[发明专利]一种制药化工生产中原料结晶过程的优化调度方法

说明书

技术领域

本发明涉及一种制药化工生产中原料结晶过程的优化调度方法，属于化工生产过程智能优化调度技术领域。

背景技术

随着全球经济的持续快速增长，流程工业的发展程度已成为衡量国家工业水平的重要指标。化工生产是流程工业最重要的组成部分之一，化工生产通过对原材料进行相应的物理和化学加工，进而实现原材料价值的升值。在化工生产中，主要包括过滤、萃取、结晶和蒸发等基本操作，其中结晶操作应用的场合相当广。结晶过程常用于原料的初步处理和最终产品的输出，原料的处理的速度和质量将直接对后续的深加工产生重要影响，对整个系统结构的优化升级具有重要意义。因此，化工生产中原料结晶过程的优化调度具有重要研究价值。

对原材料进行结晶是常见的化工操作，由于原材料的理化性质存在差异，有些原材料经过一次结晶即可完成加工，而有些原材料需要进行二次或多次结晶操作才能完成加工；同时，为了防止产品间的交叉污染，每台机器在加工完一种原材料后，需要一定的设置时间进行清洗和调整，才能继续加工另外一种原材料，而设置时间取决于原材料之间的加工顺序；此外，实际结晶操作的加工(机器)单元往往由多台异构的并行机器构成，这些机器的加工能力不尽相同，原材料需根据自身的理化性质、体积、质量等因素选择合适的机器进行加工。该过程就是典型的异构并行机调度问题。与其他生产调度问题一样，异构并行机调度问题的优化指标主要包括最大完工时间、拖期产品数、平均流经时间等，其中以最大完工时间(makespan或C_max)使用最为广泛。异构并行机调度问题属于NP-Complete问题，其解空间随问题规模的增大呈指数增长。因此，对异构并行机调度问题求解算法的研究具有较高的实际和理论价值，可为相关化工生产优化系统的设计提供切实指导。

由于原料结晶过程调度问题属NP完全范畴，传统的数学规划方法和启发式构造性方法无法保证解的优化质量。因此，本发明设计了一种基于贝叶斯网络的分布估计算法(bayesian statistical inference-based estimation of distribution algorithm ,BEDA)的优化调度方法对优化目标进行优化，可在较短时间内获得制药化工生产中原料结晶过程的优化调度方法的近似最优解。

发明内容

本发明所要解决的技术问题是在较短时间内获得制药化工生产中原料结晶过程调度问题的近似最优解的问题，提供了一种制药化工生产中原料结晶过程的优化调度方法。

本发明的技术方案是：一种制药化工生产中原料结晶过程的优化调度方法，通过确定原料结晶过程调度模型和优化目标，并使用基于贝叶斯网络的分布估计算法的优化调度方法对优化目标进行优化；其中调度模型依据每台结晶机器上所加工原料的最大完工时间来建立，优化目标为最小化最大完工时间：

C_max＝max(C_i＝F_i+t_i)    i∈D

Σ_i∈D x_ijk＝1    j∈D,(j,k|k＝M_i＝M_j)

Σ_j∈D x_ijk＝1    i∈D,(i,k|k＝M_i＝M_j)

F_i+t_i+S_ij≤F_j+B(1-x_ijk)    (i,j)∈D,(i,j,k|k＝M_i＝M_j)

F_i+t_i≤F_j    i,j∈S_ij

tRk=0]]>    k∈M