基于多智能體仿真的高速工具鋼煉鋼計劃調度

梁青艷，孫彥廣

(中國鋼研科技集團冶金自動化研究設計院，北京 100071)

1 引言

為實現鋼鐵制造流程的協調、有序和高效，應提升鋼鐵企業信息系統的計劃調度功能，以強化對生產運行過程的調控和優化[1]。計劃調度功能是指針對某一任務，在一定的技術與資源的約束條件下，對現有的生產活動進行合理排序，確定某一時段所指派的任務，力求在設備可用的時間范圍內，充分發揮其生產效率，縮短生產周期，降低生產成本。對于鋼鐵企業而言，如果各工序自動化系統穩定可靠，產品質量可以保證，那么生產調度系統功能集成中遇到的最大難題便是如何面向多品種小批量的大量訂貨合同而組織生產[2]。

目前生產計劃和生產調度方法主要有人機交互、數學規劃、智能優化、仿真優化等方法[3-7]。人機交互方法簡單、明了，圖形化的界面非常易于使用，適應性較強，目前我國鋼鐵企業作業調度主要依賴于人機交互方法，但此方法主要依賴計劃調度人員個人的經驗，即將人的經驗轉化為規則、專家系統或案例推理，難以實現強耦合、多目標優化，而且很難持續改進。數學規劃法是將問題抽象成若干約束下的一個或者多個目標函數的優化問題，如文獻[8]中作者針對煉鋼-連鑄調度問題，建立了混合整數規劃模型，并提出了一種放松機器容量約束的拉格朗日松弛方法來解；文獻[9]中龔為民以煉鋼廠的連鑄機為研究對象，分別建立了連鑄機開澆決策的混合整數規劃模型以及構建了連鑄機的開澆次與實踐決策的多目標優化模型，數據規劃法本質上是一種靜態優化方法，建模過程中往往會對問題進行前提建設，主要存在理論研究層次，很難應用于多變的復雜生產流程。智能優化主要針對非線性目標函數和約束條件、多目標優化計劃調度問題提升了優化求解能力，例如文獻[10]作者建立了煉鋼連鑄多目標優化調度模型，采用兩階段和多階段優化調度策略，用非支配遺傳算法進行求解；文獻[11] 作者提出了一種改進的離散人工蜂群(DABC)算法來解決具有鐵水系統動態跳躍特征的混合柔性流水車間調度問題，雖然智能優化方法一定程度上提升了求解能力，但是當問題比較復雜，調度規模較大時，計算量和存儲量急劇增大，很難在較短時間內找到最優解，很難對多變的現場實際狀況及時做出適應調整，另外受各種因素限制，現實生產中作業計劃問題很難被抽象成一個優化求解模型，限制了其應用范圍。仿真建模法可以避免對復雜制造流程物流和調度問題理論細節的分析，實現對實際生產環境分析并抽象建模，如文獻[12]建立了煉鋼連鑄生產過程的仿真模型，模擬生產流程；文獻[13]作者基于面向對象的建模技術，構建了連鑄生產過程仿真模型，通過仿真建模方法建立對象的模型，通過交互仿真，分析各種計劃調度方案的優劣，但是仿真模型的精度不夠時，會使得仿真優化效果大打折扣。

綜上所述現有的方法是將計劃調度歸結為靜態優化問題，首先確定目標函數和約束條件，后通過問題求解(逆向求解)獲得最優解，本質局限性在于：①基于還原論原則，將流程系統分解為獨立的各個子系統，然后以各個子系統約束條件代替了流程對象整體的描述和分析，由于流程的非線性耦合性特征，難以通過各個子系統的約束條件描述流程復雜的動態行為；②受限于問題求解算法對約束條件進行了簡化處理；③目標函數和約束條件的參數取統計平均值，難以反映不同品種、不同生產工況、不同設備狀態等不確定因素的變化以及相互耦合的影響，難以實現縱向動態調整和協同優化。

本文提出一種基于多智能體的計劃調度方法，首先建立對象(生產流程)詳盡的網絡化描述模型，然后通過簡單規則產生計劃調度初始方案，代入生產流程網絡化描述模型，動態仿真生產過程，計算初始方案的結果(正向求解)，將結果與多目標進行對比，確定下一步計劃調度改進方向，通過迭代優化給出多個滿意解，最終確定計劃調度方案。

2 高速工具鋼生產調度特點及難點

圖1 高速工具鋼生產流程

高速工具鋼的煉鋼過程是一個多工序組成的復雜的高溫物理化學過程，從鋼水到鋼錠，需要各工序緊密銜接，連續緊湊，是一種典型的多品種、小批量、多工序生產過程，其生產調度問題具有如下特點：

1)多組合：高速工具鋼基本都是小批量訂單，而且各訂單品種、鋼種、規格均不同，難以規模化生產，合同的聚類組合約束多，需要考慮因素也比較多，如考慮交期、成分、爐嶺包齡、設備周轉周期及模具更換周期等。

2)多路徑：煉鋼廠生產流程從鋼水到鋼錠需要經過中頻、精煉、澆鑄、地坑退火、電渣、連續退火、精整多道工序，而且各工序存在多個設備，同工序的不同設備容量和規格要求也有差異，不同鋼種和規格的產品工藝路線也不同，不同鋼種的爐次生產中會涉及到LF，VD 一次或者多次生產，這就造成了工藝路徑組合變化非常多。

3)時間不匹配：各工位生產節奏不同，熔煉-澆鑄工序生產節奏快，電渣、退火環節生產節奏慢，電渣和退火是整個煉鋼廠生產流程的瓶頸環節，由于生產節奏的不平衡，增加了前后工序緊密銜接的難度。例如某類鋼種在電渣環節均需要經過地坑退火流程，則此鋼種的計劃排產需要考慮地坑爐設備的生產周期，不能連續組爐生產。

4)多干擾：生產計劃的執行受多種因素的影響導致計劃與執行匹配難，如插單撤單、環保限產、交貨期改變、加工時間的波動(提前或滯后)、設備故障、質量偏差、能源供應、物流銜接等，均可導致生產計劃產生偏差，計劃執行率差。

5)多目標：生產調度問題是一個典型的多目標問題，需要考慮交期、庫存、效率、能耗幾個方面，但是各目標間又存在沖突，難以簡單加權平衡和優化。

綜上所述由于高速工具鋼生產流程存在多組合、多路徑、時間不匹配、多干擾、多目標沖突等特點，導致手工計劃調度較為困難，一是手工編制計劃基本依靠計劃員個人經驗，主觀因素影響大，決策一致性差，經驗沒有總結成顯性規則難傳承；二是產品品種和路徑多，約束條件和設備瓶頸多，目標多，計劃調度任務量大，難優化；三是計劃不能充分反映現場執行(工藝過程時間、設備狀況)細節，計劃執行率差，只有爐次順序，沒有細化到起止時間要求，自由度過大，缺乏引導性。因此迫切需要智能化的計劃調度平臺，進行科學調度、高效作業、縮短生產周期、降低生產過程中的能耗、庫存等，從而提高市場競爭力，增加客戶滿意度。

3 技術方案

考慮到冶煉過程的復雜性，工藝路徑組合多，設備約束條件和優化目標多且難以進行系統數學函數描述，因此本文提出一種基于多智能體仿真的流程建模方法，新的建模方法是采取簡單一致、單體準確、網絡耦合、行為涌現的整體論建模方法，把鋼鐵生產過程復雜的物流系統抽象為一個多智能體系統，將生產流程中的各單體設備(工序設備、運輸設備)抽象成單智能體模型，然后將單體模型按照流程的設備配置、工藝路徑、連接方式、啟停條件、分配原則、協調機制進行網絡化建模，以反映其相互關聯耦合關系，較好的解決了復雜系統中個體智能體行為簡單準確，大規模系統下網絡耦合、行為涌現的特征，相對于傳統的建模方法，在異構、分散、復雜系統建模上更具適應性。

基于多智能體的計劃調度算法(如圖2所示)，所涉及的步驟及關鍵技術如下：

圖2 計劃調度主要流程

1)工藝路徑確定：基于品種、規格、鋼種、錠型，從工藝路徑數據庫查詢生產工藝路徑信息，確定各訂單所需要的主要工藝流程。

2)物料需求計劃：冶煉物料需求計算，需要沿物料轉換逆過程，由鍛鋼對電渣錠/鑄錠重量需求，依次計算電渣錠/鑄錠支數、電極棒支數、冶煉鋼水重量需求，計算過程需要考慮余材充當及物料轉換過程中收得率，最后得出物料余材充當量及新物料需求量。

3)生產組合：設備周轉時間、設備容量、工藝和質量要求、工裝設備更換頻率等形成各工序的生產組合策略，以生產組合策略作為約束，以滿足交期、減少余材產生降低庫存、減少設備更換次數、減少瓶頸設備空閑時間、降低能耗作為目標進行迭代，給出生產任務的組合及生產次序，即計劃粗排，計劃粗排作為作業計劃的初始值。

4)多智能體仿真：如圖3所示，作業計劃通過多智能體仿真技術實現，把鋼鐵生產過程復雜的物流系統抽象為一個多智能體系統，將生產流程中的工位設備抽象成智能體模型，基于各工序的生產工藝要求和優化策略，建立同工序多設備任務分配機制以及前后上下游工序之間任務協調機制，以計劃粗排、設備生產狀態、庫存信息、生產實績作為輸入驅動智能體仿真系統運行，通過模擬整個生產流程，細化各工位作業時間，減少非作業時間和不必要的等待，提高作業效率。

圖3 多智能體仿真模型

5)多目標評判和調整：在仿真過程中，根據仿真結果，對本計劃的交貨期、余材、生產效率和能耗進行綜合評判及調整，多目標調整流程如圖4所示，首先進行交期滿足調整，在交期滿足的基礎上，進行其他目標(效率、庫存、能耗)的調整。通過①惡化指標優化調整，②充分利用后續工位影響這些反饋信息，提出計劃調整策略，輸出給工序協調智能體。為避免陷入局部優化，結合蒙特卡羅組爐次序或權重調整。仿真結束，或計劃人員認為目前所得到的計劃集合足夠好時，對各計劃仿真結果的交貨期、余材、生產效率和能耗等指標進行綜合評判，從中選擇滿意方案。多目標整體評判有兩種方案，一是各指標加權排序，二是通過Pareto(帕略圖)展示。

圖4 多目標調整流程

6)動態調度：動態調度包括計劃執行情況反饋(正常與偏差)、動態調整、計劃重排等內容。首先對造成計劃偏離的擾動因素進行判斷(時間提前或滯后、溫度不達標、質量不合格、設備故障、計劃調整等)，根據擾動大小，確定調整策略，如果擾動較小，僅需要通過仿真系統進行優化調整即可，如果是大擾動，則需要進行異常重排。動態調整流程如圖5所示，通過動態調整，可以實現對生產過程的動態管控和閉環控制。

圖5 動態調整流程

4 案例分析

基于以上的計劃調度優化流程，對某鋼鐵企業煉鋼廠生產流程進行建模，針對不同的情景進行案例分析

1)正常工況下，煉鋼澆鑄流程優化

選取2017-6-24～2017-6-28 總共20爐數據為仿真基礎數據，如圖6為實際生產作業甘特圖，圖7為優化后的生產作業甘特圖，通過仿真優化，使冶煉計劃更加緊湊連貫，減少了無效作業時間42小時，提高工作效率，通過協調中頻入爐時間，減少了約130分鐘的包內等待時間，降低了能耗。

圖7 仿真生產甘特圖

2)工作延后調整

假定1#澆鑄坑04爐次之后工裝準備時間預計延后30分鐘，此作業計劃由2017.6.25 11：50-2017.06.26 21:10(560分鐘)變為2017.6.25 11：50-2017-06-26 21：40(590分鐘)，作業計劃產生偏差時，需要進行動態調整，如圖8所示，為人工調整方式，直接將4號澆鑄坑后序計劃順序后延，會產生30分鐘包內等待。如圖9所示為優化作業方式，在滿足交期的情況下，避免了包內等待，減少了能耗。

圖8 手工調整

圖9 優化調整

3)隨機故障調整

假定ESR10設備在完成第4個工作任務后，于2017-06-25 23:10～2017-06-26 5:30產生持續時間為6小時20分鐘隨機故障。手工方式下，后序計劃直接順序后延，優化方式下按照任務優先級，重新安排任務，會把由于故障耽擱的任務根據其優先級安排到ESR23，ESR7設備上，減少了任務等待時間。

5 結論

本文針對高速工具鋼計劃調度排產問題提出了一種基于多智能體仿真的建模方法，對比運籌學方法，通過分步驟和反饋迭代優化， 化解求解難度，提高適應性，基于可理解/可進化的計劃調整策略，迭代優化，解決多目標問題，通過案例分析，初步驗證了基于多智能體仿真優化調度的可行性。

圖10 手工調整

圖11 優化調整