基于规则库分层校验与智能优化算法的钢铁余材充当方法

摘要: 本发明属于钢铁企业余材匹配、库存优化及生产计划辅助决策,涉及基于规则库分层校验与智能优化算法的钢铁余材充当方法。背景技术:1、在钢铁企业生产过程中,由于客户订单...
基于规则库分层校验与智能优化算法的钢铁余材充当方法

本发明属于钢铁企业余材匹配、库存优化及生产计划辅助决策,涉及基于规则库分层校验与智能优化算法的钢铁余材充当方法。

背景技术:

1、在钢铁企业生产过程中,由于客户订单变更、生产计划调整、工艺波动、设备能力限制等因素,容易形成一定数量的成品余材或半成品余材。上述余材若不能被及时、合理地充当至后续合同或订单中,不仅会造成材料资源浪费,还会增加库存占用压力、库区管理成本和生产组织复杂度。

2、目前,钢铁企业中常见的余材充当方式主要包括人工经验判断、基于固定规则的自动匹配方法以及基于单一目标的优化算法方法。在实际应用中,上述方法通常以单合同就近匹配或按固定优先级逐条匹配的方式输出充当结果,缺乏对多合同之间共享余材资源的全局协调机制;同时,余材库位、跨库调拨及工艺路径/设备能力等约束往往未被结构化建模,导致输出方案需要人工二次校核或频繁回退,难以在合同与库存动态变化条件下实现快速、稳定的自动决策。

3、此外,在实际生产过程中,合同需求、余材库存状态、工艺路径、设备能力等信息经常发生变化。现有方法在动态变化发生后,往往需要重新计算全部余材与全部合同之间的匹配关系,计算量较大,响应速度较慢;或者仅通过人工调整局部方案,难以保证调整后的方案仍满足工艺规则和生产执行条件。

4、因此,现有余材充当方法在实际应用中普遍存在充当效率低、人工干预频繁以及难以实现全局优化等问题,亟需一种能够兼顾业务规则约束与智能优化能力、在保证工艺可行性的前提下提升余材利用率的余材充当方法。

技术实现思路

1、针对上述现有技术存在的问题,本发明的目的在于提供一种基于规则库分层校验与智能优化算法的钢铁余材充当方法,通过对余材-合同组合进行分层规则校验并构建可行边集或稀疏可行矩阵,在所述可行域限定的变量域内进行优化求解,当候选方案不满足生产执行条件时,在所述变量域内进行删除、替换、重分配或回退处理;同时在合同需求、余材库存或生产约束变化时对受影响的候选匹配关系进行重新分层校验和优化调整,从而在保证工艺可行性和业务约束满足的前提下提升余材利用率、求解效率及动态响应能力。

2、为实现上述目的,本发明采用如下技术方案:

3、一种基于规则库分层校验与智能优化算法的钢铁余材充当方法,包括如下步骤:

4、s1:获取钢铁企业生产过程中的合同数据、余材数据及生产约束数据;

5、s2:所述合同数据与所述余材数据对应形成余材-合同组合,调用预设的余材充当规则库对所述余材-合同组合按照预设层级顺序进行分层校验,生成候选余材-合同匹配关系集合;

6、s3:将所述候选余材-合同匹配关系集合表示为可行边集e或稀疏可行矩阵a,并将所述可行边集e或稀疏可行矩阵a作为变量域;其中,仅对所述可行边集e中的可行边,或所述稀疏可行矩阵a中满足可行条件的矩阵元素对应的余材-合同组合设置决策变量;

7、s4:在所述变量域内建立余材充当多目标优化模型,所述余材充当多目标优化模型以余材充当为优化对象,综合兼顾余材充当率、库存消化效果、合同交付风险、生产切损与工艺可执行性;

8、s5:基于所述可行边集e或稀疏可行矩阵a对候选余材-合同匹配关系进行编码,采用规则引导的智能优化算法对所述余材充当多目标优化模型进行求解,生成至少一个候选余材充当方案;

9、s6:调用步骤s2中所述余材充当规则库,对所述候选余材充当方案进行可行性校验;

10、当所述候选余材充当方案不满足余材充当规则、合同交付量约束、工艺路径约束、设备能力约束、库存状态约束或生产执行条件时,在所述变量域内对所述候选余材充当方案执行删除、替换、重分配或回退处理;

11、对于通过所述可行性校验的候选余材充当方案,进入步骤s7;

12、s7:基于预设评价指标体系对经可行性校验后的候选余材充当方案进行综合评价,确定执行方案。

13、进一步地,步骤s2中,所述余材充当规则库内存储有余材充当规则、规则层级顺序及规则优先级信息;其中,所述余材充当规则库中的余材充当规则包括强制规则和优先规则;当强制规则与优先规则发生冲突时,优先执行强制规则;当多个优先规则之间发生冲突时,根据所述规则优先级信息确定规则执行顺序、候选余材-合同组合的保留结果、剔除结果或降权处理结果。所述余材充当规则库用于生成候选余材-合同匹配关系集合,且所述候选余材-合同匹配关系集合用于限定余材充当优化模型的变量域;所述余材充当规则库还用于对候选余材充当方案进行可行性校验以及对候选余材充当方案进行删除、替换、重分配或回退处理。

14、所述分层校验中,后一层校验仅针对通过前一层校验的余材-合同组合进行,当存在规则冲突时,按照所述规则优先级信息进行裁决,以剔除不满足基础匹配条件的余材-合同组合,生成候选余材-合同匹配关系集合;所述候选余材-合同匹配关系集合由通过全部层级校验的余材-合同组合构成。

15、进一步地,步骤s2中的所述分层校验包括质量或钢级校验、规格及公差校验、重量或最小交付量校验、工艺路径校验、设备能力校验,且按照预设层级顺序依次执行;当任一余材-合同组合未通过当前层级校验时,终止对该余材-合同组合的后续层级校验。

16、进一步地,所述候选余材-合同匹配关系集合用于表示余材与合同之间的可充当关系;

17、当余材与合同通过全部层级校验时,将相应的候选余材-合同匹配关系确定为可充当关系,并在所述可行边集e中保留对应边,或将所述稀疏可行矩阵a中的对应元素置为可行状态;当余材与合同未通过任一层级校验时,将相应的余材-合同组合确定为不可充当关系,并删除所述可行边集e中的对应边,或将所述稀疏可行矩阵a中的对应元素置为不可行状态。

18、进一步地,步骤s5中的规则引导的智能优化算法包括基于可行边集e或稀疏可行矩阵a的遗传优化算法,所述遗传优化算法包括:

19、将所述可行边集e中的候选余材-合同匹配关系,或所述稀疏可行矩阵a中处于可行状态的候选余材-合同匹配关系,编码为染色体基因位,每一基因位对应一个候选余材-合同匹配关系;

20、根据合同交付紧急度、合同优先级、余材库龄、库存消化需求、规格匹配偏差、质量替代损失及工艺可执行性中的一种或多种因素,计算各候选余材-合同匹配关系的综合优先级评分;

21、基于所述综合优先级评分生成初始种群;

22、对所述初始种群执行选择、交叉和变异操作,生成子代候选余材充当方案;

23、对所述子代候选余材充当方案调用所述余材充当规则库进行可行性校验,并在所述变量域内对不满足约束的子代候选余材充当方案执行删除、替换、重分配或回退处理;

24、根据适应度函数迭代更新种群,并输出候选余材充当方案。

25、其中,所述适应度函数至少与余材充当率、库龄加权库存消化率、合同交付风险、生产切损、匹配替代损失及工艺可执行性相关;选择、交叉和变异操作仅作用于与所述变量域内的候选余材-合同匹配关系相对应的染色体基因位,所生成的子代候选余材充当方案不包含所述变量域之外的余材-合同匹配关系。

26、进一步地,所述删除、替换、重分配或回退处理包括:

27、当候选余材充当方案中存在导致合同交付量超过允许范围的余材-合同匹配关系时,删除至少一个对应匹配关系,或将对应余材替换为同一合同下满足所

28、述余材充当规则的其他余材;

29、当候选余材充当方案中存在导致合同交付量低于允许范围的合同项时,从所述变量域内选择满足所述余材充当规则的其他余材进行补充匹配;

30、当候选余材充当方案中存在因库存状态、工艺路径或设备能力变化而不可执行的余材-合同匹配关系时,删除相应匹配关系,或在所述变量域内选择替代匹配关系;

31、当删除、替换或重分配后仍不能满足所述余材充当规则或生产执行条件时,回退至上一可行候选余材充当方案;

32、其中,对调整处理后的候选余材充当方案再次调用所述余材充当规则库进行可行性校验。

33、进一步地,所述方法还包括s8:当合同需求、余材库存状态或生产约束发生变化时,确定与变化对象相关的余材-合同匹配关系作为受影响关系;对未受影响且仍满足所述余材充当规则的原余材-合同匹配关系予以保留,仅对所述受影响关系重新执行步骤s2中的分层校验,以更新所述可行边集e中的对应边或所述稀疏可行矩阵a中的对应元素,对受影响关系及其相关合同欠量、余材可用状态重新执行优化求解和方案调整。

34、进一步地,步骤s8中,与变化对象相关的余材-合同匹配关系包括以下至少一种:

35、合同需求量、合同规格、合同交付时间或合同优先级发生变化的合同所对应的余材-合同匹配关系;

36、余材重量、余材规格、余材钢级、质量等级、库存状态或库存位置发生变化的余材所对应的余材-合同匹配关系;

37、因生产约束、工艺路径或设备能力变化而导致可充当状态发生变化的余材-合同匹配关系。

38、其中,对未受影响且仍满足余材充当规则的原余材-合同匹配关系予以保留,仅对所述受影响关系重新执行分层校验和优化调整。

39、本发明的有益技术效果:

40、(1)本发明提供的方法通过余材充当规则库对余材-合同组合进行分层校验,生成候选余材-合同匹配关系集合,并将所述候选余材-合同匹配关系集合表示为可行边集或稀疏可行矩阵,仅对通过分层校验的余材-合同匹配关系设置决策变量,能够减少优化模型规模和无效搜索空间,提高余材充当求解效率。

41、(2)本发明提供的方法通过规则层级顺序和规则优先级信息对余材-合同组合进行分层筛选和规则冲突裁决,能够在进入优化求解前剔除不满足基础匹配条件的组合,提高候选余材-合同匹配关系集合的有效性和可执行性。

42、(3)本发明提供的方法采用规则引导的智能优化算法,仅在可行边集或稀疏可行矩阵限定的变量域内对候选余材-合同匹配关系进行编码、初始化和迭代搜索,并基于合同交付紧急度、合同优先级、余材库龄、库存消化需求、规格匹配偏差、质量替代损失及工艺可执行性等因素生成候选方案,能够提高优化算法生成可执行余材充当方案的效率。

43、(4)本发明提供的方法在候选余材充当方案不满足合同交付量、库存状态、工艺路径、设备能力或生产执行条件时,调用余材充当规则库进行可行性校验,并在变量域内执行删除、替换、重分配或回退处理,能够降低候选方案不可执行和人工回退的概率。

44、(5)本发明提供的方法在合同需求、余材库存状态或生产约束发生变化时,仅对与变化对象相关的余材-合同匹配关系进行重新分层校验和优化调整,并对未受影响且仍满足余材充当规则的原匹配关系予以保留,能够减少动态场景下的全量重算,提高余材充当方案的响应速度和稳定性。