本發(fā)明屬于信息與控制技術(shù)領(lǐng)域，涉及到自動化技術(shù)，特別是涉及一種啤酒工業(yè)生產(chǎn)調(diào)度優(yōu)化方法。
背景技術(shù)：
流程工業(yè)生產(chǎn)調(diào)度問題是化工、食品、材料、制藥等領(lǐng)域中的一個重要研究內(nèi)容。生產(chǎn)調(diào)度是企業(yè)管理的重要組成部分，隨著科學技術(shù)的迅速發(fā)展，生產(chǎn)調(diào)度越來越受到流程企業(yè)的重視。流程工業(yè)生產(chǎn)調(diào)度是以流程企業(yè)經(jīng)營效益為目標，協(xié)調(diào)生產(chǎn)、存儲、銷售、運輸?shù)雀鱾€環(huán)節(jié)，追求整體平衡，并以市場的需求變化為依據(jù)，及時的對生產(chǎn)活動進行調(diào)整，保證流程企業(yè)生產(chǎn)活動順利的運行。啤酒行業(yè)同樣需要合理的調(diào)度生產(chǎn)，在滿足市場訂單需求的前提下確定設(shè)備生產(chǎn)計劃，充分利用糖化鍋，糊化鍋，過濾槽，發(fā)酵罐等設(shè)備的加工能力，使生產(chǎn)效率最大化，同時不產(chǎn)生過多的清酒庫存造成浪費。
目前，啤酒生產(chǎn)企業(yè)生產(chǎn)調(diào)度仍然依靠人工經(jīng)驗的方法來確定，雖然基本可以滿足生產(chǎn)的要求，但是原料消耗高、設(shè)備利用率低、清酒等中間產(chǎn)品存儲量常常無法控制。人工安排調(diào)度也存在著計算難度大耗時耗力的問題，往往調(diào)度方案產(chǎn)生后已經(jīng)過一段時間，調(diào)度的實時性十分差。因此對啤酒生產(chǎn)調(diào)度進行優(yōu)化對提高企業(yè)生產(chǎn)效率、降低產(chǎn)品成本具有重要意義。啤酒生產(chǎn)調(diào)度優(yōu)化是一個含多極值點的流程工業(yè)優(yōu)化問題。迄今為止，流程工業(yè)生產(chǎn)調(diào)度優(yōu)化問題多采用混合整型的離散時間模型，并以傳統(tǒng)數(shù)學優(yōu)化方法進行優(yōu)化，如單純形法、共軛梯度法、幾何平均分析法、分枝定界法等。由于這些優(yōu)化方法缺乏對大規(guī)模模型的求解能力，因而要求解如啤酒工業(yè)這類具有大量離散時間跨度的復雜數(shù)學形式的優(yōu)化問題，十分困難。
技術(shù)實現(xiàn)要素：
本發(fā)明的目標是針對啤酒生產(chǎn)調(diào)度優(yōu)化中的一些難題，提出一種具有應對大規(guī)模離散時間模型的計算能力以及全局優(yōu)化能力的調(diào)度優(yōu)化方法，該優(yōu)化方法具有開放性、魯棒性、全局收斂性、高效性以及優(yōu)化結(jié)果精確可靠等特點。
本發(fā)明的技術(shù)方案是將啤酒工業(yè)連續(xù)的流程工業(yè)調(diào)度問題轉(zhuǎn)變成基于離散時間表達的混合整數(shù)優(yōu)化問題，然后采用自適應的協(xié)同優(yōu)化算法改善算法尋優(yōu)性能，縮短計算時間，最終確立了一種啤酒生產(chǎn)調(diào)度優(yōu)化方法。
本發(fā)明的具體步驟是：
步驟1：獲取啤酒生產(chǎn)設(shè)備的加工時間、加工能力上下限、存儲容量上限、以及作業(yè)產(chǎn)出/消耗比例系數(shù)，這些設(shè)備性能指標通過設(shè)備商或者通過生產(chǎn)過程中統(tǒng)計獲??；啤酒生產(chǎn)設(shè)備包括糊化鍋、糖化鍋、過濾槽、煮沸鍋和發(fā)酵罐；
步驟2：根據(jù)市場需求以及啤酒企業(yè)的生產(chǎn)計劃確定生產(chǎn)調(diào)度目標，即各類型啤酒的成品需求量、以及所需總調(diào)度時段T。確定生產(chǎn)目標的同時確定當前各設(shè)備生產(chǎn)狀態(tài)以及已有存儲量。
步驟3：通過步驟1與步驟2獲得的設(shè)備性能指標以及生產(chǎn)調(diào)度目標建立基于離散時間表達的啤酒調(diào)度生產(chǎn)模型，確定約束條件與目標函數(shù)。
①設(shè)備分配約束條件：
式中：0/1變量Xlit表示在調(diào)度時段t是否在設(shè)備i上開始任務l，I為加工設(shè)備合集，L為設(shè)備的任務合集，一種啤酒類型就代表一種任務，T為調(diào)度時段的合集，τli為設(shè)備i處理任務l的所需時間，M為大于10000的整數(shù)。
②設(shè)備加工能力約束條件：
式中：變量Blit表示在調(diào)度時段t設(shè)備i對應任務l的加工量，與依次表示設(shè)備i對應任務l的最小加工量與最大加工量，為保證啤酒設(shè)備生產(chǎn)效率以及能源使用率，不可低于的80％；
③存儲容量約束條件：
式中：變量SIjt表示調(diào)度時間段t末物料j的庫存量，為物料j的存儲容量上限。
④物料平衡約束條件：
式中：θjl為任務l產(chǎn)出物料j的比例系數(shù)，為任務l消耗物料j的比例系數(shù)。
⑤優(yōu)化目標函數(shù)：
啤酒工業(yè)生產(chǎn)調(diào)度的主要目的是在完成指定各啤酒類型需求生產(chǎn)量的前提下使在制品最少，即各時間段各物料j的庫存量最小，以此提高生產(chǎn)效率，減少原料浪費。故設(shè)定以下目標函數(shù)作為評估模型：
式中：Wl表示任務l的需求產(chǎn)量，j'表示各任務最末工序的物料(即清酒)，i'表示最末工序設(shè)備，t'表示最后一個時間段。
步驟4：利用自適應協(xié)同優(yōu)化算法的方法對啤酒生產(chǎn)調(diào)度模型進行優(yōu)化，最終求解生產(chǎn)調(diào)度方案。具體步驟如下：
①對啤酒生產(chǎn)調(diào)度模型進行分解生成學科級與系統(tǒng)級模型：
以單日生產(chǎn)調(diào)度為單位劃分為各學科級模型，生產(chǎn)調(diào)度總?cè)諗?shù)即為學科級個數(shù)，具體模型如下：
式中：Fk(Xk)表示學科級模型目標函數(shù)，fk表示子學科目標函數(shù)，即為步驟3-⑤所列出的優(yōu)化目標函數(shù)。Jk表示一致性約束由系統(tǒng)級分配。k表示各學科級，n由學科級個數(shù)決定。s.t.gk(Xk)≤0表示所有約束，即為步驟3-①、步驟3-②、步驟3-③、步驟3-④所列出的等式與不等式約束。其中ω1k,ω2k為自適應加權(quán)因子：
其中c為一常數(shù)，為協(xié)同不一致性因子由步驟4-③求得。
系統(tǒng)級模型具體如下：
式中：F(Z)表示系統(tǒng)級目標函數(shù)，變量w表示耦合變量的集合、變量z表示非耦合變量的集合。在啤酒工業(yè)生產(chǎn)調(diào)度中，耦合變量即為單日最末時段加工量Bli't'，其余變量為非耦合變量。sk表示第k個子學科耦合設(shè)計變量的個數(shù)，wq表示表示第q個耦合變量，表示第k個子學科的第q個耦合設(shè)計變量的優(yōu)化結(jié)果。εk表示動態(tài)松弛因子由步驟4-③求得。
②設(shè)置系統(tǒng)級初始點，即耦合變量w與非耦合變量z，初始變量設(shè)為零；
③計算協(xié)同不一致性因子以及動態(tài)松弛因子εk：
w*(m-1)表示第m-1次迭代后系統(tǒng)級最優(yōu)設(shè)計點，代表第m次迭代后第k個學科的最優(yōu)設(shè)計點；
在第m次迭代，定義學科間最大不一致性d(m)，代表第m次迭代后第q個耦合設(shè)計變量的最優(yōu)點；以作為先驗信息得到第m次迭代中的a、b為常數(shù)。
④將步驟4-③中計算所得的協(xié)同不一致性因子帶入步驟4-①中所得的各學科級模型，并進行優(yōu)化求解，求解算法使用成熟穩(wěn)定的分枝定界法。
⑤將步驟4-③中計算所得的動態(tài)松弛因子εk帶入步驟4-①所得的系統(tǒng)級模型，同時將步驟4-④中所得的學科級最優(yōu)設(shè)計點傳遞至系統(tǒng)級中。得到系統(tǒng)級優(yōu)化方程后進行求解，求解算法同樣使用分枝定界法。
⑥求解協(xié)同不一致性因子均值
其中n為學科級個數(shù)。
對求得的協(xié)同不一致性因子均值進行判斷，若則轉(zhuǎn)至步驟4-⑦，否則繼續(xù)循環(huán)進行步驟4-③～步驟4-⑥。D為常數(shù)。
⑦修改步驟4-①中的模型為帶松弛因子的標準協(xié)同優(yōu)化算法繼續(xù)優(yōu)化，去除學科級目標函數(shù)fk以及動態(tài)松弛因子εk。修改后的模型如下：
系統(tǒng)級：
學科級：
其中ε為常數(shù)取0.0001。
將修改好的模型迭代求解，求解方法與第步驟4-④⑤步相同。
⑧將兩次迭代間系統(tǒng)級目標函數(shù)的值進行對比，若則滿足收斂條件停止求解，F(xiàn)(Z)m表示第m次迭代后系統(tǒng)級目標函數(shù)值，此時求得的各學科級最優(yōu)解即為啤酒工業(yè)生產(chǎn)調(diào)度方案。其中e為常數(shù)取值為10-6。
與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是取代了傳統(tǒng)依靠人工經(jīng)驗進行啤酒生產(chǎn)調(diào)度的方法，減少了在調(diào)度計劃中投入的人力與時間，同時產(chǎn)生的調(diào)度方案精確有效，提高了啤酒工業(yè)設(shè)備利用率，降低了原料消耗，減少了中間產(chǎn)品的存儲量。本優(yōu)化方法具有開放性、魯棒性、全局收斂性、高效性以及優(yōu)化結(jié)果精確可靠的特點，尤其對于大規(guī)模離散時間模型有很強的求解能力。
具體實施方式
一種啤酒生產(chǎn)調(diào)度優(yōu)化方法，該方法具體包括以下步驟：
步驟1：獲取啤酒生產(chǎn)設(shè)備的加工時間、加工能力上下限、存儲容量上限、以及作業(yè)產(chǎn)出/消耗比例系數(shù)，這些設(shè)備性能指標通過設(shè)備商或者通過生產(chǎn)過程中統(tǒng)計獲取；啤酒生產(chǎn)設(shè)備包括糊化鍋、糖化鍋、過濾槽、煮沸鍋和發(fā)酵罐；
步驟2：根據(jù)市場需求以及啤酒企業(yè)的生產(chǎn)計劃確定生產(chǎn)調(diào)度目標，即各類型啤酒的成品需求量、以及所需總調(diào)度時段T。確定生產(chǎn)目標的同時確定當前各設(shè)備生產(chǎn)狀態(tài)以及已有存儲量。
步驟3：通過步驟1與步驟2獲得的設(shè)備性能指標以及生產(chǎn)調(diào)度目標建立基于離散時間表達的啤酒調(diào)度生產(chǎn)模型，確定約束條件與目標函數(shù)。
①設(shè)備分配約束條件：
式中：0/1變量Xlit表示在調(diào)度時段t是否在設(shè)備i上開始任務l，I為加工設(shè)備合集，L為設(shè)備的任務合集，一種啤酒類型就代表一種任務，T為調(diào)度時段的合集，τli為設(shè)備i處理任務l的所需時間，M為大于10000的整數(shù)。
②設(shè)備加工能力約束條件：
式中：變量Blit表示在調(diào)度時段t設(shè)備i對應任務l的加工量，與依次表示設(shè)備i對應任務l的最小加工量與最大加工量，為保證啤酒設(shè)備生產(chǎn)效率以及能源使用率，不可低于的80％；
③存儲容量約束條件：
式中：變量SIjt表示調(diào)度時間段t末物料j的庫存量，為物料j的存儲容量上限。
④物料平衡約束條件：
式中：θjl為任務l產(chǎn)出物料j的比例系數(shù)，為任務l消耗物料j的比例系數(shù)。
⑤優(yōu)化目標函數(shù)：
啤酒工業(yè)生產(chǎn)調(diào)度的主要目的是在完成指定各啤酒類型需求生產(chǎn)量的前提下使在制品最少，即各時間段各物料j的庫存量最小，以此提高生產(chǎn)效率，減少原料浪費。故設(shè)定以下目標函數(shù)作為評估模型：
式中：Wl表示任務l的需求產(chǎn)量，j'表示各任務最末工序的物料(即清酒)，i'表示最末工序設(shè)備，t'表示最后一個時間段。
步驟4：利用自適應協(xié)同優(yōu)化算法的方法對啤酒生產(chǎn)調(diào)度模型進行優(yōu)化，最終求解生產(chǎn)調(diào)度方案。具體步驟如下：
①對啤酒生產(chǎn)調(diào)度模型進行分解生成學科級與系統(tǒng)級模型：
以單日生產(chǎn)調(diào)度為單位劃分為各學科級模型，生產(chǎn)調(diào)度總?cè)諗?shù)即為學科級個數(shù)，具體模型如下：
式中：Fk(Xk)表示學科級模型目標函數(shù)，fk表示子學科目標函數(shù)，即為步驟3-⑤所列出的優(yōu)化目標函數(shù)。Jk表示一致性約束由系統(tǒng)級分配。k表示各學科級，n由學科級個數(shù)決定。s.t.gk(Xk)≤0表示所有約束，即為步驟3-①、步驟3-②、步驟3-③、步驟3-④所列出的等式與不等式約束。其中ω1k,ω2k為自適應加權(quán)因子：
其中c為一常數(shù)，為協(xié)同不一致性因子由步驟4-③求得。
系統(tǒng)級模型具體如下：
式中：F(Z)表示系統(tǒng)級目標函數(shù)，變量w表示耦合變量的集合、變量z表示非耦合變量的集合。在啤酒工業(yè)生產(chǎn)調(diào)度中，耦合變量即為單日最末時段加工量Bli't'，其余變量為非耦合變量。sk表示第k個子學科耦合設(shè)計變量的個數(shù)，wq表示表示第q個耦合變量，表示第k個子學科的第q個耦合設(shè)計變量的優(yōu)化結(jié)果。εk表示動態(tài)松弛因子由步驟4-③求得。
②設(shè)置系統(tǒng)級初始點，即耦合變量w與非耦合變量z，初始變量設(shè)為零；
③計算協(xié)同不一致性因子以及動態(tài)松弛因子εk：
w*(m-1)表示第m-1次迭代后系統(tǒng)級最優(yōu)設(shè)計點，代表第m次迭代后第k個學科的最優(yōu)設(shè)計點；
在第m次迭代，定義學科間最大不一致性d(m)，代表第m次迭代后第q個耦合設(shè)計變量的最優(yōu)點；以作為先驗信息得到第m次迭代中的a、b為常數(shù)。
④將步驟4-③中計算所得的協(xié)同不一致性因子帶入步驟4-①中所得的各學科級模型，并進行優(yōu)化求解，求解算法使用成熟穩(wěn)定的分枝定界法。
⑤將步驟4-③中計算所得的動態(tài)松弛因子εk帶入步驟4-①所得的系統(tǒng)級模型，同時將步驟4-④中所得的學科級最優(yōu)設(shè)計點傳遞至系統(tǒng)級中。得到系統(tǒng)級優(yōu)化方程后進行求解，求解算法同樣使用分枝定界法。
⑥求解協(xié)同不一致性因子均值
其中n為學科級個數(shù)。
對求得的協(xié)同不一致性因子均值進行判斷，若則轉(zhuǎn)至步驟4-⑦，否則繼續(xù)循環(huán)進行步驟4-③～步驟4-⑥。D為常數(shù)。
⑦修改步驟4-①中的模型為帶松弛因子的標準協(xié)同優(yōu)化算法繼續(xù)優(yōu)化，去除學科級目標函數(shù)fk以及動態(tài)松弛因子εk。修改后的模型如下：
系統(tǒng)級：
學科級：
其中ε為常數(shù)取0.0001。
將修改好的模型迭代求解，求解方法與第步驟4-④⑤步相同。
⑧將兩次迭代間系統(tǒng)級目標函數(shù)的值進行對比，若則滿足收斂條件停止求解，F(xiàn)(Z)m表示第m次迭代后系統(tǒng)級目標函數(shù)值，此時求得的各學科級最優(yōu)解即為啤酒工業(yè)生產(chǎn)調(diào)度方案。其中e為常數(shù)取值為10-6。