本文是一篇工程管理论文，本文针对压缩机零部件生产的能耗和完工时间问题，分析了生产过程中主要零部件的工艺流程以及能耗产生机理，建立了静态、动态不同环境下的多目标调度模型并通过CPLEX求解器进行验证，最后提出了相应的智能优化方法，并对优化结果进行了分析。
第1章 绪论
1.1 研究背景与意义
1.1.1 研究背景
过去几十年来，随着我国采矿、医疗、电力、石油化工等工业及制造业的飞速发展及国民环保意识的增强，压缩机的生产受到广泛关注[1]。作为制冷系统的心脏，其生产过程具有分布式加工、面向订单生产（ETO）的特点。压缩机的生产企业在按订单设计、面向工程时会给企业的生产运营带来较大困难，导致企业普遍存在订单交付率低、能耗大等问题。与以往的生产模式相比，面向ETO模式需要在生产加工过程中满足更复杂的条件，设计、生产时间紧迫、交付率标准高、客户的需求变化快；而分布式车间生产模式伴随更复杂的生产资源分配和更多的物料搬运，在柔性车间加工过程中会面临更复杂的调度问题，如何更好地利用、整合所有资源和加工设备是分布式车间生产的核心问题[2]。合理的车间调度策略是企业节能减排、提高效率、降低成本的有效手段之一。因此，针对压缩机生产制造过程，研究其车间调度理论及优化方法对企业转型升级及绿色高质量发展都具有重要意义。
基于上述问题，为了使企业能够更好地整合生产资源，实现按时交付，降低能耗的目标，考虑完工时间和能耗的多目标分布式柔性作业车间调度策略就显得尤为重要。此外，ETO模式带来的订单加急、订单插入等动态事件容易导致车间生产具有不确定性等问题，因此在静态调度的基础上还需企业生产过程中有良好的应对能力，通过良好的动态调度策略达到降低能耗、节能减排的目的，进而实现ETO模式下分布式柔性作业车间的动态优化。
1.2 研究现状
近年来，随着客户的需求不断变化，面向ETO模式的大规模定制、多品种、边设计边生产成为主流，单车间生产模式也逐渐向分布式车间协同作业转变，为了提高订单的交付率以及缩短分布式车间加工的完工时间、降低能耗，学者们的研究重点逐渐聚焦在分布式车间的调度问题以及应对ETO模式下的分布式车间动态调度问题上。
1.2.1 面向ETO模式的生产调度问题研究现状
李莉结合某公司实际情况，分析了ETO模式下企业如何快速响应客户需求以及企业必备要素[3]。
Dallasega提出了一种分散、灵活的ETO施工供应链调度与控制方法，在减少缓冲区大小和施工提前期方面有其独特优越性，并基于一家ETO供应商公司的案例研究和离散事件模拟，对该方法进行了建模和验证[4]。
Jiang建立了一个数学模型来表示任务持续时间，以完工时间最小化为目标来解决这个问题，提出了一种结合粒子群优化（PSO）和禁忌搜索（TS）的混合算法并进行了测试[5]。
Jiang为了减少重调度频率，建立了数学模型，引入了启动时间偏差的概念，并改进了滚动时域驱动策略，以最小化重调度成本为目标，将重调度成本与模拟退火相结合，将IA设计为全局搜索过程，引入SA以提高局部搜索能力，证明了混合算法的可行性[6]。
Ghiyasinasab以降低成本为目标，通过提供四种生产调度模型，测试三个目标的组合，在多项目环境下整合ETO部件预制的多目标生产调度方法，并将该研究将模型应用于一个真实案例[7]。
第2章 某ETO模式压缩机企业分布式车间运行现状分析
2.1 某压缩机分布式企业现状分析
2.1.1 压缩机企业概况
某企业是中国装备制造业的战略领军企业，肩负着为国家石油、化工、电力、天然气、冶金、军工等领域提供重大核心设备和成套解决方案的任务。同时也是国家高新技术企业、国家机械行业通用机械风机行业、压缩机行业和泵类行业的会长单位，承担着引领国家通用机械三大行业的发展使命。企业现有员工6000余人，年产值超百亿。企业生存与发展关系到国家经济安全、战略安全，国内没有备份、不可替代。“十三五”期间，该集团各项经济指标实现稳健增长，企业顺利完成混合所有制改革，进一步强化企业创新主体地位，加速进行高端装备研发，稳步推进数字化转型，加速数字企业建设，积极实施战略管理，打造生产性服务业中心，全面进入国际市场，向系统集成供应商转变，到“十三五”末期，高端装备占比已经达到80%，向着成为全球能源化工领域设备领跑者的宏伟目标大步迈进。
车间总体由五条生产线组成，分别为轮轴线、齿轮线、叶轮线、轴承线、瓦块线，由两个车间协同生产，同时工作。压缩机构成零部件型号多、种类多，大大增加设计及加工制造的工作量，导致交货期长，无法按时交付，不能快速响应市场需求。
2.2 生产调度问题分析
针对上述分析结果，目前某压缩机零部件生产存在车间动态事件频发、能源损耗大、运输浪费、生产周期长、订单交付率低导致生产不稳定等问题，总结如下：
（1）柔性作业车间调度问题在建模时需要考虑工件在车间内的加工顺序和机器的选择等问题，机器的分配与工件排序之间又有较强的耦合关系。而在分布式车间调度问题中，还要考虑工件对于不同车间的选择，与传统单车间相比，分布式车间及其耦合关系更为复杂，导致在建模及求解时更加困难。此外，现有研究大多忽略运输时间对调度策略的影响，导致调度方案适用性差。因此本课题以某型号压缩机为研究对象，通过对其加工过程的运输路线、运输时间以及工序进行研究，提出一种面向ETO模式的分布式柔性作业车间静态调度优化方法。考虑运输时间对完工计划的影响，构建ETO模式下以完工时间最短为优化目标的MILP模型，解决分布式柔性作业车间最大完工时间长、难以按时交付的问题，为后面进行多目标决策提供基础。
（2）ETO模式下由于订单变动，交货期紧迫，因此对工厂的生产效率要求极高。而在碳达峰和碳中和背景下，对企业绿色生产、降低能耗的能力也提出更高的要求。因此，ETO模式下的车间调度问题是一类带有约束的多目标优化问题。而针对完工时间及能耗间存在的协同优化冲突问题，考虑到分布式制造问题的复杂度，不合理的车间调度方法会导致大量的生产资源及能源浪费。因此，如何统筹调度性能与调度能耗目标，制定合适的车间调度方案是实现ETO模式下分布式柔性作业车间调度多目标优化的关键。
（3）面向ETO的生产模式对生产能力有更高的要求，而订单的种类、数量以及生产要求提高的同时也会带来订单加急、订单插入、交货期变更等问题，导致生产资源动态变化，而当车间由于动态影响导致无法满足按时交付的需求时，原调度方案不适用，就需要进行重调度。因此，为保障车间的生产稳定性和鲁棒性，同时减少能耗及缩短交货期，必须深入分析分布式车间特点，从而制定全面和多样的重调度方案，进而实现ETO模式下分布式柔性作业车间动态调度优化。
第3章 考虑运输时间的ETO模式分布式车间静态调度优化 ............. 21
3.1 考虑运输时间的压缩机分布式柔性作业车间静态调度模型 ..................... 21
3.1.1 问题描述 ........................ 21
3.1.2 模型相关参数及定义 ..................... 22
第4章 面向低碳的ETO模式分布式车间静态调度优化 ......................... 29
4.1 考虑订单与工件优先级的分布式柔性作业车间静态调度模型 ................. 30
4.1.1 问题描述 .............................. 30
4.1.2 模型相关参数及定义 .......................... 30
第5章 考虑运输时间的ETO模式分布式车间动态调度优化 .................. 43
5.1 考虑能耗优化的分布式柔性作业车间多目标动态调度模型 ..................... 43
5.1.1 问题描述 .......................................... 43
5.1.2 模型相关参数及定义 ....................... 44
第5章 考虑运输时间的ETO模式分布式车间动态调度优化
5.1 考虑能耗优化的分布式柔性作业车间多目标动态调度模型
5.1.1 问题描述
本文对柔性作业车间动态调度能耗优化问题可以描述为：在交货期T内，考虑各机床上一调度周期的剩余加工任务约束，在调度初始时刻，有N种待加工工件1iG{i1=1,2,…,N},各工件随机到达，在biT时刻有n种紧急插单件2iG{i2=1,2,…,n}到达，第i个工件(i=ii+i2∈{1,2,...,N+n})需要经过iN道工序(1,2,,)i iQ j N完成加工，而这些工序可选择在kN台机器kM(k=1,2,...,Nk)上进行加工，其中任一工序ijQ可在其中一台或者多台设备上加工，车间中共有a台搬运设备mM(m=1,2,...,a)，其功率为mP（m=1,2,…,a）,搬运速度为mV(m=1,2,…,a)，车间中所有机床位置固定，当工件i的第j道工序在机床k上完成加工后，需要将其转移至下道工序的加工地点，直到所有工序完成加工。在此过程中，车间中由于物料搬运产生的能耗为mE，运输时间为mt；bk时刻机床kM发生故障，需要mkT时长进行维修。
在动态事件频繁发生的环境下，基于滚动窗口调度方法，采用完全重调度策略，在动态事件发生时灵活地重新规划车间生产计划。从全局角度为所有工序选择最合适的机器进行加工，以实现能耗最低、交货期最早等多目标的优化。
在实际加工过程中，因工厂生产资源及运输资源所限，难以将加工过程中所有要素考虑在内，因此为简化求解过程，在此做出如下假设：
（1）机床加工过程中功率保持不变； （2）假设所有机
