Preview

Известия Высших Учебных Заведений. Черная Металлургия

Расширенный поиск

Имитационное моделирование логистической системы транспортировки жидкого чугуна металлургического предприятия

https://doi.org/10.17073/0368-0797-2020-1-71-77

Полный текст:

Аннотация

Рассматривается задача создания имитационной модели логистической системы транспортировки жидкого чугуна на металлургическом предприятии. Во время исследования технологических данных процесса транспортировки жидкого чугуна было установлено, что количество локомотивов и миксеров, зависящее от длительности операций и, особенно, межоперационных простоев технологического процесса транспортирования чугуна, не всегда обеспечивает нормальный ритм основного производства. Это приводит к значительным производственным потерям. Следовательно, работа производственно-транспортного комплекса недостаточно эффективна. Разработана имитационная модель логистической системы транспортировки жидкого чугуна на металлургическом предприятии. Исследование и по- строение модели выполнено с использованием инструментального средства AnyLogic. В качестве исходных данных использованы реальные данные с производства, а именно расписание плавок доменных печей за трехнедельный период. Для доказательства адекватности модели полученные результаты сравнили с фактическим тактом движения миксеров, а также с теоретической потребностью конвертерного цеха. Данные о весе жидкого чугуна, доставленного в конвертерный цех, полученные в ходе моделирования, соотносятся с теоретическими. Эффективность работы имитационной модели достигается путем автоматического сбора в режиме реального времени всех статистических значений параметров объектов моделирования. Система за короткий промежуток времени (менее одной секунды) анализирует собранные данные и на их основе осуществляет принятие решений. В режиме работы имитационной модели «по умолчанию» управление движением миксеров осуществляется автоматически, без участия диспетчера, что повышает эффективность, а также скорость принятия решений. В имитационной модели предусмотрена симуляция сбоев в работе конвертерного цеха. Согласно результатам моделирования, можно сделать вывод о том, что система доставляет меньше жидкого чугуна в конвертерный цех, но сохраняет ритмичность. После возобновления работы всех конвертеров такт транспортировки выходит на необходимый уровень.

Об авторах

К. О. Виноградов
Череповецкий государственный университет
Россия

аспирант кафедры автоматизации и управления

162600, Россия, Вологодская обл., Череповец, пр. Луначарского, 5



А. Л. Смыслова
Череповецкий государственный университет
Россия

к.т.н., доцент кафедры автоматизации и управления

162600, Россия, Вологодская обл., Череповец, пр. Луначарского, 5



Список литературы

1. Емельянова Н.Ю. Информационная технология процесса контроля перевозки жидкого чугуна // Системы обработки информации. 2010. № 9. С. 32 – 36.

2. Jun-qing Li, Quan-ke Pan, Pei-yong Duan. Improved artificial bee colony algorithm for solving hybrid flexible flowshopwith dynamic operation skipping // IEEE Transactions on Cybernetics. 2016. Vol. 46. No. 6. P. 1311 – 1324.

3. Su L., Qi Y., Jin L.-L., Zhang G.-L. Integrated batch planning optimization based on fuzzy genetic and constraint satisfaction for steel production // International Journal of Simulation Modelling. 2016. Vol. 15. No. 1. P. 133 – 143.

4. Xiaoyan Yang, Bingmou Cui, Jie Chen. Intelligentized dispatching control of railway transport of molten iron in metallurgical enterprise // Proc. of 2013 Int. Conf. on Information Science and Computer Applications. Jianguo Hu ed. 2013. P. 287 – 293.

5. Гусев Ю.В. Математическая модель процесса транспортирования чугуна в конвертерный цех. – СПб: Питер, 2007. С. 287 – 293.

6. Bin Ge, Kai Wang, Yue Han. A design for simulation model and algorithm of rail transport of molten iron in steel enterprise // Сomputer Modelling & New Technologies. 2014. Vol. 18. No. 11. P. 1056 – 1061.

7. Feliks J., Majewska K. Agent-based modeling of steel production processes under uncertainty // METAL 2015: Proc. of Int. Conf. on Metallurgy and Materials, June 3 – 5, 2015, Brno, Czech Republic. P. 1739 – 1744.

8. Liu F. Analysis on organization and capability of hot iron transportation at Baosteel // Baosteel Technology. 2001. No. 5. P. 1 – 6.

9. Hua Yan, Jun Xuan, Nai-yuanTian. Research of time distribution in hot metal supply process // Iron and Steel. 2005. Vol. 40. No. 3. P. 21 – 24.

10. Sun J., Xue D. A dynamic reactive scheduling mechanism for responding to changes of production orders and manufacturing resources // Computers in Industry. 2001. Vol. 46. No. 2. P. 189 – 207.

11. Lixin Tang, Gongshu Wang, Jiyin Liu. A branch-and-price algorithm to solve the molten iron allocation problem in iron and steel industry // Computers & Operations. 2005. Vol. 2007. No. 34. P. 3001 – 3015.

12. Tang L., Wang X. Simultaneously scheduling multiple turns for steel color-coating production // European Journal of Operational Research. 2009. Vol. 198. No. 3. P. 715 – 725.

13. Tang L., Rong A., Yang Z. A review of planning and scheduling systems and methods for integrated steel production // European Journal of Operational Research. 2001. Vol. 133. No. 1. P. 1 – 20.

14. Tang L., Luh P.B., Liu J., Fang L. Steel-making process scheduling using Lagrangian relaxation // International Journal of Production. 2002. Vol. 40. No. 1. P. 55 – 70.

15. Engin O., Ceran G., Yilmaz M.K. An efficient genetic algorithm for hybrid flow shop scheduling with multiprocessor task problems // Applied Soft Computing. 2011. Vol. 11. No. 3. P. 3056 – 3065.

16. Ruiz R., Rodríguez J.A.V. The hybrid flow shop scheduling problem // European Journal of Operational Research. 2010. Vol. 205. No. 1. P. 1 – 18.

17. Wang Wenrui. Iron melt control and management system in Baosteel [Part one] // Metallurgical Industry Automation. 2001. No. 4. P. 22 – 24.

18. Liu Y.Y. The mix integer programming model for torpedo car scheduling in iron and steel industry // International Conference on Computer Information Systems and Industrial Applications. 2015. P. 731 – 734.

19. Куприяшкин А.Г. Основы моделирования систем: Учеб. пособие. – Норильск: НИИ, 2015. – 134 с.

20. Боев В.Д. Компьютерное моделирование: Пособие для практических занятий, курсового и дипломного проектирования в AnyLogic 7. – СПб.: ВАС, 2014. – 432 с.


Для цитирования:


Виноградов К.О., Смыслова А.Л. Имитационное моделирование логистической системы транспортировки жидкого чугуна металлургического предприятия. Известия Высших Учебных Заведений. Черная Металлургия. 2020;63(1):71-77. https://doi.org/10.17073/0368-0797-2020-1-71-77

For citation:


Vinogradov K.O., Smyslova A.L. Smyslova Simulation modeling of logistic system for liquid iron transportation at metallurgical plant. Izvestiya. Ferrous Metallurgy. 2020;63(1):71-77. (In Russ.) https://doi.org/10.17073/0368-0797-2020-1-71-77

Просмотров: 87


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0368-0797 (Print)
ISSN 2410-2091 (Online)