Advertisement

Operations-Research-Spektrum

, Volume 20, Issue 4, pp 251–258 | Cite as

Optimal scrap combination for steel production

  • Klaus -P. Bernatzki
  • Michael R. Bussieck
  • Thomas LindnerEmail author
  • Marco E. Lübbecke
Application-Oriented Papers

Abstract

In steel production, scrap metal is used for cooling the enormous quantity of heat produced by blowing oxygen on hot metal. Scrap differs in regard to the content of iron and of some tramp elements. The price of the scrap depends on these attributes. Each melting bath unit of steel has its own material constraints for the amount of iron and tramp elements in order to guarantee the desired quality. In addition, the transportation of scrap is restricted because it needs time and space: the scrap is kept in some railroad cars in the scrap hall; empty cars must leave the hall, filled cars must be taken from several railroad tracks in the scrap yard and assembled to a train before transportation to the hall. There are upper limits for the number of cars in the hall and in the train, also for the number of railroad tracks used for assembly.

Our objective is to find a minimum cost scrap combination for each melting bath unit of steel that obeys the material and transportation constraints. We model the problem using a MIP (mixed integer linear programming) approach. Real-life situations are solved with the commercial MIP-solver CPLEX. We present computational results which show significant improvement compared to the strategy applied today.

Key words

Mixed integer programming Steel production 

Zusammenfassung

In der Stahlproduktion wird zur Kühlung des flüssigen Roheisens Metallschrott hinzugefügt. Dabei wird Schrott mit unterschiedlichem Gehalt an Eisen sowie an Spurenelementen eingesetzt. Abhängig von dieser Zusammensetzung variiert der Einkaufspreis für den Schrott. Für jeden produzierten Stahltyp sind gewisse Grenzwerte für Eisenanteil und den Gehalt an Spurenelementen im Stahl einzuhalten, um die geforderte Qualität zu erreichen. Der Schrott wird in Eisenbahnwaggons gelagert. Dadurch, daß Züge aus diesen Waggons gebildet werden müssen und diese Züge die Werkshalle auf dem vorgegebenen Gleisnetz erreichen bzw. verlassen müssen, entstehen zusätzlich zu den Materialrestriktionen auch noch Transportrestriktionen.

Unser Ziel ist es, für jeden Produktionsprozeß die kostengünstigste Schrottzusammenstellung zu finden, so daß alle Material- und Transportrestriktionen eingehalten werden. Wir modellieren das Problem mit Hilfe eines gemischt-ganzzahligen linearen Programms (MIP) und lösen es mit dem kommerziellen MIP-Löser CPLEX. Unsere Rechenergebnisse für reale Produktionsserien zeigen bemerkenswerte Einsparungen gegenüber dem zur Zeit verwendeten Verfahren.

Schlüsselwörter

Gemischt-ganzzahlige lineare Programmierung Stahlproduktion 

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    CPLEX Optimization (1996) Using the CPLEX Callable LibraryGoogle Scholar
  2. 2.
    Heinrichs U, Moll C (1997) On the scheduling of one-dimensional transport systems. Technical Report No. 97–277, Center for Parallel Computing, University of CologneGoogle Scholar
  3. 3.
    Hoffman KL, Padberg M (1991) LP-based combinatorial problem solving. Annals of Operations Research 4: 145–194Google Scholar
  4. 4.
    Johnson EL, Kostreva MM, Suhl UH (1985) Solving 0–1 integer programming problems arising from large scale planning models. Operations Research 33: 803–819Google Scholar
  5. 5.
    Juenger M, Reinelt G (1992) Schnittebenenverfahren in der kombintorischen Optimierung, Mitt Ges Angew Math Mech 15(2): 120–134Google Scholar
  6. 6.
    Lindner T (1997) Kostenoptimale Schrottzusammenstellung bei den Hüttenwerken Krupp Mannesmann. Master's Thesis. TU BraunschweigGoogle Scholar
  7. 7.
    Mehlhorn K, Näher S, Uhrig C (1997) The LEDA User ManualGoogle Scholar
  8. 8.
    Nemhauser GL, Wolsey LA (1988) Integer and Combinatorial Optimization. Wiley, New YorkGoogle Scholar
  9. 9.
    Savelsbergh MWP (1994) Preprocessing and probing techniques for mixed integer programming problems. ORSA J Comput 6(4): 445–454Google Scholar

Copyright information

© Springer-Verlag 1998

Authors and Affiliations

  • Klaus -P. Bernatzki
    • 1
  • Michael R. Bussieck
    • 2
  • Thomas Lindner
    • 2
    Email author
  • Marco E. Lübbecke
    • 2
  1. 1.Hüttenwerke Krupp MannesmannDuisburgDeutschland
  2. 2.Mathematische OptimierungTU BraunschweigBraunschweigDeutschland

Personalised recommendations