1、0露天矿生产的车辆运输安排摘要许多现代化铁矿是露天开采的，它的生产主要是由电动铲车（以下简称电铲）装车、电动轮自卸卡车（以下简称卡车）运输来完成。提高这些大型设备的利用率是增加露天矿经济效益的首要任务。本文根据不同的原则分别建立模型给出了不同的班次生产计划。针对原则一：首先根据题意建立双目标规划模型，由于约束条件复杂，求解困难，将其简化为两个阶段的求解。第一建立以总运量最小为目标函数的规划模型，运用LINGO 编程求解。第二由题意建立方程组求出卡车数的理论值与下限进行比较分析，得出所需的最少卡车数。在第一阶段中，首先代入铲位数为 10 求出各个铲位给各个卸点的运输次数，选出其中输出量最大的 7
2、 个铲位作为铲车安放位置。然后，再代入铲位数为 7，求解出卡车的运行路线及每条路线上运输的次数。在第二阶段中根据铲位卸点的距离得出运输时间表、各铲位最大运输车次表，结合第一阶段得出的运输路线安排表可以得出卡车的运输调度方案。对于题中的实例，我们的班次生产计划如下：7 个铲车分别安放在铲位1、2、3、4、8、9、10 上，调度 13 辆卡车进行运输，卡车具体的调度方案见论文中表 6.最小总运量为 85268.62（吨公里）针对原则二：首先根据题意建立一个多目标规划模型，由于本原则中的三个要求有优先顺序而上述模型无法体现，并且算法复杂，所以我们将多目标规划模型化解为多个单目标规划模型进行求解。第一
3、步仅以总产量最大为目标函数建立优化模型求出一个最大总产量值。第二步以岩石产量最大为目标函数求解出岩石产量最大值。第三步将岩石产量取得最大值作为约束条件加入第一步的模型中再次求解。运用 LINGO 编程得出第一步与第三步求解的最大产量值相等。所以在第三步中得出的总产量值和岩石产量值即为最终结果。在原则二的条件下，我们得出的班次生产计划如下：7 个铲车分别安放在铲位 1、2、3、4、8、9、10 上，调度所有的卡车即 20 辆进行运输，卡车的具体调度方案见论文中表 7.得出最大总产量值为 101178 吨，最大岩石产量值为 49280 吨，最大矿石产量值为 51898 吨。关键词: 双目标规划 多
4、目标规划 优化模型 LINGO 编程 班次生产计划11 问题重述许多现代化铁矿是露天开采的，它的生产主要是由电动铲车（以下简称电铲）装车、电动轮自卸卡车（以下简称卡车）运输来完成。提高这些大型设备的利用率是增加露天矿经济效益的首要任务。一、本题要求建立数学模型，并给出一个班次生产计划的快速算法。已知条件有:(1)露天矿里有若干个铲位，每个铲位已预先根据铁含量将石料分成矿石和岩石。(2)平均铁含量不低于 25%的为矿石，否则为岩石。(3)每个铲位的矿石、岩石数量，以及矿石的平均铁含量（称为品位）都是已知的。(4)卸货地点（以下简称卸点）有卸矿石的矿石漏、2 个铁路倒装场（以下简称倒装场）和卸岩石
5、的岩石漏、岩场，每个卸点都有各自的产量要求。(5)从保护国家资源的角度及矿山的经济效益考虑，应该尽量把矿石按矿石卸点需要的铁含量（假设要求都为 29.5% 1%，称为品位限制）搭配起来送到卸点，搭配的量在一个班次（8 小时）内满足品位限制即可。生产计划还应该考虑下面两条原则之一： （1）总运量（吨公里）最小，同时出动最少的卡车，从而运输成本最小；（2）利用现有车辆运输，获得最大的产量（岩石产量优先；在产量相同的情况下，取总运量最小的解） 。一个班次的生产计划应该包含的内容：（1）出动几台电铲，分别在哪些铲位上；（2）出动几辆卡车，分别在哪些路线上各运输多少次（因为随机因素影响，装卸时间与运输时
6、间都不精确，所以排时计划无效，只求出各条路线上的卡车数及安排即可） 。二、针对下面的实例，给出具体的生产计划、相应的总运量及岩石和矿石产量。某露天矿有铲位 10 个，卸点 5 个，现有铲车 7 台，卡车 20 辆。各卸点一个班次的产量要求：矿石漏 1.2 万吨、倒装场1.3 万吨、倒装场1.3 万吨、岩石漏 1.9 万吨、岩场 1.3 万吨。各铲位和各卸点之间的距离（公里）如下表：铲位 1 铲位 2 铲位 3 铲位 4 铲位 5 铲位 6 铲位 7 铲位 8 铲位 9 铲位 10矿石漏 5.26 5.19 4.21 4.00 2.95 2.74 2.46 1.90 0.64 1.27倒装场 1
7、.90 0.99 1.90 1.13 1.27 2.25 1.48 2.04 3.09 3.51岩场 5.89 5.61 5.61 4.56 3.51 3.65 2.46 2.46 1.06 0.57岩石漏 0.64 1.76 1.27 1.83 2.74 2.60 4.21 3.72 5.05 6.10倒装场 4.42 3.86 3.72 3.16 2.25 2.81 0.78 1.62 1.27 0.502各铲位矿石、岩石数量(万吨)和矿石的平均铁含量如下表：铲位 1 铲位 2 铲位 3 铲位 4 铲位 5 铲位 6 铲位 7 铲位 8 铲位 9 铲位 10矿石量 095 105 1 00
8、 105 110 1 25 105 1 30 135 125岩石量 125 110 1 35 105 115 1 35 105 1 15 135 125铁含量 30% 28% 29% 32% 31% 33% 32% 31% 33% 31%2 模型假设（1）题中所提供的数据为真实数据。 （2）假设铲位同时开工；（3）铲位和卸点都不能同时为两辆及两辆以上卡车服务；（4）每个班次内机器全部能够正常工作，不出现故障；（5）卡车在运输途中流畅行驶，不会出现堵车现象；（6）卡车不允许从一个卸点到另一个卸点。（7）运输过程中卡车每次都是满载运输；（8）卡车运行路线可以转移；（9）每个班次为 8 小时；3 符
9、号说明第 i 个铲位 i=1， 2， ，nia第 j 个卸点 j=1，2， ，5 分别表示矿石漏，倒装jb 521,b场 ，倒装场 ； 分别表示岩场，岩石漏43,b铲位 到卸点 的运输次数ijxiaj铲位 到卸点 的运输距离ijdijb铲位 到卸点 的运输产量ijmij铲位 的矿石产量iHia铲位 的岩石产量iFi铲位 的矿石的平均铁含量（品位） iCi卸点 的产量要求jMjb卸点 的矿石的平均铁含量要求 j=1，2，5jEj3铲位电铲的平均装车时间1t卡车的平均卸车时间2一个班次的时间T卡车的平均运行速度v4 问题分析根据题目的要求，就两条原则分别建立数学模型，并给出一个班次生产计划的快速算
10、法，并且对于实例，给出具体的生产计划。所以我们将此题分成两问来进行分析解答。第一问我们根据原则一来建立班次生产计划的算法，并以此解决实际问题。第二问则根据原则二来建模计算。4.1 问题一的分析本问以“总运量（吨公里）最小，同时出动最少的卡车，从而运输成本最小”为原则。由此着手，可以建立一个双目标规划模型，双目标分别是：一，总运量最小；二，出动的卡车数最少。约束条件由题中的已知条件得出。由于双目标规划问题在求解过程中有一定的困难，所以我们将模型的求解分为两个步骤：先只考虑总运量最少而建立单目标优化模型进行求解。用LINGO 编程得出运输次数矩阵。在此步骤中，如果铲车数小于铲点数，则要先考虑选取哪
11、些铲点进行运出。这里，我们先以所有铲点均进行运出建立模型求解，然后选取输出量最大的前 n（n 为铲车数量）个铲点再一次进行建模求解,得到运输路线及每条路线上的运输次数。然后在已知线路流量的前提下，考虑如何使出动的卡车数最少。用距离矩阵按位乘以各个运输路线运输一次的运行时间，则可以得出各个运输路线的运输时间。再将各个卸点的运输时间除以一个班次的时间就可以得出每个卸点应停的卡车数，这可能并不是最终结果。将各个卸点的运输时间加和，得出总的运输时间，再用总的运输时间除以一个班次的时间，得出最少卡车数。将以上两种方法得出的卡车数进行比较，若相等，则确定了需要的最少的卡车数。如果不相等，则用 MATLAB
12、 编程进行调试，确定最终的卡车数。最后再对以上模型求解得出的结果进行整理，得出具体的生产计划，并列表进行详细说明。对于题中所给出的实例，我们将其具体数据代入上述模型中进行求解，并最终得出依据原则一应出动铲车的台数，铲车安放的位置，出动卡车的数量及卡车的运输路线。4.2 问题二的分析本问以“获得最大的产量（岩石产量优先；在产量相同的情况下，取总运量最小的解） 。 ”为原则，由此可见，这是一个多目标规划问题，并且三个目标是有优先顺序的。因为考虑到多目标模型求解比较复杂并且无法体现出三个目标的优先顺序，所以本文将此分为三个阶段的单目标优化模型。第一，以获得最大产量为目标函数建立模型求出一个最大产量。
13、第二，以获得最大岩石产量为目标函数建立模型求出一个最大岩石产量。第三，将岩石产量最大作为约束条件，再次求解所能获得的最大产量。如果前后两次得到的最大产量相等，则第三个模型求出的运输路线方案即为最优方案。 45 模型的建立我们将本题的要求分为两部分：问题一和问题二来做。问题一主要根据原则一建立模型给出算法并求出实例中的班次生产计划。问题二主要根据原则二建立模型给出算法并同样求出实例中的班次生产计划。5.1 问题一的模型建立一、求解最小总运量由原则一和符号说明可以得出目标函数是nijijdxZ154mi该式中 154 表示卡车运输的质量， 表示运输距离，相乘及为从铲 位ijxijdi 到卸点 j
14、的运量，再进行求和即得总运量。由题目给出的条件可得约束条件有：（1）n 个铲位运往第 j 个卸点的产量应大于第 j 个卸点的产量要求，即j=1,2,3,4,5nijjMx154（2）第 i 个铲位运往矿石漏，倒装场 I，倒装场 II 的矿石量应小于铲位 i 处的矿石总量，即i=1,2，niiii Hx)(540521（3）第 i 个铲位运往岩石漏，岩场应小于铲位 i 处的岩石总量，即i=1,2，niii F)(43(4)矿石卸点需要的铁含量要求为 29.5% 1%，即j=1,2,5%5.30%5.281niijiijxc(5)一个班次 8 小时，铲位电铲的平均装车时间为 5 分，则如果电铲不停
15、地装车，最多可装车 96 次，即i=1,2,，n51960jijx（6）一个班次 8 小时，卸点卡车每卸一次需要 3 分钟，则如果卸点处不停地卸载， 最多可卸载 160 车，即j=1,2,3,4,5niijx16005综上所述：可得非线性规划模型 nijijdxZ154miniijjijnijiijiiini jijxxcFHxxMts151435216009%.0%.28)(504.运用 LINGO 编程求解此模型，在实际的例题中 、 、 、 、iHiFiCjM可由已知的条件得出。在存在问题的 n 的决定上，若铲车数大于或等于铲jE位数，则 n 就取铲位数。若铲车数 q 小于铲位数 p，则首
16、先取 n 为铲位数 p，求出各个铲位运出的量，取产量最大的前 q 个铲位作为铲车安放的铲位，然后将n 取为 q 再次运行上述模型，得出最终结果。2、车辆调度阶段本阶段要解决的问题是：在已知线路流量的前提下，优化卡车的分配，调用最少的卡车，在卡车不等待的前提下完成产量质量的计划。解决途径如下：（1）确定卡车数量的下限设卡车的数量下限为 K，所有卡车的平均满载时间为 t，我们假定卡车的利用率最高即卡车除去装卸时间均处于运输状态。这时对于运输事件整体，卡车的满载时间和空车时间相等，于是有方程（1）ttxTnijij 2)()(1521总运量（车公里）就是所有的车在满载时间内行过的总路程，于是有方程（
17、2）Kvtxdnijijij6015联立方程（1）和（2） ，可得 K 的值，即为卡车数的下限。（2）确定卡车数量理论值由上述模型得出运输路线及每条路线上的运输次数。然后用运输次数矩阵按位乘以各个运输路线运输一次的运行时间，则可以得出各个运输路线的运输6时间。再将各个卸点的运输时间除一个班次的时间就可以得出每个卸点应停的卡车数。如果（1）与（2）求出的所需卡车的数量值相等，则该结果即为原则一条件下所需的最少的卡车的数量。如果（1）和（2）的结果不同，则说明（1）中卡车数量的下限不一定可行，则进行手动调节。5.2 问题二的模型建立（1）原则二要求利用现有车辆运输，获得最大的产量（岩石产量优先；在
18、产量相同的情况下，取总运量最小的解） 。所以我们首先应该建立一个多目标优化模型，三个目标分别是（1）产量最大（2）岩石产量最大（3）总运量最小。并且三个目标并非等价的，是有优先顺序的。所以模型如下：目标函数: nijixZ1514maxniii1432)(nijijdxZ15inijjijnijiijiiinijjxxcFxHMts151435216009%.0.28)(05（2）在上述模型中，首先三个目标的优先顺序体现不出来，而且计算也比较困难，所以我们先考虑总产量最大的情况，即将上述模型变为单目标优化模型 约束条件同上，则对于原则二首先建立的模型为： nijixZ1514max7nijji
19、jnijiijiiinijjxxcFxHMts151435216009%.0.28)(05（3） 然后我们在不考虑总产量的情况下，将岩石产量最大作为目标函数，约束条件同上。求出岩石的最大产量。（4） 将上述岩石产量取得最大值加入（2）的约束条件中，重新计算在此约束条件下的最大产量。nijixZ1514max49280)(151609%5.305.28)(140314352iinijjinijiijiiinijjxxcxFHMts如果（2）和（4）得到的最大产量值相等，则（4）中所得运输路线分配方案即为最佳方案。 6 模型的求解6.1 问题一的模型求解8（1）求各铲位分别到各卸站的运输时间。 由
20、题目中给出的各铲位和各卸点之间的距离（公里）表，我们先求出各铲位与各卸点之间的单程运输时间表，即用距离除以速度 28 得出。表如下表 1。表 1：各铲位与各卸点之间的单程运输时间表由于我们问题的特殊性，我们把此运输时间定义为卡车从铲位装货（需 5 分钟）后出发到达卸点卸货（需 3 分钟）并返回采点所需要的时间。结果见下表：1a2a45a67a89a10矿石漏 1b30.54 30.24 26.04 25.14 20.64 19.74 18.54 16.14 10.74 13.44倒装场216.14 12.24 16.14 12.84 13.44 17.64 14.34 16.74 21.24
21、23.04岩场 4b33.24 32.04 32.04 27.54 23.04 23.64 18.54 18.54 12.54 10.44岩石漏 310.74 15.54 13.44 15.84 19.74 19.14 26.04 23.94 29.64 34.14倒装场5b26.94 24.54 23.94 21.54 17.64 20.04 11.34 14.94 13.44 10.14表 2：各铲位与各卸点之间的运输时间表2、各铲位到卸点间各条运输线路上能容纳的最大车辆数。此最大车辆数为各单线路上能容纳的最大车辆数，即不考虑彼线路上的铲位和其它卸点之间的线路上的车辆对它的影响。结果见下表
22、：1a23a45a67a89a10矿石漏 1b11.27 11.12 9.02 8.57 6.32 5.87 5.27 4.07 1.37 2.72倒装场24.07 2.12 4.07 2.42 2.72 4.82 3.17 4.37 6.62 7.52岩石漏 3b1.37 3.77 2.72 3.92 5.87 5.57 9.02 7.97 10.82 13.07岩场 412.62 12.02 12.02 9.77 7.52 7.82 5.27 5.27 2.27 1.22倒装场5b9.47 8.27 7.97 6.77 4.82 6.02 1.67 3.47 2.72 1.071a23a4
23、5a67a89a10矿石 61 68 64 68 71 81 68 84 87 81岩石 81 71 87 68 74 87 68 74 87 819表 3：各铲位最多可以运走矿石（岩石）的车数3、7 台电铲在 10 个铲位中中的分布（程序见附录程序 1）程序结果显示如下表：铲位 1 铲位 2 铲位 3 铲位 4 铲位 5 铲位 6 铲位 7 铲位 8 铲位 9 铲位 10矿石漏 0 13 0 0 0 0 0 54 0 11倒装场 0 40 0 45 0 0 0 0 0 0岩场 0 0 0 0 0 0 0 0 0 15岩石漏 81 0 43 0 0 0 0 0 70 0倒装场 0 15 0 0
24、 0 0 2 0 0 70表 4:10 个铲位到 5 个卸点的运输次数从中选出运输次数最多的 7 个铲位，即去除铲位 5、6、7。所以 7 台电铲在 10个铲位中的分布为铲位 1、2、3、4、8、9、10。4、卡车的运输路线的安排。根据模型一再次进行编程（程序见附录 2） ，得出 7 个铲位与 5 个卸点之间的运输路线及次数，见下表：铲位 1 铲位 2 铲位 3 铲位 4 铲位 8 铲位 9 铲位 10矿石漏 0 13 0 0 54 0 11倒装场 0 42 0 43 0 0 0岩场 0 0 0 0 0 0 15岩石漏 81 0 43 0 0 70 0倒装场 0 13 2 0 0 0 70表
25、5:7 个铲位到 5 个卸点的运输次数5、最小总运量：85268.62（吨公里）6、联立两个方程求解可以得出 K=13，再经过表 1、2 及表 5 我们可以得出最终的班次生产计划，见下表卡车序号 铲位 卸点 运行次数1 铲位 1 岩石漏 44铲位 2 矿石漏 132铲位 4 倒装场 63 铲位 2 倒装场 39铲位 2 倒装场 13铲位 2 倒装场 34铲位 3 岩石漏 810表 6：卡车的调度方案即：卡车 1,3,5,6,7,8,9,12,13 在固定线路上工作；卡车 2,4,10,11 则需要在多条线路上工作，完成第一条线路工作后去第二条线路工作。如卡车 10，先在铲位 10 到矿石漏间运
26、输 11 次，然后从铲位 8 到矿石漏运输 20 次。综上，考虑原则一的最佳生产计划为：（1）出动 7 台电铲，分别放置在铲位 1,2,3,4,8,9,10；（2）出动 13 辆卡车，卡车调度方案见上表 6；（3）最小总运量为 85268.62 吨公里。6.2 问题二的模型求解1.以获得最大产量为目标函数建立模型求出一个最大产量，所求最大产量为101178 吨。 （程序见附录三）2.以获得最大岩石产量为目标函数建立模型求出一个最大岩石产量，所求最大岩石产量为 49280 吨，达到了岩石产量的上限（8*20*154*2=49280)。 （程序见附录四）3.将最大的岩石产量作为约束条件，再次求解所
27、能获得的最大产量。所得最大产量为 101178 吨。 （程序见附录五）4.前后两次得到的最大产量相等，则第三个模型求出的运输路线方案即为最优方案。仿照原则一的方法，即可得到卡车调度方案。 5 铲位 3 岩石漏 35铲位 3 倒装场 26铲位 1 岩石漏 377 铲位 4 倒装场 378 铲位 8 矿石漏 299 铲位 9 岩场 38铲位 10 矿石漏 1110铲位 8 矿石漏 20铲位 10 岩场 15铲位 8 矿石漏 511铲位 10 倒装场 3312 铲位 10 倒装场 4713 铲位 9 岩场 3211综上，考虑原则二的最佳生产计划为：（1）出动 7 台电铲，分别放置在铲位 1,2,3,
28、4,8,9,10；（2）出动卡车 20 辆，卡车运输次数结果见下表 7；（3）最大产量是 101178 吨，其中岩石产量 49280 吨，矿石产量 51898 吨。 铲位 1 铲位 2 铲位 3 铲位 4 铲位 8 铲位 9 铲位 10矿石漏 0 0 38 0 24 18 0倒装场 16 54 22 68 0 0 0岩场 0 0 0 0 12 74 74岩石漏 80 28 32 20 0 0 0倒装场 0 14 4 0 60 0 22表 7.卡车运输次数7 模型的优缺点7.1 模型的优点1、建立的模型的原理简单易懂，符合实际。2、本文的算法具有通用性，对于类似于露天矿运输安排的系统，只要在程序
29、中输入相应的数据，并用相应的规则进行判断，便可容易的得出结果。3、本文的模型可以推广到任意一个类似于露天矿运输安排的系统。4、将原问题中的多目标或双目标规划模型分解为单目标规划模型，简化了算法，使得结果清晰明朗。7.2 模型的缺点本文并没有考虑到在实际的矿石场，运输矿石的道路一般都是临时路面，道路崎岖不平，运行时间往往超出预定，从而导致大量各个方向卡车堵塞的情况发生。还有本文没有将卡车不能出现等待时间这一条件抽象成数学表达式最为规划模型的一个约束条件，对于不能出现卡车等待时间没有做详尽的分析，没有很好的解决这一问题。8 模型的改进和推广本文所建立并求解的模型，综合考虑了绝大多数在运输过程中需要
30、涉及的影响因素，从而使得模型更加具有实效性。我们的模型不仅可以应用于现代化铁矿，还可以用于大型露煤矿等生产运输的调度安排上，调度过程主要有三个步骤： 1）确定最佳路线； 2）确定最佳车流规划（可用我们的模型解决） ；3）调度车流规划和实时调度结合的越紧，效果越好。本模型还可推广到大型企业的现场生产安排问题。当变量很多，约束条件很繁杂时，用本模型和所给出的算法可迅速得到比较好的解，非常适合现场生产计划安排，具有一定的现实意义。9 参考文献121 姜启源 谢金星 叶俊 编 数学模型（第三版） M.北京：高等教育出版社，20042费培之， 数学模型实用教程， 成都， 四川大学出版社， 19983杨启
31、帆 康旭升 . 编 数学建模M.北京：高等教育出版社，20054 胡运泉， 运筹学教程 ，北京：清华大学出版社，20035谢金星， 优化建模与 LINDO/LINGO 软件 ，清华大学出版社，201310 附录13附录一：model:sets:chan/110/:c,h,f;xie/15/:m;link(chan,xie):d,number;endsetsdata:c=0.3 0.28 0.29 0.32 0.31 0.33 0.32 0.31 0.33 0.31;h=0.95 1.05 1.00 1.05 2.20 2.25 1.05 2.30 1.35 1.25;f=1.25 1.10 1
32、.35 1.05 1.15 1.35 1.05 1.15 1.35 1.25;m=1.2 1.3 1.3 1.9 1.3;d=5.26 1.90 5.89 0.64 4.425.19 0.99 5.61 1.76 3.864.21 1.90 5.61 1.27 3.724.00 1.13 4.56 1.83 3.162.95 1.27 3.51 2.74 2.252.74 2.25 3.65 2.60 2.812.46 1.48 2.46 4.21 0.781.90 2.04 2.46 3.72 1.620.64 3.09 1.06 5.05 1.271.27 3.51 0.57 6.10 0
33、.50;enddatamin=sum(chan(i):sum(xie(j):number(i,j)*154*d(i,j);for(chan(i):number(i,1)+number(i,2)+number(i,5)=m(j)*10000);sum(chan(i):number(i,1)*(c(i)-0.305)=0;sum(chan(i):number(i,2)*(c(i)-0.285)=0;sum(chan(i):number(i,5)*(c(i)-0.285)=0;for(chan(i):sum(xie(j):number(i,j)=m(j)*10000);sum(chan(i):num
34、ber(i,1)*(c(i)-0.305)=0;sum(chan(i):number(i,2)*(c(i)-0.285)=0;sum(chan(i):number(i,5)*(c(i)-0.285)=0;for(chan(i):sum(xie(j):number(i,j)=m(j)*10000);sum(chan(i):number(i,1)*(c(i)-0.305)=0;sum(chan(i):number(i,2)*(c(i)-0.285)=0;sum(chan(i):number(i,5)*(c(i)-0.285)=0;for(chan(i):sum(xie(j):number(i,j)
35、=m(j)*10000);sum(chan(i):number(i,1)*(c(i)-0.305)=0;sum(chan(i):number(i,2)*(c(i)-0.285)=0;sum(chan(i):number(i,5)*(c(i)-0.285)=0;for(chan(i):sum(xie(j):number(i,j)=m(j)*10000);sum(chan(i):number(i,1)*(c(i)-0.305)=0;sum(chan(i):number(i,2)*(c(i)-0.285)=0;sum(chan(i):number(i,5)*(c(i)-0.285)=0;for(chan(i):sum(xie(j):number(i,j)=96);for(xie(j):sum(chan(i):number(i,j)=160);for(link(i,j):gin(number(i,j);sum(chan(i):sum(xie(j):(number(i,j)*30/7+8*number(i,j)=9600;sum(chan(i):154*(number(i,3)+number(i,4)=49280;end
