本文以钢铁实际生产过程为背景,研究了多工序产出量变差问题和基于数据解析的无委托板坯匹配问题。该问题的研究对于减少余材的产生,提高无委托材的利用率,提升企业利润空间具有显著意义。本文采用数据解析与优化技术,分别从减少余材产生和优化余材匹配两方面,提高钢铁企业材料的利用率。通过对多工序产出量变差进行分析,建立产出量偏差的马尔可夫链模型,实现精准投料,减少余材产生;通过对需求合同进行预测,并将其与期货合同一起作为无委托板坯匹配的对象,建立了考虑合同需求的板坯匹配整数规划模型,开发了有效的差分进化算法,达到了扩大板坯匹配优化空间,提高无委托板坯利用率的目的。本文主要研究内容如下:(1)研究了钢铁企业多工序的产出量偏差预测问题。以国内某大型钢铁企业的炼铁、炼钢、连铸、热轧、酸轧等典型工序的产出量偏差作为预测对象,通过对历史数据的解析,将偏差数据划分为不同的偏差状态,对相邻工序建立马尔可夫链模型,并通过数值实验验证相邻工序之间的产出偏差马尔可夫链模型的准确性,同时对跨多个工序的马尔可夫链模型的预测准确率进行了验证。(2)研究了钢铁企业合同需求预测问题。以国内某大型钢铁企业的历史热轧合同数据作为数据源,通过对历史数据的分析将合同进行分类,并针对不同类型合同的订货量建立了时间序列模型,同时采用分布估计算法对模型中的参数进行优化,实现对未来一定时间段内合同订货量的预测。最后通过数值实验,验证了模型合理性和准确性。(3)研究了考虑合同需求的板坯匹配问题。将预测得到的需求合同与期货合同一起作为匹配对象,并通过引入场景树来减小需求合同预测不准确带来的匹配风险,建立了考虑合同需求的板坯匹配随机模型,设计了改进的离散差分进化算法对问题进行快速近优求解。在算法中,设计了随机扰动和邻域搜索等改进策略,加快了算法的收敛速度。通过数值实验,验证了所提出算法和改进策略的有效性,同时验证了加入场景树后模型的鲁棒性有所提升。(4)基于上述研究,开发了考虑合同需求的板坯匹配子系统,实现了合同需求预测、无委托板坯自动匹配等功能,提高了计划人员的工作效率。