一种降低钢铁企业热轧板坯库倒垛量的方法及系统

摘要

本发明提供一种降低钢铁企业热轧板坯库倒垛量的方法及系统，通过获取热轧生产过程原始工艺数据，根据所述热轧生产过程原始工艺数据，建立热轧预计划板坯与库区内其他候选板坯的可替换规则，建立用来描述热轧预计划板坯选择对备料过程板坯倒垛影响的数学模型，采用分散搜索方法制定降低热轧计划备料过程板坯倒垛量的优化方案，保证了上下游工序生产节奏顺畅、提高吊机有效备料效率、降低加热炉空烧能耗、优化物流、节省能源、降低成本和提高产能。

权利要求

1.一种降低钢铁企业热轧板坯库倒垛量的方法，包括：S1、获取热轧生产过程原始工艺数据，所述原始工艺数据包括板坯数据、热轧预计划数据和合同数据；

S2、根据所述热轧生产过程原始工艺数据，建立热轧预计划板坯与库区内其他候选板坯的可替换规则；

S3、建立用来描述热轧预计划板坯选择对备料过程板坯倒垛影响的数学模型；

S4、采用分散搜索算法制定降低热轧计划备料过程板坯倒垛量的优化方案；

所述板坯数据包括：板坯号、充当合同号、物理位置标识、状态、出钢记号、坯厚、坯宽、坯长、坯重、库区、垛位头宽、尾宽、切断时间、回炉标记；

所述热轧预计划数据包括：板坯号、轧制顺序号、合同号、合同出钢记号、轧厚、轧宽、坯厚、坯宽、坯长、坯重、硬度组、垛位、粗轧温度、表面指数、卷曲温度、长度组别、热装标记；

所述合同数据包括：合同号、合同状态、交货期、出钢记号、订货厚度、订货宽度、订货重量、轧制欠量、轧制在库量、额定单重上限和下限、板坯长度上限和下限、板坯宽度上限和下限；

所述可替换规则包括出钢记号可替换规则、宽度可替换规则、重量可替换规则和厚度可替换规则；

所述出钢记号可替换规则：所述候选板坯的化学属性与所述热轧预计划板坯的化学属性相同；

所述宽度可替换规则为：所述候选板坯的宽度与所述热轧预计划板坯的宽度相等；

所述重量可替换规则为：所述候选板坯的重量与所述热轧预计划板坯的重量之差的绝对值小于第一预设阈值；

所述厚度可替换规则为：所述候选板坯的厚度与所述热轧预计划板坯的厚度相等；

所述步骤S3，包括：

将生产数据和工艺参数映射为数学模型参数；

选取所述数学模型的决策变量xij，若板坯j被热轧预计划轧制项i所选择，则所述xij为

1，否则为0；

将最小化热轧备料过程倒垛量与各吊机倒垛工作量的差异性之和设定为目标函数；

确定降低热轧前库倒垛量过程的工艺和操作约束；

所述数学模型参数包括：

热轧预计划中的目标板坯集合Ω，Ω＝{1，2，...，i，...M}，M为所述热轧预计划中板坯的个数；

板坯库中所有板坯的集合Φ，Φ＝{1，2，...，j，...N}，N为所述板坯库中板坯的个数；

板坯i的候选板坯集合Ci；

初始状态时板坯j的上层板坯个数Dj；

初始状态时板坯j所在的垛位

整个库区被划分为K个子区库，子库区k内所有板坯的集合Rk，k＝1，2，...，K；

其特征在于，所述目标函数通过下式计算，

其中，α1为第二预设阈值，α2为第三预设阈值，Sij为板坯j被热轧预计划轧制项i所选择而产生的倒垛次数，所述Sij通过下式计算，Sij＝Dj-max Dj′-1

其中，

为各子库区吊机工作量的均值， Nk为子库区k内的目标板坯在备料过程中产生的必要倒垛次数，Dj′为板坯j′的上层板坯个数；

所述Nk通过下式计算，

2.根据权利要求1所述的方法，其特征在于，所述步骤S4，包括：A1、初始化算法参数，所述参数包括方案集合P＝φ，方案集合大小nSize＝0，设定参考方案集合Refset未更新的最大次数为E1及当前未更新的次数e1＝0，设定总的算法迭代最大次数E2及当前的迭代次数e2＝0；

A2、根据板坯选取规则，生成初始方案集合P，所述P包括m个质量初始方案和n个分散性初始方案，所述方案集合大小nSize＝m+n，所述板坯选取规则为：选取相同个数的板坯作为热轧计划板坯时，在同垛位且从垛顶选取相邻的板坯的倒垛次数不大于从多个垛位选取板坯的倒垛次数；

A3、生成参考方案集合Refset，令e2＝e2+1，所述Refset包括b1个质量初始方案和b2个分散性初始方案；

A4、将所述b1个质量初始方案和所述b2个分散性初始方案进行二元组合，得到方案集合NewSubsets，所述方案集合NewSubsets包括b1*b2个方案；

A5、将所述方案集合NewSubsets中的方案按照目标函数值降序排列；

A6、若所述方案集合NewSubsets非空，则从所述方案集合NewSubsets中选取目标函数值最小的前两个方案，对所述两个方案进行二元组合，得到新的参考方案，并将所述两个方案从所述方案集合NewSubsets中删除；

A7、判断所述新的参考方案的目标函数值是否小于原参考方案中任意方案的目标函数值，若是，将所述新的参考方案作为参考方案放入所述参考方案集合Refset中，否则，e1＝e1+1；

A8、若所述方案集合NewSubsets为空，则判断是否满足迭代终止条件，若是，则结束流程，否则执行步骤A3；若所述方案集合NewSubsets不为空，则执行步骤A6；

所述步骤A2中，所述质量初始方案的生成，具体为：B1、将合同l的候选板坯集合中的板坯以垛为单位组成候选集，按照每个垛位入选热轧计划优先级值由小至大选取垛位入选热轧计划，若未匹配轧制项的候选板坯不能整垛选取时，按照已选板坯在各子库区倒垛量由少至多选择剩余轧制项的候选板坯，直至所有热轧预计划轧制项均与板坯匹配为止；

其中，所述优先级值为垛位中候选板坯全部加入热轧计划的倒垛次数与垛位中的所有候选板坯个数的比值；

B2、重复执行步骤B1，产生m个质量初始方案；

所述步骤A2中，所述分散性初始方案的生成，具体为：C1、根据合同l，随机产生符合均匀分布规则的垛位号，若所述垛位号对应的垛位存在匹配所述合同l的板坯，且该垛位所有匹配所述合同l的板坯个数小于当前未匹配轧制项个数，则加入热轧计划，否则随机产生下一个垛位号，直至所有轧制项被制定板坯为止；

C2、重复执行步骤C1，产生n个分散性初始方案；

所述步骤A3中，所述参考方案集合Refset的生成，具体为：D1、按照初始方案集合P中方案目标函数值由小至大的顺序选取b1个质量初始方案放入参考方案集合Refset中；

D2、将所述初始方案集合P中的剩余方案作为待测方案Mp，p＝1，...，|P|-b1；设定j为选取的分散性初始方案个数，j＝0；

D3、确定所述待测方案Mp与所述参考方案集合Refset中方案xq的距离值dpq＝|Mp-xq|，其中q＝1，...，b1+j，选取所述距离值dpq的最大值所对应的方案作为分散性初始方案加入到所述参考方案集合Refset中；

D4、设定j＝j+1，判断j+1≤b2，若是则从所述初始方案集合P中删除所述步骤D2中产生的分散性初始方案，更新所述初始方案集合P和所述参考方案集合Refset，执行步骤D3，否则结束A3流程；

所述步骤A8中，所述迭代终止条件为：若满足第一终止条件或第二终止条件之一则结束流程；

所述第一终止条件为判断算法当前的迭代次数计数e2是否大于总的算法迭代最大次数E2；

所述第二终止条件为判断所述当前未更新的次数计数e1是否大于所述参考方案集合Refset未更新的最大次数为E1。

说明书

一种降低钢铁企业热轧板坯库倒垛量的方法及系统

技术领域：

[0001] 本发明涉及钢铁企业库区作业管理信息技术领域，尤其涉及一种降低钢铁企业热轧板坯库倒垛量的方法及系统。背景技术：

[0002] 钢铁工业中炼钢-连铸工序的产成品板坯以垛位的形式堆存在热轧前库，库区中被编入热轧计划的板坯被提取并移出热轧前库(板坯库)，送入加热炉加热，然后进入热轧产线进行轧制加工。热轧前库作为连接炼钢-连铸、热轧两工序的缓冲环节，既是炼钢-连铸工序产成品的存放区，也是下道热轧工序原料的堆存区。库区内倒垛量居高不下是影响两工序协调生产的关键瓶颈。

[0003] 当前热轧前库内板坯倒垛量的产生源自热轧计划内板坯的提取过程。板坯提取过程以下发的热轧计划为执行单位。当一个编制好的热轧计划下达至库区后，被编入该计划内的板坯被依次提取并移出库区。当计划内某个板坯位于库区垛位顶层，可直接由物流设备提取；若计划内某个板坯位于垛位中下层，则需先进行倒垛操作即将上层的其他非计划内板坯移至其它垛位，直至该计划内板坯位于垛顶后将其提取，由此产生大量的倒垛操作，增加了热轧计划板坯的提取时间。所以热轧前库板坯倒垛量的数目与热轧计划内板坯的选取及其在库区内的堆存位置密切相关。

[0004] 目前在实际生产中，热轧计划板坯的选择即热轧排产过程均采用人工方式完成。热轧计划排产是根据合同订单的需求，从库区中选取规格、出钢记号等物理化学属性符合订单要求的板坯，按照热轧排产的规程形成的一个板坯轧制序列。热轧排产过程需要分别考虑被编入板坯的钢级、宽度、长度、重量等属性和与合同的匹配度、合同交货期等因素；计划内相邻板坯的钢级、硬度、厚度等跳跃范围。按照热轧排产规则进行排产是保障产品质量的重要途径。繁冗的订单需求和复杂的热轧规程，使得人工排产过程很难同时兼顾所选计划板坯的实际堆放位置。当热轧计划下达库区后，由于热轧排产没有兼顾目标板坯的空间存放位置，在热轧备料过程中可能产生由于目标板坯上层堆放的非计划内板坯而导致存取目标板坯所需的大量的必要倒垛次数。大量的倒垛作业导致热轧备料效率低下，甚至造成由于热轧备料不及时而产生的加热炉空烧能耗损失和热轧轧机空载导致的产能减损。
发明内容：

[0005] 针对现有技术的缺陷，本发明提供一种降低钢铁企业热轧板坯库倒垛量的方法及系统，保证了上下游工序生产节奏顺畅、提高吊机有效备料效率、降低加热炉空烧能耗、优化物流、节省能源、降低成本和提高产能。

[0006] 第一方面，本发明提供一种降低钢铁企业热轧板坯库倒垛量的方法，包括：

[0007] S1、获取热轧生产过程原始工艺数据，所述原始工艺数据包括板坯数据、热轧预计划数据和合同数据；

[0008] S2、根据所述热轧生产过程原始工艺数据，建立热轧预计划板坯与库区内其他候选板坯的可替换规则；

[0009] S3、建立用来描述热轧预计划板坯选择对备料过程板坯倒垛影响的数学模型；

[0010] S4、采用分散搜索算法制定降低热轧计划备料过程板坯倒垛量的优化方案。

[0011] 可选地，所述步骤S1中，所述板坯数据包括：板坯号、充当合同号、物理位置标识、状态、出钢记号、坯厚、坯宽、坯长、坯重、库区、垛位头宽、尾宽、切断时间、回炉标记；

[0012] 所述热轧预计划数据包括：板坯号、轧制顺序号、合同号、合同出钢记号、轧厚、轧宽、坯厚、坯宽、坯长、坯重、硬度组、垛位、粗轧温度、表面指数、卷曲温度、长度组别、热装标记。

[0013] 所述合同数据包括：合同号、合同状态、交货期、出钢记号、订货厚度、订货宽度、订货重量、轧制欠量、轧制在库量、额定单重上限和下限、板坯长度上限和下限、板坯宽度上限和下限。

[0014] 可选地，所述步骤S2中，所述可替换规则包括出钢记号可替换规则、宽度可替换规则、重量可替换规则和厚度可替换规则；

[0015] 所述出钢记号可替换规则：所述候选板坯的化学属性与所述热轧预计划板坯的化学属性相同；

[0016] 所述宽度可替换规则为：所述候选板坯的宽度与所述热轧预计划板坯的宽度相等；

[0017] 所述重量可替换规则为：所述候选板坯的重量与所述热轧预计划板坯的重量之差的绝对值小于第一预设阈值；

[0018] 所述厚度可替换规则为：所述候选板坯的厚度与所述热轧预计划板坯的厚度相等。

[0019] 可选地，所述步骤S3，包括：

[0020] 将生产数据和工艺参数映射为数学模型参数；

[0021] 选取所述数学模型的决策变量xij，若板坯j被热轧预计划轧制项i所选择，则所述xij为1，否则为0；

[0022] 将最小化热轧备料过程倒垛量与各吊机倒垛工作量的差异性之和设定为目标函数；

[0023] 确定降低热轧前库倒垛量过程的工艺和操作约束。

[0024] 可选地，所述数学模型参数包括：

[0025] 热轧预计划中的目标板坯集合Ω，Ω＝{1，2，...，i，...M}，M为所述热轧预计划中板坯的个数；

[0026] 板坯库中所有板坯的集合Φ，Φ＝{1，2，...，j，...N}，N为所述板坯库中板坯的个数；

[0027] 板坯i的候选板坯集合Ci；

[0028] 初始状态时板坯j的上层板坯个数Dj；

[0029] 初始状态时板坯j所在的垛位

[0030] 整个库区被划分为K个子区库，子库区k内所有板坯的集合Rk，k＝1，2，...，K。

[0031] 可选地，所述目标函数通过下式计算，

[0032]

[0033] 其中，α1为第二预设阈值，α2为第三预设阈值，Sij为板坯j被热轧预计划轧制项i所选择而产生的倒垛次数，所述Sij通过下式计算，

[0034] Sij＝Dj-max Di′-1

[0035] 其中，

[0036] 为各子库区吊机工作量的均值， Nk为子库区k内的目标板坯在备料过程中产生的必要倒垛次数，所述Nk通过下式计算，

[0037]

[0038] 可选地，所述步骤S4，包括：

[0039] A1、初始化算法参数，所述参数包括方案集合P＝φ，方案集合大小nSize＝0，设定参考方案集合Refset未更新的最大次数为E1及当前未更新的次数e1＝0，设定总的算法迭代最大次数E2及当前的迭代次数e2＝0；

[0040] A2、根据板坯选取规则，生成初始方案集合P，所述P包括m个质量初始方案和n个分散性初始方案，所述方案集合大小nSize＝m+n，所述板坯选取规则为：选取相同个数的板坯作为热轧计划板坯时，在同垛位且从垛顶选取相邻的板坯的倒垛次数不大于从多个垛位选取板坯的倒垛次数；

[0041] A3、生成参考方案集合Refset，令e2＝e2+1，所述Refset包括b1个质量初始方案和b2个分散性初始方案；

[0042] A4、将所述b1个质量初始方案和所述b2个分散性初始方案进行二元组合，得到方案集合NewSubsets，所述方案集合NewSubsets包括b1*b2个方案；

[0043] A5、将所述方案集合NewSubsets中的方案按照目标函数值降序排列；

[0044] A6、若所述方案集合NewSubsets非空，则从所述方案集合NewSubsets中选取目标函数值最小的前两个方案，对所述两个方案进行二元组合，得到新的参考方案，并将所述两个方案从所述方案集合NewSubsets中删除；

[0045] A7、判断所述新的参考方案的目标函数值是否小于原参考方案中任意方案的目标函数值，若是，将所述新的参考方案作为参考方案放入所述参考方案集合Refset中，否则，e1＝e1+1；

[0046] A8、若所述方案集合NewSubsets为空，则判断是否满足迭代终止条件，若是，则结束流程，否则执行步骤A3；若所述方案集合NewSubsets不为空，则执行步骤A6；

[0047] 所述步骤A2中，所述质量初始方案的生成，具体为：

[0048] B1、将合同l的候选板坯集合中的板坯以垛为单位组成候选集，按照每个垛位入选热轧计划优先级值由小至大选取垛位入选热轧计划，若未匹配轧制项的候选板坯不能整垛选取时，按照已选板坯在各子库区倒垛量由少至多选择剩余轧制项的候选板坯，直至所有热轧预计划轧制项均与板坯匹配为止；

[0049] 其中，所述优先级值为垛位中候选板坯全部加入热轧计划的倒垛次数与垛位中的所有候选板坯个数的比值；

[0050] B2、重复执行步骤B1，产生m个质量初始方案；

[0051] 所述步骤A2中，所述分散性初始方案的生成，具体为：

[0052] C1、根据合同l，随机产生符合均匀分布规则的垛位号，若所述垛位号对应的垛位存在匹配所述合同l的板坯，且该垛位所有匹配所述合同l的板坯个数小于当前未匹配轧制项个数，则加入热轧计划，否则随机产生下一个垛位号，直至所有轧制项被制定板坯为止；

[0053] C2、重复执行步骤C1，产生n个分散性初始方案；

[0054] 所述步骤A3中，所述参考方案集合Refset的生成，具体为：

[0055] D1、按照初始方案集合P中方案目标函数值由小至大的顺序选取b1个质量初始方案放入参考方案集合Refset中；

[0056] D2、将所述初始方案集合P中的剩余方案作为待测方案Mp，p＝1，...，|P|-b1；设定j为选取的分散性初始方案个数，j＝0；

[0057] D3、确定所述待测方案Mp与所述参考方案集合Refset中方案xq的距离值dpq＝|Mp-xq|，其中q＝1，...，b1+j，选取所述距离值dpq的最大值所对应的方案作为分散性初始方案加入到所述参考方案集合Refset中；

[0058] D4、设定j＝j+1，判断j+1≤b2，若是则从所述初始方案集合P中删除所述步骤D2中产生的分散性初始方案，更新所述初始方案集合P和所述参考方案集合Refset，执行步骤D3，否则结束A3流程；

[0059] 所述步骤A8中，所述迭代终止条件为：若满足第一终止条件或第二终止条件之一则结束流程；

[0060] 所述第一终止条件为判断算法当前的迭代次数计数e2是否大于总的算法迭代最大次数E2；

[0061] 所述第二终止条件为判断所述当前未更新的次数计数e1是否大于所述参考方案集合Refset未更新的最大次数为E1。

[0062] 另一方面，本发明提供一种降低钢铁企业热轧板坯库倒垛量的系统，包括：

[0063] 获取单元，用于获取热轧生产过程原始工艺数据，所述原始工艺数据包括板坯数据、热轧预计划数据和合同数据；

[0064] 替换规则建立单元，用于根据所述热轧生产过程原始工艺数据，建立热轧预计划板坯与库区内其他候选板坯的可替换规则；

[0065] 数学模型建立单元，用于建立用来描述热轧预计划板坯选择对备料过程板坯倒垛影响的数学模型；

[0066] 优化方案制定单元，用于采用分散搜索算法制定降低热轧计划备料过程板坯倒垛量的优化方案。

[0067] 可选地，所述数学模型建立单元，具体用于，

[0068] 将生产数据和工艺参数映射为数学模型参数；

[0069] 选取所述数学模型的决策变量xij，若板坯j被热轧预计划轧制项i所选择，则所述xij为1，否则为0；

[0070] 将最小化热轧备料过程倒垛量与各吊机倒垛工作量的差异性之和设定为目标函数；

[0071] 确定降低热轧前库倒垛量过程的工艺和操作约束。

[0072] 可选地，所述优化方案制定单元，具体用于，

[0073] A1、初始化算法参数，所述参数包括方案集合P＝φ，方案集合大小nSize＝0，设定参考方案集合Refset未更新的最大次数为E1及当前未更新的次数e1＝0，设定总的算法迭代最大次数E2及当前的迭代次数e2＝0；

[0074] A2、根据板坯选取规则，生成初始方案集合P，所述P包括m个质量初始方案和n个分散性初始方案，所述方案集合大小nSize＝m+n，所述板坯选取规则为：选取相同个数的板坯作为热轧计划板坯时，在同垛位且从垛顶选取相邻的板坯的倒垛次数不大于从多个垛位选取板坯的倒垛次数；

[0075] A3、生成参考方案集合Refset，令e2＝e2+1，所述Refset包括b1个质量初始方案和b2个分散性初始方案；

[0076] A4、将所述b1个质量初始方案和所述b2个分散性初始方案进行二元组合，得到方案集合NewSubsets，所述方案集合NewSubsets包括b1*b2个方案；

[0077] A5、将所述方案集合NewSubsets中的方案按照目标函数值降序排列；

[0078] A6、若所述方案集合NewSubsets非空，则从所述方案集合NewSubsets中选取目标函数值最小的前两个方案，对所述两个方案进行二元组合，得到新的参考方案，并将所述两个方案从所述方案集合NewSubsets中删除；

[0079] A7、判断所述新的参考方案的目标函数值是否小于原参考方案中任意方案的目标函数值，若是，将所述新的参考方案作为参考方案放入所述参考方案集合Refset中，否则，e1＝e1+1；

[0080] A8、若所述方案集合NewSubsets为空，则判断是否满足迭代终止条件，若是，则结束流程，否则执行步骤A3；若所述方案集合NewSubsets不为空，则执行步骤A6。

[0081] 由上述技术方案可知，本发明的降低钢铁企业热轧板坯库倒垛量的方法及系统，通过获取热轧生产过程原始工艺数据，根据所述热轧生产过程原始工艺数据，建立热轧预计划板坯与库区内其他候选板坯的可替换规则，建立用来描述热轧预计划板坯选择对备料过程板坯倒垛影响的数学模型，采用分散搜索方法制定降低热轧计划备料过程板坯倒垛量的优化方案，保证了上下游工序生产节奏顺畅、提高吊机有效备料效率、降低加热炉空烧能耗、优化物流、节省能源、降低成本和提高产能。附图说明：

[0082] 图1为本发明第一实施例提供的一种降低钢铁企业热轧板坯库倒垛量的方法流程示意图；

[0083] 图2为本发明第二实施例提供的一种降低钢铁企业热轧板坯库倒垛量的方法流程示意图；

[0084] 图3为本发明第二实施例提供的热轧板坯库库区平面示意图；

[0085] 图4为本发明第二实施例提供的热轧板坯倒垛过程示意图；

[0086] 图5a为本发明第二实施例提供的第一种倒垛次数计算规则示意图；

[0087] 图5b为本发明第二实施例提供的第二种倒垛次数计算规则示意图；

[0088] 图5c为本发明第二实施例提供的第三种倒垛次数计算规则示意图；

[0089] 图6为本发明第二实施例提供的分散搜索算法的流程示意图；

[0090] 图7为本发明第二实施例提供的二元组合得到子方案示意图；

[0091] 图8为本发明第三实施例提供的一种降低钢铁企业热轧板坯库倒垛量的装置结构示意图；

[0092] 图9为本发明第四实施例提供的一种降低钢铁企业热轧板坯库倒垛量的装置结构示意图；

[0093] 图10为本发明第四实施例提供的生产过程原始工艺数据包括热轧计划数据表和板坯信息表；

[0094] 图11为本发明第四实施例提供的改进效果界面显示图。具体实施方式：

[0095] 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

[0096] 图1示出了本发明第一实施例提供的一种降低钢铁企业热轧板坯库倒垛量的方法流程示意图，如图1所示，本实施例的方法如下所述。

[0097] 101、获取热轧生产过程原始工艺数据，所述原始工艺数据包括板坯数据、热轧预计划数据和合同数据。

[0098] 本步骤中，应说明的是，所述板坯数据包括：板坯号、充当合同号、物理位置标识、状态、出钢记号、坯厚、坯宽、坯长、坯重、库区、垛位头宽、尾宽、切断时间、回炉标记；

[0099] 所述热轧预计划数据包括：板坯号、轧制顺序号、合同号、合同出钢记号、轧厚、轧宽、坯厚、坯宽、坯长、坯重、硬度组、垛位、粗轧温度、表面指数、卷曲温度、长度组别、热装标记。

[0100] 所述合同数据包括：合同号、合同状态、交货期、出钢记号、订货厚度、订货宽度、订货重量、轧制欠量、轧制在库量、额定单重上限和下限、板坯长度上限和下限、板坯宽度上限和下限。

[0101] 102、根据所述热轧生产过程原始工艺数据，建立热轧预计划板坯与库区内其他候选板坯的可替换规则。

[0102] 本步骤中，所述可替换规则包括出钢记号可替换规则、宽度可替换规则、重量可替换规则和厚度可替换规则；

[0103] 所述出钢记号可替换规则：所述候选板坯的化学属性与所述热轧预计划板坯的化学属性相同；

[0104] 所述宽度可替换规则为：所述候选板坯的宽度与所述热轧预计划板坯的宽度相等；

[0105] 所述重量可替换规则为：所述候选板坯的重量与所述热轧预计划板坯的重量之差的绝对值小于第一预设阈值；

[0106] 所述厚度可替换规则为：所述候选板坯的厚度与所述热轧预计划板坯的厚度相等。

[0107] 其中，应说明的是，出钢记号是钢厂用来标示板坯化学属性的字段，其实质表示的是板坯的化学属性。

[0108] 103、建立用来描述热轧预计划板坯选择对备料过程板坯倒垛影响的数学模型。

[0109] 本步骤中，所述数学模型参数包括：热轧预计划中的目标板坯集合Ω，Ω＝{1，2，...，i，...M}，M为所述热轧预计划中板坯的个数；

[0110] 板坯库中所有板坯的集合Φ，Φ＝{1，2，...，j，...N}，N为所述板坯库中板坯的个数；

[0111] 板坯i的候选板坯集合Ci；

[0112] 初始状态时板坯j的上层板坯个数Dj；

[0113] 初始状态时板坯j所在的垛位

[0114] 整个库区被划分为K个子区库，子库区k内所有板坯的集合Rk，k＝1，2，...，K。

[0115] 进一步地，选所述数学模型的决策变量xij，若板坯j被热轧预计划轧制项i所选择，则所述xij为1，否则为0，将最小化热轧备料过程倒垛量与各吊机倒垛工作量的差异性之和设定为目标函数；

[0116] 其中，所述目标函数通过下式计算，

[0117]

[0118] 其中，α1为第二预设阈值，α2为第三预设阈值，Sij为板坯j被热轧预计划轧制项i所选择而产生的倒垛次数，所述Sij通过下式计算，

[0119] Sij＝Dj-max Dj′-1

[0120] 其中，

[0121] 为各子库区吊机工作量的均值， Nk为子库区k内的目标板坯在备料过程中产生的必要倒垛次数，所述Nk通过下式计算，

[0122]

[0123] 进一步地，确定降低热轧前库倒垛量过程的工艺和操作约束。

[0124] 104、利用分散搜索方法制定降低热轧计划备料过程板坯倒垛量的优化方案。

[0125] 本步骤中，具体包括如下步骤：

[0126] A1、初始化算法参数，所述参数包括方案集合P＝φ，方案集合大小nSize＝0，设定参考方案集合Refset未更新的最大次数为E1及当前未更新的次数e1＝0，设定总的算法迭代最大次数E2及当前的迭代次数e2＝0；

[0127] A2、根据板坯选取规则，生成初始方案集合P，所述P包括m个质量初始方案和n个分散性初始方案，所述方案集合大小nSize＝m+n，所述板坯选取规则为：选取相同个数的板坯作为热轧计划板坯时，在同垛位且从垛顶选取相邻的板坯的倒垛次数不大于从多个垛位选取板坯的倒垛次数；

[0128] A3、生成参考方案集合Refset，令e2＝e2+1，所述Refset包括b1个质量初始方案和b2个分散性初始方案；

[0129] A4、将所述b1个质量初始方案和所述b2个分散性初始方案进行二元组合，得到方案集合NewSubsets，所述方案集合NewSubsets包括b1*b2个方案；

[0130] A5、将所述方案集合NewSubsets中的方案按照目标函数值降序排列；

[0131] A6、若所述方案集合NewSubsets非空，则从所述方案集合NewSubsets中选取目标函数值最小的前两个方案，对所述两个方案进行二元组合，得到新的参考方案，并将所述两个方案从所述方案集合NewSubsets中删除；

[0132] A7、判断所述新的参考方案的目标函数值是否小于原参考方案中任意方案的目标函数值，若是，将所述新的参考方案作为参考方案放入所述参考方案集合Refset中，否则，e1＝e1+1；

[0133] A8、若所述方案集合NewSubsets为空，则判断是否满足迭代终止条件，若是，则结束流程，否则执行步骤A3；若所述方案集合NewSubsets不为空，则执行步骤A6。

[0134] 所述步骤A2中，所述质量初始方案的生成，具体为：

[0135] B1、将合同l的候选板坯集合中的板坯以垛为单位组成候选集，按照每个垛位入选热轧计划优先级值由小至大选取垛位入选热轧计划，若未匹配轧制项的候选板坯不能整垛选取时，按照已选板坯在各子库区倒垛量由少至多选择剩余轧制项的候选板坯，直至所有热轧预计划轧制项均与板坯匹配为止；

[0136] 其中，所述优先级值为垛位中候选板坯全部加入热轧计划的倒垛次数与垛位中的所有候选板坯个数的比值；

[0137] B2、重复执行步骤B1，产生m个质量初始方案；

[0138] 所述步骤A2中，所述分散性初始方案的生成，具体为：

[0139] C1、根据合同l，随机产生符合均匀分布规则的垛位号，若所述垛位号对应的垛位存在匹配所述合同l的板坯，且该垛位所有匹配所述合同l的板坯个数小于当前未匹配轧制项个数，则加入热轧计划，否则随机产生下一个垛位号，直至所有轧制项被制定板坯为止；

[0140] C2、重复执行步骤C1，产生n个分散性初始方案；

[0141] 所述步骤A3中，所述参考方案集合Refset的生成，具体为：

[0142] D1、按照初始方案集合P中方案目标函数值由小至大的顺序选取b1个质量初始方案放入参考方案集合Refset中；

[0143] D2、将所述初始方案集合P中的剩余方案作为待测方案Mp，p＝1，...，|P|-b1；设定j为选取的分散性初始方案个数，j＝0；

[0144] D3、确定所述待测方案Mp与所述参考方案集合Refset中方案xq的距离值dpq＝|Mp-xq|，其中q＝1，...，b1+j，选取所述距离值dpq的最大值所对应的方案作为分散性初始方案加入到所述参考方案集合Refset中；

[0145] D4、设定j＝j+1，判断j+1≤b2，若是则从所述初始方案集合P中删除所述步骤D2中产生的分散性初始方案，更新所述初始方案集合P和所述参考方案集合Refset，执行步骤D3，否则结束A3流程；

[0146] 所述步骤A8中，所述迭代终止条件为：若满足第一终止条件或第二终止条件之一则结束流程；

[0147] 所述第一终止条件为判断算法当前的迭代次数计数e2是否大于总的算法迭代最大次数E2；

[0148] 所述第二终止条件为判断所述当前未更新的次数计数e1是否大于所述参考方案集合Refset未更新的最大次数为E1。

[0149] 本实施例的一种降低钢铁企业热轧板坯库倒垛量的方法，通过获取热轧生产过程原始工艺数据，根据所述热轧生产过程原始工艺数据，建立热轧预计划板坯与库区内其他候选板坯的可替换规则，建立用来描述热轧预计划板坯选择对备料过程板坯倒垛影响的数学模型，采用分散搜索方法制定降低热轧计划备料过程板坯倒垛量的优化方案，保证了上下游工序生产节奏顺畅、提高吊机有效备料效率、降低加热炉空烧能耗、优化物流、节省能源、降低成本和提高产能。

[0150] 图2示出了本发明第二实施例提供的一种降低钢铁企业热轧板坯库倒垛量的方法流程示意图，如图2所示，本实施例的方法如下所述。

[0151] 201、下载获取生产过程原始工艺数据。

[0152] 本步骤中，应说明的是，所获取的生产过程原始工艺数据是以某大型钢铁企业的板坯数据、热轧预计划数据及合同数据为数据基础，如图3所示，图3示出了本发明第二实施例提供的热轧板坯库库区平面示意图。

[0153] 可理解的是，热轧前库作为连接炼钢-连铸、热轧两工序的缓冲环节，既是炼钢-连铸工序产成品的存放区，也是下道热轧工序原料的堆存区。板坯的来源是根据客户订单的需求，制定相应的炼铁、炼钢和热轧计划。在实际生产中，炼钢转炉内为相应出钢记号的钢水，高温液态钢水吹炼完成后由转炉出钢口流出注入连铸机，经由连铸机弧形辊道被烧铸成条状熔融钢坯，随后切割、冷却，形成同宽不同长的钢坯即为炼钢-连铸工序的产成品，随后分别经由入库辊道和台车运送至热轧前库，存放在热轧前库的板坯等待被热轧计划入编，被编入计划的板坯备料后被提取出库，送入加热炉加热，然后进入热轧产线进行轧制形成热轧板卷。

[0154] 202、建立热轧预计划板坯与库区内其他候选板坯的可替换规则。

[0155] 本步骤中，具体体现为在操作系统中双击上半屏热轧预计划板坯，系统根据设置的匹配规则，在下半屏界面中显示可替换的板坯。

[0156] 203、将生产数据和工艺参数映射为数学模型参数。

[0157] 本步骤中，将生产数据和工艺参数映射为数学模型参数，包括：

[0158] 热轧预计划中的目标板坯集合Ω，Ω＝{1，2，...，i，..，51}；

[0159] 板坯库中所有板坯的集合Φ，Φ＝{1，2，...j，...2702}；

[0160] 板坯i的候选板坯集合Ci， 可为非空集合，

[0161] 初始状态时板坯j的上层板坯个数Dj；

[0162] 初始状态时板坯j所在的垛位

[0163] 整个库区被划分为2个子区库，子库区k内所有板坯的集合Rk，k＝{1，2}。

[0164] 进一步地，选取所述数学模型的决策变量xij，若板坯j被热轧预计划轧制项i所选择，则所述xij为1，否则为0；

[0165] 204、将最小化热轧备料过程倒垛量与各吊机倒垛工作量的差异性之和设定为目标函数。

[0166] 本步骤中，应说明的是，大量的倒垛作业导致热轧备料效率低下，甚至造成由于热轧备料不及时而产生的加热炉空烧能耗损失和热轧轧机空载导致的产能减损，如图4所示，图4示出了本发明第二实施例提供的热轧板坯倒垛过程示意图。减少倒垛量的重要途径之一是编制合理的热轧计划，减少备料时间，协调炼钢-连铸及热轧的生产节奏，同时顺畅的热轧备料有助于减少加热炉空烧时间，使得加热炉热能和热轧轧机的产能得到充分的利用。

[0167] 进一步地，所述目标函数通过下式计算，

[0168]

[0169] 其中，α1为第二预设阈值，举例来说，本实施例中α1＝0.7，α2为第三预设阈值，举例来说，本实施例中α2＝0.3，应说明的是，本发明不对上述α1、α2进行限制，可根据实际需求进行选取，Sij为板坯j被热轧预计划轧制项i所选择而产生的倒垛次数，所述Sij通过下式计算，

[0170] Sij＝Dj-max Dj′-1

[0171] 其中，

[0172] 应说明的是，上述Sij的计算有下列三种情况：

[0173] (1)若垛位只有一块计划内板坯或所述板坯为所在垛位计划内板坯层数最高时，则所述板坯的倒垛量为Sij＝Dj， 如图5a所示的第一种倒垛次数计算规则示意图；

[0174] (2)若垛位有两块计划板坯时，相对上层的板坯的倒垛量为Sij＝Dj， 相对下层的板坯的倒垛量为Sij＝Dj-Dj′-1，其中 Dj-Dj′≥1， 如图5b所示的第二种倒垛次数计算规则示意图；

[0175] (3)若垛位有三块或三块以上计划板坯时，相对上两层的板坯的倒垛量分别为Sij＝Dj， Sij＝Dj-Dj′-1，其中 Dj-Dj′≥1， 其余板坯的倒垛量为其中 如图5c所示的第
三种倒垛次数计算规则示意图；

[0176] 为各子库区吊机工作量的均值， Nk为子库区k内的目标板坯在备料过程中产生的必要倒垛次数，所述Nk通过下式计算，

[0177]

[0178] 应说明的是，所述目标函数的第二项 为各吊机倒垛工作量差异性的表达，当一个热轧计划下达到板坯库时，板坯库的吊机在都可利用的情况下，分别对各自负责区域内的板坯进行倒垛和取料工作，一个热轧计划的备料时间以最后完成备料工作的吊机完成时间衡量。若各个区域倒垛工作量分配不均衡，则可能导致备料任务最多的吊机仍然在工作，另外的备料吊机已经完成备料任务的情况。在这种情况下，即使下一个热轧计划已下达至板坯库，先完成备料任务的吊机也不能提前进行下一个计划的备料，所以吊机倒垛量分配的均衡与否对热轧计划的备料效率有很大影响。

[0179] 205、确定降低热轧前库倒垛量过程的工艺和操作约束。

[0180] 本步骤中，应说明的是，每个预计划板坯项最多只能在其候选板坯集合中选取一个板坯轧制，如下表达式，

[0181]

[0182] 一个候选板坯最多只能匹配给一个热轧预计划轧制项，如下表达式，

[0183]

[0184] 206、采用分散搜索算法制定热轧计划备料过程板坯倒垛量的优化方案。

[0185] 本步骤中，图6示出了本发明第二实施例提供的分散搜索算法的流程示意图，如图6所示，结合本发明具体步骤如下所述：

[0186] 步骤6.1，初始化算法参数，所述参数包括方案集合P＝φ，方案集合大小nSize＝0，设定参考方案集合Refset未更新的最大次数为E1及当前未更新的次数e1＝0，设定总的算法迭代最大次数E2及当前的迭代次数e2＝0；

[0187] 步骤6.2，根据板坯选取规则，生成初始方案集合P，所述P包括5个质量初始方案和5个分散性初始方案，所述板坯选取规则为：选取相同个数的板坯作为热轧计划板坯时，在同垛位且从垛顶选取相邻的板坯的倒垛次数不大于从多个垛位选取板坯的倒垛次数；

[0188] 其中，质量初始方案以解的目标函数为衡量标准，目标函数值越小解的质量越好；分散性方案由解之间的距离定义，待测解与标准解的距离越大，待测解的分散性越好。

[0189] 上述解之间的距离定义为两解对应热轧预计划，板坯相同程度的度量：相对于相同的预计划轧制项，待测解的目标板坯与标准解的目标板坯相同，距离记为0，否则为1，最后将该待测解每块板坯的距离相加，即得到该待测解对标准解的距离。

[0190] 步骤6.2.1，质量初始方案生成：获取热轧预计划涉及的合同集合，每个合同l对应的预计划板坯集合及合同l的候选板坯集合。将合同l的候选板坯集合(合同l的板坯家族)中的板坯以垛为单位组成候选集，垛位d中的所有候选板坯个数为Wd，垛位d中候选板坯都加入热轧计划的倒垛次数记为Sd。计算每个垛位入选热轧计划的优先级，用垛位中候选板坯都入选热轧计划的必要倒垛次数Sd与垛位内候选板坯的个数Wd的比值表示，并按照该比值由小到大的顺序排列，依次选取垛位入选热轧计划；当未匹配轧制项的候选坯不能整垛选取时，按照已选板坯在各个子库区倒垛量的多少，从倒垛量少的库区中选择剩余轧制项的候选板坯，规则为倒垛量少的板坯优先加入热轧计划。直到所有热轧预计化轧制项均与板坯匹配为止。用此方法，从不同的合同l出发，可以得到多个初始解，产生的5个质量初始方案。

[0191] 步骤6.2.2，随机初始方案生成：对于一个合同，随机产生垛位号，产生的垛位号是符合均匀分布规则的。若随机产生的垛位内有可以匹配该合同的板坯，并且该垛位所有可匹配该合同的板坯的总数小于当前未匹配轧制项个数，则加入热轧计划，否则产生下一个随机数，直到所有轧制项被制定板坯为止；重复该步骤，产生5个随机初始方案。

[0192] 步骤6.3，参考方案集合Refset的产生方法，令e2＝e2+1，所述Refset包括5个质量初始方案和5个分散性初始方案。

[0193] 步骤6.3.1，将初始方案集合P中的方案(5个质量初始方案和5个随机初始方案)按照目标函数由小至大的顺序排列，选择前三个质量初始方案放入参考方案集合Refset中，并将其从方案集合P中删除。

[0194] 步骤6.3.2，将初始方案集合P中除放入参考方案集合Refset中的三个方案外的另外7个作为待测方案Mp，从所述待测方案Mp中按照目标函数由小至大选择前两个随机初始方案，j表示第j次迭代要选择的分散性好的方案。

[0195] 步骤6.3.3，确定待测方案Mp与参考方案集合Refset中方案的距离dq，表达式如下，[0196] dpq＝Mp-xq|，q＝1，2，...，b1Mp∈P，

[0197] 步骤6.3.4，根据步骤6.3.3的结果，确定待测方案Mp与参考方案集合Refset中方案的距离dq，表达式如下，

[0198] dq＝min dpq，q＝1，2，...，b1，Mp∈P，

[0199] 步骤6.3.5，选取距离值最大的方案 作为随机参考方案放入参考方案集合Refset中。

[0200] 步骤6.3.6，若j+1≤2，从初始方案集合P中删去步骤6.3.5产生的随机初始方案，更新初始方案集合P、参考方案集合Refset，j＝j+1，执行骤6.3.3；否则，结束流程。

[0201] 步骤6.4，将上述3个质量初始方案与2个随机初始方案进行二元组合，得到方案集合NewSubsets，所述方案集合NewSubsets包括6个方案。

[0202] 应说明的是，本发明的二元组合策略保证产生的新方案一定不劣于原方案。首先引入合同组的概念，合同组是指在预计划提供的合同信息中，将对板坯规格、出钢记号要求相同的合同组合在一起，称为一个合同组。在方案的组合过程中，以合同组为单位进行。选取父代中目标函数值小的合同组的方案作为两个子代对应该合同组的方案，不隶属任何合同组的合同的方案作为两个子代继承的父代方案，如图7所示，图7示出了本发明第二实施例提供的二元组合得到子方案示意图。

[0203] 步骤6.5，将所述方案集合Newsubsets中的方案按照目标函数值降序排列。

[0204] 步骤6.6，若所述方案集合NewSubsets非空，则从所述方案集合NewSubsets中选取目标函数值最小的前两个方案，对所述两个方案进行二元组合，得到新的参考方案，并将所述两个方案从所述方案集合NewSubsets中删除；

[0205] 采用参考方案集静态更新的方法，对每次结合产生的新方案进行保存，待所有子方案集均产生子代后，选取较原参考方案集中的较好的新方案，替换原参考方案集中的方案，所述较好的方案为所述参考方案所对应的目标函数值较原参考方案所对应的目标函数值小。

[0206] 步骤6.7，判断所述新的参考方案的目标函数值是否小于原参考方案中任意方案的目标函数值，若是，将所述新的参考方案作为参考方案放入所述参考方案集合Refset中，否则，e1＝e1+1；

[0207] 步骤6.8，若所述方案集合NewSubsets为空，则判断是否满足迭代终止条件，若是，则结束流程，否则执行步骤6.3；若所述方案集合NewSubsets不为空，则执行步骤6.6；

[0208] 其中，所述迭代终止条件为：若满足第一终止条件或第二终止条件之一则结束流程；

[0209] 所述第一终止条件为判断算法当前的迭代次数计数e2是否大于总的算法迭代最大次数E2；

[0210] 所述第二终止条件为判断所述当前未更新的次数计数e1是否大于所述参考方案集合Refset未更新的最大次数为E1。

[0211] 举例来说，本实施例中所述总的算法迭代最大次数E2为20次，所述参考方案集合Refset未更新的最大次数为E1为20次，应说明的是，本发明不对上述次数进行限制，用户可根据实际需求进行自行设定。

[0212] 由此，本实施例的方法能够降低热轧计划备料过程倒垛次数，提供库区生产设备吊机的有效利用率，顺畅上下游工序，同时各子库区备料倒垛工作量负荷均匀，缩短热轧备料时间，减少加热炉空烧能耗及最大化热轧轧机产能。合理高效的库区管理能够协调炼钢-连铸和热轧两工序的生产节奏，减少板坯在库区内的无效移动，降低物流成本，节能减排。

[0213] 图8示出了本发明第三实施例提供的一种降低钢铁企业热轧板坯库倒垛量的系统结构示意图，如图8所示，本实施例的一种降低钢铁企业热轧板坯库倒垛量的系统包括：获取单元81、替换规则建立单元82、数学模型建立单元83和优化方案制定单元84；

[0214] 所述获取单元81，用于获取热轧生产过程原始工艺数据，所述原始工艺数据包括板坯数据、热轧预计划数据和合同数据；

[0215] 所述替换规则建立单元82，用于根据所述热轧生产过程原始工艺数据，建立热轧预计划板坯与库区内其他候选板坯的可替换规则；

[0216] 所述数学模型建立单元83，用于建立用来描述热轧预计划板坯选择对备料过程板坯倒垛影响的数学模型；

[0217] 所述优化方案制定单元84，用于采用分散搜索方法制定降低热轧计划备料过程板坯倒垛量的优化方案。

[0218] 进一步地，所述数学模型建立单元83，具体用于，

[0219] 将生产数据和工艺参数映射为数学模型参数；

[0220] 选取所述数学模型的决策变量xij，若板坯j被热轧预计划轧制项i所选择，则所述xij为1，否则为0；

[0221] 将最小化热轧备料过程倒垛量与各吊机倒垛工作量的差异性之和设定为目标函数；

[0222] 确定降低热轧前库倒垛量过程的工艺和操作约束。

[0223] 进一步地，述优化方案制定单元84，具体用于，

[0224] A1、初始化算法参数，所述参数包括方案集合P＝φ，方案集合大小nSize＝0，设定参考方案集合Refset未更新的最大次数为E1及当前未更新的次数e1＝0，设定总的算法迭代最大次数E2及当前的迭代次数e2＝0；

[0225] A2、根据板坯选取规则，生成初始方案集合P，所述P包括m个质量初始方案和n个分散性初始方案，所述方案集合大小nSize＝m+n，所述板坯选取规则为：选取相同个数的板坯作为热轧计划板坯时，在同垛位且从垛顶选取相邻的板坯的倒垛次数不大于从多个垛位选取板坯的倒垛次数；

[0226] A3、生成参考方案集合Refset，令e2＝e2+1，所述Refset包括b1个质量初始方案和b2个分散性初始方案；

[0227] A4、将所述b1个质量初始方案和所述b2个分散性初始方案进行二元组合，得到方案集合NewSubsets，所述方案集合NewSubsets包括b1*b2个方案；

[0228] A5、将所述方案集合NewSubsets中的方案按照目标函数值降序排列；

[0229] A6、若所述方案集合NewSubsets非空，则从所述方案集合NewSubsets中选取目标函数值最小的前两个方案，对所述两个方案进行二元组合，得到新的参考方案，并将所述两个方案从所述方案集合NewSubsets中删除；

[0230] A7、判断所述新的参考方案的目标函数值是否小于原参考方案中任意方案的目标函数值，若是，将所述新的参考方案作为参考方案放入所述参考方案集合Refset中，否则，e1＝e1+1；

[0231] A8、若所述方案集合NewSubsets为空，则判断是否满足迭代终止条件，若是，则结束流程，否则执行步骤A3；若所述方案集合NewSubsets不为空，则执行步骤A6。

[0232] 在具体的实际应用过程中，所述获取单元81可通过预装windows操作系统的PC机与企业ERP系统连接获取热轧生产过程原始工艺数据，上述的PC机、电缆接口或光缆接口或电话专线接口、路由器组成一个小型局域网后，连接到企业ERP系统中。

[0233] 本实施例的一种降低钢铁企业热轧板坯库倒垛量的系统，通过考虑实际生产中的工艺约束(包括板坯与合同出钢记号匹配约束、宽度匹配约束、厚度匹配约束、重量匹配约束等实际约束)，以降低热轧计划板坯备料过程的倒垛量为指标描述，得到降低热轧前库板坯倒垛量的方法，进而保证了上下游工序生产节奏顺畅、提高吊机有效备料效率、降低加热炉空烧能耗、优化物流、节省能源、降低成本和提高产能。

[0234] 图9示出了本发明第四实施例提供的一种降低钢铁企业热轧板坯库倒垛量的系统结构示意图，如图9所示，本实施例的一种降低钢铁企业热轧板坯库倒垛量的系统包括：授权用户登录模块91、原始数据下载模块92、板坯与合同匹配规则模块93、模型和算法参数设置模块94、方案生成模块95、显示模块96；

[0235] 所述方案生成模块95包括：全自动化方案生成模块951和半自动化方案调整模块952；

[0236] 所述显示模块96包括：计划结果数据显示模块961、计划结果图形对比显示模块962、优化前后倒垛量降低图形显示模块963；

[0237] 进一步地，上述的一种降低钢铁企业热轧板坯库倒垛量的系统通过系统参数配置模块可以与企业ERP系统数据下载接口参数设置。

[0238] 在具体应用中，用户启动上述系统，进入授权用户登录模块91，输入用户名和密码，登录进入系统，不同用户的使用权限不同，举例来说可设置为，低权限用户有查看权限，中级权限用户有运行优化算法和人工干预权限，高级用户除拥有低权限用户和中级权限用户的上述权限外还有调整各模块参数的权限。进而进入原始数据下载模块92，可分别通过离线或在线两种方式从本地文件或企业现行的信息系统上下载企业生产的实时数据。数据下载完毕后，如图10所示，图10示出了本发明第四实施例提供的生产过程原始工艺数据包括热轧计划数据表和板坯信息表，用户可以在板坯与合同匹配规则模块93中根据合同或生产工艺的不同需求，调整或改变板坯与合同匹配参数，使之适用于多种匹配规则情况。进一步地，用户根据自身所在岗位的不同考核标准和侧重点在模型和算法参数设置模块94设置定置模型和算法参数。在上述系统中，用户可以选择内嵌全自动化方案生成模块951，给出实现降低热轧备料过程板坯倒垛量的热轧计划方案，通过显示模块96可在显示界面上查看运行后的计算结果，并可以根据实际情况(设备检修、板坯返库等原方案无法按既定方案实施)进行增加、删除和修改等人工编辑操作实现人机交互的目的，直至最终达到实际生产情况要求为止。其中，人工编辑功能包含人工误操作提示、不建议操作警示和最终修改效果提示信息，用于指导和建议人工干预过程。同时用户可以分别通过计划结果数据显示模块961、计划结果图形对比显示模块962、优化前后倒垛量降低图形显示模块963查看运行优化算法后热轧计划备料倒垛量下降的效果。

[0239] 综上所述，本实施例采用上述算法得出结果为倒垛量下降53.1％，目标函数值比预计划下降52.8％，上述结果评价在操作系统界面中的显示如图11所示，图11示出了本发明第四实施例提供的改进效果界面显示图。

[0240] 由上述评价数据可见，本发明的系统能够一定程度降低热轧前库的倒垛量，减少热轧备料时间，提升库区的作业效率，进而达到上下游工序协调衔接、节能减排降耗的目的。

[0241] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。