Аннотация
В статье рассматривается решение задачи планирования технологических процессов нагрева и прокатки слябов на стане, направленной на повышение производительности металлургического производства. Основное внимание уделяется созданию модели оптимизации прокатных партий и интеллектуального алгоритма оптимального планирования на основе формирования прокатных групп и компоновки загрузки нагревательных печей с учетом всех технологических требований. Эффективное пла-нирование загрузки листопрокатных станов является одной из ключевых задач, определяющих качество готового проката и его себестоимость. Прокатный план представляет собой упорядоченную последовательность слябов, формируемую на основе мно-жества заказов. Данная задача относится к классу сложных, поскольку при построении плана заказов потребителей с различными сортаментами и марками сталей необходимо учитывать множество технологических ограничений на процессы нагрева и прокатки. Дополнительным фактором сложности выступает необходимость обработки больших объёмов информации. В таких условиях полное соблюдение всех технологических требований для каждого сляба становится практически невозможным. Поэтому при планировании требуется минимизация издержек, возникающих вследствие нарушения этих требований. На практике для загрузки станов горячей прокатки специалисты используют эвристические правила, основанные на формализации положеных технологических инструкций и, как правило, стремятся лишь к сокращению числа нарушений и количества простоев между группами слябов. Научная новизна заключается в разработке комплексного подхода к автоматизации процессов планирования, отличающегося оригинальными моделями формирования прокатных групп, в отличие от существующих, одновременно учитывают технологические параметры слябов и динамику производственного графика. В работе представлены результаты практического тестирования разработанной модели оптимального планирования технологических процессов нагрева и прокатки слябов на стане, подтверждающие сокращение длительности производственного цикла и простоев оборудования. Модель позволяет автоматизировать процесс формирования прокатных групп, повысить эффективность загрузки нагревательных печей и сократить простои оборудования.
Ключевые слова
интеллектуальное планирование, оптимизация производственных процессов, прокатка металла, математическое моделирование, металлургия
1. Мордовкин Д.С. Исследование и оптимизация технологии нагрева непрерывнолитых слябов в методических печах: дис. … канд. техн. наук. 05.16.02 / Мордовкин Дмитрий Сергеевич. Липецк, 2011. 214 с.
2. Березин А.А., Вакула И.А., Леонова С.И. Задача плани-рования горячей прокатки // Современные проблемы ма-тематики и её приложений. Екатеринбург: Институт ма-тематики и механики УрО РАН им. Н.Н. Красовского, 2015. С. 98-104.
3. Моисеев А.А., Соколова О.В. Математическое моделиро-вание процесса горячей прокатки на непрерывном сред-несортном стане // Будущее машиностроения России: сборник докладов, Москва, 24–27 сентября 2018 год. М.: Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет), 2018. С. 221-223.
4. Поспелов И.Д., Нечаев Р.Р. Совершенствование методики расчета мощности чистовой группы непрерывного широ-кополосного стана горячей прокатки // Сталь. 2024. № 2. С. 25-30.
5. Андреев Д.А. Новые решения для оптимизации работы АСУ ТП // Студент года 2024: сборник статей IV Международного научно-исследовательского конкурса, Пенза, 5 ноября 2024 год. Пенза: Наука и Просвещение, 2024. С. 15-18.
6. Мазур И.П. Проблемы контроля качества поверхности при производстве листового проката // Сталь. 2011. № 4. С. 31-36.
7. Колобов А.В., Варфоломеев И.А. Повышение эффектив-ности бизнес-системы предприятия на основе применения цифровых инструментов в металлургии // Сталь. 2020. № 10. C. 69-73.
8. Гладков Л.А., Гладкова Н.В. Методы решения задач оп-тимизации: учебное пособие. Ростов-на-Дону: Южный федеральный университет, 2019. 118 с.
9. Бахтиярова О.Н., Птицына И.В., Подзорова М.И. Приме-нение симплекс-метода для решения задач линейного программирования в курсе дисциплин «Исследование операций» и «Методы оптимизации» // Modern European Researches. 2023. № 3. С. 5-16.
10. Козырева Н.Е., Рахманова А.Ю. A/b-тестирование как инструмент оценки взаимодействия бренда с потребите-лями в диджитал среде // Экономика и бизнес: тенденции и инновации: материалы международной научно-практической конференции, Москва, 15 апреля 2021 год. М.: Издательство АНО ВО «Институт бизнеса и дизайна», 2021. С. 295-303.
Кустов М.А., Ершов Е.В., Виноградова Л.Н. Модель оптимизации прокатных партий на стане горячей про-катки // Электротехнические системы и комплексы. 2026. № 2(71). С. 54-59. https://doi.org/10.18503/2311-8318-2026-2(71)-54-59
© Кустов М.А., Ершов Е.В., Виноградова Л.Н. 2026 Контент доступен под лицензией Creative Commons Attribution 4.0 License