在大压铸工艺中，对熔融铝供应系统进行主动优化

《JOURNAL OF MANUFACTURING SYSTEMS》：Proactive optimization of the molten aluminum supply system in mega low-pressure die-casting

　　• 提出了一种基于仿真的主动优化方法。
• 引入了一种数据驱动的方法来建模不确定性。
• 将蒙特卡罗抽样与并行优化技术相结合。
• 开发了专用软件来验证所提出的方法论。
• 在中断场景下实现了平均成本降低约7%。

**引言**
铸造仍然是铝加工行业最重要的下游处理路线之一，是铝工业的基石，占全球产量的30%以上[1,2]。2024年，铝铸造行业的市场价值超过了1000亿美元，并预计在未来几年内将继续保持强劲增长[3]。其在汽车行业中的重要性尤为显著[4,5]，轻量化铝铸件占汽车铝应用的主要部分[6]。随着电动汽车市场的快速扩张，该行业正朝着更大、更一体化的铸件发展，例如特斯拉在2019年推出的“大型铸造”技术，这一技术展示了在减轻车辆重量和简化制造方面的巨大潜力[[7], [8], [9]]。尽管如此，铝铸造仍然是一个能源密集型和碳密集型的制造工艺，因此减少能源消耗和排放对工业和政策都至关重要[10]。例如，在中国，2020年铝铸造行业贡献了全国总碳排放量的大约1.1%[11]。因此，迫切需要有效的节能和减排技术，特别是在新兴的大型一体化铸造模式中。

铝铸造过程通常包括熔炼和保温在熔炼站、熔融铝的处理和转移、保温在铸造站、铸造、热处理和精加工等步骤。在这些步骤中，熔融铝供应系统（包括熔炼、保温、处理、转移和铸造侧储存）是压铸、重力铸造、砂铸造等铸造工艺的基础。这些操作特别耗能，约占铝铸造过程中能源消耗的60%和直接碳排放的70%[12,13]。先前的研究和工业调查显示，优化熔融铝供应系统的操作参数可以减少10%–20%的能源消耗[14,15]。例如，2020年，仅能源使用量减少10%就能为全球铝铸造行业节省约4.8太瓦时（TWh）和2.88亿美元[16]。因此，改进熔融铝供应系统的运作不仅对节能和脱碳至关重要，还对降低生产成本和保持生产连续性具有重要意义。更广泛地说，最近的制造系统研究强调了基于人工智能的监控、可靠的决策支持、调度和参数优化作为实现高效和智能制造的重要手段[[17], [18], [19]]。因此，相关问题不仅限于改进单个熔炉或铸造周期，而是扩展到整个熔融铝供应系统的协调。

关于熔融铝准备和铸造的研究已经在设备和铸造过程两个层面上进行。熔炉的操作条件和热控制策略会影响熔化效率、能源消耗、凝固行为和最终零件质量[20,21]，而生产控制指标和基于仿真的分析已被用于评估熔融铝的库存、转移、保温和系统能源性能[22,23]。在铸造过程层面，最近的高压压铸研究解决了缺陷形成、智能监控、过程参数优化和基于仿真的模具设计问题[[24], [25], [26], [27]]。有限元仿真也被应用于大型汽车铝铸件的变形控制[28]。在低压压铸（LPDC）中，现有研究主要集中在过程层面的质量改进，包括数据驱动的监控和参数优化[29,30]、填充和凝固仿真[[31], [32], [33]]，以及与残余应力、冷却速率、微观结构和机械性能相关的产品质量形成机制[34,35]。同时，关于熔融铝提纯的研究也探讨了在处理过程中控制氢气、夹杂物、氧化物和其他污染物的方法[36]。生产线调查进一步表明，熔融铝的质量可能受到多个阶段的影响，包括熔炉操作、处理和转移[37]。这些研究表明，熔融铝不仅仅是一种按质量计量的库存，而是一种对质量要求严格的高温材料。然而，面向过程和质量的研究通常关注单个设备、铸造周期或熔化处理机制，而不是整个熔融铝供应系统的规划级协调。

在制造系统层面，先前关于熔融铝供应优化的研究可以根据分布式和集中式配置进行大致分类。在分布式模式下，每个铸造单元都配备了一个靠近铸造机的专用熔炉，从而消除了熔融铝的运输需求。当熔融铝消耗量大或需要同时生产多种合金时，通常采用这种模式。为此，开发了一种基于物联网的模型方法，将熔炉参数优化与能源感知的事件控制相结合[38]。在集中式模式下，一个熔炉通过熔融铝的处理和转移为多个铸造单元提供相同的合金。开发了一种基于仿真的多过程优化方法来确定生产计划期间的供应系统操作参数[16]，随后提出了一种云边端协同的预测-反应式方法来应对生产动态[39]。工业工具，如部分负荷熔炉控制和补充监测系统，也体现了减少熔炉能源消耗和防止熔融铝充电延迟的实际重要性[40,41]，而基于可靠性的检测和监控为稳定的运营决策提供了支持[42]。然而，这些研究中考虑的配置主要涉及专用熔炉或基于集中式补充的供应方式，即熔融铝被添加到正在使用的保温熔炉中。它们并没有完全反映自动化大型LPDC line中使用的保温熔炉替换机制。

这种限制在大型LPDC中尤为重要。低压压铸广泛用于制造高完整性的铝部件，包括轮毂、转向节和其他结构或安全关键部件。如图1所示，熔融铝在受控低压下被引入模具腔中，从而实现相对稳定的自下而上填充和高质量的铸造[43]。近年来，已经开发了自动化的大型LPDC line，用于制造更大的结构和安全关键的电动汽车部件。与传统LPDC设备不同，这些line集成了熔炼、脱气、精炼和改性处理、保温熔炉充电、轨道引导的运输、多个铸造单元和在线保温熔炉替换[44]。因此，供应系统必须协调熔融铝的质量、处理、转移、保温、消耗和多个互连过程中的替换时机。

具体来说，自动化大型LPDC线的熔融铝供应系统有两个操作特性，使其区别于之前研究的供应模式。首先，其供应机制是基于替换而非补充的。如图2所示，不是补充正在使用的保温熔炉，而是将预先处理好的含有新熔融铝的保温熔炉运输到铸造单元并替换当前使用的熔炉。其次，结构和安全关键铸件的高质量要求对熔融铝的处理、转移、保温和允许的使用时间施加了额外的控制[36,37]。在所研究的生产线中，最大熔融铝使用时间根据合金类型、产品质量要求和企业操作规则来确定。意外的生产中断会延长保温熔炉的服务寿命，可能导致超过这一限制。这可能导致异常的熔炉替换、残余熔融铝的再处理或重熔、额外的能源和材料消耗、生产损失以及潜在的质量风险。因此，生产中断不仅是一种调度延迟，还是一种与质量和成本相关的干扰，其后果取决于生产前确定的供应参数。

通过数据驱动的仿真优化、动态调度、弹性决策和预测-反应式调度来应对制造中的不确定性。数据驱动的仿真优化用于在不确定的车间条件下生成调度规则[45]，而基于弹性的动态调度旨在在干扰发生时保持生产性能[46]。当复杂生产系统的响应无法通过分析得出时，仿真优化特别适用[47]，而预测-反应式调度则在观察到干扰后修改原始决策[48]。智能代理和主动异常检测也被讨论为自主和预防性制造决策的未来推动因素[49,50]。更具体地说，过程 Industry研究使用历史数据和核密度估计来描述调度不确定性[51]，而在高温物料流系统中的主动调度表明，可以在生产执行前考虑不确定的处理时间，以减少后续的调度不稳定性[52]。这些研究提供了有用的方法论基础，但它们的生产对象和决策变量与基于替换的熔融铝供应有很大不同。此外，在生产执行过程中，反应性调整是必不可少的，但它不能完全替代关于熔化速率、熔融铝库存限制和充电质量的预先决策。这些参数必须在中断发生之前选定，从而促进了主动规划方法的发展。

综上所述，文献揭示了三个相互关联的研究空白。首先，LPDC研究主要关注铸造过程参数和最终产品质量，而不是上游熔融铝供应系统的整体运作。其次，现有的熔融铝供应优化主要代表分布式或集中式补充配置，并未考虑保温熔炉替换机制、熔融铝使用时间限制以及由中断引起的自动化大型LPDC线的异常替换。第三，一般的基于不确定性的调度方法没有充分考虑熔融铝供应的物理和经济特性，而现有的铝供应模型也未充分将经验估计的生产中断不确定性纳入预先的参数设置决策中。

为了填补这些空白，本研究开发了一种基于仿真的主动优化框架，用于在生产中断不确定性下的大型LPDC的基于替换的熔融铝供应系统。该研究的贡献有两个方面。首先，通过在一个集成模型中协调熔炼、熔融铝处理、运输、铸造侧消耗和保温熔炉替换，将熔融铝供应优化扩展到自动化大型LPDC line。该模型考虑了能源消耗、材料损失、劳动和运输成本、生产中断损失以及工厂规定的熔融铝使用时间限制。其次，开发了一种数据驱动的主动优化框架，使用历史生产数据来表征累积的生产中断持续时间，并通过蒙特卡罗仿真评估预先的供应参数决策。遗传算法和粒子群优化被用作成熟的并行解决方法，而主要创新在于基于替换的供应问题的构建以及中断不确定性和熔融铝使用时间要求的整合。

本文的其余部分组织如下：第2节介绍问题描述和基于仿真的集成优化模型。第3节描述生产中断不确定性的建模。第4节介绍解决方法。第5节提供案例研究和讨论。最后，第6节总结本文。

**问题描述**
如图3所示，典型的低压压铸线可以被视为一个集成的熔融铝供应系统，包括一个熔炼炉、一两个熔融铝处理站、一个运输车辆、多个铸造单元、足够的保温熔炉以及协调相关设备的工业服务器。每个铸造单元都配备了一台低压压铸机，而后处理设备和X光检测机则...

**生产中断不确定性的建模**
铸造单元中的生产中断很常见，常常导致异常的保温熔炉替换，这会显著影响生产效率和成本。因此，减少异常的保温熔炉替换是主动优化中的一个重要考虑因素。

生产中断可以分为计划内的或计划外的。计划内的中断是提前安排的，通常是为了设备维护。在这些情况下，响应策略...

**解决方法**
主动优化模型通过使用基于仿真的建模来应对意外的生产中断。该问题具有复杂的结构、高维且广泛的解决空间，以及关于生产中断的显著不确定性。这些因素限制了许多传统解决方法的有效性。因此，选择了在解决复杂优化问题方面表现成功的元启发式算法作为...

**生产信息和解决方案算法设置**
位于中国浙江省的一条大型低压压铸生产线，用于制造电动汽车的大型集成结构部件，如副框架、减震塔和电池壳。如图8所示，该生产线包括五个铸造单元、一个运输车辆、两个熔炼炉、四个熔融铝处理站、十个保温熔炉和一个基于物联网的调度系统。为了提高生产稳定性和实现快速转换...

**结论**
本研究提出了一种基于仿真的主动优化方法，用于在生产中断不确定性下应对新兴的大型低压压铸中的熔融铝供应系统。所提出的方法结合了仿真辅助建模、数据驱动的不确定性建模、蒙特卡洛采样和并行优化，以支持协调熔炼、熔铝处理、转移以及保温炉更换的规划级参数设置。结果显示……（此处省略具体结果）

**缩写说明：**
GA：遗传算法（Genetic Algorithm）
LPDC：低压压铸（Low-pressure Die Casting）
PSO：粒子群优化（Particle Swarm Optimization）
Mfn：第n个铸造单元每个铸造周期的填充质量，单位：千克（kg）
Cc：铸造单元运营成本，单位：人民币（CN￥）
Cm：熔炼炉运营成本，单位：人民币（CN￥）
Cm1：熔炼能耗成本，单位：人民币（CN￥）
Cm2：熔炼过程中材料氧化损失相关的成本，单位：人民币（CN￥）
Cm3：熔融铝保温成本，单位：人民币（CN￥）
Cm4：生产中断损失成本，单位：人民币（CN￥）
Cp：熔铝处理成本，单位：人民币（CN￥）
Ct：总运营成本，单位：人民币（CN￥）

**作者贡献声明：**
刘伟鹏：撰写——审稿与编辑；撰写——初稿；软件开发；方法论研究；资金申请；形式分析；概念构建。
王浩：撰写——审稿与编辑；软件开发；研究工作。
郑佩：撰写——审稿与编辑；监督工作；资源协调；项目管理工作。
彭涛：撰写——审稿与编辑；监督工作；资源协调；项目管理工作。
胡洛克：撰写——审稿与编辑；软件开发；方法论研究。

**关于手稿编写过程中使用生成式AI和AI辅助技术的声明：**
在准备本研究的过程中，作者使用了ChatGPT来提高语言的清晰度、流畅性和可读性。使用该工具/服务后，作者对内容进行了必要的审稿和编辑，并对已发表文章的内容负全责。

**关于利益冲突的声明：**
作者声明不存在任何可能影响本文报告工作的已知财务利益冲突或个人关系。

**致谢：**
本研究得到了浙江省重点研发计划（2024C01139）、中国博士后科学基金会（2024M762933）、浙江省博士后科学基金会（ZJ2024126）以及深圳市基础研究计划-一般项目（JCYJ20230807140407016）的支持。

**作者列表：**
刘伟鹏 | 王浩 | 郑佩 | 彭涛 | 胡洛克