Data-Driven Approach to Grade Change Scheduling Optimization in a Paper Machine

Hossein Mostafaei, Teemu Ikonen, Jason Kramb, Tewodros Deneke, Keijo Heljanko, Iiro Harjunkoski*

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

2 Lataukset (Pure)

Abstrakti

This paper proposes an efficient decision support tool for the optimal production scheduling of a variety of paper grades in a paper machine. The tool is based on a continuous-time scheduling model and generalized disjunctive programming. As the full-space scheduling model corresponds to a large-scale mixed integer linear programming model, we apply data analytics techniques to reduce the size of the decision space, which has a profound impact on the computational efficiency of the model and enables us to support the solution of large-scale problems. The data-driven model is based on an automated method of identifying the forbidden and recommended paper grade sequences, as well as the changeover durations between two paper grades. The results from a real industrial case study show that the data-driven model leads to good results in terms of both solution quality and CPU time in comparison to the full-space model.
AlkuperäiskieliEnglanti
Sivut8281-8294
Sivumäärä14
JulkaisuIndustrial and Engineering Chemistry Research
Vuosikerta59
Numero17
Varhainen verkossa julkaisun päivämäärä13 maaliskuuta 2020
DOI - pysyväislinkit
TilaJulkaistu - 29 huhtikuuta 2020
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki Sukella tutkimusaiheisiin 'Data-Driven Approach to Grade Change Scheduling Optimization in a Paper Machine'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

  • Projektit

    • 1 Päättynyt

    Synerginen ja älykäs tuotannonoptimointi

    Ikonen, T., Harjunkoski, I., Mostafaei, H. & Mohammadi, M.

    01/01/201815/02/2020

    Projekti: Academy of Finland: Other research funding

    Siteeraa tätä