算法求解最小拖期从而满足了印染生产的交货期的约束问题。其具体做法是将一个完整的生产序列划分为几个不同的子过程，找出其中的函数关系进行计算机迭代求解。金锋等［23］根据印染企业实际需求，建立了染缸加工的调度模型。该模型既考虑了小订单的合并，也考虑了大订单的拆分，改进了已有的启发式算法，使之能够求解订单优化问题。研究结果表明，新启发式算法既能减少工作时间，也能提高染缸利用率。

近些年来，国内外许多研究者对于该优化生产调度问题已经提出并开发了诸如遗传算法、启发式算法、分枝定界法、整数规划法、拉格朗日松弛法等多种解决方案［24］。莫丰勇等［25］采用遗传算法，将印染企业的订单数据从ERP系统直接导入程序，通过在可行域区间随机产生初始可行解来进行初始化，将种群个体按照其适应性进行排序，然后进行交叉变异而产生更接近最优解的子个体，通过控制最大进化步数满足迭代终止条件，从而求出最优生产序列。但此项研究的基础是ERP内部具有订单数据库，并且可随着客户要求的变动而动态实时更新，对软件使用者提出了更高的要求。由于遗传算法由父代选择交叉点时具有很大的盲目性，无形中增加了进化次数的计算量，因此王明星等［26］提出了改进的遗传算法，在父代中选择与目标函数最为相关的参数作为进化对象，以提高收敛速度，让子代向目标函数定向进化。蒋佳颖等［27］根据染缸调度过程中产品种类多、加工设备多、批量小、调度复杂等特性，提出一种新的并单、拆单方法，将订单进行整体分块用于问题预处理，提高初始样本的分块效率。经过预处理后的订单进入初始的遗传求解过程作为初始种群可以缩短收敛速度，提高收敛精确度。在实际应用方面，韩志甲等［28］成功运用MATLAB软件编制出了适应的算法，并以Visual Studio 2005为开发平台、SQL Server 2005为后台数据库实现了遗传算法，取得了很好的效果。郝平等［29］对静态调度进行了改进，以染缸实时运行状态为基础，将静态调度和动态调整相结合，从而达到全局最优化，并将以往研究优化生产调度的模型进行了系统分层：车间生产计划层、排产层、优化调度层和控制层，通过由低级到高级的分层约束来求解最优解，从而提高最优解对生产实际的适应程度。江盛树等［30］在遗传算法的基础上，根据面向供需链的设计思想建立了生产计划系统的用户需求模型，并采用滚动周期的方法设计了基于订单的生产计划调度算法。

2.2 当前研究存在的问题

1）仅仅将印染企业的最小生产时间作为目标函数，即在订单一定的情况下只以提高生产效率为唯一目标。作为多目标生产最优化的算法当前研究比较多，但是需要考虑模型算法与实际之间的差别，因此可能需要几种不同的算法混合使用［31］。除了生产效率作为目标函数外也应该加入环境目标函数，这样才能真实反应当前企业面临的问题。

2）以往研究都是将订单看做静态的，认为订单不会发生变化，没有考虑订单动态随机变化对生产顺序甚至生产工艺产生的影响。实际生产中，企业会随时根据客户的需求追加、修改订单，在符合交货期和产品质量的前提下，应尽量减少物质消耗，减少污染物排放。Lin等［32］提出了在随机情况下运用鲁棒优化方法来确定优化生产调度的方法，即运用基于最大最小框架下的混合整数线性规划（MILP）来解决数据不确定性带来的问题，这使得动态变化问题有了更好的解决方案，从而使印染订单变化带来的优化生产调度问题得到了良好的解决。

3）研究者普遍认为提高生产效率就会减少污染物排放。但加快交货速度有可能会提高其他物质的消耗，如能源、水、染料等，尤其是加班人工费，使用时间延长导致的机器损耗也将增加。因此需要进行合理的调度，从源头、过程和末端来控制污染物的排放，从而取得良好的环境效益与经济效益。

4）以往研究都只针对很少的染缸来进行调度，没有论证调度算法对于数量庞大的工厂是否具有较好的适用性。对于多目标的动态分析需要进行各种算法的比较和验证，将不确定情况的影响约束在可接受范围内［33］，需要将小规模调度推广到较大的规模。

因此，优化生产调度的研究必须从企业实际情况及需求出发，避免计算模拟的边界条件过于理想化。应当调整计算求解的目标函数，加入经济成本、环境成本。约束条件要考虑用水定额、用能定额及其他物质消耗定额。

2.3 优化生产调度研究的改进

1）明确优化生产调度对象，废水减排不只是减少洗缸水等新鲜水的用量，也要考虑生产过程中各阶段废水的直接与间接回用。只有间歇式生产才能通过订单调度实现洗缸水的减排，但无论间歇式生产还是连续式生产都可采用水质指标对各阶段废水进行分类，从而实现直接与间接回用，实现废水减排。

2）对企业的不同生产周期采用不同的优化策略，即建立目标函数优先级制度，不同时期执行不同的优先级。在满负荷运行期间，以提高生产效率为主，兼顾节能减排；在低负荷生产情况下，以节能减排降低生产成本为主，兼顾生产效率。

3）建立合理的废水分质指标体系，同时建立生产过程中每一道废水的水质、水量、温度等数据库。由于人工调度产生的废水水质、水量波动较大，可以通过优化生产调度来减小废水波动，利于后续的废水处理。

4）不应该将研究重点放在不同算法收敛速度的略微差异上，应将全过程的废水减排作为研究重点，降低印染过程的综合污染程度。

3 印染优化生产调度的研究方向

印染优化生产调度未来的研究重点应放在提高印染企业整体的经济效益和环境效益上。设置合理的目标函数及优先等级，剔除影响不大的边界约束，既要考虑国家清洁生产标准的用水定额与能耗定额，又要考虑生产效率、交货时间等因素。在不增加企业建设与设备投入的情况下让企业获得更大的利润，从而提高市场竞争力。

3.1 基于大数据采集系统的优化生产调度

大数据是指用常规软件对数据进行捕捉、管理和处理，具有规模大、流转快、类型多样和价值密度低等特征［34-35］。目前大数据已在工业生产管理、物流运输、环境保护等方面发挥出积极作用［36］。在印染企业中运用基于大数据信息采集的优化生产调度系统可以很好地解决产量大、订单多、订单变化大、订单随机性大的调度问题［37］，也能提高生产效率，降低废水排放量和能源消耗。

3.2 生产全过程的优化生产调度

单独针对订单的优化生产调度已经不能满足清洁生产的要求，必须同时进行能源及废水资源的整体优化利用。马艳［38］评价了能耗与废水减排之间的制衡关系。邓燕平［39］运用系统分析法和清单分析法分析总结了企业水耗、能耗和物耗情况，提出节能减排技术措施。只有采用生产全过程的优化生产调度，合理分配各种资源，才能达到日益严格的节能减排要求，取得良好的经济效益与环境效益。

4 结语与展望

当前优化生产调度在印染生产中发挥了一定的作用。在实际应用中要根据不同的企业规模、工艺过程等具体约束采用适合的调度方法。尤其对于订单变化速度快、批次多、批量小的企业，优化生产调度有着其独特的优越性。但是对于大型企业，其订单多为大单，批次变化小，人工调度也有其存在价值。同时，今后的研究中不能仅关注订单切换减少洗缸水，也要进行生产过程中产生的废水的优化生产调度，实现废水的直接回用与间接回用。

随着云计算及大数据技术的发展，优化生产调度已突破企业内部的限制，通过不同企业之间进行生产及需求数据交换，进而了解地区甚至整个行业的发展，推动全行业进行清洁生产已经变为可能。印染企业优化生产调度未来的发展趋势是各个企业乃至全行业的大数据采集及计算，从而合理划分每个区域的生产量与生产种类，调度物质、能源在不同地区的合理分配，将印染行业对整个环境的影响程度降低到最小。

［1］ 张继群，陈莹，杨书铭. 纺织工业用水定额［M］. 北京：中国质检出版社，2014：97 - 103.

［2］ 梁波，徐金球，关杰，等. 生物法处理印染废水的研究进展［J］. 化工环保，2015，35（3）：259 - 266.

［3］ 李昊，周律，李涛，等. 臭氧氧化法深度处理印染废水生化处理出水［J］. 化工环保，2012，32（1）：30 - 34.

［4］ 崔家琪，林旭龙，汪晓军. Fenton试剂氧化—原水调节出水pH法预处理碱性印染废水［J］. 化工环保，2012，32（5）：424 - 427.

［5］ 王建庆，毛志平，李戎. 印染行业节能减排技术现状及展望［J］. 印染，2009（1）：44 - 51.

［6］ 马子琦. 多项目进度优化及资源均衡方法研究［D］.北京：北京化工大学，2012.

［7］ 王斌，张展羽，张国华，等. 一种新的优化灌溉制度算法——自由搜索［J］. 水科学进展，2008（5）：736 -741.

［8］ 陈志芬，李强，王瑜，等. 应急避难场所建设进度优化模型研究［J］. 中国安全科学学报，2010（2）：160 -164.

［9］ Song Liying. Traffic organization during urban road constructions［J］. J Beijing Ins Technol，2012（2）：216 - 221.

［10］ 具美京. 基于消费者选择的航空计划模型［D］. 北京：清华大学，2011.

［11］ Liu Bo，Wang Ling，Liu Ying，et al. An effective hybrid particle swarm optimization for batch scheduling of polypropylene processes［J］. Comput Chem Eng，2010，34（4）：518 - 528.

［12］ Gupta A K，Sivakumar A I. Optimization of due-date objectives in scheduling semiconductor batch manufacturing［J］. Inter Jo Mach Tools Manuf，2006，46 （12）：1671 - 1679.

［13］ Quadt D，Kuhn H. Batch scheduling of jobs with identical process times on fl exible fl ow lines［J］. Inter J Product Economics，2007，105（2）：385 - 401.

［14］ 陈季华. 纺织染整废水处理技术及工程实例［M］. 北京：化学工业出版社，2008：70 - 73.

［15］ 《针织工程手册：染整分册》编委会. 针织工程手册：染整分册［M］. 2版. 北京：中国纺织出版社，2010：120 - 122.

［16］ Méndez C A，Cerdá J，Grossmann I E，et al. Stateof-the-art review of optimization methods for shortterm scheduling of batch processes［J］. Comput Chem Eng，2006，30（6）：913 - 946.

［17］ Wu Chengcai，Chang Niu. Global strategy for optimizing textile dyeing manufacturing process via GA-based grey nonlinear integer programming［J］. Comput Chem Eng，2003，27（6）：833 - 854.

［18］ Jiang Wei，Yuan Zengwei，Bi Jun，et al. Conserving water by optimizing production schedules in the dyeing industry［J］. J Clean Product，2010，18（16）：1696 -1702.

［19］ Chen Wuji. Scheduling with dependent setups and maintenance in a textile company［J］. Comput Ind Eng，2009，57（3）：867 - 873.

［20］ 卢睿. 不确定环境下项目调度方法的研究与实现［D］.沈阳：东北大学，2009.

［21］ 杨开兵. 基于进化计算的多目标流水车间批组调度问题研究［D］. 大连：大连理工大学，2011.

［22］ Hsu H M，Hsiung Y，Chen Y Z，et al. A GA methodology for the scheduling of yarn-dyed textile production［J］. Expert Sys Appl，2009，36（10）：12095 - 12103.

［23］ 金锋，宋士吉，杨建华，等. 印染车间染缸优化调度算法研究［J］. 计算机集成制造系统，2008，14（3）：543 - 547.

［24］ 于喆. 高级排产计划中启发式算法研究与实现［D］.长春：吉林大学，2007.

［25］ 莫丰勇，郝平，杨马英. 基于遗传算法的拉动式浸染生产动态排产策略［J］. 计算机应用，2008，增刊：97 - 99.

［26］ 王明星，李利民. 改进的遗传算法在机加车间排产优化的研究［J］. 制造业自动化，2014，15：34 - 37.

［27］ 蒋佳颖，王万良，徐新黎，等. 基于量子遗传算法的染缸排产问题研究［J］. 计算机工程，2011，21：159 - 161.

［28］ 韩志甲，邓海峡，李晓平. 基于遗传算法的排产优化方法［J］. 科学与电子信息学报，2014（4）：595 - 599.

［29］ 郝平，莫丰勇，徐新黎. 基于遗传算法和多智能体的染缸生产排产与动态优化设计［J］. 计算机集成制造系统，2009（8）：1586 - 1591.

［30］ 江盛树，杨春节，李平. 基于遗传算法的造纸排产优化系统设计与实现［J］. 化工自动化及仪表，2003 （5）：22 - 24.

［31］ Sun Yi，Zhang Chaoyong，Gao Liang，et al. Multiobjective optimization algorithms for fl ow shop scheduling problem：A review and prospects［J］. Inter J Adv Manufact Technol，2011，55（5/6/7/8）：723 -739.

［32］ Lin Xin，Janak S L，Floudas C A. A new robust opti-mization approach for scheduling under uncertainty：I. Bounded uncertainty［J］. Comput Chem Eng，2004，28（6）：1069 - 1085.

［33］ Li Zhi，Ierapetritou M. Process scheduling under uncertainty：Review and challenges［J］. Comput Chem Eng，2008，32（4）：715 - 727.

［34］ Howe D，Costanzo M，Fey P，et al. Big data：The future of biocuration［J］. Nature，2008，455 （7209）：47 - 50.

［35］ Provost F，Fawcett T. Data science and its relationship to big data and data-driven decision making［J］. Big Data，2013，1（1）：51 - 59.

［36］ Bughin J，Chui M，Manyika J. Clouds，big data，and smart assets：Ten tech-enabled business trends to watch ［J］. McKinsey Quarterly，2010，56（1）：75 - 86.

［37］ Yang Jianhua. Manufacturing execution system for knitting industry［C］//Smart Manufacturing Application，2008. ICSMA 2008. International Conference on. IEEE，2008：553 - 558.

［38］ 马艳. 基于能耗和成本的资源管理与调度策略研究［D］. 济南：山东大学，2012.

［39］ 邓燕平. 棉印染行业节能减排研究［D］. 苏州：苏州科技学院，2010.

（编辑 祖国红）

Research progresses on printing and dyeing wastewater source control by optimal production scheduling

Xu Kun，Zhou Lü
（School of Environment，Tsinghua University，Beijing 100084，China）

The current researches on printing and dyeing wastewater source control by optimal production scheduling in printing and dyeing enterprises from home and abroad are summarized. The working process of the optimal production scheduling system is introduced. From the perspective of practical application，the problems of different optimization algorithm for production scheduling are analyzed，and suggestions for improvement are put forward. The methods for how to build an optimal production scheduling system based on big data collect are expounded. The future of using big data acquisition system and optimal production scheduling combined with comprehensive utilization of water resources to achieve cleaner production in printing and dyeing industry is prospected.

printing and dyeing wastewater；optimal production scheduling；source control；cleaner production

X703.1

A

1006-1878（2016）03-0237-06

10.3969/j.issn.1006-1878.2016.03.001

2016 - 01 - 11；

2016 - 02 - 15。

徐昆（1986—），男，浙江省杭州市人，硕士生，电话 13777578400，电邮 xukunustc@126.com。联系人：周律，电话010 - 62773079，电邮 zhou2001@263.net.cn。

国家水体污染控制与治理科技重大专项（2012ZX07301-005）。