<span id="ddgls"></span>
  • <legend id="ddgls"><i id="ddgls"></i></legend>

      1. <optgroup id="ddgls"><i id="ddgls"><del id="ddgls"></del></i></optgroup>

      2. 流程工業的APS高級計劃排程系統應用

        總體說來流程行業以穩定、均衡、高負荷、安全、低能耗和少污染為目標,調節手段主要是保證工藝過程參數保持在較優狀態。離散制造業往往以縮短交貨期、提高設備利用率為主要目標,調節手段主要是優化排序和優化分配負荷等。

        一、流程工業生產計劃和控制活動的特性

        流程行業(process industries)是指通過混合、分離、成型或化學反應使材料增值的企業。生產過程可以是連續的、成批的,通常需要嚴格的剛性過程控制和大量的資本投入。批量型生產是將材料積累起來,每次同時加工一批材料的一種制造技術;連續型生產是產品流是連續、不間斷、不可分的。

        (1)流程行業生產屬于大批量連續生產,因而強調生產過程的整體性,工藝流程相對穩定。生產柔性和靈活性差。

        (2)流程行業的生產過程包括了信息流、物質流、能量流,而且伴隨著復雜的物理化學反應,以及突變性和不確定性等因素,如不確定的投入產出及聯產品和副產品等,是一個十分復雜的大系統。

        (3)流程行業的BOM是一個公式、配方或成分表,每一批產品的質量都有可能不同。對于輔料,可以利用典型的基于BOM的管理方法。但主料的管理就有所不同,通常需要交叉職能委員會或是運作經理分配主料,確定配方。

        (4)流程行業的生產準備時間長,設備輕易不能停工,設備、操作之間的耦合度極高,往往某個參數的調整就會影響到其他參數及以后各個工序的產品質量,因此流程行業控制的精確程度一般要高于離散制造業。

        (5)流程行業生產計劃和控制要求面向整體優化。各個設備的優化不等于全廠處于較優,因而在求取全局較優的過程中有時會得到相互沖突的結論。

        (6)流程行業更關注設備的有效利用。生產計劃對設備能力極其重視。其生產裝置間的連接有管道約束,物流連續,或者只有復雜而有限的中間存貯策略(如存儲池的能力、溫度、存儲時間等要求)。

        (7)流程行業中,離散決策變量與連續決策變量共存,系統內既包括連續過程變量,如生產過程;也包括離散過程變量,如生產方案的切換、調度指令的下達、隨機事件的引入、生產裝置的切換等,所以連續過程的生產計劃/調度系統是混雜系統。這種混雜既包括同層混雜,也包括遞階層次之間的混雜。

        (8)流程行業常常處于十分惡劣的生產環境,因而生產的安全性和環保要求被放在重要的位置。

        (9)流程行業的原材料和產品通常是易腐的(如食品),因此,在生產計劃和庫存管理中,要考慮到這個約束條件。

        (10)由于生產批量大、生產過程一般較為穩定,流程行業的生產計劃(planning)和作業計劃(scheduling)通常是緊密聯系,一般很難區分。在長期或中期生產計劃中通常同時要考慮到詳細的工藝問題,如投產批量(lot sizing)和作業安排(job assignment)同時在生產設計中出現。而在小批量多品種生產的離散制造業中,排程問題通常是在作業計劃層考慮。

        二、流程工業中APS的算法

        (1)數學規劃算法

        廣泛使用混合整數線性規劃(MILP)或混合整數非線性規劃(MINLP)。對化工企業建立數學規劃模型,求解總成本較低條件下的生產任務的分配問題以及產品的分配問題。也可以建立了一個通用的MINLP模型,目標是較小化較大完工時間(make span),確定投產批量。采用貪婪啟發算法,并與其他啟發式算法進行比較。

        需要考慮計劃期長度、原料可用性、有限負荷(finite loading),清潔操作(cleaning operation),通過Cplex計算的混合整數規劃。 但是數學模型幾乎不可重用,即使微小的變化也可能使得所選算法效果變得極差。數學規劃中對實際問題求解的計算量太大,如分枝定界法(B&B)。為了提高效率采用各種改進形式的B&B算法或者簡化計算技術. 采用啟發式算法為了考慮更簡單的模型。

        (2) 約束規劃

        能夠成功的用來解決制造業生產計劃問題的約束傳播代表是ILOG Optimization Suite。當必須在計劃中考慮大量約束時,約束規劃非常適用。一種適合于流程行業需求的方法。這種方法采用約束定向搜索(constraint directed search CDS)解決問題的組合部分,并且確定剩余的(N)LP問題是否解決。組合部分的解中包括了,通過對變量賦值和規定變量值和順序的啟發規則進行的用戶干預。

        (3)仿真方法

        一般仿真方法是和數學模型、規則調度等相結合來解決問題。與數學規劃采用全局的、簡化的觀點相比,仿真提供了一個局部的所有任務、排序和時間決策結果的可視化觀察,并能夠以較低的計算成本對一個特定的計劃問題進行詳細的、快速的分析。仿真一般是對可供選擇的方案進行對比分析,可以用來評估用戶所提出的候選計劃。

        (4)人工智能

        近年來,人工智能技術被引入生產計劃領域,是解決計劃問題的有效途徑。結合數學規劃方法和人工智能技術、專家系統是一個較好的方法。人工智能在大量科學領域復雜問題求解中得到顯著成功。

        如模擬退火算法在求解生產調度問題的混合優化方法優于啟發式方法?;谏窠浘W絡提出了面向批量流程行業生產計劃控制工具對較大完工時間(make span)的模型。模型的預測效果很好。但是,神經網絡模型不能直觀反應作業性質和作業交互。遺傳算法是一種模仿生物自然進化的隨機搜索技術。自從Goldberg和Davis發表遺傳算法以來,它就被用來解決調度問題。

        三、流程工業的生產計劃模式的發展APS

        MRP系統并不適應流程行業,針對化工行業的特性:原料需求的特殊性;生產管理的特殊性;計劃與排程的特殊性,出現了專門針對流程工業的APS系統。

        利用APS可以達到靈活可變的生產計劃,可視化的生產排序,自動的生產作業指示,動態的供應鏈計劃調整,較大限度地利用設備的生產能力。

        流程工業計劃排程建模所需考慮的因素:

        (1)配方管理: 流程工業的BOM是一個公式、配方或成分表,每一批產品的質量都有可能不同。對于輔料,可以利用典型的基于BOM的管理方法。但主料的管理就有所不同,通常需要運作經理分配主料,確定配方。配方中需要處理聯產品和副產品(co-Product和by-Product)

        (2)生產線產能:生產線產能:每種產品在各生產線上的單位時間的產能、投料批量、產出批量等資料。

        (3)生產線日歷:生產車間各生產線的工作日歷,可以根據需要定義、調整到具體的每一分秒

        (4)批次管理:可以自定義產品批號規則,并對批號進行加密。

        (5)清掃時間:清掃資料:通常一個產品生產完畢后,不能直接生產下一產品,而是需要清掃殘留在生產線上的殘留物質,才能開始生產下一個產品。每個產品到下一產品的清掃時間有可能是不相同的。

        (6)多計量單位:在物料的儲運和加工過程中,計量單位會多種轉換,效能關系,多包裝單位。

        (7)生產線和物料對應關系的優化生產模式:理想生產模式:在一定的周期范圍內,生產多個產品時,會遵循一定的優先次序來安排生產。通常在生產排產過程中,在同一生產線,不同性質的產品的生產優先級、默認生產線和物料的關系就構成了理想生產模式。

        四、高級計劃

        根據APS的需求計劃預測來制定中長期銷售計劃;根據銷售訂單和銷售預測來制定和修正滾動銷售計劃;根據滾動銷售計劃并參考動態庫存約束、產能約束制定和修正滾動生產計劃。

        基于需求預測和分銷計劃,制定企業中長期計劃的處理和匯總,并可以自動按照日歷周期均化;可以根據基于周/月的銷售狀況動態調整、優化的滾動銷售計劃;滾動生產計劃的制定和修正可以實時參考庫存上下限的設定、出庫、在庫的動態情況和有限產能來模擬計算;滿足動態變化的計劃管理的需求,不論是長期的或短期的計劃都具有優化,對比,可執行性;生產與采購的統一協調、統一的計劃管理平臺;

        五、高級動態排序

        通過生產排程系統自動根據生產線各產品的標準產能、優先級、機臺清潔時間等,精確安排每天的順序計劃??梢愿鶕唵尉o迫度、生產變更及物料準備情況等因素影響實時進行插單、減單生產。

        生產排序可對開工時間、產量進行修正,可以重新調整生產線,系統自動根據修正值重排生產計劃。支持超工廠日歷時間范圍排產,允許動態加班??梢匀藱C交互可視化排產,支持多生產線同一界面排產。生產排產數據可反查需求來源??紤].交付、生產、需求方面的不確定性因素。APS模型是在確定性模型中分別考慮交付中延期的隨機性、產出的隨機性和需求的隨機性。

        六、面向產品恢復的流程工業

        對逆向物流中的定量模型是可以分為三個領域:分銷計劃、庫存控制、生產計劃。

        生產計劃主要是材料的再利用。再生與可再用的材料的價值之間的權衡。APS模型主要需要對所有可能的再生和回用的成本和加工時間進行計算。

        考慮逆向物流在隨機需求、回收、產出的情況下,利用仿真確保給定的服務水平所需的安全庫存水平。

        七、流程工業的精益生產

        由于生產過程資本敏感性或資源約束,流程工業的能力是固定的。盡管流程工業生產活動缺乏柔性,但是可以采用精益哲學,關注于非生產活動,如原材料移動和存儲,而很少是柔性生產活動,一般重點放在原材料和分銷管理上。由于機器不能停,就想辦法在其他方面應用精益原則。比如限制問題點的數量,避免變異。找出瓶頸,根據庫存情況隨時調動勞動力避免僵化等等。改善物流活動,消除浪費,如超額庫存、提前期過長、等待時間、額外運輸等活動。

        八、流程工業的數字化工廠

        在石化、鋼鐵、冶金、建材、紡織、造紙、醫藥、食品等流程制造領域,企業發展智能制造的內在動力在于產品品質可控,側重從生產數字化建設起步,基于品控需求從產品末端控制向全流程控制轉變。

        生產過程數字化,在生產制造、過程管理等單個環節信息化系統建設的基礎上,構建覆蓋全流程的動態透明可追溯體系,基于統一的可視化平臺實現產品生產全過程跨部門協同控制。

        生產管理一體化,搭建企業數字化一體系統,深化生產制造與運營管理、采購銷售等核心業務系統集成,促進企業內部資源和信息的整合和共享。

        供應鏈協同化,基于原材料采購和配送需求,將數字化工廠拓展至供應商和物流企業,橫向集成供應商和物料配送協同資源和網絡,實現外部原材料供應和內部生產配送的系統化、流程化,提高工廠內外供應鏈運行效率。

        九、智造制造時代的流程工業的轉型升級

        流程工業企業的特點是管道式物料輸送,生產連續性強,流程比較規范,工藝柔性比較小,產品比較單一,原料比較穩定。對于流程工業而言,由于原材料在整個物質轉化過程中進行的是物理化學過程,難以實現數字化,而工序的連續性使得上一個工序對下一個工序的影響具有傳導作用,即如果第一道工序的原料不可用,就會影響第二道工序。

        因此,流程工業智能工廠建設的重點在于實現生產工藝的智能優化和生產全流程的智能優化,即智能感知生產條件變化,自主決策系統控制指令,自動控制設備,在出現異常工況時,即時預測和進行自愈控制,排除異常、實現安全優化運行;在此基礎上,實現APS高級優化決策系統,再逐漸進化到CPS高級智能系統,智能感知物流、能源流和信息流的狀況,自主學習和主動響應,實現自動決策。

        免费网站看v片在线18禁无码_色欲综合视频天天天在线观看_中文字幕无码日韩欧毛_免费看片av免费大片