[发明专利]一种基于大数据规则自学习的炼钢生产计划智能排程方法

权利要求书

1.重调度决策表：基于历史操作记录和调整经验，再对齐时间与场景，生成现场状态和扰动间的调度决策表，为规则挖掘与机器学习提供基础，具体实现步骤：

（1）记录来自炼钢厂ERP系统下发的生产订单和热轧厂板坯轧制计划；

（2）记录所有炉次在炼钢-连铸各工序工位的具体开始、结束时间；

（3）基于天车、台车定位技术的容器流转跟踪技术，追踪记录铁水包调度、钢水包调度与废钢斗调度；

（4）记录现场出现浇次变更、设备故障、生产延时等各种扰动时，原计划无法顺利执行，人工或机器对当前生产状态重新调整的过程与结果，将以上记录对齐发生扰动的时间、扰动前生产全过程场景以及处理扰动的人工经验与结果，形成完整的表单，为规则挖掘提供完整的数据基础。

2.规则挖掘与获取：先建立标准的基于“扰动+场景描述+调整策略”的规则描述方式，则可将专家经验转化为机器可识别的知识规则，根据重调度决策表，采用粗糙集、深度学习网络等机器学习技术挖掘各类干扰下的调度与重调度规则，主要包括如下步骤：

（1）规则描述，主要包括“扰动”，“环境条件”和“操作序列”；扰动分类有订单变更扰动、故障类扰动、维修计划扰动、时间类扰动、温度类扰动、改钢类扰动、浇铸异常类扰动等，环境条件的描述有：设备状态、物流信息、加工信息和炉次任务状态信息，在扰动发生时可根据扰动类型+场景描述匹配最合适的操作序列；

（2）提供现场专家对当前工况下所选规则的调整界面，并产生人工调整记录；

（3）属性约简，采用粗糙集算法约简出重要影响属性；

（4）采用规则挖掘算法从约简后的操作记录中学习专家操作规则；

（5）建立规则优化评价指标，基于评价指标建立规则优化模型，根据人工界面的规则调整记录来优化规则，形成优良规则库。

3.作业计划静态编排，基于生产订单、板坯轧制计划与各工序生产实绩数据编制中间包计划，基于现场设备拓扑图和工艺路径等工艺规则，采用并行倒推算法根据浇次计划编制炼钢生产作业计划，主要包括以下步骤：

（1）接收炼钢厂ERP系统下发的生产订单和热轧厂传来的需热送热装的板坯轧制计划，同时，根据收集到的各工序生产实绩数据，分五个部分：订单预处理、订单聚组、分炉组炉、浇次组合、浇次排序来生成中间包计划

（2）按照生产工序、工位关系及工序设备数等工艺参数构建炼钢-连铸流程工艺拓扑图；

（3）获取钢种工艺生产路径、钢种在不同设备的生产时间、各工序不同工位之间的运输时间矩阵和各工序无故障设备数等现场工艺规则；

（4）采用一种基于炼钢-连铸流程工艺拓扑图的逆工艺路径方向时间并行倒推算法，计算各炉次任务在各工序的开始、结束时间；

（5）基于设备优化选择规则确定每个炉次在各工序的具体生产工位，若炉次之间出现时间冲突，调整冲突炉次所在浇次的开始时间重新计算。

4.扰动下的作业计划自动重排，当出现订单变更扰动、故障类扰动、维修计划扰动、时间类扰动、温度类扰动、改钢类扰动、浇铸异常类扰动等干扰、扰动发生时需要对已经编制好的作业计划根据现场情况进行自动重新调整，采用规则库+启发式智能算法寻优方法对已经编制好的作业计划根据现场情况进行重新调整，基于已形成的专家规则库与决策表，当现场发生导致编排好的计划无法执行的扰动时，只要录入现场扰动，智能调度系统就可以根据现场工况和计划执行情况实现计划重排，从而实现计划无人重排，主要包括以下步骤：

（1）工况的扰动自诊断，基于炼钢物联网系统，可实时获悉详细的现场状态，基于决策表便可自动实时诊断各类扰动，实现计划无人重排；

（2）分不同扰动，根据当前状态和工况对原计划进行重排。

5.作业计划展示：将调整后的计划以甘特图的形式展示给调度人员，甘特图可通过鼠标拖拉实现手动调整。