流程企业智能排产与优化调度技术

• 论文 •

流程企业智能排产与优化调度技术

罗焕佐，宋国宁，王晓峰，高振林，郭建设，秦绪伟，韩桂华

1.中国科学院沈阳自动化研究所，辽宁沈阳110016；2.中国科学院研究生院，北京100086；3.沈阳化工学院，辽宁沈阳110021；4.中国石油锦西炼油化工总厂，辽宁葫芦岛125001

出版日期:2003-11-15 发布日期:2003-11-25

Technology of Intelligent Planning and Optimal Scheduling for Process Enterprises

LUO Huan-zuo， SONG Guo-ning， WANG Xiao-feng，，GAO Zhen-lin， GUO Jian-she， QIN Xu-wei， HAN Gui-hua

1.Shenyang Inst. of Automation， Chinese Academy of Sciences， Shenyang110016， China;2.Graduate Sch. of the Chinese Academy of Sciences， Beijing100086， China;3.Shenyang Inst. of Chemical Tech.， Shenyang110021， China;4. Jinxi Petrochemical Co. of China National Petroleum Corporation， Huludao125001， China

Online:2003-11-15 Published:2003-11-25

摘要/Abstract

摘要： 以石化企业为背景，深入分析了流程企业的生产特点及当前计划排产与优化调度的现状，重点阐述了智能排产与优化调度系统的结构模型，提出并解决了基于综合物流和解耦策略的优化排产技术以及基于主动式数据挖掘的渐进调合等关键技术问题，采用Multi-Agent技术实现了原型系统的开发，为流程企业生产的优化提供了新的方法与技术。

关键词: 流程企业, 计划调度, 分布式人工智能, 数据挖掘

Abstract: After analyzing the features of process enterprises and the state-of-art of planning and scheduling， a new intelligent planning and optimal scheduling system model for process enterprises is elaborated. The optimal planning technology based on integrated material flow and de-coupling strategy， and gradual concoction technologies with initiative data mining are proposed. The system prototype is developed with Multi-Agent technology. Therefore， it can provide new approach and technology for the production optimization in process enterprises.

Key words: process enterprises, planning and scheduling, distributed artificial intelligence, data mining

中图分类号:

罗焕佐，宋国宁，王晓峰，，高振林，郭建设，，秦绪伟，，韩桂华. 流程企业智能排产与优化调度技术[J]. .

LUO Huan-zuo， SONG Guo-ning， WANG Xiao-feng，，GAO Zhen-lin， GUO Jian-she，， QIN Xu-wei，， HAN Gui-hua. Technology of Intelligent Planning and Optimal Scheduling for Process Enterprises[J]. .

参考文献

[1]XIONG Gang. Research on integrated optimization problems in process industry’s CIMS［J］. Computer Engineering & Application， 2000，（11）:12-14(in Chinese).[熊刚.流程工业CIMS中综合优化问题的研究[J].计算机工程与应用， 2000，（11）:12-14.]

[2]LIU Duo， YANG Jiaben. Improving the approaches of making refinery production planning[J]. Petroleum Processing and Petrochemicals， 1996，27(6):47-50(in Chinese).[刘多，杨家本.改进炼油厂生产计划编制方法的研究[J].石油炼制与化工，1996，27（6）：47-50.]

[3]LI Hao， SHEN Zuzhi. Research on optimization model of production scheduling in a refining and chemical company[J]. OR Transactions， 2000， 4(2):54-60(in Chinese).[李浩，沈祖志.炼油生产调度模型研究[J].运筹学学报，2000，4（2）：54-60.]

[4]YAO Jianchu， LIU Bolong. The production scheduling expert system in contnous processing industry［J］. Computer and Communications， 1996， 14(1)：20-24(in Chinese).[姚建初，刘伯龙.连续过程工业生产调度专家系统[J].交通与计算机，1996，14（1）：20-24.]

[5]QIAN Xiaolong，TANG Lixin，LIU Wenxin.Dynamic scheduling:a survey of research methods[J]. Control and Decision， 2001，（3）：140-145(in Chinese). [钱晓龙，唐立新，刘文新.动态调度的研究方法综述[J].控制与决策，2001，（3）：141-145.]

[6]ZHOU Zhangyu， CHENG Siwei. Sustainable production planning of continuous process industries[J]. Petrochemical Technology， 2000，（29）：858-863(in Chinese).[周章玉，成思危.可持续发展的流程工业生产计划[J].石油化工，2000，（29）：858-863.]

[7]CREMA Y，POCHET Y. A discussion of production planning approaches in the process industry［Z］. Science Policy Programming， 2001.

[8]ARTIBA A， RIANE F. An application of a planning and scheduling multi-model approach in the chemical industry［J］. Computers in Industry， 1998，36:209-229.

[1]	田钰. 基于多元特征感知网络的高考成绩预测[J]. 计算机集成制造系统, 2021, 27(9): 2741-2748.
[2]	王春雨,蒋祖华,王福华,吉永军,江辉. 面向工业软件开发的半结构化知识语义检索方法[J]. 计算机集成制造系统, 2021, 27(8): 2371-2381.
[3]	朱永国,邓斌,霍正书,马国祥. 检测数据和专家知识混合驱动的小样本飞机结构件装配粗差判定[J]. 计算机集成制造系统, 2021, 27(12): 3462-3474.
[4]	张忠平,邱敬仰,刘丛,朱梦凡,章德斌. 基于聚类离群因子和相互密度的离群点检测算法[J]. 计算机集成制造系统, 2019, 25(第9): 2314-2323.
[5]	刘颖超,胡小锋,刘梦湘. 多工序下刀具磨损的不完备信息系统数据挖掘[J]. 计算机集成制造系统, 2019, 25(第5): 1055-1061.
[6]	肖莹莹,李伯虎,侯宝存,施国强,林廷宇,杨晨. 智慧制造云中供应链管理的计划调度技术综述#br#[J]. 计算机集成制造系统, 2016, 22(第7期): 1619-1635.
[7]	焦磊,刘晓军,刘庭煜,倪中华. 一种面向生产调度规则挖掘的数据离散化方法[J]. 计算机集成制造系统, 2016, 22(第1期): 257-264.
[8]	仝鹏,刘子先,门峰,曹立思. 基于模糊粗糙集的二维延伸性汽车产品保证成本数据挖掘[J]. 计算机集成制造系统, 2014, 20(12): 3189-3202.
[9]	郑忠,龙建宇,高小强,龚永民,呼万哲. 钢铁企业以计划调度为核心的生产运行控制技术现状与展望[J]. 计算机集成制造系统, 2014, 20(11): 2660-2674.
[10]	米允龙,姜麟,米春桥. MapReduce环境下的否定粗糙关联规则算法[J]. 计算机集成制造系统, 2014, 20(11): 2893-2903.
[11]	马柏樟, 颜志军. 基于潜在狄利特雷分布模型的网络评论产品特征抽取方法[J]. 计算机集成制造系统, 2014, 20(1): 96-.
[12]	段桂江,严懿,王洋. 基于数据挖掘的质量成本分析与控制[J]. 计算机集成制造系统, 2013, 19(07 ): 1692-1703.
[13]	王洁，戴清灏，曾宇，杨东日. 云制造环境下并行频繁模式增长算法优化[J]. , 2012, 18(09): 0-0.
[14]	翟敬梅，应灿，徐晓. 知识建模和数据挖掘融合的粗糙度预测新方法[J]. , 2012, 18(05): 0-0.
[15]	李山，石源，刘红军. 基于ART2网络的三维模型聚类分析方法[J]. , 2011, 17(09): 0-0.