[发明专利]一种啤酒糖化过程的生产调度优化方法

摘要

本发明涉及一种啤酒糖化过程的生产调度优化方法。目前啤酒企业仍依靠人工经验制定生产调度方案，其调度效果并不理想。本发明步骤是：是根据啤酒糖化实际生产流程，首先建立了基于工艺流程机理的生产调度数学模型，并转变成可利用蚁群优化算法求解的离散形式，最终确立了一种啤酒糖化过程的生产调度方法。本发明是针对啤酒糖化生产优化调度中的一些难题，提出一种具有较强全局优化能力的糖化生产优化调度方法，该优化方法具有开放性、鲁棒性、并行性、全局收敛性以及对问题的数学形式无特殊要求等特点。

主权项

一种啤酒糖化过程的生产调度优化方法，其特征在于该方法的步骤包括：步骤1.获取啤酒糖化设备及发酵罐的数量、啤酒品种、调度时间周期长度、发酵周期；步骤2.通过生产过程参数建立综合生产调度估算模型；①物料平衡约束每个时间间隔t内，根据物料平衡，发酵罐中的存储量应为糖化设备向罐的投料量,按下式进行描述：$P_{u2,t}=P_{u2,t-1}+\underset{u1=1}{\overset{U1}{\mathrm{\Σ}}}{\mathrm{\μ}}_{u1}{x}_{u1,u2,i,t}$其中，P_u2,t为t时刻发酵罐u2中啤酒存储量；μ_u1为糖化设备u1单位时间产量；x_u1,u2,i,t为t时刻内糖化设备u1生产到发酵罐u2时为1，其它为0；i＝1,…,N表示啤酒品种；u1＝1,…,U1表示啤酒糖化设备编号；u2＝1,…,U2表示啤酒发酵罐编号；②发酵时间约束当发酵罐u2中存储着啤酒才能对发酵进行计时,按下式进行描述：${\mathrm{tc}}_{u2,t}={\mathrm{tc}}_{u2,t-1}+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{u2,i,t}$其中，tc_u2,t为t时刻发酵罐u2中啤酒发酵时间；x_u2,i,t为t时刻，发酵罐u2的存储状态，存储品种i的啤酒时为1，其它为0；③发酵罐生产约束仅当选择糖化设备u1生产品种i的麦汁并投料到发酵罐u2中后，才表示罐u2中开始生产品种i的啤酒,按下式进行描述：x_u2,i,t＝x_u1,u2,i,t+x_u2,i,t④糖化设备生产约束糖化设备u1生产一批次麦汁的完成时间满足约束,按下式进行描述：te_u1,u2,i＝ts_u1,u2,i+Fc/μ_u1其中，te_u1,u2,i为糖化设备u1生产品种i啤酒，生产完一批次物料并投到发酵罐u2的完成时间；ts_u1,u2,i为糖化设备u1生产品种i啤酒，并投料到发酵罐u2的开始时间；Fc为单个发酵罐标准存储量；⑤发酵罐体积约束由于发酵罐体积限制，当麦汁累计进料量达到标准容量时，糖化生产需停止，也表示糖化完成一个批次生产,按下式进行描述：0≤P_u2,t≤Fc步骤3.利用蚁群优化方法对啤酒糖化过程生产调度进行优化，最终求解最佳的生产调度方案；具体步骤如下：3‑1、进行参数初始化；3‑2、将M只蚂蚁放在虚拟起始点；3‑3、(r,i)为第r列上的第i行节点；(r+1,j)为第r+1列上的第j行节点；[(r,i),(r+1),j]为节点(r,i)到节点(r+1,j)的连线，蚁群中蚂蚁的数量为m在运动过程中，蚂蚁k(k＝1,2...m)是根据各条路径上的信息素决定转移方向，则在时刻t蚂蚁k由位置(r,i)转移到位置(r+1,j)的概率为$p_{[(r,i),(r+1,j)]}^k\left(t\right)=\frac{{\mathrm{\τ}}_{[(r,i),(r+1,j)]}\left(t\right)}{\underset{j=1}{\overset{M_{r+1}}{\mathrm{\Σ}}}{\mathrm{\τ}}_{[(r,i),(r+1,j)]}\left(t\right)}$式中：M_r+1是第r+1列的允许取值范围，为啤酒品种数量或调度时间周期长度；τ_{[(r,i),(r+1,j)]}(t)为时刻t在[(r,i),(r+1),j]连线上残留得信息素痕迹强度，初始条件下各条路径上信息素痕迹强度相等，即τ_{[(r,i),(r+1,j)]}(0)＝C常数；在创建解的过程中，蚂蚁访问到节点后，并且对其所走路径上的信息素采用局部信息素更新规则进行更新${\mathrm{\τ}}_{[(r,i),(r+1,j)]}^{\mathrm{new}}=(1-\mathrm{\ρ}){\mathrm{\τ}}_{[(r,i),(r+1,j)]}^{\mathrm{old}}+\mathrm{\ρ}\·\mathrm{\Δ\τ}$式中，ρ是信息量衰减参数，(0＜ρ＜1)，令Q为常数，J_nn表示该蚂蚁得到的方案目标函数值；每只蚂蚁如此递推并最终生成各自的配方方案；3‑4、利用模型约束剔除不满足生产指标的不可行方案，对可行方案按下式计算目标函数并将其与最好方案对比，如果小于则把该方案记为最好方案；$J=\underset{t=1}{\overset{T1}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(\underset{u1=1}{\overset{U1}{\mathrm{\Σ}}}{P}_{u2,t}{\mathrm{tc}}_{u2,t}+x_{u2,i,t}+\underset{u2=1}{\overset{U2}{\mathrm{\Σ}}}{P}_{u2,t}^{\′}{\mathrm{tc}}_{u2,t}^{\′}-{\mathrm{Pt}}_i^{\mathrm{sp}}-M_{i,t}^1{\mathrm{Tc}}_i)}^2$算式保证品种i的半成品存量接近于期望存量同时需满足清酒罐区的啤酒需求；其中，t＝1,…,T1为时间周期长度，为t时刻清酒存储区对发酵罐区的啤酒需求量；Tc_i为品种i所需发酵时间；3‑5、当所有蚂蚁均构建了配方方案，则按下式对信息素进行全局更新，式中：J_mingb为开始迭代时所获得的最低目标函数值；迭代次数是否达到最大迭代次数，达到则输出最优解，否则转第3‑2步。