基于多目标多约束的生产制造业的计划排产问题研究

解云龙，袁鲁平，朱宁帅

（山东联诚精密制造股份有限公司，济宁272100）

随着市场竞争的加剧，保证交期是生产制造业生产制造过程中的核心竞争力之一。中国很多生产制造企业开始转向按订单生产（MTO），甚至按订单设计（ETO）的制造模式[1-2]，这种情况下，通过计划排程控制产品最终的交期，变得越发重要。保证产品最终交期，在生产制造过程中体现为最小化生产完成时间。最小化生产完成时间基本上涉及两个目标，即最小化机器闲置时间和最小化订单提前率/延迟率。必须通过考虑所有约束条件（例如优先级、可用机器、机器转换、机器设置、机器容量、大量库存等）来实现这两个目标的最小化。这需要通过高级计划和排程（APS）来实现。APS 本质是实现有限资源的优化配置和调度，需要依靠强大的计划和排程算法驱动，很多学者在这些方面做了大量的研究。文献[3]给出了基于常规遗传算法和基于混合遗传算法的车间作业调度问题的有效解法，文中表明混合遗传算法在比常规遗传算法效果更好，在更短的时间内找到最佳结果；文献[4]和文献[5]提出的基于多阶段的多目标遗传算法（moGA）可以有效求解生产车间计划调度（JSP）过程中多目标多约束的问题，并引出惩罚系数解决遗传算法陷入局部最优解的问题；文献[6]和文献[7]解释了自适应遗传算法的概念，该算法以最佳适应性自适应地生成染色体，实现了在n 个工序（job）的m 台设备/工作中心（machine）上进行计划调度，该过程是一个典型的NP-Hard 问题，求解及其复杂。……