散粮码头智能计划排产模型 | 港口科技

文摘   2024-10-08 15:22   上海  

摘要: 针对目前散粮码头整体智能化但排产过程依旧采用传统人工调度导致的效率低下问题,详细介绍码头进行粮食装卸时进出仓、倒仓等工艺流程,确定以最小化船舶总在港时间为目标,建立卸船作业计划模型;以最小化总工时为目标,建立装车作业计划模型;利用基于矩阵实数编码、重新设计种群初始化、精英保留策略的遗传算法对模型进行求解。试验表明,该算法可以快速获取最优排产方案,能有效提高散粮码头生产效率和周转率,减少船舶总在港时间,实现智能科学化排产。


引言

散货码头一般是指粮食、矿石、煤炭、水泥等货物通过散装形式在港口实现车、船换装的专用设施。由于港口物流方式的改变,现代干散货码头已成为集中转、仓储为一体的大型综合性物流基础设施。伴随着工业自动化、信息化的飞速发展和人工智能、物联网、大数据等技术的兴起,干散货码头作业逐渐步入自动化、智能化的时代,“无人智能化”码头已经成为现实。

散粮码头的计划排产目前还是由人工通过现场设备状态、筒仓情况和过往经验排定。由于各个部门之间的沟通缺乏时效性,没有完整的、可覆盖整个工作流程的中央控制系统,不能及时发现生产延误,不能从整体的角度制定排产计划,过度依赖人工调度的经验,无法提出最为合理的解决方案。

因此,研究散粮码头智能化工艺流程,对码头装卸过程进行数学建模,通过遗传算法对模型进行求解,得到合理的排产方案,可以有效提高散粮码头生产效率,实现散粮码头智能化计划排产。

智能化散粮码头的装卸工艺

智能化散粮码头的装卸工艺通过规定统一装卸作业流程,根据所使用的各类机械设备、相关的装卸作业方式和事先设计的劳动生产形式,实现散粮进出港之间的有效衔接。同时,这也是智能化散粮码头进行装卸工作时的基本作业要求。经过多年的散粮装卸作业,散粮码头已拥有完善、健全的散粮装卸工艺流程,通常采用门机、斗提机、埋刮板输送机、气垫式输送机等机械设备实现散粮的进仓、出仓、倒仓和灌包等作业流程。

1.1 智能化散粮码头装卸工艺体系

智能化散粮码头工艺体系主要包括基础设施和装卸搬运设备等2大部分。基础设施主要包括泊位、铁路、转运站、装车楼等;装卸搬运设备主要有门机、气垫式输送机、埋刮板输送机、斗提机等。通用散粮码头配备生产管理系统,拥有全天候作业灌包库、若干条散粮自动化装卸生产线和多条铁路专用线,场地堆存能力可达到数万吨以上,配套硬件设备包括装卸船两用机、门机、行车、斗提机、刮板机、皮带机等。为了符合当今港口绿色物流的发展需求,避免露天堆场造成的环境污染问题,散粮码头选择将露天堆场改建为筒仓系统。筒仓系统主要包括筒仓机械化系统、控制系统、除尘系统和称量设备等。

1.2 智能化散粮码头装卸工艺流程

智能化散粮码头装卸工艺流程主要包括进仓流程、出仓流程、倒仓流程和灌包流程等。

1.2.1 进仓流程

智能化散粮码头通过门机实现卸船作业。船舶到港后,门机抓取粮食至气垫输送机上进行传输,由电子秤称量,斗提机提升,最后经由电动三通进入筒仓,完成卸船作业。进仓流程见图1。

1.2.2 出仓流程

装车作业主要分为装火车和装汽车等2种情况。

  • 装火车作业。粮食从筒仓出来,通过埋刮板输送机输送,由斗提机提升进入装车楼缓冲仓中,电子秤称重,最后通过装车溜管进入火车车厢。火车由铁牛牵引,缓慢前进,当列车到达装车位置后,铁牛停止牵引,粮食通过埋刮板机输送到装车楼缓冲仓中,经缓冲仓下方的电子秤称量后,实现精准装车。完成装车作业后,铁牛牵引列车前进,下一节车厢到达装车位置后,重复上述作业流程。整组列车装满后,铁牛将列车推送至铁路机车牵车位置,再由铁路机车牵出。

  • 装汽车作业。粮食从筒仓出来,通过埋刮板输送机输送,由斗提机提升进入装车楼缓冲仓中,电子秤称重,最后通过装车溜管进入汽车车斗,装满后汽车离开,下一辆空车进入装车位。

装车作业结束后,装车楼未装载完的粮食经输送设备运输后,回到筒仓继续存储。这个过程被称为余粮回收。具体流程是通过埋刮板输送机传输,斗提机提升,最后经由电动三通再次进入筒仓。出仓流程见图2。

1.2.3 倒仓流程

粮食长期在筒仓中储存会产生热量,导致内部温度升高。为了消除发热点和霉菌点等,粮食需要进行倒仓。倒仓流程指的是粮食出筒仓经过输送设备运输后回到本仓或其他筒仓来降低粮食温度的过程。具体流程是粮食从筒仓出来,通过埋刮板输送机运输,斗提机提升,散粮秤称重,再通过仓斗式提升机运至选仓埋刮板输送机,最后经仓顶埋刮板输送机输送进入筒仓。倒仓流程见图3。

倒仓存在2种情况,一种是回到原来的筒仓,另一种是去其他的筒仓。一般来说,仅考虑温度过高这一因素,会选择回到原来的筒仓;如果同时考虑温度过高、节能和筒仓实际情况,则会根据生产调度去其他的筒仓。

1.2.4 灌包流程

灌包流程是粮食出筒仓经过输送设备运输后进入灌包库袋装的过程,具体流程是粮食从筒仓出仓后,经皮带机传输,斗提机提升,灌包机进行灌包,灌包作业结束,最后进行装车作业。灌包流程见图4。

智能计划排产模型和算法

散粮码头排产问题涉及港口筒仓、皮带机和埋刮板机输送、斗提机提升等多个流程,具有决策性强、影响因素复杂、突发事件频发等特点。因此,对装车作业计划和卸船作业计划等2个任务进行建模,利用遗传算法对排产模型进行求解,给出排产方案,提高散粮码头的生产效率。

2.1 装车计划模型

装车作业计划指的是根据船舶预报、泊位上船舶的当前作业情况和筒仓堆存现状等相关信息,通过智能计划排产算法实现机械设备选择,给出高效的排产方案,提高港口生产效率。其简化流程:筒仓出仓→输送机传输→斗提机提升→装车楼装车。装车作业计划模型依托于港口智能化设施、相关工艺流程和作业委托单,以总工时最短为目标。

总工时是指机械设备等运行时间的总和,即持续作业时,装卸工艺系统开始运行到结束运行之间的时间段。该模型约束条件如下:

  • 筒仓约束。作业根据筒仓中粮食数量安排计划,安排的粮食数量不能超过筒仓中粮食的数量。

  • 货主。作业必须根据委托单中对应的货主安排装车。

  • 粮食种类。同一艘船上相同种类的粮食可以装入同一筒仓。粮食种类信息包括品种名称、容重和含水量等。

  • 设备日历和出勤情况。机械设备实际运行时间和人员出勤情况。

2.2 卸船计划模型

卸船作业计划是根据进仓流程、货主需求、筒仓实际储粮情况等,选择合适的机械设备,比如通过埋刮板机、斗提机的选择,实现粮食进仓,提高港口生产作业效率。其简化流程:码头卸料→输送机传输→斗提机提升→筒仓进仓。卸车作业计划模型依托于港口智能化设施、相关工艺流程和作业委托单,以船舶总在港时间最短为目标。船舶总在港时间包括船舶在锚地的等待时间和船舶卸船作业时间。该模型约束条件如下:

  • 筒仓容量限制。筒仓堆存粮食数量需要小于筒仓容量。

  • 筒仓选择约束。根据船舶委托单的货主和粮食品种确定可以堆存散粮的筒仓,每个船舶委托单至少选定1个筒仓进行储存。

  • 船舶约束。到港的每艘船舶都需要被服务,且仅被服务1次。

  • 泊位约束。1个泊位在同一个时间段内只能服务1艘船舶。

  • 按时完成任务。船舶在作业总时间内的卸载量大于计划卸载量,即在规定时间内完成卸载。

2.3 核心算法

遗传算法是一种模拟自然进化过程实现优化的计算方法,通过模拟生物进化中的选择、杂交、变异等过程,不断迭代找到最优解。作为启发式搜索算法,它具有较好的鲁棒性和极强的全局搜索能力,被广泛应用于排产等经典的组合优化问题中。

排产模型主要包括卸船作业模型和装车作业模型等2个部分,在此以遗传算法求解卸船作业模型为例进行说明。

2.3.1 模型输入参数

模型的输入参数主要分为筒仓储粮信息和到港船舶相关信息。筒仓储粮信息主要包括筒仓编号、粮食种类名称、筒仓中粮食的初始数量等。到港船舶相关信息主要包括船名、船长、船舶预测到港时间、船舶计划离港时间、粮食数量等。

2.3.2 算法主要步骤

通过矩阵实数编码、重新设计种群初始化、精英保留策略的遗传算法,实现卸船作业模型求解。算法主要步骤如下。

2.3.2.1 矩阵实数编码

码头卸船作业模型主要包括机械设备调度和筒仓选择2个部分。码头拥有多个船舶委托单,采用矩阵实数编码方式,1个矩阵代表1种排产解决方案,也是算法中的1个个体。矩阵如下:

矩阵A代表整体的排产方案,矩阵行数表示委托单数目,每一行代表1个委托单的排产方案;矩阵每行由aij和bij等2个部分组成,分别是根据工艺流程选择的机械设备和筒仓编号。矩阵中的元素aij表示第i个委托单中第j个工艺流程所选择的机械设备;bij表示第i个委托单所选择的第j个筒仓。

2.3.2.2 初始化种群

初始种群的个体是按行产生的。通过随机生成法、时间顺序生成法、常用粮种生成法等3种规则初始化种群,按照6∶3∶1的比例生成种群规模。时间顺序生成法按照船舶到港顺序初始化(先到先服务)来生成种群。常用粮种生成法根据粮食周转情况决定常用粮食种类:若其是常用粮食种类,则选择较近筒仓中转储存;若不是常用粮食种类,则选择较远的筒仓进行作业。

2.3.2.3 选择、交叉、变异

在选择操作阶段,采用基于精英解保留策略的轮盘赌选择法,实现优质解的保留和算法的快速收敛。对于父辈中任意2个个体,随机确定交叉位置。以An和 An+1等2个矩阵为例,若确定交叉位置为5,则将An和 An+1的第5行进行互换。由于矩阵n行代表n个订单,所以只进行行交叉,不进行列交叉。变异也是同理。

2.3.2.4 适应度函数

卸船作业模型的目标函数是最小化船舶总在港时间,而在选择阶段,一般选择的都是适应度值较大的个体,所以适应度函数设置为船舶总在港时间的倒数。

2.3.3 算法流程

利用遗传算法对卸船作业模型进行求解,首先基于矩阵实数编码,根据比例通过随机生成法、时间顺序生成法、常用粮种生成法等3种规则初始化种群;然后计算适应度值并排序,基于精英解保留策略的轮盘赌选择法进行选择;之后进行交叉和行变异,当达到最大迭代次数时得到最终的排产结果。算法流程见图5。

试验仿真

3.1 试验设计

根据某散粮码头实际运营情况提取1周的卸船作业委托单,经整理形成试验算例。大豆是该散粮码头的常用粮种。卸船作业委托单主要包括船舶信息、粮食种类和粮食数量等相关数据。到港船舶数据见表1。为方便试验,截取1组筒仓进行散粮堆存。筒仓俯视图见图6。根据简化版卸船作业流程和该散粮码头基础数据可知,试验包括2个皮带机(皮带机1、皮带机2)、2个斗提机(斗提机1、斗提机2)和9个筒仓供排产选择。筒仓容量为6 000 t,气垫式输送机额定输送能力为1 100 t/h,斗提机额定输送能力为1 000 t/h。

3.2 试验结果分析

根据图5算法流程图编写遗传算法代码,程序运行环境为内存32 G、主频2.30 GHz的Windows 11操作系统的MATLAB 2018平台。为验证算法有效性,将算法的求解结果和人工排产结果进行对比。排产结果对比见表2,遗传算法排产结果迭代图见图7。

通过表2可以看出,人工排产和遗传算法排产选择皮带机1、皮带机2、斗提机1和斗提机2的次数相同,主要差别在于筒仓调度,筒仓选择的不同将直接影响船舶总在港时间。船舶1运送的粮食是玉米,不属于常用粮种,人工排产将它排在最近的筒仓,影响后续常用粮种的周转;遗传算法排产将它排在本组筒仓中最远的位置,后续常用粮种可以在位置靠前的筒仓实现多次周转,提高散粮码头周转率。人工排产的船舶总在港时间是62.8 h,遗传算法排产的船舶总在港时间是61.5 h,船舶总在港时间减少1.3 h。若发生设备损坏等突发情况,工作人员必须查看生产管理系统中设备和委托单等相关情况,而算法只需更改1个参数就可以重新拟定排产计划,还可以减少一部分船舶作业时间。综上所述,遗传算法排产可以替代人工排产,不但促进了散粮码头智能化发展,还有效减少船舶总在港时间,提高码头周转率。

智能计划排产模型和算法的应用

将智能计划排产模型和算法应用于数字孪生系统中。数字孪生系统以1套系统、1个大数据平台、6大模块为框架进行感知孪生平台建设。该系统基于万物互联、大数据平台等核心建设,利用数字孪生、智能视频分析等先进技术,实现粮食码头感知。算法所需数据来自大数据平台,该平台通过采集设备PLC数据、视频数据、各信息化业务平台的相关数据,根据数据不同的格式及应用场景进行数据的存储、汇总、处理和分析。数字孪生系统包括智能排产辅助业务,将智能计划排产模型和算法应用于该业务,实现进、出仓作业方案推荐及仿真、排产作业过程中的调整、智能排产作业过程实时呈现等功能。

将智能计划排产模型和算法应用于数字孪生系统,不但可以有效提高散货码头生产效率,优化作业流程,降低运行成本,而且还能促进散粮码头自动化、智能化、智慧化发展。

文章发于《港口科技》2024年第6期;
文标题:散粮码头智能计划排产模

 者:陈玲,赵湘前,严思彤;中国交通信息科技集团有限公司,上海中交海德交通科技股份有限公司




港口科技
《港口科技》杂志是中国港口协会主办的港口行业科技期刊,自1979年创刊以来,致力于推动港口行业科技进步与创新发展。未来,我们期待与您携手同行!
 最新文章