当前,市场需求不确定条件下的多周期生产库存优化受到了广泛的关注,但一般以炼油过程中的一个局部来进行求解。另外,有大量学者在离散制造业中进行了供应链视角下的库存管理研究,而这些研究成果并不能简单套用到炼油工业。本文借鉴其思想,同时采用在石油化工行业已成功应用的约束过程优化控制的模型预测控制算法,针对产品需求不确定条件下的炼油厂各级库存的综合优化问题,建立了一个系统视角下的炼油厂全厂库存管理的过程模型。此模型集产品需求预测、原油在线线性调和与成品油在线非线性调和技术为一体,以需求预测值为目标,综合考虑了原油、调和组分油和成品油3者的库存变化,采用实数编码的遗传算法(Genetic Algorithm,GA)在局部优化控制器中进行求解,用广义预测控制算法(Generalized Predictive Control,GPC)以局部最优结果为设定目标,在满足成品油质量指标的前提下,实现全局库存成本最低控制;同时,引入预测控制的滚动优化思想,以小时为单位修改模型数据跟踪实测结果。最后,用某炼油厂的数据进行了实例仿真,计算结果验证了该算法的可行性。
1 炼油厂生产过程模型设计
大多数炼油企业的产品生产过程,仍是通过使用大量库存策略来满足顾客的需求。炼油企业每个月的月计划对后面几个月的需求进行预测。在综合需求预测的基础上,通过控制原油购买成本和生产成本最小为优化目标,运用线性规划的方法计算本月所需的原油供应量。一旦原油来到,就进入一系列的炼制步骤,如常减压蒸馏、催化裂化、催化重整、延迟焦化以及油品调和等工艺过程,最后将石油产品运送给经销商,再卖给客户。每一个步骤都有不同种类的原油、中间产品和最终产品储存在储罐中。据文献统计,在一个典型的大型炼油厂中,有3~lO个原油储罐,10~30个中间产品的储罐,30~50个最终产品的储罐,每一个储罐都需要一次性的大笔投资进行建造,并对储罐的运营和维护花费大量资金,因此每年炼油厂在库存方面的投资是巨大的。
近年来发展了一种油品调和的新技术——在线连续调和技术。应用这种技术,只要炼油厂有足够的调和组分,就能立刻生产出符合用户需要的各种最终产品,从而看到了在石油炼制这种流程行业中进行敏捷生产并改善库存管理的曙光。
下面从供应链的角度对一个炼油厂产品生产过程进行建模(如图1)。本文采用“推”和“拉”流程混合策略,“推”、“拉”边界在油品在线调和处。根据客户订单进行在线的油品连续调和,用于满足当前需要,这是“拉动流程”}在顾客需求预测基础上提前进行的补充库存环节、生产环节和原料获取环节,则属于“推动流程”。
图l 烁油生产厍存综台模型
1.1 过程的描述
图1是一个简化的炼油厂模型,假设对每一种原油、中间产品和最终产品都有一个油罐寄存器,此油罐寄存器代表一组实际的储油罐。原油在进入炼制过程之前先储存在原油储罐中,炼油厂的生产过程用一个“黑箱”表示,它的各种中间产品的产量受不确定因素影响。可用历史数据预估进入炼油生产过程的各种原油流量,并用实时测量的方法进行更新。
流出“黑箱”的各种中间产品的流量均分为2股:一股储存在中间产品的库存中,实现供应链的“推动”过程;一股进入油品的在线调和过程,来满足目前的实际需求,实现供应链的“拉动”过程。设炼油厂在优化周期Nt内(t为计划单位周期,设为1 h),用N.种原油,生产出了N.种中间产品,然后通过进一步在线调和,生产出了Nt种最终产品。
1.2 炼油厂库存总模型
整个炼油厂库存总成本简化为z,包括库存成本和产品短缺补偿。
Ydi为原油i生产出的中间产品j的产量因子;
F为t时刻原油i注入炼油过程的流量;
F靠为t时刻从炼油过程出来的中间产品,流
入库存的流量;
Fi为f时刻从油罐出来的中间产品j流入在
线调和器的流量;
F1为t时刻从炼油过程出来的中间产品J流
人在线调和器的产量;
Fb1。为t时刻进入在线调和器中的中间产品j
进入最终产品k的调和器中的流量;
Fib,为t时刻从中同库存出来的中间产品j进
人最终产品k的调和器中的流量;
2 应用多变量约束过程的广义预测控制算法求解炼油厂库存总模型
应用在石油化工等复杂过程工业中的模型预测控制算法,是目前实现多变量约束过程优化控制的首选方法,也是目前过程控制应用最成功、最具有前途的先进控制策略。近年来,其应用范围逐渐扩大,至今已遍及工业应用的各个领域。文献将这种方法应用到了库存管理上;文献提出了一个对供应链进行优化操作的,以模型预测控制算法为基础的集成动态控制策略。
下面应用多变量广义预测控制算法对炼油厂库存总模型进行求解。
设在t时刻,系统输入(控制变量向量)为“(£),系统输出(被控变量向量)为,(f),可测干扰输入为向量。
向量“(£)的分量有:原油实际供应量Fs;进入炼制过程的原油种类和流量Fc;中间产品进入最终在线调和器和中问产品库存罐的分离比例,即Ff。和Fb,;每种中间产品从中间库存或直接从炼制过程出来进入最终调和的流量,即F1。和Fbbj假设“为理想的控制输入,即各种所需原油数量足够用,各中间组分油流量均在炼油过程中各侧线产出率允许范围内。
向量y(f)的分量有:所有原油、中间产品和最终产品的库存水平;从生产计划角度进行的产品需求预测Vd;其他相关信息,如生产能力、各单元状态等的辅助变量。
向量。(£)的分量有:产品产量因子W。的波动部分;有效供应和运输超前时间,L的波动部分;原油、中问产品和最终产品的市场价格P的波动部分。各分量用随机数发生器进行模拟。
处理后的系统动态方程符合ARMAX的形式:
3 仿真实验
3.1 仿真集成框架
仿真实例说明:软件环境为Windows XP,前台计算用Visual C++6.0,运算完成后,在VC中调用Matlab6.5.1的引擎,在后台用Matlab绘制结果图;数据的起始状态由当前实测值给出;仿真及优化的时问步长均为1 h;滚动控制计划周期及仿真周期长度均为2 d,即48 h;原油6种,先人原油库,然后根据原油调和模型_”1的6种约束,调成符合炼制要求的混炼原油进入炼制过程;原油炼制过程生产4种中间组分油,通过在线连续调和生产2种最终产品;原油、组分油和终产品油的价格仿真时假定不变;终产品需求每8 h变化一次,在这8 h内保持恒定,且以文献[11]中使用的方法给出预测数据;仿真时未考虑原油供应和生产的超前时间。图2为仿真集成框架的示意图。
图2 实倒仿真集成框架
3.2 原油线性调和模型
现某炼油厂原油性能指标、库存数据、单价及调和后的混合原油性能指标要求如表1所示。原油调和在局部优化控制器中计算结果的其中实际原油调和模型参见文献中的方案。一组数据如图3所示。
表1 原油调和横型仿真数据
3.3 成品油调和模型
该炼油厂高标号汽油90#及93#由催化汽油、重整汽油、烷基化油和MTBE调和而成,相应的辛烷值约束、装置流量约束及实时价格如表2所示。非线性调和方程采用文献中的公式。
表2 成品油调和模型仿真数据
组分油/成品抽辛烷值流量约束/(10t·h_1) 单价
3.4 库存部分仿真的部分结果
组分油流速在48 h内跟随预测数据的变化情况如图3所示。
原油库存采用存储策略中的(s,s)策略,该策略具有连续盘点、不允许缺货和供货能力无穷大的特点。一旦库存水平小于库存量的下限s(取最小允削5组升拙2氲蠼蹙他情况
许安全库存水平,仿真时s=o),立即发出订单,其订货量为(s—s),使得订货时刻的库存水平达到s(S取最大允许库容水平);否则,不予订货。先考虑无供货提前期的情况,后续工作再进行考虑供货提前期及供货不确定性的复杂情况的讨论。原油库存在仿真周期内的变化情况如图6所
图 原油库存在仿真周期内的变化情况
4 结束语
本文从供应链管理的角度对炼油厂的库存管理程进行了“推“拉”流程结合的模型设计,并应用于遗传算法和参数模型的多变量广义预测控制算,对该模型进行了优化计算。由于预测控制算法硅用了滚动优化策略,可使计算在线进行,同时能R据过程的实际输出,及时修正控制,从而使模型;配、时变和干扰等引起的不确定性得到及时的补充,改善了系统的控制效果,克服了过程不确定性的影响,提高了控制系统的鲁棒性。
核心关注:拓步ERP系统平台是覆盖了众多的业务领域、行业应用,蕴涵了丰富的ERP管理思想,集成了ERP软件业务管理理念,功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理,全面涵盖了企业关注ERP管理系统的核心领域,是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处:拓步ERP资讯网http://www.toberp.com/
本文标题:炼油厂综合库存管理优化问题研究