钢铁生产线的多工序实时智能优化调度理论、方法及应用

In this project, we will conduct a detailed energy consumption analysis on the steel production process and study energy efficient operations for two key processes within steel companies: transportation and batching process of molten iron, and integrated Steelmaking - Continuous Casting - Hot Rolling production process. Three scheduling problems arise from these processes: dynamic transportation and batching scheduling problem of molten iron with the integration of multi-process problem in steel making, dynamic scheduling problem of Steelmaking - Continuous Casting process, and dynamic scheduling problem of Continuous Casting - Hot Rolling process. To formulate these problems, we investigate random factors and complex production constraints in these problems and establish distributionally robust stochastic optimization models based on the uncertainty set theory. To solve these mathematical optimization problems, we will first study equivalent transformation techniques and optimization methods for various distributionally robust stochastic optimization models. Then by integrating some integer programming techniques such as Lagrangian relaxation and decomposition technology, Dantzig-Wolfe decomposition method and generalized Benders decomposition strategy, we will present several exact or fast approximate algorithms for the established robust integer programming problem. Taking advantage of the development environment and test conditions in Baosteel Manufacturing Execution System (MES), we will finally develop an executable program for some steel company which enable us to integrate the optimized scheduling algorithms in their MES. These solution strategies will hopefully help stabilize the system, make the manufacturing process more efficient and intelligent, and eventually result in cost reduction as well as energy saving for the company.

分析钢铁生产过程中产品及其工序的能耗情况，研究融合节能的“铁水输送过程动态匹配调度”和“炼钢–连铸–热轧过程动态调度”两个复杂工序的关键技术难题，考虑钢铁生产过程中多工序问题的铁水动态匹配调度问题、炼钢-连铸动态调度问题和连铸-热轧动态调度问题的随机性因素及复杂约束，基于分布函数集理论，建立相应问题的随机鲁棒优化模型。研究上述随机鲁棒优化模型的分析与等价转化技术及其主流求解方法，结合求解大规模混合整数规划模型的拉格朗日松弛与分解协调技术、Dantzig-Wolfe分解技术、广义Benders分解技术，研究并设计出多种主流算法给出本项目提出的随机鲁棒优化模型的精确求解或快速的近似求解方案。结合宝钢生产制造执行系统（MES）的开发环境与试验条件，将所形成的多种主流算法编写成软件程序集成到某钢铁企业MES中，作为系统的核心模块能够实现整个系统稳定、高效、智能化运行。降低生产成本，实现节能降耗。

项目针对钢铁企业生产过程中“炼铁高炉向炼钢炉的铁水输送匹配调度”和“炼钢-连铸-热轧过程动态调度”两个关键技术，围绕“炼铁高炉向炼钢炉的铁水输送匹配调度”、“炼钢-连铸生产过程的动态调度问题”及“连铸-热轧生产过程的动态调度问题”三个方面开展工作，研究了五个科学问题：（1）炼铁高炉向炼钢炉的铁水输送匹配调度问题；（2）炼钢-连铸生产过程的动态调度问题；（3）连铸-热轧生产过程的动态调度问题；（4）随机鲁棒优化模型的分析与求解方法；（5）项目理论成果的应用验证。.项目结合新余钢铁厂的生产线实际生产工序和场景，建立了混合整数规划模型和随机环境下的鲁棒优化模型。项目对随机鲁棒优化模型的性质进行了深入的分析与讨论，提出了多种基于不同类型分布函数集或者机会约束的随机鲁棒模型的等价或近似转换的理论和方法，将不同类型的随机鲁棒模型转换为可解的混合整数规划模型。项目同时分析了多种不同类混合整数规划模型的结构特性，分别设计了基于松弛的智能迭代下降算法、约束生成算法、次梯度投影算法、变邻域搜索、改进粒子群、增强蚁群优化、禁忌搜索等多种智能求解算法。.项目将钢铁生产线关键工序的主要模型与算法编写为软件程序，作为生产线制造执行系统（MES）的核心模块集成至新余钢铁厂的生产调度系统中，利用生产线的实际运行数据进行了应用验证，取得了预期效果。.项目研究成果累计发表论文32篇。其中与本项目研究内容直接相关的成果发表国际权威期刊SCI论文11篇，其他相关成果发表国际权威期刊SCI论文13篇，发表EI论文8篇。在已发表的学术论文中，包括IEEE Transactions期刊论文5篇，EJOR期刊论文2篇，管理科学与工程领域国际权威期刊Transportation Part B 1 篇，INFORMS Journal of Computing 1 篇，其余国内外著名期刊SCI论文15篇。项目研究成果已授权国家发明专利5项，正在受理发明专利2项。项目负责人早期研究成果“不确定非线性系统建模理论与智能学习方法”获2018年吴文俊中国人工智能学会自然科学一等奖，排序1.