程 豪 陈淮莉

(上海海事大学物流研究中心 上海 201306)

0 引 言

21世纪的制造业是以定制化和个性化为主的时代，随着大数据、物联网等新兴技术的兴起，企业也逐渐采用大规模定制MC(Mass Customization)取代传统的大规模生产模式。客户订单分离点CODP(Customer Order Decoupling Point)作为大规模定制的核心考虑因素，将生产制造分为通用化和定制化两个阶段，合理的CODP的定位能有效提高生产效率并降低库存成本。然而，频繁波动的市场需求环境和复杂的生产流程对企业的生产制造柔性提出了更高的要求。在实际的生产过程当中，由于生产现场状况复杂，生产过程中出现的突发事件和随机扰动导致生产进度和生产计划的冲突也成为企业面临的新问题[1]。如何保证大规模定制两阶段生产的顺利进行，在提前期和定制度的约束下实现较低成本的生产制造成为一个必须解决的问题。

针对生产扰动等不确定事件对生产制造的影响，近年来的研究也呈现增加趋势，例如文献[2]研究了插单扰动下的流水线生产调度和预防性维护问题，以改进式遗传算法对流水车间重调度进行了建模求解。文献[3]建立了大数据环境下车间异常事件的预警模型，从理论和技术角度对异常数据来源给出了计算方法。文献[4]提出了一种双维度蚁群算法，结合多主体订单对制造资源加工优先级给出组合及优化配置方法。文献[5]设计了一种解决柔性制造车间调度问题的多目标粒子群算法，用于求解多目标柔性的车间调度模型。……