巴智勇，袁逸萍+，戴 毅，李晓娟，阿地兰木·斯塔洪，刘金朵

(1.新疆大学 机械工程学院，新疆 乌鲁木齐 830047；2.新疆生产力促进中心，新疆 乌鲁木齐 830099)

0 引言

作业车间作为产品制造的直接执行者，承载着大量的生产任务，生产任务间存在着复杂的关联关系。随着生产系统规模的扩大和复杂性的提高，生产系统运行中的不确定因素急剧增加，对于生产系统的影响难以估计，如果车间管理者无法提前或及时进行资源调度和计划调整，极易导致生产进度的拖延和生产成本的上升，严重时引起生产过程混乱。

在实际生产过程中，机器故障是常见的不确定因素，它不仅会导致实际生产结果和计划产生偏差，还可能引起物料配送等相关生产环节的混乱，对生产过程带来重大影响。因此，在制定调度方案时考虑未来机器故障干扰，可以有效减少机器故障对调度性能的影响。如何有效评估故障环境下调度方案的性能成为鲁棒性调度的一个难点。

近几十年，大量学者对于生产过程中存在机器故障的鲁棒调度问题进行了深入的研究。由于在生产之前无法得到实际生产数据，蒙特卡洛仿真(Monte Carlo simulation, MC)和替代测度(Surrogate Measure, SM)是常用的两种鲁棒性测度方法。

(1)基于蒙特卡罗仿真的测度方法

Zandieh等[1]通过免疫算法求解随机机器故障下混合流水车间调度问题，通过故障模拟器评估可行调度方案的期望完工时间，将其作为选择适应度值对种群进行选择，引导算法生成期望时间较小的调度方案。……