本文是一篇工程管理论文，本文以某机床主轴制造企业为研究对象，深入分析该主轴制造企业订单排产现状，系统研究ATO模式企业订单排产优化方法。
第1章绪论
1.1研究背景及意义
1.1.1研究背景
制造业是国家经济中最重要的组成部分，同时也是一个国家强大的基石。为振兴日渐低迷的实体经济，国家积极实施“中国制造2025”行动计划，导致国内制造型企业之间的竞争加剧。在这种背景下企业不能仅仅通过增加产品的产量来吸引客户和争夺市场份额[1]。此外，客户已不再满足于被动地接受市场上已有产品，而是开始主动表达自身对产品各方面性能的独特需求。客户需求日益趋向于个性化和多元化，而传统的备货型生产方式在应对外部市场需求时表现出迟缓和被动，无法及时掌握市场最新动态并据此做出精确改进。因此，为了在激烈竞争的市场环境中取得市场份额，企业必须对现有的生产方式进行改进，按订单装配(Assemble to Order,ATO)、按订单生产(Make to Order,MTO)和按订单设计(Engineer to Order,ETO)等生产方式则在这种背景下巡视在各个制造企业中普及。这些方式能够有效提高生产系统的灵活性，使企业能够迅速应对订单需求的多样性，满足多品种、小批量、高质量、短交货期和低成本等制造业日益明显的特征[2]。
为了适应市场的要求，ATO类企业必须进行自我升级。在市场竞争日益加剧的情况下，是否能够对顾客的订单进行快速响应，并且能够提供优质、快速的供货，已经成了一个企业能力的重要标志，也是获得顾客订单的前提条件。由于批量小、品种多、个性化等特点，且顾客的订货多为随机因素，给企业的生产经营带来了困难。这就导致了在实际生产的环境中出现了很多问题，比如：出现了不能按时交付的情况，出现了临时追加的紧急订单等；与客户商定的交货日期不能按时交付，导致其它订单的资源被挤占等[4]。
1.2国内外研究现状
1.2.1不确定加工时间的问题研究现状
在车间生产现场，不确定因素的干扰对车间排产问题的稳定性产生了重大影响。这导致按照确定的加工时间进行排产后所得到的最优方案无法达到预期目标。诸如产品工艺路线的合理性、设备老旧程度和工人疲劳程度等因素都会影响工序在机器上的加工时间。针对工序在机器上不确定加工时间的问题，通常有三种解决方法。第一种是将不确定的作业时间转化为确定的作业时间。第二种是通过其他数学方法对数据进行处理来表示不确定性。第三种，一些学者通过改进建立的调度、排产模型或求解算法来解决作业时间的不确定性。这些方法可以在一定程度上应对生产过程中的不确定因素，提高车间排产问题的稳定性和效果。然而，具体使用哪种方法取决于实际情况和问题需求。
Hu[8]在研究不确定性单机调度问题时，视各工序加工时间具有已知不确定性分布的不确定变量，然后将模型转换为确定性整数规划模型。钟小玉[9]在研究作业时间不确定的柔性车间调度问题时，将不确定调度问题转化为加工时间确定的柔性作业车间调度问题，求解得到一定程度上具有鲁棒性能的调度方案。朱传军[10]以不确定时间为背景，通过引入两种不确定性参量来刻画不确定时间的变化范围，并将其转化为确定性环境下的鲁棒配对问题。
吴立华[11]考虑到工艺过程工作时间的不确定性，采用随机数字描述方法，将其引入到作业时间的不确定因素中。Wang[12]提出了一个概率模型，用来描述不确定的作业时间在整个作业时间空间分布的概率。Aydilek[13]在针对已知的作业时间上限及下限的单机制造系统排产问题进行求解时，将其用区间数的形式来进行表征。杨宏安[14]研究了基于区间数的复杂生产计划排序问题，提出一种基于区间数的不确定过程模型，通过求解最小二乘法，建立基于最小二乘法的最优解。Jamrus[15]在研究半导体制造车间的复杂柔性调度问题时，针对晶圆厂的作业时间不确定的问题，考虑将作业时间以模糊数的形式来进行表示，最可能的模糊时间在区间中部附近。王晨宇[16]在解决考虑动态事件的柔性作业车间调度问题时，将模糊三角函数运用到加工时间的表达上。
第2章某主轴制造企业装配车间生产计划现状分析
2.1 Z主轴制造企业概况
2.1.1企业概况
本文研究企业成立于2017年，为沈阳机床股份有限公司全资子公司，该企业继承了原沈阳机床厂、中捷机床有限公司专业生产主轴的车间，汇集两大机床厂主轴加工能力、技术优势于一身，在此基础上大力攻关主轴核心技术。作为核心部件的研发、制造单元，紧密跟随沈阳机床战略发展，不断技术攻关技术改进，确保主轴核心功能部件的技术领先地位。近年来由于精密制造等相关企业产业发展迅速，机床主轴企业生产订单迎来激增，而企业本身生产能力不足和生产资源紧张的问题则凸显出来，同时，Z企业正处于数字化转型的关键时期，本文从企业生产能力和资源配置能力出发，对生产情况进行整体的统筹优化，进而有效的支撑常规生产任务的有序完成和企业数字化转型的升级发展。
企业车间现场主要分为A、B、C三个区域，A区为主轴装配区域，B区为零部件精加工区域，C区主要为零部件粗加工及外接产品的加工区域，本文主要研究对象装配车间的示意图如图2.1所示：
2.2 Z主轴制造企业排产现状及问题分析
经过现场的实地调查发现，研究企业在装配车间的作业由订单进行驱动，在订单到来时装配作业才会进行，属于典型的ATO模式生产企业。
ATO模式企业生产方式有如下特征
（1）订单驱动。订单驱动是一种典型的拉动生产模式，它仅在客户对产品有需求时进行生产。
（2）快速响应。快速响应是ATO的另一个关键特点，它要求企业在满足生产成本和质量要求的前提下，缩短订单的交货时间。
（3）动态随机。动态随机性是面向订单装配型企业的生产计划所特有的，其动态变化源于生产过程内外两个方面。内在的影响因素主要有：影响品质及加工周期的不确定；而外在的动态性是由于顾客之间的差别所引起的顾客对商品的类型和抵达的时机的要求。
（4）多目标。生产计划需要同时考虑多个目标，不仅要保证可行性，还要追求多方面的最优化，例如缩短制造周期、降低库存成本、减少延期成本等。
第3章工时不确定条件下的静态排产方案问题求解....................19
3.1工时不确定条件下的装配车间初排产方案模型.........................19
3.1.1问题描述.........................................19
3.1.2模型参数及定义..............................20
第4章工时不确定条件下考虑紧急插单的动态排产问题求解......................................38
4.1紧急订单事件的流程设计................................38
4.1.1插单策略选择.................................38
4.1.2插单流程..........................................39
第5章基于Plant Simulation的排产方案建模与仿真........................63
5.1 Plant Simulation软件概述.............................63
5.2基于Plant Simulation的订单排产仿真步骤及结果分析...........................64
第5章基于Plant Simulation的排产方案建模与仿真
5.1 Plant Simulation软件概述
Plant Simulation用于对公司的生产系统进行建模，通过仿真来对公司的生产状况进行深入地分析与优化工作。帮助用户检查和解决问题，在不影响产量要求的情况下，最大程度地降低生产线投资成本。可以在优化方案实施前，通过在仿真环境下实施优化方案，从仿真结果来对优化方案进行评价，并在此基础上进行进一步的改进工作。
Plant Simulation涵盖了物料流、资源流、流、信息流、移动单位、工具等多个模块，通过设定各模块参数，实现了对各车间的生产及物流过程的仿真模拟。这不仅降低了仿真参数的成本，还满足了客户的多样化需求。此外，其内置的Simtalk语言编程模块具备便捷、实用的特点，能够将算法语言输入到软件中，根据不同企业的生产状况进行个性化的模拟。该软件具有如下几个主要功能：
（1）生产线建模：建立生产线、工作站、设备等的数字化模型，以反映实际生产环境。
（2）仿真和优化：通过设置不同的参数、条件和生产策略来运行仿真，从而预测生产线的运作情况，包括产量、周期时间、资源利用率等。
（3）场景分析：通过创建不同的生产场景来比较不同策略下的性能，从而找到最佳的生产方案。
（4）资源管理：可以优化资源的分配和利用，确保生产线在最佳状态下运行。
（5）排程和调度：可以使用Plant Simulation来生成生产计划、排程和调度，以确保生产过程的协调和高效运作。
（6）数据分析和可视化：提供了数据分析工具，可以对仿真结果进行详细分析，并通过图表和报告进行可视化展示。
第6章结论
6.1结论
从某ATO企业装配车间的实际情况出发，建立排产模型并对其进行研究。考虑工时不确定的情况引入了区间数的形式来对作业时间进行表征，并建立单目标优化模型设计改进遗传算法进行求解；考虑紧急插单的情况设计了多目标重排产优化模型改进Jaya算法进行求解，最后通过Plant Simulation软件对最优方案进行仿真。本文主要结论如下：
（1）提出了一种工时不确定条件下基于改进遗传算法的订单排产优化方法。针对该主轴装配车间手工装配作业各工序工时不确定的情况，提出了区间数来表征的形式，设计了四
