钢铁多工序资源平衡系统的研究与应用

郭同柱　乔伟　宋秀崎　葛盼盼　赵金勇　刁丽淼 罗思亮

摘要：多工序资源平衡系统针对如何解决钢铁多工序间的供料平衡进行研究，设计了一种适合绝大多数钢厂的多工序资源平衡决策方案，该方案充分利用了人在决策方面的灵活性以及计算机在信息整合与特定场景建模运算的高效率，为实现钢铁行业生产计划产销平衡提供了有效的支撑。

关键词：资源计划；APS；多目标决策；甘特图

0 前言

钢铁行业一直以来都面对个性化需求和大规模生产之间的大规模定制是实现钢铁智能制造的重要组成部分，制定具有柔性的生产计划是钢铁企业实现大规模定制的核心和关键。在制定生产计划时，如何以一种相对优的方案，解决钢铁企业的紧凑、高效、快节奏生产流程与多品种、小批量的客户需求之间的产销一体化衔接问题［1］，成为了钢铁企业生产管理的核心与难点之一。将各工序能力合理匹配，以达到全流程有序、顺畅和高效是钢铁企业所面临和思考的问题。针对这一问题，APS［2］系统在离散制造业给出了较佳的解决方案，其通常包含了工厂模型［3］、能力计划［4］、订单计划［5］、批量计划［6］等核心内容。但在钢铁行业，APS系统的引入却鲜有成功的先例，尤其是在全工序的资源平衡方面，由于钢铁行业工艺流程的特点，除了问题规模庞大复杂以外，同时也难以将业务知识与人工经验进行有效的系统化，因此，相关问题的系统化一直没有得到很好的解决。

文献［7］采用有限能力排程模型编制基于有限产能约束的主生产计划，并根据主生产计划提出物料需求计划。文献［8］对钢铁企业生产资源优化配置支持系统进行了研究，在考虑生产资源优化配置问题时，同时考虑如何响应市场需求变化和如何有效分配产能，从资源平衡及产销统筹的视角出发，基于企业效益最大化原则来优化产品组合及资源配置。文献［9］ 针对钢铁企业基于“产销一体化” 策略的生产能力计划管理的实际需求，建立数学模型以及UML系统模型，辅助决策人员合理地对生产和销售过程进行指导，提升企业的经营管理水平。

本文以某大型钢铁企业S为背景，利用APS系统思维，针对钢铁企业的能力计划决策问题，构建了一套在多工序资源平衡方面，灵活、高效的解决方案，使得各工序能力合理匹配，以达到全流程有序、顺畅和高效［10］。该方案对解决钢厂大规模制造与个性化需求的矛盾，进而为实现产销协同，提供有益的帮助。

1 问题描述

钢铁企业S除了拥有多条炼钢、热轧产线以外，同时还拥有平整、酸洗、硅钢、汽车板等多种后加工产线（机组）。其制造流程长、工序间衔接紧凑，制造周期不一致等问题尤其突出，再叠加多品种、多规格、小批量等个性化的订单需求，使得炼钢和热轧产线的原料供给平衡问题变得十分复杂，既要考虑工序自身的工艺生产条件及制造成本问题，又要考虑后工序用料周期的匹配，同时还要避免中间工序的库存过度积压。因此，为了合理的制定多工序的能力计划，需要站在全流程的角度进行多工序的集成优化和协同运作，实现企业的全流程生产计划优化，因此如何能够快速合理的制定出能力计划，以既满足市场的订货需求，又对产线的产能实现合理的利用，成为企业S解决产销衔接的首要问题。

市场上常见的关于能力计划、资源平衡方面的解决方案一般分为两种，一是商业化程度较高的国外的软件产品，此方案供应商一般只提供套装软件和标准算法，但不同企业自身在管理、设备、产品、销售等方面存在较大差异，而国外标准产品一般很难进行客户化改造，普遍存在“水土不服”的情况；二是由高校、科研院所提供的定制化算法，虽然在某些特定场景能够起到一定作用，但由于算法所考虑的因素与现场真实情况还存在很大差距，实际应用存在较大的局限性。

因此，对于中大型钢铁企业，尤其是产品结构复杂，工艺路线多的钢铁企业，如何使用信息化、智能化方法，快速合理的制定好资源平衡计划，为产销平衡找到好的解决方案，是钢铁多工序资源平衡系统要解决的重点问题。

2 解决思路

2.1 问题解耦

从钢铁行业的业务角度分析，除了存在产销协同间的根本性矛盾外，在智能化算法的现场应用方面，由于实际场景规则和干扰因素繁多，算法在计算时间及多目标决策方面也存在着较大瓶颈。一方面，多样化的冷热轧产品、产线构成，很难通过一套标准方案解决产销协同问题；另一方面，复杂多变的现场条件（订单结构、设备状态、库存结构等），使得基于实验室中假设的客观环境构造的数学模型和算法，无法适用于现场实际条件下的运算。

针对以上问题，将复杂的全局多目标决策优化问题，分解为局部算法优化+人工决策+系统仿真模拟三部分。设计并实现一种局部算法优化+人工决策的多工序资源平衡系统，针对不同产线布局，有针对性的在相对标准化的制造流程中采用局部的算法优化，在全流程资源平衡决策过程中仍旧发挥人工决策的灵活性的优势，对冲突资源进行合理决策。

2.2 方案概述

资源平衡的本质是对工厂内的所有设备资源在时间维度进行合理调度，使其在发挥最大产能的同时，尽可能的满足订单的交期要求。因此，针对钢铁制造流程的特点，炼钢+热轧为包括：平整、拉矫、酸洗、酸轧、连退、镀锌等在内的后工序提供原料，资源平衡过程要解决的重点问题是为后工序分配炼钢、热轧资源生产资源的问题。尤其是炼钢资源的分配，为了满足后工序的用料需求及自身作业的各类工艺限制，决策过程中要考虑的平衡内容繁多，使用算法完成一是规则极为复杂，可行的解空间庞大，无法在短时间内找到较优解；二是求解目标多，很难量化出每个目标间的关系。因此，这部分工作由人工来完成决策，需要决策的内容由系统通过启发式算法先行计算完成，提供给计划员进行参考。问题的具体解决步骤如下：

首先，从“纵”向看，钢铁生产需要经过炼钢、热轧、酸洗、冷轧等后工序，从纵向上将其分为上游工序：“炼钢、热轧”，下游工序：平整、拉矫、酸洗、酸轧、连退、镀锌两部分，从业务角度预先為下游工序分配好未来的上游工序原料配给能力。

然后，针对下游工序，从产品类别角度对下游工序进行横向区分。针对规则相对简单的工序建立模型和算法进行求解；对于规则复杂，优化目标众多的工序，依旧采用人工排产模式。通过两种方式，结合前一步的原料配给量，计算出详细的品种原料需求量和需求时间，并推送给上游。

最后，上游工序接收到下游工序的品种原料需求后，需要按需对炼钢热轧资源进行合理分配，这个决策过程由计划员完成。

3 系统总体功能结构

多工序资源平衡系统包括工厂日历管理、产能任务管理、资源平衡管理、合同计划测算、基础数据管理共5个模块。

3.1 工厂日历管理

工厂日历对每一天工厂内关键资源（设备机组）的可用能力进行详细描述，相应的按照预定的检修计划及影响机组每天产能的时间在日历中进行明确标识。

3.2 产能任务管理

通过产能任务管理，将订单的生产任务按照下游工序涉及到的“流向-品种”进行分类，明确每个下游工序每个品种的总生产任务量，作为整个资源平衡的核心输入。

3.3 资源平衡管理

资源平衡管理主要负责制定一定周期内从炼钢阶段到轧制各工序的全流程产能分配方案，实现对各机组瓶颈资源的充分利用，炼钢资源的合理分配，并在一定程度上起到指导合同计划的编制的作用。为了让计划员能够直观的了解每次决策结果对全厂所有工序的具体影响，本模块完全在甘特图上进行图形化操作。

资源平衡管理核心功能包括：

1）瓶颈工序集批排产

分流向按瓶颈机组分别将各自流向的生产任务，按照集批规则，对机组进行集批排产，实现对瓶颈机组的资源初排。主要功能有：产能任务浏览、任务排产、任务调整等。

2）中间工序排产

在各流向初步排定瓶颈工序任务后，系统按照各任务可识别的工艺路径、制造周期、机时产能、成材率等基础信息，自动向前推算出各工序每天预计投料量、产量以及库存量，直到推算出各流向对炼钢资源的每天需求量。

3）炼钢工序平衡

炼钢工序对各流向的每天的需求进行汇总后，系统结合由各流向任务可识别的所需的炼钢瓶颈资源可用量，对炼钢资源进行验证，对于冲突的流向任务，由人进行决策后，确定分配给各流向的最终资源。系统按照平衡后的炼钢资源分配结果，正向推导各流向生产路径上各机组的生产安排（原料量、产量、库存量），直至瓶颈工序机组。

4）瓶颈工序调整

计划员按照炼钢最终分配的资源结果，对瓶颈工序计划作出调整，以适应炼钢资源分配。

3.4 合同计划测算

全流程的产能结果计算完成后，通过带出品率再结合结转合同、探头合同测算出次月的合同计划。

3.5 基础数据管理

管理资源平衡过程中所需的各类基础数据，包括：

·机组基础数据，如：日产量、成材率、带出品率等；

·检修主数据：定义工厂日历中维护的各类检修；

·安全库存主数据：定义核心库存的安全库存上下限；

·工序时间间隔主数据：定义物料在各工序间周转的物流周期。

4 数学建模

4.1 模型描述：

本方案在工序集批排产模块中针对酸洗流向业务规则相对稳定且可量化的特点，对酸洗流向的产能及订单需求进行了数学建模并求解。

求解目标：酸洗流向各个机组的产能最大化；限定时间范围内的总产能任务偏差最小；每天生产的产品类型切换次数最少；酸洗个原料库存量总量保持稳定。

决策变量：酸洗流向每天每道工序中每个机组的产能量。

约束条件：库存平衡约束；机组间的供料关系；检修计划；酸洗满产优先级；带有优先级的工艺路径产量。

求解算法：

根据问题特征选择设计超启发式算法：

1）初始解启发式：够充分挖掘问题本身的结构性质，保证初始解的质量，每个机组可生产的产能。

2）个体编码：在多个约束条件构成的可行域内，进行多次迭代，逐渐减少与每个机组最优产能之间的间隙。

3）个体评价：总目标函数值不再发生变化时，说明通过算法计算得出的解已经是最优解。

4 实际应用效果

钢铁多工序资源平衡系统已经在某钢厂的冷热轧各类产线进行了应用，覆盖了从炼钢、热轧、冷轧、后加工各钢后主要生产制造环节，可依据不同机组资源计划编制的复杂度不同为机组单独建立模型算法，并与整个平衡系统进行有机结合，在酸洗流向机组通过数学建模并求解获取的结果在保证完成品种产能任务的基础上，可以最大化各机组的产量，同时减少品种类型以及生产与停机的切换。通过实践应用可以看出，使用工序资源平衡系统制定计划，不仅编制计划的时间得到了极大地缩短，更可以通过甘特图快速的建立多版本计划进行对比，最终选择相对较优的方案。该系统的应用有效提升了计划员制定全厂资源计划的效率及合理性。

参考文献

［1］ 范铁军，吴秀婷，施灿涛.中小钢铁企业智能制造实施路径研究.冶金经济与管理，2018，（01）：8.

［2］ 魏巍.基于高级计划排产（APS）优化算法的钢厂管理平台构建. 冶金管理. 2022，（02）：55.

［3］ 罗思亮，宋成忠，段相举等.可配置工厂建模方法研究.冶金自動化. 2017，41（05）：13.

［4］ 蒋国璋，孔建益，李公法等.钢铁企业生产计划模型及应用研究. 长江大学学报（自科版）. 2006，（04）：588.

［5］ 卢山，苏宏业，朱理等.钢铁企业生产计划多目标数学规划建模与算法. 第三十二届中国控制会议论文集（F卷）：187.

［6］ 杜斌. 宝钢生产计划及物流优化技术的研究与应用.节能环保和谐发展——2007中国科协年会论文集（一）： 2114.

［7］ 栾绍峻，吴秀婷.基于 嗯APS 的钢铁企业生产计划体系研究.冶金设备，2018，（05）：16.

［8］ 周秉利，张群.钢铁企业生产资源优化配置决策支持系统研究.冶金自动化.2012，36（01）：13.

［9］ 张春生，彭加霖，柏亮. 基于UML的钢铁企业APS生产能力计划系统建模.中国管理信息化.2012，15（20）：46.

［10］ 董金刚，冯太国，唐立新.钢铁企业工序能力匹配关系思考.中国冶金. 2007，（10）：58.