生產(chǎn)調(diào)度總體說明及現(xiàn)狀研究(Word版)

1、生產(chǎn)調(diào)度近年來人們將制造技術(shù)與當(dāng)代信息技術(shù)、自動化技術(shù)、現(xiàn)代管理技術(shù)及系統(tǒng)工程方法相互融合,提出了柔性制造系統(tǒng)、計算機集成制造系統(tǒng)、敏捷制造系統(tǒng)、精良生產(chǎn)系統(tǒng)、虛擬制造系統(tǒng)、企業(yè)資源規(guī)劃、仿生制造系統(tǒng)等許多先進制造模式,盡管這些先進制造模式的原理和實現(xiàn)技術(shù)存在很大差異,然而它們都是通過合理配置和優(yōu)化內(nèi)外資源、縮短制造周期、降低生產(chǎn)成本來解決企業(yè)普遍面臨著的許多共性問題。生產(chǎn)調(diào)度( Production Scheduling) 正是有效的資源配置和優(yōu)化手段,能夠?qū)⒆鳂I(yè)均衡地安排到各處理機上,并合理安排各作業(yè)的加工次序,在滿足系統(tǒng)約束條件的前提下優(yōu)化相關(guān)性能指標。因此,生產(chǎn)調(diào)度很自然地成為以上各種

2、先進制造模式共同關(guān)注的核心內(nèi)容和重要組成部分。德國漢諾威大學(xué)生產(chǎn)系統(tǒng)研究所曾對6個不同行業(yè)的企業(yè)做過調(diào)查,調(diào)查結(jié)果表明:零件實際加工時間大約僅占總加工周期的15 %左右,而85 %以上的時間用于等待、搬運和排隊。因此,研究先進而實用的調(diào)度與控制算法,開發(fā)高效而穩(wěn)定的調(diào)度與管理系統(tǒng)已成為企業(yè)界的迫切需求,也是理論界的研究熱點。1 生產(chǎn)調(diào)度分類與策略作為管理科學(xué)、機械工程、應(yīng)用數(shù)學(xué)等多學(xué)科的交叉研究熱點和難點,生產(chǎn)調(diào)度有著深刻的實際背景和廣闊的應(yīng)用前景。生產(chǎn)調(diào)度是為完成若干項任務(wù)將所需要用到的人、財、物等資源進行最優(yōu)分配、最優(yōu)排序。1. 1 生產(chǎn)調(diào)度的概念定義1 :針對一項可分解的工作,探討在盡可

3、能滿足約束條件(如交貨期、工藝路線、資源情況)的前提下,通過下達生產(chǎn)指令,安排其組成部分(操作) 使用哪些資源以及加工時間和加工順序,以獲得某些性能指標(如生產(chǎn)周期、生產(chǎn)成本) 的最優(yōu)。定義2 : 在給定產(chǎn)品集、計劃周期、加工資源集和各產(chǎn)品加工工藝條件下, 關(guān)于what , when ,where ,how 的一個決策過程。What 確定在具體的計劃周期內(nèi)生產(chǎn)的產(chǎn)品品種及其數(shù)量。When 確定每一個具體操作的開始時間和結(jié)束時間。Where 確定執(zhí)行每一個具體操作的設(shè)備或處理單元。How 確定產(chǎn)品的生產(chǎn)批量、產(chǎn)品進入生產(chǎn)系統(tǒng)的方式、加工設(shè)備選擇規(guī)則、加工優(yōu)先級規(guī)則和中間存儲策略等。調(diào)度系統(tǒng)的功能

4、在于組織生產(chǎn)過程,一個理想的調(diào)度系統(tǒng)要通過合理的生產(chǎn)組織工作,使產(chǎn)品生產(chǎn)的各個工藝階段、各個生產(chǎn)環(huán)節(jié)和各道工序之間相互銜接,協(xié)調(diào)工作,從而保證各種資源得以充分利用,以達到按質(zhì)、按量、按期、按成本生產(chǎn)出合格產(chǎn)品的目標。調(diào)度作為一類復(fù)雜的組合優(yōu)化問題,具有多約束、多目標和隨機不確定性的特點,其求解過程的計算量隨調(diào)度問題規(guī)模呈指數(shù)增長,絕大多數(shù)調(diào)度問題都屬于NP 完備問題。1. 2 生產(chǎn)調(diào)度分類生產(chǎn)調(diào)度的分類方法很多,主要有以下幾種:a. 根據(jù)加工系統(tǒng)的復(fù)雜度,調(diào)度可以分為單機調(diào)度、多機器并行調(diào)度、Flow Shop 調(diào)度、Open Shop 調(diào)度、Job Shop 調(diào)度等幾個基本類型;b. 根據(jù)優(yōu)

5、化準則,可以分為基于代價的調(diào)度和基于性能的調(diào)度2 大類;c. 根據(jù)生產(chǎn)環(huán)境的特點,可將調(diào)度分為確定性調(diào)度和隨機性調(diào)度;d. 根據(jù)加工任務(wù)的特征,可將調(diào)度分為靜態(tài)調(diào)度和動態(tài)調(diào)度。實際的調(diào)度問題往往是由Flow Shop 和Job Shop 等基本調(diào)度類型組合而成,基于代價和性能,且是隨機性的、動態(tài)的。一般的調(diào)度問題都是對于具體生產(chǎn)環(huán)境中的復(fù)雜的、多目標、動態(tài)的調(diào)度問題的一種抽象和簡化，因而對一個調(diào)度算法可以通過其如何表述這些復(fù)雜性進行分類。而能否適應(yīng)千差萬別的實際生產(chǎn)環(huán)境，能否取得令人滿意的優(yōu)化效果，就成為了評估這一個調(diào)度算法的主要標準。其分類可以是：(1)加工系統(tǒng)的復(fù)雜度根據(jù)其加工系統(tǒng)的復(fù)雜度

6、可以將其分為單臺處理機、多臺并行機、作業(yè)車間調(diào)度(Job Shop)和流水車間調(diào)度(Flow Shop)。單臺處理機調(diào)度(Single Shop)：在這種車問中，每個零件只能有一道工序。單機調(diào)度問題是最簡單的形式，在這種情況下，要求每個加工任務(wù)都要在一臺機器上執(zhí)行一次，為此存在任務(wù)的優(yōu)化排隊問題。單機的排序與調(diào)度是國際上研究得比較多的模型之一。Smith解決了約束條件為交貨期的最短加工時間的排序問題；李凱等研究了以作業(yè)完成時間之和最小化為目標函數(shù)的單機調(diào)度問題；K_asperski提出的帶模糊參數(shù)的單機調(diào)度問題的5個模型J(其中3個是NP問題)等。多臺并行機調(diào)度：并行機調(diào)度問題與單機調(diào)度問題有

7、些相似，不同的是每個加工任務(wù)可以在任意一臺機器上加工一次，它比單機調(diào)度問題的優(yōu)化問題更為突出。Bogdan Filipi等用遺傳算法解決在并行機上的JsP問題；黃明等研究了帶工藝約束的并行機生產(chǎn)調(diào)度問題p51。作業(yè)車間調(diào)度問題(Jopshop Scheduling Problem，簡稱為JSP)：是許多實際生產(chǎn)調(diào)度問題的簡化模型，因此其研究具有重要的理論意義和過程價值，它也是目前研究最廣泛的一類典型調(diào)度問題。其不限制作業(yè)操作的加工設(shè)備，并允許一個加工任務(wù)具有不同的加工路徑，在這種車間中，機床設(shè)備的布局可以是任意的，因此零件的加工路徑也是任意的，并且各零件的工序內(nèi)容和數(shù)量也是任意的。傳統(tǒng)的啟發(fā)式

8、算法用于解決JSP問題其計算規(guī)模小；鑒于局部搜索算法的缺點，近年來進化計算、模擬退火、禁忌搜索、噪聲方法、混沌搜索、變鄰域搜索、隧道法等改進型領(lǐng)域搜索算法在作業(yè)車間調(diào)度領(lǐng)域得到了廣泛的研究與應(yīng)用。研究表明，遺傳算法對求解作業(yè)車間調(diào)度問題具有較好的效果。Ponnambalam等首先用GA方法應(yīng)用到多目標的jSp；Park和Bauffann研究了采用GA方法的具有優(yōu)先約束的JsP問題【Haibin將GA與神經(jīng)網(wǎng)絡(luò)結(jié)合求解JSP問題。由于JSP問題通常存在眾多的約束，使其成為非常難解的NP完全問題。流水車間調(diào)度問題(Flowshop Scheduling Problem，簡稱為FSP)：假設(shè)每個加工

9、任務(wù)都要在所有工序中的機器上加工一次，并有一致的加工操作和加工順序；在這種車間中，每個零件都有相同的加工路徑。這樣，機床設(shè)備的布局如同流水線一樣，零件一次從流水線的一端流進，最后從另一端流出。它是目前研究最廣泛的一類典型調(diào)度問題，引起了許多學(xué)者的關(guān)注。整數(shù)規(guī)劃和分枝定界法是尋求最優(yōu)解的常用方法，但對于一些大規(guī)模甚至中等規(guī)模的問題，整數(shù)規(guī)劃和分枝定界方法仍是難以解決。遺傳算法、模擬退火和人工神經(jīng)網(wǎng)絡(luò)等方法已經(jīng)用于求解流水車間調(diào)度問題，Masatoshi等研究了模糊交貨期下的流水車間調(diào)度問題，戴紹利、王浩和黃宇純等結(jié)合遺傳算法和啟發(fā)式規(guī)則求解Flow Shop調(diào)度問題，大量研究表明，3臺機器以上的

10、流水車間調(diào)度問題是一個NP完全問題，至今沒有一個多項式復(fù)雜性的全局優(yōu)化算法。(2)加工特征加工任務(wù)或被加工工件的特征主要表述為加工任務(wù)或者被加工工件是否有優(yōu)先制約、以及其他各種類型的約束條件、任意釋放期或等釋放期、任意加工時間或單位加工時間、加工任務(wù)是否需要拆分和組合等。 根據(jù)這一點可以把生產(chǎn)調(diào)度問題分為靜態(tài)調(diào)度問題和動態(tài)調(diào)度問題兩大類。靜態(tài)車間調(diào)度(Static Scheduling)：靜態(tài)調(diào)度是指所有待安排加工的加工任務(wù)或工件均處于待加工狀態(tài)，進行一次調(diào)度之后，各個加工任務(wù)或工件的加工順序就被確定，在以后的加工過程中就不再改變。車間的調(diào)度不考慮零件在加工過程中出現(xiàn)的意外情況，如機床突然損壞

11、、零件的交貨期提前、有更緊迫的零件要求被加工等等。動態(tài)車間調(diào)度(Dynamic Scheduling)：動態(tài)調(diào)度是指加工任務(wù)或工件依次進入待加工狀態(tài)，各個加工任務(wù)或工件不斷進入系統(tǒng)接受加工，同時完成加工的加工任務(wù)或工件又不斷離開，還要考慮加工環(huán)境中不斷出現(xiàn)的不可預(yù)測的動態(tài)擾動，如操作的超時和設(shè)備的損壞等，因此動態(tài)調(diào)度要根據(jù)系統(tǒng)中加工任務(wù)或工件、設(shè)備等的狀況，不斷地進行再調(diào)度。張紀會等提出基于GA的機器學(xué)習(xí)算法，用于動態(tài)調(diào)度中的知識獲取，Kim等提出了基于規(guī)則的再調(diào)度系統(tǒng)，Ko等提出了動念平移調(diào)整法(DSMM)、并行單元操作法(PYOM)和單元有效檢測法(UVVM)等動態(tài)重調(diào)度策略1761。其他

12、還有滾動優(yōu)化調(diào)度、最小影響和最小Makespan雙目標的柔性過程動態(tài)調(diào)度。生產(chǎn)調(diào)度的柔性體現(xiàn)在設(shè)備使用和設(shè)備安排兩個方面，設(shè)備使用的柔性是指設(shè)備可用于多個工件的多個工序的加工；設(shè)備安排的柔性是指設(shè)備加工路徑不是固定和預(yù)先確定的，具有可選的路徑，可以通過將若干機器組織為一條或者多條生產(chǎn)線加工一種工件，使得該工件生產(chǎn)率最大。生產(chǎn)調(diào)度的另一個柔性體現(xiàn)在柔性制造系統(tǒng)(Flexible Manufacturing Systems，F(xiàn)MS)，F(xiàn)MS問題包括：工件選擇分配、設(shè)備分組、生產(chǎn)率確定和設(shè)備負荷、工具分配等問題，它的約束包括設(shè)各工具集的容量限制、設(shè)備可用時間和設(shè)各負荷等。國外對車間管理系統(tǒng)的研究主要

13、著重于對FMS的應(yīng)用研究，因為一些制造企業(yè)，如飛機或汽車制造公司，資金力量和科技力量較為雄厚，它們直接進行了有關(guān)FMS的研究與開發(fā)，并且取得了較為明顯的效果。國內(nèi)對車間管理軟件的研究起步較晚，智能調(diào)度系統(tǒng)隸屬于企業(yè)資源計劃(Enterprise Resource Planning，ERP)的決策支持系統(tǒng)，而決策支持是目前ERP發(fā)展的熱點之一。近年來許多企業(yè)已經(jīng)實施了完整的ERP系統(tǒng)，并已經(jīng)形成了準確的、及時的、完整的管理決策基礎(chǔ)數(shù)據(jù)，如何有效利用和挖掘這些信息數(shù)據(jù)，參與決策，實現(xiàn)決策支持已成為當(dāng)前及今后ERP的發(fā)展趨勢和目標。大部分工廠由于技術(shù)上的制約，它們沒有找到好的車間作業(yè)調(diào)度方法，基本上

14、是靠調(diào)度人員的經(jīng)驗進行車間作業(yè)分配和調(diào)度。隨著遺傳算法在作業(yè)調(diào)度方面的應(yīng)用，我國有一些高校和研究機構(gòu)，例如清華大學(xué)、上海交通大學(xué)、西安交通大學(xué)、北京機械工業(yè)自動化研究所等進行此類問題的研究，并已開發(fā)出相應(yīng)的計算機輔助生產(chǎn)調(diào)度與管理系統(tǒng)，逐步從理論研究階段走向應(yīng)用階段。隨著各種特殊調(diào)度問題的攻克和新方法、新設(shè)備的出現(xiàn)，車間調(diào)度研究正在向動態(tài)、敏捷、多資源、智能化的方向發(fā)展。另外生產(chǎn)的發(fā)展對調(diào)度方法也不斷提出新要求，從單機調(diào)度、并行多機調(diào)度、流水車間調(diào)度到復(fù)雜的FMS生產(chǎn)調(diào)度問題。對調(diào)度的研究提出新的挑戰(zhàn)。1. 3 生產(chǎn)調(diào)度策略調(diào)度策略是調(diào)度的高層次部分,由于一般調(diào)度問題的復(fù)雜性,各種不同的具體問

15、題往往有很多不同的解決方法,因此需要從策略上去考慮調(diào)度問題,形成各種研究方法策略以指導(dǎo)對調(diào)度的研究。目前調(diào)度策略大致可以分為以下幾種: (1)并行或分布策略; (2) 分解與成組策略; (3) 人機交互策略; (4) 實時或動態(tài)重調(diào)度策略; (5) 多目標決策策略; (6) 生產(chǎn)計劃與調(diào)度集成策略; (7) 異地分布式調(diào)度策略。2 生產(chǎn)調(diào)度方法研究現(xiàn)狀調(diào)度研究的核心內(nèi)容和重點是調(diào)度方法。盡管調(diào)度方法逐漸走向復(fù)雜化和多元化,但是它們基本上可以歸結(jié)為4 種類型:基于運籌學(xué)的方法、發(fā)式調(diào)度方法、基于仿真的方法和基于人工智能的方法。a. 基于運籌學(xué)的方法?；谶\籌學(xué)的調(diào)度方法是針對傳統(tǒng)的調(diào)度問題,主要

16、有:線性規(guī)劃、混合整數(shù)線性規(guī)劃、動態(tài)規(guī)劃、拉氏松弛法、分枝定界法等 ,它們的共同特點是尋求調(diào)度特例的多項式時間最優(yōu)或近優(yōu)算法,而且隨著研究對象規(guī)模的擴大以及約束條件的復(fù)雜化,計算時間將呈指數(shù)化增長,因此它們主要適合于處理較小規(guī)模的調(diào)度問題。b. 啟發(fā)式調(diào)度方法。啟發(fā)式調(diào)度方法因其易于實現(xiàn)、計算復(fù)雜度低等特性,能夠用于動態(tài)實時調(diào)度系統(tǒng)中,許多年來一直受到學(xué)者們的廣泛關(guān)注,并不斷涌現(xiàn)出許多新調(diào)度規(guī)則。啟發(fā)式調(diào)度方法的不足之處是往往找不到全局最優(yōu)解。c. 基于仿真的方法。仿真調(diào)度方法是通過對仿真模型的運行來收集數(shù)據(jù),并運用這些數(shù)據(jù)對實際系統(tǒng)進行性能和狀態(tài)方面的分析,從而對系統(tǒng)采用合適的控制調(diào)度方法。

17、純仿真法雖然可以考慮解析模型無法描述的因素,并且可以給使用者提供一個調(diào)度性能測試的機會,但其不可避免地存在以下問題: (1) 缺乏理論意義; (2) 應(yīng)用仿真進行調(diào)度的費用很高; (3) 仿真的準確性很大程度受編程人員判斷和技巧的限制。d. 基于人工智能的方法。人工智能(AI) 應(yīng)用于調(diào)度系統(tǒng)的標志是1983年Carnegie Mellon 大學(xué)的M Fox 在博士論文中開展基于約束傳播的智能調(diào)度。人工智能調(diào)度方法是基于人工智能技術(shù)和人類調(diào)度專家經(jīng)驗對調(diào)度問題進行建模并求解的方法總稱,主要包括以下幾個分支: (1) 啟發(fā)式搜索算法,該方法包括寬度優(yōu)先搜索、深度優(yōu)先搜索、Beam 搜索、A 或A

18、算法。(2) 專家系統(tǒng),它根據(jù)系統(tǒng)當(dāng)前的狀態(tài)和給定的優(yōu)化目標,對知識庫進行有效的搜索并進行模糊推理,選擇最優(yōu)的調(diào)度策略,為在線調(diào)度提供智能支持。ISIS 是第一個旨在解決Job Shop 調(diào)度問題的專家系統(tǒng)。調(diào)度專家系統(tǒng)可以產(chǎn)生復(fù)雜的啟發(fā)式規(guī)則,利用定性和定量知識,具有智能性。但是開發(fā)周期長、費用昂貴且所需的經(jīng)驗和知識難以獲取。(3) 基于Agent 的調(diào)度方法,該方法是針對日益廣泛的分布式調(diào)度而興起的一種新型有效調(diào)度技術(shù),吸引了眾多學(xué)者的目光。 (4) 約束規(guī)劃,它是通過限制變量選取順序和變量賦值順序來減少搜索空間的大小。生產(chǎn)調(diào)度系統(tǒng)OPIS 產(chǎn)品族是比較典型的基于約束規(guī)劃的調(diào)度系統(tǒng)。約束規(guī)

19、劃方法由于考慮多種約束,所以求解代價和求解難度比較大。(5) 基于神經(jīng)網(wǎng)絡(luò)(NN) 的方法,它具有一定的學(xué)習(xí)能力,網(wǎng)絡(luò)的權(quán)值也有明確的物理意義。但存在學(xué)習(xí)效率差,速度慢,難以表達多知識等問題。(6) 基于模糊數(shù)學(xué)的方法,針對實際調(diào)度問題的隨機性和模糊性,模糊數(shù)學(xué)理論被引入調(diào)度領(lǐng)域并形成一個新穎的分支,例如Didier Dubois等采用基于模糊約束擴展代替清晰參數(shù)的表示法對Flow Shop 進行調(diào)度。(7) 遺傳算法( GA) ,它是Holland 教授基于自然遺傳進化模型提出的并行優(yōu)化搜索方法,它的最大優(yōu)點是利用群體間的相互作用,保持已經(jīng)搜索到的信息,王凌21 對遺傳算法在調(diào)度領(lǐng)域的應(yīng)用進

20、行了比較全面的總結(jié)。然而,遺傳算法也存在計算速度較慢和早熟的問題。 (8) 模擬退火算法(SA) ,由于模擬退火算法要求具備足夠高的初溫和足夠慢的降溫速度,才可能收斂到全局最優(yōu)值,是一種計算效率比較低的串行優(yōu)化算法,所以一般都要對它加以改進。(9) 禁忌搜索算法( TS) ,它通過引入一個靈活的存儲結(jié)構(gòu)和相應(yīng)的禁忌準則來避免迂回搜索,并通過藐視準則來赦免一些被禁忌的優(yōu)良狀態(tài),進而保證多樣化搜索以便實現(xiàn)全局優(yōu)化。然而禁忌搜索算法的搜索性能完全依賴于鄰域結(jié)構(gòu)和初始解。(10) 免疫算法( IA) ,它是最近才提出的一種新興優(yōu)化算法,是一種模擬生物免疫系統(tǒng)功能的全局搜索智能算法,憑借快速的收斂速度和

21、強大的全局搜索能力,免疫算法為調(diào)度問題研究開辟了新的思路。綜上所述,調(diào)度研究至今尚未形成一套系統(tǒng)的方法和理論,理論研究與實際應(yīng)用之間還存在著很大差距。實際應(yīng)用中的一些調(diào)度方法能夠響應(yīng)系統(tǒng)的動態(tài)變化,但不能保證得到好的調(diào)度;一些理論上的最優(yōu)化方法能提供最優(yōu)調(diào)度,但由于計算復(fù)雜性,并且忽略了很多實際因素,離實際運用還有較大距離。3生產(chǎn)調(diào)度問題的特點生產(chǎn)調(diào)度問題一般可以描述為：n個工件在m臺機器上加工，一個工件k道工序，每道工序可以在若干臺機器上加工。每臺機器在每個時刻只能加工某個工件的某道工序，而且只能在上道工序加工完成后才能開始下一道工序的加工。生產(chǎn)調(diào)度是根據(jù)加工對象的加工需求，運用不同的調(diào)度決

22、策規(guī)則和優(yōu)化算法，規(guī)劃系統(tǒng)的加工事件，并根據(jù)系統(tǒng)動態(tài)仿真運行的結(jié)果或者優(yōu)化結(jié)果形成最佳的生產(chǎn)加工順序，同時實現(xiàn)設(shè)備集和任務(wù)集的合理最優(yōu)化結(jié)合調(diào)度的特點是多個工件在有限的機器上加工，每臺機器在切換不同的工件生產(chǎn)時需要一定的準備時間。調(diào)度的決策內(nèi)容包括分配決策(工件的加工順序)和時間決策(工件各工序的加工時間)以及路徑?jīng)Q策(工件各工序的加工設(shè)備的分配)。主要特點：（1）復(fù)雜性：從原材料到產(chǎn)品，各操作任務(wù)相互影響、相互作用，加之產(chǎn)品工藝的多樣性和環(huán)境條件的不確定性，隨著調(diào)度問題規(guī)模的增加，調(diào)度方案和求解調(diào)度問題所花費的時間呈指數(shù)性增加。由于NP完全問題的難解性，如今人們不再苛求能夠在自己可接受的時間

23、內(nèi)找出問題的最優(yōu)解，而傾向于針對具體的組合優(yōu)化問題設(shè)計算法，以求在盡可能短的時間內(nèi)找出盡可能好的解通常所說的次優(yōu)解。（2）不確定性：生產(chǎn)調(diào)度的不確定性主要表現(xiàn)在隨機性和模糊性。按照不確定因素的來源。企業(yè)經(jīng)營和生產(chǎn)過程的不確定因素可以分為系統(tǒng)固有的不確定性、生產(chǎn)過程中產(chǎn)生的不確定性、外部環(huán)境的不確定性、離散不確定性四類。（3）多約束：生產(chǎn)資源（人力、原料供應(yīng)、設(shè)備生產(chǎn)能力）的數(shù)量、緩存容量、市場需求、產(chǎn)品的交貨日期以及產(chǎn)品的工藝流程等都是約束。眾多約束限制使調(diào)度問題建模和求解更為復(fù)雜。（4）多目標性：調(diào)度優(yōu)化的目標多，如最短生產(chǎn)期、最大生產(chǎn)利潤、最小提前拖期懲罰、最小費用及最滿意程度等。這些目標

24、之間往往有抵觸，使各個目標都最優(yōu)往往是很困難的。生產(chǎn)實際中優(yōu)化目標常常是多目標的綜合考慮，包括成本、資源利用率、利潤目標等。4離散型制造生產(chǎn)調(diào)度問題的分類（1）按系統(tǒng)處理的復(fù)雜性。副可分為單機、多機并行、Flow-Shop、Job-Shop和Open-shop。單機指的是所有工件均需在指定的單臺機器上加工完成，即單機排序問題；多機并行指的是能夠完成某種功能的機器不止一臺的種類；Flow-Shop問題是指所有工件的加工路線完全相同，機床設(shè)備的布局如同流水線一樣，零件依次從流水線的一端進入，最后從另一端流出。簡稱為FSSP（Flow-Shop Scheduling Problem）；而Job-Sh

25、op機床設(shè)備的布局可以是任意的，零件的加工路徑也是任意的，并且各零件的工序和數(shù)量也是任意的，簡稱為FSSP（Job-Shop Scheduling Problem）。Open-shop指每個零件的工序之間的加工順序是任意的，由調(diào)度者來決定。（2）基于目標指標可分為調(diào)度費用和調(diào)度性能兩大類。常用的主要指標有使生產(chǎn)所有工件的總時間（make span）最少；使所有工件的平均駐留時間（Mean Flow Time）最少；使最大或平均延滯（Maximummean Tardiness）最?。ㄆ渲醒訙府a(chǎn)品完成日期和它的交貨日期之差的絕對值）；使切換或裝配（Change overSet up）的次數(shù)（費用

26、）最少；使生產(chǎn)總成本（包括各種生產(chǎn)費用，庫存貯備費用，切換損耗等）最低。（3）按調(diào)度環(huán)境的特點可分為靜態(tài)調(diào)度和動態(tài)調(diào)度。靜態(tài)調(diào)度是指待加工的工件集合和加工時間是確定的，且生產(chǎn)時待加工的工件已經(jīng)全部到位，即靜態(tài)調(diào)度要求利用整個生產(chǎn)系統(tǒng)的全部信息，是信息完全的調(diào)度，不考慮零件在加工過程中出現(xiàn)的意外情況，如機床突然損壞、零件的交貨期提前、插單等等；而動態(tài)調(diào)度是指加工工件的數(shù)目和相關(guān)的參數(shù)隨時間變化，是信息不完全的一類調(diào)度。（4）按資源約束種類和數(shù)量可分為單資源車間調(diào)度（Single Resource Constrained）和多資源車間調(diào)度（Multi Resource Constrained）。前

27、者指只有一種資源制約著車間的生產(chǎn)能力。后者指同時有兩種以上的生產(chǎn)所需資源制約著車間的生產(chǎn)能力。這些資源包括員工、機床設(shè)備、機器人、物料運送系統(tǒng)和輔助資源，如貨盤、夾具和刀具等。（5）按是否考慮不確定性因素：可分為確定性調(diào)度和不確定性調(diào)度兩類。確定條件下的調(diào)度是指調(diào)度中所用的參數(shù)都是確定的數(shù)值。不確定性條件下的調(diào)度是指生產(chǎn)過程中的某些參數(shù)不是固定不變的，而是與處理批量的大小、處理時的反應(yīng)溫度、液體的流速和反應(yīng)罐內(nèi)的壓力等因素有關(guān)。5生產(chǎn)調(diào)度問題優(yōu)化的主要目標（1）最大能力指標，包括最大生產(chǎn)率、最短生產(chǎn)周期等，它們都可以歸為在同定或者無限的產(chǎn)品需求下，最大化生產(chǎn)能力以提高經(jīng)濟效益。在假定存在連續(xù)固

28、定需求的前提下，工廠通過庫存滿足產(chǎn)品的需求，則凋度的主要目標是提高生產(chǎn)設(shè)備的利用率、縮短產(chǎn)品的生產(chǎn)周期，使工廠生產(chǎn)能力最大。體現(xiàn)該類性能指標的主要有：生產(chǎn)所有產(chǎn)品所需要的總時間即make span；產(chǎn)品的平均流時間（Flow Time）即產(chǎn)品完全通過生產(chǎn)過程所需要的時間；機床利用率（Machine Utilization）即最大機床設(shè)備的使用效率；人員利用率（Worker Utilization）為最大加工人員的使用效率等；它們可使過程的資源利用率與生產(chǎn)率最大。（2）成本指標，包括最大利潤、最小化運行費用、最小投資、最大收益等，其中收益指產(chǎn)品銷售收入，運行費用包括庫存成本、生產(chǎn)成本和缺貨損失等

29、。（3）客戶滿意度指標，包括最短的延遲，最小提前或者拖后懲罰，平均延遲時間（Mean Tardiness）最小等。在多層調(diào)度結(jié)構(gòu)中，高層生產(chǎn)計劃完成原料的分配，通?；诮?jīng)濟的目標函數(shù)；低層調(diào)度完成任務(wù)的排序與調(diào)度，通?；谛阅艿恼{(diào)度目標。在傳統(tǒng)的調(diào)度中，一般以平均流通時間最小、制造周期最短、滿足交貨期為調(diào)度目標，而在實際生產(chǎn)中，由于提前完成的產(chǎn)品必須保存到交貨期，而拖期產(chǎn)品必須交付違約金。因此，在實際調(diào)度中更加重視提前或者拖后懲罰調(diào)度。4. 生產(chǎn)調(diào)度基本要求對生產(chǎn)調(diào)度工作的基本要求是快速和準確。所謂快速，是指對各種偏差發(fā)現(xiàn)快，采取措施處理快，向上級管理部門和有關(guān)單位反映情況快。所謂準確，是指對

30、情況的判斷準確，查找原因準確，采取對策準確。為此，就必須建立健全生產(chǎn)調(diào)度機構(gòu)，明確各級調(diào)度工作分工，建立一套切合實際和行之有效的調(diào)度工作制度，掌握套迅速查明偏差產(chǎn)生的原因，采取有效對策的調(diào)度工作方法。對生產(chǎn)調(diào)度工作的其它一些要求如下所述：(1)生產(chǎn)調(diào)度工作必須以生產(chǎn)進度計劃為依據(jù)，這是生產(chǎn)調(diào)度工作的基本原則。生產(chǎn)調(diào)度工作的靈活性必須服從計劃的原則性，要圍繞完成計劃任務(wù)來開展調(diào)度業(yè)務(wù)。同時，調(diào)度人員還應(yīng)不斷地總結(jié)經(jīng)驗，協(xié)助計劃人員提高生產(chǎn)進度計劃的編制質(zhì)量。(2)生產(chǎn)調(diào)度工作必須高度集中和統(tǒng)一?，F(xiàn)代化大生產(chǎn)中生產(chǎn)者成千上萬，生產(chǎn)情況干變?nèi)f化，管理就必須統(tǒng)一意志，統(tǒng)一指揮，建立一個強有力的助手。各

31、級調(diào)度部門應(yīng)根據(jù)同級領(lǐng)導(dǎo)人員的指示，按照作業(yè)計劃和臨時生產(chǎn)任務(wù)的要求，行使調(diào)度權(quán)力，發(fā)布調(diào)度命令。各級領(lǐng)導(dǎo)人員應(yīng)充分發(fā)揮調(diào)度部門的作用，維護調(diào)度部門的權(quán)威。(3)生產(chǎn)調(diào)度工作要以預(yù)防為主。調(diào)度人員的基本任務(wù)是預(yù)防生產(chǎn)活動中可能發(fā)生的一切脫節(jié)現(xiàn)象。貫徹預(yù)防為主的原則，就是要抓好生產(chǎn)前的準備工作，避免各種不協(xié)調(diào)的現(xiàn)象產(chǎn)生。在組織生產(chǎn)的過程中，不僅要抓配套保證裝配需要，還要抓毛坯保證加工需要，才能取得調(diào)度工作的主動權(quán)。(4)生產(chǎn)調(diào)度工作要從實際出發(fā)，要經(jīng)常深入生產(chǎn)第一線，親自掌握第一手資料，及時了解和準確地掌握生產(chǎn)活動中千變?nèi)f化的情況，摸清客觀規(guī)律，深入細致地分析研究問題。5. 生產(chǎn)調(diào)度的分工企業(yè)的

32、生產(chǎn)調(diào)度部門，是實施生產(chǎn)作業(yè)(進度)控制，進行日常生產(chǎn)管理，以實現(xiàn)生產(chǎn)作業(yè)計劃的責(zé)任部門。因此，每個工業(yè)企業(yè)都應(yīng)該按照上下貫通、左右協(xié)調(diào)、集中統(tǒng)一、靈活有效的原則建立起生產(chǎn)調(diào)度工作系統(tǒng)。在各個生產(chǎn)環(huán)節(jié)中都應(yīng)設(shè)置專職的或兼職的調(diào)度機構(gòu)和人員，負責(zé)處理日常生產(chǎn)活動中產(chǎn)生的各種偏差。一般大中型企業(yè)設(shè)廠級、車間和工段三級調(diào)度。即廠部以主管生產(chǎn)的廠長為首，設(shè)總調(diào)度室(或生產(chǎn)科內(nèi)設(shè)調(diào)度組)執(zhí)行調(diào)度業(yè)務(wù)；車間在車間主任領(lǐng)導(dǎo)下設(shè)調(diào)度組(或調(diào)度員)；工段(班組)設(shè)調(diào)度員，也可由工段長(班組長)兼任；在機修、工具、供應(yīng)、運輸、勞動等部門也要建立專業(yè)性質(zhì)的調(diào)度組織。調(diào)度機構(gòu)的分工應(yīng)根據(jù)集中與分散相結(jié)合的原則，以及每

33、個企業(yè)的生產(chǎn)技術(shù)特點來決定。對于生產(chǎn)過程連續(xù)程度較高，各個生產(chǎn)單位之間生產(chǎn)活動聯(lián)系緊密，生產(chǎn)安全問題比較突出的企業(yè)(如化工廠、冶金廠、流水作業(yè)的機械廠等)，生產(chǎn)調(diào)度的集中程度就要大一些。反之，廠內(nèi)各個生產(chǎn)單位的生產(chǎn)活動獨立程度比較高的企業(yè)(如特種工藝美術(shù)廠、單件小批生產(chǎn)的機械廠等)，生產(chǎn)調(diào)度工作的集中程度就應(yīng)該相對小些，可把較多的權(quán)力下放給基層。調(diào)度人員分工，一般有以下三種方式：(1)按產(chǎn)品分工。由每個調(diào)度員主管一種或幾種產(chǎn)品的調(diào)度業(yè)務(wù)。從所管產(chǎn)品的生產(chǎn)前準備、投料、生產(chǎn)，一直到產(chǎn)品完工的全過程，都由分管調(diào)度人員包干負責(zé)到底。這種分工的優(yōu)點是：調(diào)度人員了解所分管產(chǎn)品的全過程，責(zé)任明確，特別適用

34、于生產(chǎn)周期長的產(chǎn)品和新產(chǎn)品。缺點是：容易發(fā)生對車間、工段的多頭指揮，影響調(diào)度工作的集中統(tǒng)一。(2)按車間、部門分工。由每個調(diào)度人員分工主管一個或幾個車間(業(yè)務(wù)部門)的調(diào)度工作，全面掌握所管車間(或部門)所有產(chǎn)品的生產(chǎn)及業(yè)務(wù)活動。這種分工的優(yōu)點是：調(diào)度人員能全面了解該車間生產(chǎn)各種產(chǎn)品的情況(或該業(yè)務(wù)部門的全部情況)，便于統(tǒng)籌兼顧。其缺點是：不能了解產(chǎn)品生產(chǎn)的全過程，容易發(fā)生前后脫節(jié)的現(xiàn)象。對于品種較穩(wěn)定的成批大量生產(chǎn)，宜采用這種分工方式。(3)按產(chǎn)品按車間相結(jié)合的分工。即對穩(wěn)定生產(chǎn)的品種，實行按車間分工的方式，對特殊的、難度大的、生產(chǎn)周期長的產(chǎn)品，設(shè)專職調(diào)度員，以保證此類產(chǎn)品較順利地完成生產(chǎn)全過

35、程：同時又盡可能減少各種產(chǎn)品相互沖突，對車間、工段多元指揮的現(xiàn)象。此外，廠級的設(shè)備、工具、供應(yīng)、運輸、倉庫、勞動等部門，可根據(jù)實際需要，設(shè)立調(diào)度組，或指定專人負責(zé)調(diào)度工作。6. 生產(chǎn)調(diào)度優(yōu)化技術(shù)研究生產(chǎn)調(diào)度問題一般可以描述為：甩個工作在m臺機器上加工，一個工件分為k道工序，每道工序可以在若干臺機器上加工。每一臺機器在每個時刻只能加工某個工件的某道工序，只能在上道工序加工完成后才能開始下一道工序的加工，前者稱為占用約束，后者稱為順序約束。車間調(diào)度問題的決策內(nèi)容包括分配決策(工件的加工順序)和時間決策(工件各工序的加工時間)以及路徑?jīng)Q策(工件工序的加工設(shè)備的分配)。隨著所求解問題時間復(fù)雜度、空間復(fù)

36、雜度的擴大，組合優(yōu)化問題的搜索空間呈幾何級數(shù)急劇擴大，以目前一般計算機的處理能力，用枚舉法有時很難或者甚至不可能得到其精確最優(yōu)解。所以車間調(diào)度的實質(zhì)屬于NP-Hard(NondeterministicpolynomialHard)，非確定性多項式難問題)組合問題，對于這類復(fù)雜問題，應(yīng)將精力放在尋求其近似最優(yōu)解上。目前研究車問優(yōu)化調(diào)度問題的技術(shù)比較多，有確定性最優(yōu)化方法、基于啟發(fā)式規(guī)則的調(diào)度方法、基于知識的調(diào)度方法、仿真調(diào)度方法、基于離散事件動態(tài)系統(tǒng)的解析模型方法、啟發(fā)式圖搜索法、模擬退火法、禁忌搜索法、神經(jīng)網(wǎng)絡(luò)優(yōu)化、遺傳算法、拉氏松弛法等方法等等，主要可以分為三類，即數(shù)學(xué)規(guī)劃算法、人工智能算法

37、以及其它算法。數(shù)學(xué)規(guī)劃法數(shù)學(xué)規(guī)劃方法就是將生產(chǎn)調(diào)度問題簡化為數(shù)學(xué)規(guī)劃模型，采用整數(shù)規(guī)劃、動態(tài)規(guī)劃以及決策分析等方法來解決調(diào)度最優(yōu)化或近似優(yōu)化問題，也稱為優(yōu)化調(diào)度方法或者運籌學(xué)方法。生產(chǎn)調(diào)度中廣泛使用的是混合整數(shù)線性規(guī)劃(mixed integer linear programming，MILP)和混合整數(shù)非線性規(guī)劃(mixedinteger non linear programming，MINLP)方法。數(shù)學(xué)規(guī)劃方法的優(yōu)點是任務(wù)分配和排序的全局性比較好，所有的選擇同時進行，因此可以保證求解凸和非凸問題的全局優(yōu)化，但是，數(shù)學(xué)規(guī)劃方法是一種精確求解方法，它需要對調(diào)度問題進行統(tǒng)一的建模，任何參數(shù)的變

38、化會使得算法的重用性很差，對于復(fù)雜多變的生產(chǎn)調(diào)度來說，單一的數(shù)學(xué)規(guī)劃模型不能覆蓋所有的因素，存在求解空間大和計算困難等問題。而且采用基于枚舉思想的分枝定界法或動態(tài)規(guī)劃法進行求解，屬于NP完全問題，隨著問題規(guī)模的擴大，會發(fā)生組合爆炸，以致很難用來求解大規(guī)模的調(diào)度問題，因此，這類方法通常是一種解決小規(guī)模調(diào)度問題的有效算法。由于數(shù)學(xué)規(guī)劃方法自身的局限性，人們在運用時，不得不附加一些脫離實際環(huán)境的大規(guī)模定制企業(yè)生產(chǎn)調(diào)度優(yōu)化問題研究假設(shè)，這在一定程度上導(dǎo)致了其理論研究與實際應(yīng)用之間的差距，通常在采用數(shù)學(xué)劃法進行調(diào)度問題研究時都針對實際問題進行建模研究。Coxhead(1994)m1使用幾個經(jīng)典的MILP

39、模型對煉油廠的調(diào)度優(yōu)化進行建模；Schuster和Allen(1998)建立了一個線性規(guī)劃模型來分配食品加工廠里的稀有資源；Adelman等人采用整數(shù)規(guī)劃技術(shù)來分配電纜生產(chǎn)廠里的光纖；Rainer EBurkard等面向化工企業(yè)建立了一個通用的MINLP模型，目標是最小化最大完工時間(makspan)，確定投產(chǎn)批量，該文章提出采用貪婪啟發(fā)算法，并與其它啟發(fā)式算法進行比較。Roslof等人(2001)魄1開發(fā)了一種基于MILP的算法來求解生產(chǎn)調(diào)度和重調(diào)度(reseheduling)問題，并且在造紙廠和制藥廠進行了應(yīng)用等等。PattersonJH(1984)“1針對大部分計劃問題屬于NP完全問題，

40、數(shù)學(xué)規(guī)劃如分枝定界法(BAB)中對實際問題求解的計算量太大的困難，為了提高效率而采用各種改進形式的BAB算法，或者簡化計算技術(shù)。Koeis G R等(1988)嘲提出一種基于外部逼近的兩步法。Pinto J等提出了一種面向連續(xù)生產(chǎn)，基于外逼近法和Bender分解法的解決方法。Diaz MS等(1996)運用兩步法法求解實際優(yōu)化調(diào)度問題”。王朝暉等(1997)田1采用Lagrangian松弛法在一定程度上減少了求解時間。數(shù)學(xué)規(guī)劃方法對所有參數(shù)值的確定和排序決策具有全局的觀點。因此，可以同時進行所有選擇，可以得到面向凸問題的最優(yōu)結(jié)果。即使求解過程在達到最優(yōu)結(jié)果前終止，也能提供面向凸問題的最優(yōu)解的范

41、圍。從而，可以對結(jié)果進行評價。面向非凸問題，它也是一種確保結(jié)果全局最優(yōu)的研究方向。但是數(shù)學(xué)規(guī)劃方法仍存在一些缺點。盡管通用算法已經(jīng)十分強大，通常還是不能在一個合理時間內(nèi)的到可行的結(jié)果，因此必須采用特定的算法。另一個重要問題是關(guān)于模型的任務(wù)。用戶必須以并未考慮直觀模型的抽象詞語描述問題。而且通用的數(shù)學(xué)模型幾乎不可能在實際生產(chǎn)中應(yīng)用。人工計算智能調(diào)度模擬退火算法模擬退火算法將組合優(yōu)化問題與統(tǒng)計力學(xué)中的熱平衡問題類比，通過模擬退火過程，可找到全局(或近似)最優(yōu)解。模擬退火法的改進算法有加溫退火法、有記憶的模擬退火法等。由于模擬退火算法收斂速度較慢，很難用于實時動態(tài)調(diào)度環(huán)境。禁忌搜索法對于復(fù)雜的組合優(yōu)

42、化問題，禁忌搜索也是一種通過局域搜索以獲取最優(yōu)解的方法TS也是一種通過鄰域搜索解決復(fù)雜的組合優(yōu)化問題以獲取最優(yōu)解的方法，Glover在文中闡述了它的基本原理。由于創(chuàng)建和確定TS中諸多的構(gòu)造因素需要一定的技術(shù)水平，TS在車間調(diào)度問題中的應(yīng)用還很少。近十年來，鄰近搜索法在組合優(yōu)化領(lǐng)域，特別是生產(chǎn)調(diào)度領(lǐng)域得到了相當(dāng)廣泛的研究和應(yīng)用。由于組合優(yōu)化問題通常具有大量局部極值點，往往是不可微的、不連續(xù)的、多維的、有約束條件的、高度非線性的NP完全問題，因此精確地求解組合優(yōu)化闖題的全局最優(yōu)解需要很長的時間，而且這些方法常常依賴于初始解和控制參數(shù)的選取。神經(jīng)網(wǎng)絡(luò)優(yōu)化Hopfield神經(jīng)網(wǎng)絡(luò)模型的提出為求解各種有

43、約束優(yōu)化問題開辟了一條新途徑。用Hopfield網(wǎng)絡(luò)解決旅行商問題就是其在組合優(yōu)化問題中的最成功的應(yīng)用之一。其應(yīng)用于生產(chǎn)調(diào)度問題中的方式主要有三種：一是利用其并行計算能力，求解優(yōu)化調(diào)度，以克服調(diào)度的NP完全問題：二是利用其自學(xué)習(xí)能力，從優(yōu)化軌跡中提取調(diào)度知識；三是用神經(jīng)網(wǎng)絡(luò)來描述調(diào)度約束或調(diào)度策略，以實現(xiàn)對生產(chǎn)過程的可行或次優(yōu)調(diào)度。用Hopfield網(wǎng)絡(luò)解決TSP問題就是其在組合優(yōu)化問題中最成功的范例之一目前，應(yīng)用神經(jīng)網(wǎng)絡(luò)來解決Job Shop調(diào)度問題的文獻也較多。遺傳算法遺傳算法GA是一種人工智能方法，它的機理基于達爾文的生物進化論的適者生存原理，是由美國密執(zhí)根大學(xué)Holland教授通過對生物進化過程進行模擬所抽象出的一種新的并行優(yōu)