面向石化企業間物流集成計劃優化的模型及應用

張鵬飛，王子豪，榮岡，馮毅萍

?

面向石化企業間物流集成計劃優化的模型及應用

張鵬飛，王子豪，榮岡，馮毅萍

（浙江大學智能系統與控制研究所，工業控制技術國家重點實驗室，浙江杭州 310027）

在石油化工行業，上下游企業的聯合生產是供應鏈優化的主要途徑和重要手段。但由于石化企業的生產工藝過程復雜且設計相互獨立，企業間的協同生產往往僅存在于大型石化集團統一設計、建造的煉化聯合生產系統中。本文提出了適用于獨立運營的石化企業集成的前提條件和建模方法，以獨立生產的煉油廠和烯烴廠為研究對象，基于其生產物流計劃模型，建立統一的聯合生產計劃優化模型。該集成優化模型為混合整數線性規劃模型，以生產效益最大化作為優化求解目標，并分析了市場需求平穩、萎縮和旺盛3種不同的案例場景。實例計算表明，同獨立生產相比較，石化企業的集成優化和聯合生產能夠降低物料存儲成本和總成本，節省優化求解所需的計算資源，并促進經濟效益的提升。

石化企業；集成；優化；企業級優化；混合整數規劃模型；生產效益

引 言

供應鏈管理（supply chain management，SCM）對企業運營十分重要，其具體內容包括生產過程的原料管理、物料運輸管理，以及產品分配和運輸等一系列生產優化命題[1]。圖1展示了供應鏈管理的基本組成要素[2]。圖中，feedstocks代表系統的原料輸入部分，包括各種供應鏈體系中所涉及的原始物料成分；basics代表供應鏈中相互影響的上下游生產企業，performance代表不同生產企業的生產過程與生產流水線，一條完整的供應鏈包括一個及以上的企業；供應鏈的末端直接面向顧客，處理市場的訂單需求并調整產品策略，以及協調運輸問題等。供應鏈管理以滿足消費者需求，提升企業效益并降低生產成本作為目標[3-5]。

而供應鏈管理在具體的企業生產和執行層面則是以企業作為主體，企業生產系統管理（process system engineering，PSE）是供應鏈條的基本模塊。一個基本的生產系統管理模塊包括原料的輸入（raw materials），生產過程（performance），以及產品輸出（products）3個基本組分，其組成結構如圖2所示[6]。

近年來，隨著企業生產過程的復雜化，產品的多元化，以及上下游企業共享物料、設備和信息的需求增長，基于供應鏈的生產系統的集成優化成為企業提升生產效益重要途徑之一[1,7]。企業級優化（enterprise-wide optimization，EWO）是企業集成生產優化的重要形式之一，它將不同的生產系統管理模塊進行集成，以提升企業的整體效益，綜合考慮集成企業的物料運輸、生產方案、市場需求、庫存管理等問題[2,6]。Grossmann[8]在2005年就將企業級優化思想引入流程工業領域。Wassick[2]以某一大型的石化集團為例，將不同的生產子系統定義為“信封”，不同的“信封”可以組合成集成生產系統，并對集成生產系統進行優化求解。Guyonnet等[9]將原油調度與產品問題進行了集成分析。Quaglia等[10]指出企業級優化的難點之一是集成系統的搭建與設計，并以一個綜合的石化集團為對象建立集成生產模型，綜合考慮集成系統的原料、產品和市場需求等要素，最后采用混合整數非線性規劃方法進行建模求解。Shah等[11]研究了用于求解大規模企業級優化模型的增廣拉格朗日分解求解策略。Quaglia等[12]分析了不確定條件下的企業級優化命題，并提出了基于分解法的求解方法。Al-Qahtani等[13]綜合考慮了煉油石化系統中多個生產過程的集成生產過程，并通過協調上游生產和下游需求，提供了一套同步解析集成系統的方法策略。Wang等[14]以乙烯廠原料卸載調度和生產過程為研究對象，并提出了一種基于同步調度的優化求解策略。Pinto等[15]提出了一種應用于石化企業供應鏈的企業級優化框架，并給出了相應的混合整數非線性數學模型。Shah等[16]以基于連續時間的集成優化模型為對象，闡述了在企業級優化命題中運行時間、產量、質量等多種生產要素之間的平衡。2014年，Grossmann[17]總結了近年來諸多學者在企業級優化研究領域的研究與成果，評述了企業級優化研究領域所涉及的求解算法，并指出了企業級優化所面臨的重大挑戰在于研究對象的拓展、算法的改進、不確定性干擾等。

近年來諸多學者在企業級優化的研究領域取得了大量成果，但由于不同的生產企業之間設計、生產和運營都相對獨立，這使得企業之間的系統集成面臨較大難度和挑戰，現有的集成生產也往往局限于單一企業或者大規模生產系統的內部[17-18]，最終導致供應鏈上下游企業在資源共享、信息共享的障礙以及企業生產效益提升受限。因此，本文將原本獨立的生產企業進行整合，建立統一的集成生產系統，而這一研究內容也是企業級優化突破現有集成生產難點的重點方向之一[8]。

本文以獨立設計建造、生產和經營的石化生產企業作為研究對象，以企業級優化作為集成生產的方法，提出適用于獨立石化企業的集成條件、集成建模方法以及優化模型，并根據集成對象的物流耦合關系重新定義產品、中間物料、原料，運輸管道等信息集合及其元素組成。最后，以煉油廠和烯烴廠的集成生產為例建立MILP模型[19]，所選用案例全面考慮了在市場需求平穩、萎縮和旺盛3種市場情形下聯合生產集成優化的效果。

1 集成前提假設

大多數獨立石化企業的生產系統往往是地理隔絕的，并且在生產時間尺度以及加工方案設計標準上不盡相同，從而導致不同企業之間的企業級優化困難較大或者經濟效益提升不明顯[15]。

為了系統地評估獨立企業之間是否適合集成生產，并篩選具有集成生產意義的生產系統，本文提出了企業集成生產應盡量滿足的前提條件。本文所研究的企業級優化和集成生產也建立在以下前提條件之上。

1.1 地理位置相近

企業間物流運輸成本將隨著相對距離的增加快速增長，較大的相對距離也對應著較高的庫存成本和較慢的響應。

仿真計算表明，一般地，在廠際運輸成本不超過普通廠內運輸成本的10倍時，聯合生產集成優化仍然能夠提升整體生產效益。

1.2 物料與設備相同或相似

相同的物料或加工設備，能在集成過程中通過物料、設備的共享，實現物料、資源的優化配置，從而增強生產系統的魯棒性和穩定性，最終促進經濟效益的總體提升。

1.3 生產時間尺度相近或可調相近

獨立生產系統的生產時間尺度相差過大，會導致企業級優化過程中物料、設備共享受限，使得生產進度不一致。因此，用于集成的獨立企業需要具有相近或者經調整后相近的生產時間尺度[18]。

1.4 生產利益統一

企業級優化構建的集成生產系統在滿足一定條件時，能夠實現生產經濟效益總和的提升，但這不代表任一原本獨立的生產系統經濟效益均有所提升。因此，聯合生產的企業需要具有統一的利益或者合理的利益分配方式，才能保證各生產子系統能夠服務于集成系統的生產效益最大化目標。

基于以上前提，獨立生產的企業也能夠較好實現企業級優化，并在集成生產中實現生產信息、資源的優化配置。

一般地，現有的石化企業建造往往具有集群效應，常見的石化企業生產園區或石化集團下設的各類生產子廠均能夠很好地滿足以上假設，從而保證了本文的假設具有實際物理意義和工程意義。本文案例中涉及的某真實石化集團的生產系統均能夠滿足以上條件。

2 企業級優化方法與系統建模

本節介紹獨立生產系統的集成方法以及集成系統的計劃優化模型。

2.1 集成生產系統構建

現有的研究中，較少提到集成系統的搭建方法和具體步驟，研究者往往通過分析集成生產系統的工藝要求進行集成系統的搭建，而這些建模方法往往不通用也無法移植[2,14,20]。本文提出了一種集成系統的構建方法，通過分析待集成企業之間的關鍵物料并搭建管道建立聯系，對同種生產裝置、存儲罐區的使用進行調整，并重新定義原料、產品等生產信息集合3個步驟，能夠在不改變或者較少改變原有系統結構的基礎上，快速構建集成生產系統拓撲結構。這種集成系統構建的方法具有簡便、通用的優點。具體的操作步驟如下。

2.1.1 上下游企業的銜接 對于供應鏈上下游的獨立企業而言，上游企業的產品或者半成品通?？捎米飨掠纹髽I的原料。根據集成生產系統的物流耦合關系，將上游企業的終產品或半成品作為下游企業的生產原料；通過添加物流管道和物料緩存罐的方式，合理進行上下游企業生產系統的拼接，組成集成的拓撲結構。

2.1.2 相同物料與裝置的處理 在通過輸送管道將同種物料進行關聯之后，便可以將相同的物料進行整合，通過管道控制流向，使同種物料統一管理和分配。同時，將相同的生產裝置進行整合，通過裝置共用構建多條加工線，或將部分同種裝置用作備用裝置以增強系統的魯棒性。

本文案例涉及的煉油廠、烯烴廠組成的集成生產系統中，石腦油、輕石腦油是煉油生產系統的重要產品，同時也是烯烴生產系統的重要原料。因此，集成系統中煉油廠的石腦油、輕石腦油產品可以作為烯烴廠的原料，即通過增加對應的石腦油、輕石腦油輸送管線便可以將兩個生產系統進行銜接。同時，煉油廠、烯烴廠各自擁有的石腦油緩存罐可以實現共用，進而提升石腦油緩存罐的利用率，并增加物料調度的靈活性。同理，輕石腦油的緩存罐也可共用。

2.1.3 重新定義原料、產品等集合 集成系統的輸入輸出關系、物料的流動關系在集成過程中發生了一定變化。所以，集成系統需要重新定義生產系統中原料、中間物料、產品以及運輸管線等生產信息集合及其元素組成。

本文案例涉及的煉油廠、烯烴廠集成生產系統中，石腦油、輕石腦油是煉油廠的產品，而在烯烴廠中則作為原料；在新建集成生產系統中，石腦油和輕石腦油則作為中間物料直接輸送給乙烯裝置進行加工。上述生產流程的改變，要求重新定義系統原料、中間物料以及產品集合，具體地，在煉油廠系統中，石腦油、輕石腦油為產品集合的元素；烯烴生成系統中，石腦油、輕石腦油是原料集合的元素；而新建的集成系統中，則需要將石腦油、輕石腦油調整為中間物料集合的元素。

通過以上主要步驟的操作，便可得到集成系統的拓撲結構及其基本生產信息。該集成系統保留了原有獨立生產企業的主要生產裝置和拓撲結構，并能實現聯合生產過程中的物料、裝置、生產信息共享和統一調度。

2.2 計劃優化模型

基于石化企業的生產拓撲結構，本文建立了的基于MILP的計劃優化模型。文中對生產拓撲結構進行如下抽象：原料進廠站點、產品出廠站點以及生產裝置為邏輯點，不同的邏輯點之間由弧線連接代表著實際生產系統中的運輸管道[20]；同時對系統中的物料進行以下劃分。

原料集合：如原油、MTBE，BOC氧氣等，作為系統的輸入，供加工使用，被定義為系統的原料集合元素，其屬性包括名稱、市場價格等。

中間物料集合：減壓瓦斯油、裂解碳四（C4）等在系統中產生，隨后被后級加工單元消耗，不作為系統的輸入和輸出物料，被劃分為中間物料。中間物料組分不考慮其物料價格。

產品集合：汽油、柴油以及乙烯等，作為系統的輸出產品，直接向市場銷售，被定義為系統產品，其屬性包括名稱、市場價格等。

2.2.1 優化目標 該計劃優化模型以生產系統的生產效益最大化作為系統優化目標，并同時兼顧生產、庫存成本的控制。

式（1）中第1項為集成生產系統產品銷售的毛利潤，第2項為原料購買費用，第3項為原料和產品的運輸費用，第4項為所有加工裝置產生的加工費用，第5項與第6項為產品罐以及產品銷售站點的庫存費用，第7項為市場產品需求未滿足的懲罰項。

2.2.2 模型約束條件 本節給出集成生產系統計劃優化模型中各種生產約束條件。

(3)

(4)

(6)

式（2）定義每一種輸入集成生產系統的原料購買量；式（3）限定了原料購買量的取值范圍。式（4）表示產品產量不能超過市場的實際需求量。式（5）與式（6）指出當產品供給不能滿足預設需求時，供給差額等于預設的產品需求量減去實際產品輸出量，且供給差額為非負值。

(8)

(10)

(11)

(12)

式（7）與式（8）定義生產系統物料輸入輸出的流量同與之相連的側線流量一致。式（9）與式（10）定義生產系統內部輸送管線的流量同與之相連的側線流量相等。式（11）與式（12）分別限定了生產系統輸入輸出管道和內部輸送管道流量值的范圍。

(13)

式（13）表示在系統管道分流點處，物料的進料量等于各條管線該物料出量的總和。式（14）表示在系統管道匯流點處，同種物料各管線進料總和等于該物料的總出料量。

(16)

(17)

(18)

式（15）～式（18）對生產系統中加工裝置的生產方案進行了描述與限制。式（15）限定了任意裝置的特定加工方案處理的物料量的上下限。式（16）表示任意加工裝置的加工總量等于該生產裝置各種加工方案加工量之和。式（17）表示任意加工裝置的加工總量還等于對應生產周期內該裝置進料量的總和。式（18）描述加工裝置的產率模型，定義在不同產率模型下加工裝置各產出物料的比例。

計劃優化模型中站點與罐區具有物料存儲功能，為了區分站點與罐區的初始物料量，將生產的第一個周期定義為初始生產周期0。

(19)

(21)

(23)

(24)

式（19）與式（20）定義在初始生產周期0時，站點存儲的物料量等于站點初始存儲量加上站點進側線流量再減去站點出側線流量；其余生產周期內，站點存儲的物料量等于上一生產周期末物料存儲量加上本生產周期進側線流量再減去本生產周期出側線流量。式（21）限定了站點存儲量的上下限。

同理，式（22）與式（23）定義在初始生產周期0時，罐區存儲的物料量等于罐區初始存儲量加上罐區進側線流量再減去罐區出側線流量；其余生產周期內，罐區存儲的物料量等于上一生產周期末物料存儲量加上本生產周期進側線流量再減去本生產周期出側線流量。式（24）限定了罐區存儲量的上下限。

3 應用案例

3.1 案例描述

本文以某石化煉油廠、烯烴廠作為研究對象，建立具有代表性的石化企業生產拓撲結構。

煉油生產系統的生產拓撲結構如圖3所示，其中包含常減壓裝置，延遲焦化裝置，催化裂化裝置等主要生產裝置；并以原油、甲基叔丁基醚（methyl-butyl ether，MTBE）作為原料，以柴油、90#汽油、93#汽油以及煤油作為產品。

烯烴生產的生產拓撲結構如圖4所示，其中包含乙烯裝置、乙二醇裝置、丁二烯裝置等主要生產裝置；并以石腦油、丙烯、輕石腦油、裂化尾油、減壓瓦斯油（vacuum gas oil, VGO）和叔丁氧羰基（-butyl oxy carbonyl，BOC）氧氣作為原料，以乙烯、乙二醇、二乙二醇、環氧乙烷、丁二烯等作為產品。

由于石腦油是煉油廠最為重要的產品并同時是烯烴廠最主要的原料之一，本文根據2.1節中的集成系統構造方法，將石腦油和輕石腦油作為二廠銜接的關鍵物料，將煉油廠和烯烴廠的生產系統進行集成，構建如圖5所示的集成生產系統。集成系統中包含一次加工裝置：常減壓裝置兩套；二次加工裝置：催化重整裝置，延遲焦化裝置，煤油加氫裝置，柴油加氫裝置，催化裂化裝置兩套，乙烯裝置兩套，乙二醇裝置，丁二烯裝置兩套，汽油加氫裝置兩套；調和裝置：柴油調和裝置以及汽油調和裝置；系統中總計12種17套不同的生產加工裝置。同時，集成系統還包含原油緩存罐、柴油混合罐、FCC進料緩存罐、柴油產品罐、乙烯原料緩存罐等共計35個存儲罐。系統的產品包括：90#汽油、93#汽油、柴油、煤油、乙烯、乙二醇、二乙二醇、三乙二醇、環氧乙烷、丁二烯等。

本案例中的生產時間周期為半年總計6個月，每個月以30天計算。同時每一天分為兩個操作批次，即每月具有60個操作批次。生產周期信息如表1所示。

表1 生產周期

參考市場價格，對生產系統中每一種物料的價格進行設定。如表2所示，其中各物料的價格高低體現了其市場價值的相對大小。

表2 物料價格

在實際生產中，廠際運輸的成本相對廠內運輸增長較大。本案例中，在滿足第1節中距離較近的前提條件下，設定廠際運輸的成本為廠內運輸成本的10倍。

3.2 求解策略

本文以生產經濟效益作為主要指標對比集成系統和獨立系統的生產情況，所建立的計劃優化模型由市場需求（訂單）驅動。

計算過程中，首先設定集成生產系統的市場需求，計算集成生產系統的生產效益最優解。然后，基于集成生產的生產信息，設定獨立運行的煉油廠、烯烴廠二者獨立運行時的市場需求，保證優化求解得到的生產效益同集成系統具有可對比性。最后再計算二廠各自的生產效益最優解，將獨立生產和集成生產的效益進行對比分析。圖6展示了求解分析策略和思路。

3.3 模型求解與分析

根據2.2節所建立的計劃優化MILP模型，分別對煉油廠、烯烴廠以及集成生產系統進行優化求解。案例求解采用IBM ILOG Optimization Studio 12.4作為優化求解平臺，所調用的求解器為：CPLEX 12.4.0。求解平臺所依托的PC配置為：Intel Xeon E5-2403 CPU，主頻1.8GHz，內存8G，操作系統Windows Sever 2008。

如表3所示，集成生產系統的優化模型總共包含6408個約束條件，整數變量為186個，連續變量為2875個；煉油生產系統的優化模型包括總計2916條約束條件，整數變量102個，連續變量1297個；烯烴生產系統的優化模型包含總計3198條約束條件，整數變量54個，連續變量1411個。

表3 優化模型參數對比

下文考慮了在市場需求平穩、萎縮以及旺盛3種市場情況下，集成生產、獨立生產對于企業生產效益的影響。

3.3.1 案例一：市場需求平穩 當市場需求平穩時，石化生產系統處于平穩生產的狀態。生產系統的產能處于正常水平，產品產量能夠滿足大部分的市場需求。

生產系統初始條件的設定原則為：產品需求參考市場需求平穩時的產品產量設定，具有存儲功能的罐區和站點初始庫存略高于安全值的底線并擁有較大的緩存區間。

分別求解集成系統，煉油生產系統和烯烴生產系統，得到的優化求解結果如表4所示。

表4 案例一優化結果對比

如表4所示，系統集成能夠帶來的效益提升較小。獨立系統生產的利潤分別為14042542元和9786211元，集成系統協同生產的利潤為25464324元，生產效益總體提升約6.8%。獨立生產的總收入與總成本均高于集成生產系統，但集成生產系統的最終利潤卻更高。

當市場需求穩定時，系統生產平穩，互為上下游企業的煉油廠和乙烯廠能夠較好地激發產能，獲得不錯的生產效益。在獨立生產模式下，獨立生產的系統均以自身效益最大化作為生產目標，銷售更多產品，也消耗更多的原料，導致原料成本增加；同時，獨立生產的煉油廠和乙烯廠匹配市場需求的能力較弱，部分產品庫存增加，導致庫存成本增長，而另一部分產品不能滿足市場需求，導致需求未滿足懲罰值增加。而另一方面，集成生產能夠通過調整產品方案組合，更好地滿足市場需求，控制庫存成本；同時集成系統內部物料可以作為自身的原料，從而節省了原料的購買、運輸成本；最終集成生產能夠實現生產效益的提升。

總體上，集成生產由于較好地控制了庫存成本和原料購買、運輸成本，實現了生產方案的優化配置，進而獲得了更好的效益。

3.3.2 案例二：市場需求萎縮 當市場經濟蕭條時，各種化工產品的市場需求也進入蕭條期。此時市場極度萎縮，產品的市場需求量大大低于平穩時期甚至銳減為零，生產系統的實際產能下降。

生產系統初始條件的設定原則為：產品需求減少甚至降低為零，設定的產品需求低于市場平穩時期；緩存罐的初始儲量高于正常水平甚至接近于存儲安全上限值。

分別求解集成系統，煉油生產系統和烯烴生產系統，得到的優化求解結果如表5所示。

表5 案例二優化結果對比

如表5所示，獨立生產系統的獨立生產得到的利益分別是：6324364和8357961元，而集成生產系統的生產效益為18803812元，生產效益相較于獨立生產提升了28.1%。

當市場萎縮時，生產的產品被迫滯銷，系統產能受到抑制，產品積壓導致存儲罐區和站點初始庫存增大，獨立生產和集成生產的生產效益相較于市場平穩時期都急劇減少。

集成生產通過調整生產方案和產品組合，能相對更好地滿足市場產品需求并出售產品，從而在一定程度控制庫存成本；而另一方面，獨立生產造成了極端的兩極現象，即部分產品脫銷而部分產品滯銷，造成了高庫存成本和高懲罰值。因此，在市場萎縮的情況下，集成生產能夠更好地控制庫存，調整產品方案，從而相對于獨立生產有著較高的效益提升；這也說明了在市場萎縮時，集成生產能夠極大限度地減少企業損失，幫助企業渡過難關。

3.3.3 案例三：市場需求旺盛 當市場需求旺盛時，各種產品的市場需求普遍高于市場平穩時期。生產系統的產能被釋放，能夠生產和銷售更多的產品。

（1）情況一：產品價格不變或同倍率上浮

正常情況下，供應鏈后級的產品具有更高的成本和附加價值，其價格不會低于前級產品。在市場需求旺盛時，產品的價格會同倍率上浮或受政策控制維持不變。

生產系統初始條件的設定原則為：產品需求增加且高于平時的需求水平，設定的產品需求高于市場平穩時的產品需求值，產品的價格同市場平穩時持平；緩存罐的初始儲量低于正常水平甚至接近于安全下限值。

分別求解集成系統，煉油生產系統和烯烴生產系統，得到的優化求解結果如表6所示。

表6 情況一優化結果對比

如表6所示，獨立生產系統的獨立生產得到的利益分別是：19572897和14299543元；而集成生產系統的生產效益為34461395元，相較于獨立生產的總和提升1.7%。

當市場需求旺盛時，系統的產能得到最大的釋放，生產裝置滿負荷運行，保證產品的收益總和最大化，此時產品產量的主要限制是系統本身的物理特質，如生產系統的設計產能上限值等。相較于獨立生產，集成生產的原料成本下降幅度高于銷售收入的減少幅度，因此集成生產由于提高了物料利用率和使用效率，實現了集成生產的效益提升。

在市場需求旺盛的情況下，煉油廠作為上游企業，其產品可以銷售給除烯烴廠以外的其他企業或者個人，以實現更大的經濟效益。此時，集成生產需建立在基于1.4節提出“利益統一”的前提上，只有保證煉油廠和烯烴廠具有統一的利益或合理的利益分配方式時，才能保證煉油廠首先滿足烯烴廠的原料供給，以實現集成生產。從最終結果來看，集成生產的生產效益高于獨立生產效益總和的，即集成生產依舊能夠保障各生產子系統的利益并實現效益提升。

（2）情況二：價格異常波動

極少數極端情況下，部分前級產品的價格或者價格上浮幅度會反常提升，從而較大程度影響供應鏈下游企業的生產情況。為了對此極端情況進行說明，在情況一的基本設定上，設定煉油廠石腦油的價格上浮50%，其他條件保持不變。相應的求解結果如表7所示。

表7 情況二優化結果對比

如表7所示，獨立生產系統的獨立生產得到的利益分別是：38544911和532784元；而集成生產系統的生產效益為38591135元，生產效益相較于獨立生產的總和下降1.2%。

反常情況下，當上游企業的產品價格持續上漲到臨界點時（本案例中為石腦油價格上浮50%左右），下游企業會因為生產成本的提升而導致整體效益的下降。本案例中，由于石腦油價格反常上升，導致烯烴廠的原料成本急劇上升，而銷售的收入沒有增加，從而導致利潤減少。此時，下游企業可能會通過選擇停車的方式應對價格反常波動。但總體上，此類極端情況是十分罕見的。

3.4 小結

在市場需求平穩、萎縮和旺盛3種情況下，獨立生產和集成生產系統生產效益和優化參數的對比分析表明：集成生產能夠更好地調整產品生產方案的組合以適應產品需求的波動，更好地控制產品庫存量降低庫存成本，實現物料、生產裝置的優化配置，從而實現相較于獨立生產系統的生產效益提升。特別地，在市場萎縮的情況下，集成生產系統能夠極大程度地減少企業損失，幫助企業控制庫存成本并進行生產方案的調整，相較于獨立生產更有利于幫助企業渡過經濟蕭條期；在市場平穩和旺盛的情況下，集成生產也能夠通過裝置共用，控制庫存和調整生產方案等方式促進生產總效益的提升。

4 結 論

本文討論了石化系統企業級優化的命題，提出了獨立生產的石化企業集成生產的前提條件，保證了獨立企業集成生產的有效性；同時，提出了生產系統的集成方法，并建立集成生產系統的計劃優化數學模型。文章以某石化煉油廠、烯烴廠作為案例對象，研究了企業獨立生產和集成生產在市場需求平穩、需求萎縮和需求旺盛3種典型情況下的生產效益情況。案例實踐表明，基于企業級優化的集成生產在滿足一定前提條件時，具有集成優化和聯合生產的商業價值；集成優化能夠實現生產裝置、緩存罐區站點、生產物料的共用和優化配置，控制原料成本與庫存成本，促進更優的生產方案配置，最終實現生產效益的提升。

符 號 說 明

C——產品輸出站點集合 CDP——產品需求未滿足懲罰費用，元 CHO——庫存管理費用，元 COP——裝置加工費用，元 CPRO——產品銷售費用，元 CPUR——原料購買費用，元 CTS——物料運輸費用，元 DEMcm,t——物料cm在生產周期t的需求量，噸 DPCcm——產品cm在未滿足需求時單位物料量的懲罰費用 DPQcm,t——產品cm在時間t內的未滿足量，噸 DQcm,t——產品cm在時間t內的需求量，噸 HCu,cm, t——裝置u對物料cm在時間t內的庫存費用，元 INum,cm——加工方案um中對應物料cm的進料比例 MOu——裝置u的所有加工方案集合 MOIu——裝置u加工方案信息集合 MOQu,um,t——裝置u處于方案um時在時間t內的加工量，噸 MQout,in,mv,cm,t——從出側線out到進側線in的移動mv在時間t內的物料cm的流量，噸 MT——所有物料集合 MTc——所有產品物料集合 MTR——所有原料物料集合 MTs——所有站點s物料集合 MTss——存儲站點SS物料集合 MTtk——罐區TK物料集合 MV——生產系統內部移動運輸集合 OBJ——優化目標，即生產經濟效益，元 OCu——加工裝置u的加工單價，元 Pcm——物料cm的單價，元 R——原料供應點（供應商）集合 RQcm,t——原料rm在時間t內的采購量，噸 RUNu,um,t——裝置u在加工方案m下于時間t內的加工次數，次 S——進出廠站點集合 SM——分匯流點集合 SMm——匯流點集合 SMs——分流點集合 SQu,cm,t——存儲站點u在時間t內物料cm的存儲量，噸 SS——存儲站點集合 ST——側線集合 STi——進側線集合 STo——出側線集合 STu——生產裝置u的側線集合 STRIQno,in,cm,t——節點no(裝置，站點或者分匯流點)的進側線st在時間t內，進側線上的物料cm的流量，噸 STROQno,st,cm,t——節點no(裝置，站點或者分匯流點)的出側線st在時間t內，出側線上物料cm的流量，噸 STRQno,st,cm,t——節點no（裝置，站點或者分匯流點)的側線st上在時間t內，側線上物料cm的流量，噸 T——生產周期時間集合 TCts——運輸移動ts的運送單價，元 TK——存儲罐區集合 TQu,cm,t——存儲罐區u在時間t內物料cm的存儲量，噸 TR——生產系統邊界移動運輸集合 TRQout,in,ts,cm,t——從出側線out到進側線in的移動運輸ts在時間t內的物料cm的流量，噸 U——加工裝置集合 UQu,t——裝置u在時間t內的加工量，噸 YIEum,cm——加工方案um中對應物料cm的產率 上角標 ini——初始值 lb——下限 up——上限 下角標 cm——物料 in——進側線 mv——移動 no——節點 out ——出側線 rm——原料 s——站點 st——側線 t——時間周期 tk——存儲罐 ts——運輸 u——裝置 um——裝置加工方案

References

[1] MARAVELIAS C T, SUNG C. Integration of production planning and scheduling: overview, challenges and opportunities[J]. Computers & Chemical Engineering, 2009, 33(12): 1919-1930.

[2] WASSICK J M. Enterprise-wide optimization in an integrated chemical complex[J]. Computers & Chemical Engineering, 2009, 33(12): 1950-1963.

[3] ISLAM D M Z, MEIER J F, ADITJANDRA P T,. Logistics and supply chain management[J]. Research in Transportation Economics, 2012, 41(1): 1-14.

[4] BEAMON B M. Supply chain design and analysis: models and methods[J]. International Journal of Production Economics, 1998, 55(3): 281-294.

[5] MIN H, ZHOU G. Supply chain modeling: past, present and future[J]. Computers & Industrial Engineering, 2002, 43(1): 231-249.

[6] BOK J K, GROSSMANN I E, PARK S. Supply chain optimization in continuous flexible process networks[J]. Industrial & Engineering Chemistry Research, 2000, 39(5): 1279-1290.

[7] ERENGü? ? S, SIMPSON N C, VAKHARIA A J. Integrated production/distribution planning in supply chains: an invited review[J]. European Journal of Operational Research, 1999, 115(2): 219-236.

[8] GROSSMANN I. Enterprise-wide optimization: a new frontier in process systems engineering[J]. AIChE Journal, 2005, 51(7): 1846-1857.

[9] GUYONNET P, GRANT F H, BAGAJEWICZ M J. Integrated model for refinery planning, oil procuring, and product distribution[J]. Industrial & Engineering Chemistry Research, 2008, 48(1): 463-482.

[10] QUAGLIA A, SARUP B, SIN G,. Integrated business and engineering framework for synthesis and design of enterprise-wide processing networks[J]. Computers & Chemical Engineering, 2012, 38(10): 213-223.

[11] SHAH N K, IERAPETRITOU M G. Integrated production planning and scheduling optimization of multi-site, multi-product process industry[J]. Computers & Chemical Engineering, 2011, 29(2): 214-226.

[12] QUAGLIA A, SARUP B, GüRKAN S,. A systematic framework for enterprise-wide optimization: synthesis and design of processing networks under uncertainty[J]. Computers & Chemical Engineering, 2013, 59(10): 47-62.

[13] AL-QAHTANI K, ELKAMEL A. Multisite refinery and petrochemical network design: optimal integration and coordination[J]. Industrial & Engineering Chemistry Research, 2008, 48(2): 814-826.

[14] WANG Z, FENG Y, RONG G. Synchronized scheduling approach of ethylene plant production and naphtha oil inventory management[J]. Industrial & Engineering Chemistry Research, 2014, 53(15): 6477-6499.

[15] NEIRO S M S, PINTO J M. A general modeling framework for the operational planning of petroleum supply chains[J]. Computers & Chemical Engineering, 2004, 28(6): 871-896.

[16] SHAH N K, IERAPETRITOU M G. Short-term scheduling of a large-scale oil-refinery operations: incorporating logistics details[J]. AIChE Journal, 2011, 57(6): 1570-1584.

[17] GROSSMANN I E. Challenges in the application of mathematical programming in the enterprise-wide optimization of process industries[J]. Theoretical Foundations of Chemical Engineering, 2014, 48(5): 555-573.

[18] VARMA V A, REKLAITIS G V, BLAU G E,. Enterprise-wide modeling & optimization-an overview of emerging research challenges and opportunities[J]. Computers & Chemical Engineering, 2007, 31(5/6): 692-711.

[19] FLOUDAS C A, LIN X. Mixed integer linear programming in process scheduling: modeling, algorithms, and applications[J]. Annals of Operations Research, 2005, 139(1): 131-162.

[20] GUBITOSO F, PINTO J M. A planning model for the optimal production of a real-world ethylene plant[J]. Chemical Engineering & Processing Process Intensification, 2007, 46(11):1141-1150.

Optimized model and application of integrated logistics planning for petrochemical enterprises

ZHANG Pengfei, WANG Zihao, RONG Gang, FENG Yiping

(State Key Laboratory of Industrial Control Technology, Institute of Cyber-System and Control, Zhejiang University, Hangzhou 310027, Zhejiang, China)

The synergetic production among upstream and downstream enterprises is a critical step toward supply chain optimization across petrochemical industry. However, because of complexity and independent design of petrochemical process, such a synergetic operation between facilities is available only in a few conglomerate corporations with coordinated manufacturing systems. An optimized model for integrated logistic planning in independently operating petrochemical companies was proposed on a basis of current supply chain model of independent refinery and olefin plants. In this mixed-integer linear programming (MILP) model, maximum operation profit was targeted as optimization condition and analyzed in three scenarios corresponding to normal, depressed and active marketing demands. Results of case study showed that, compared to independent operations, the integrated optimization and united operation among petrochemical companies could reduce material storage and overall cost, improve resource allocation, and increase operation profit.

petrochemical industry; integration; optimization; enterprise-wide optimization; MILP; operation profit

2016-03-24.

Prof.RONG Gang, grong@zju.edu.cn

10.11949/j.issn.0438-1157.20160338

TQ 021.8

A

0438—1157（2016）11—4678—11

張鵬飛（1992—），男，碩士研究生。

國家重點基礎研究發展計劃項目（2012CB720500）。

2016-03-24收到初稿，2016-07-29收到修改稿。

聯系人：榮岡。

supported by the National Basic Research Program of China (2012CB720500).