[发明专利]一种纸厂纸卷分切与库存综合优化的方法

说明书

技术领域

本发明涉及一种纸厂生产排产和库存管理的方法，特别涉及一种纸厂纸卷分切与库存综合优化的方法。

背景技术

造纸企业是典型的流程企业，具有订单数量多、产品交货期短、库存成本高等特点，该生产过程常受到原料、能源、设备和人力等因素的影响。不恰当的排产方法不仅会造成造纸企业运作的瓶颈，而且还会造成各项资源的浪费，增加企业的生产成本。纸卷分切是节约纸厂生产成本的重要环节，其要求在一定宽度的大纸卷上切割出符合产品规格的各类小纸卷，并使切剩的纸边废料最少。然而，过度地要求纸边废料最少，有可能会切割出多余的纸卷需存入仓库或推延产品的交货时间，对工厂生产极为不利。因此，基于订单的纸卷分切与库存综合优化的排产工作是降低企业生产成本和提高企业响应市场能力的关键所在。

纸厂切纸排产工作包括：根据客户订单要求和工厂库存水平，在有限的时间内，利用有限的设备、原料和人力完成生产，并实现产品延迟交货时间最短、纸卷分切废料最少、生产切换费用最低等目标的综合优化。由于产品订单多样性，使得切纸排产问题必须在各种可能情况下进行组合优化。组合优化问题属于NP问题，其求解时间与问题规模呈指数关系。对于切纸排产优化问题，具体表现为：当问题规模增加，即产品种类和数量增加时，模型中用来描述切纸活动属性的二元变量和连续变量会急剧增加，其数量几乎与产品的种类和数量呈指数关系。这种特性使得实际规模的排产问题难以在合理时间内得到求解，是排产理论应用到实际问题的一个主要障碍。

目前，常用于求解切纸排产优化问题的方法有传统经验方法、遗传算法、模拟退火算法和数学规划方法。以传统经验为主的切纸优化方法，往往从局部的优化出发，完全依据工人的经验制定切纸组合方案。由于人工计算的能力有限，决策的失误和时间的延误在所难免。而遗传算法和模拟退火算法均属于智能算法，它们在一定程度上解决了一些切纸优化问题，但在算法通用性、有效性和大规模问题上同实际应用还有较大差距。对于大规模的组合多样性切纸优化问题，智能算法往往只能得到问题的次优解，甚至是较差的可行解，且消耗大量的计算机运算时间。数学规划方法在解决组合优化问题上具有较强的全局最优求解能力。其中，混合整数线性规划(MILP)和混合整数非线性规划(MINLP)是近年来最常用于解决切纸优化问题的方法。从国内外发表的文献和公开的方法来看，以往的数学规划方法缺少有效的策略来降低模型的规模，因此只能综合纸边废料和生产切换两个因素来进行优化，即只能解决规模较小的切纸优化问题。当遇到产品品种多样、库存成本高、纸机产纸量大的大规模切纸排产问题时，现有的模型方法很难在有效的时间内得到令人满意的排产方案。因此，需要在建立新切纸优化数学模型(考虑纸边废料、生产切换、库存成本和订单交货期综合优化)的同时提出一套合适的求解策略，有效降低模型的复杂程度，提高优化效率，实现切纸过程的全局优化生产。

发明内容

本发明的目的在于针对现有方法在解决大规模复杂切纸优化问题中的不足和缺陷，提出一种纸厂纸卷分切与库存综合优化的方法，利用该方法，使纸厂的生产既能满足客户订单要求(产品规格多样、需求量大、交货期短)，又能降低其生产成本(切剩的纸边废料最少、库存成本最低、产品延迟交货时间最短、生产切换费用最低)。