文章编号：1003-207(2019)04-0091-13 DOI：10.16381/j.cnki.issn1003-207x.2019.04.009 1 引言 随着协同制造、网络化制造等模式的兴起，企业之间越来越多的依托协同生产的方式共同完成产品的生产[1-2]。尤其是一些复杂产品，其关键部件的生产极为重要，而关键部件的生产工序通常极其复杂，企业往往无法独立完成，因此部分协同工序需要外包给具备其生产能力的协同企业，从而构成协同生产网络。显然这种协同模式可以有效利用不同企业的优势生产能力提高生产效率和产品质量，同时也使得生产计划与调度从企业内部扩展到企业外部，形成供应链调度，导致调度复杂性和不确定性增加。通常，不确定因素主要来源包括供应链调度过程中企业间信息协调不确定性以及突发事件引发的不确定，本文针对不确定订单可能到达概率情景下的供应链调度问题进行研究，其主要研究目的是实现抗干扰调度优化。目前，在生产调度、智能调度优化方面，国内外许多学者已经从多个角度做出了大量有意义的工作并获取了丰硕的研究成果[3-8]。近年来，研究者不再局限于仅对生产企业内部生产环节进行优化，而是越来越多地从供应链的角度综合考虑包括原料采购、生产、库存以及物流配送等环节在内的集成优化。这些研究[9-11]从不同的角度对集成调度模型进行了构建，即制造企业的不同分布结构、交货时间约定、交货方式、车辆运输方式等等，并考虑了总成本和客户服务水平之间的权衡。 基于上述，本文针对供应链调度问题进行综述。总体而言，该领域大部分研究可以归纳为两阶段供应链调度和三阶段供应链调度。在二级供应链调度方向上主要研究包括：程八一等[12]提出了一类制造企业制造环节和配送环节的生产、库存和配送联合成本优化问题，在生产环节他们考虑了加工作业尺寸存在差异的分批制造模式，并设计了多项式时间的近似算法对模型进行求解。Yeung等[13]考虑了一个销售短生命周期单产品的二级供应链调度问题，他们构建供应链调度问题为一个多时间窗约束的flow shop调度问题。通过伪多项式动态算法设计，获取调度问题优化解。孙靖和林杰[14]为解决信息不完全共享环境下大规模定制供应链的动态调度问题，提出了基于蚁群算法的多供应商和单制造商交互调度模型，实现供应链动态优化调度。Guo Zhaoxia等[15]调查了MTO供应链的集成生产和运输调度问题，并构建一种基于和谐搜索的模因优化模型。仿真实验表明所提模型可以有效解决所提问题，其次所提模因优化过程相比遗传算法呈现出更好的寻优效果。Torabi等[16]考虑了单供应商和单装配厂之间的生产和配送调度问题，他们构建了混合整数非线性规划模型，其目标是最小化单位时间的平均库存成本、准备成本和运输成本，采用了混合遗传算法对模型进行求解。Rasti-Barzoki和Hejazi[17]考虑了集成交货期、生产和批配送调度问题，其目标在于最小化延期订单的加权数量以及资源分配成本和配送成本，他们提出了伪多项式动态规划算法对模型求解。Yilmaz和Pardalos[18]考虑了两阶段供应链调度问题，第一阶段由多个制造商构成，第二阶段则由多个车辆构成以实现产品批次从制造商到客户的配送。他们建立了混合整数线性规划模型并采用人工蜂群和模拟退火的混合算法进行求解。Liu Xufei和Chung Tsuiping[19]针对半导体生产最终测试环节厂房分布式布置的特点，考虑了客户订单在这些分布式厂房的生产问题以及对完工产品的车辆配送问题。他们提出了一种PST启发式算法以及B-IAIS元启发式算法，仿真结果表明了他们所提算法的高效性。薛梅和周志平[20]研究了批处理机环境下生产与两阶段运输的供应链协同调度问题，根据问题进行系统建模，并采用改进离散粒子群算法进行求解。韩文民等[21]针对虚拟单元制造系统中新订单陆续到达的情况，研究了判断是否以及何时进行重调度的问题。构建重调度非线性整数规划模型，结合混合离散粒子群算法提出周期-事件混合重调度驱动决策方法。 关于三级供应链调度问题的研究：Kolish和Hess[22]在资源和装配空间约束下考虑了多种定制产品装配调度问题，并引入了三种启发式算法对其进行求解。Sawik[23]考虑了客户驱动的供应链调度模型，集成考虑了原材料生产、原材料供应和生产装配的全过程，核心问题在于如何协调零部件的采购、制造和产品的装配使整个供应链库存成本、生产线启动成本和运输成本最小化。Selvarajah和Zhang[24]将供应链调度优化定义为最小化加权流水时间和批量运输成本问题，他们分析了一些多项式可解的特殊问题，并提出了启发式算法求解一般问题。Yimer和Demirli[25]针对订单拉动的供应链系统，构建了一个从原材料采购、部件制造、产品装配以及配送过程的三级混合整数规划模型，并采用两阶段排序方法将模型分为两个子系统，最后基于遗传算法对问题进行了求解。Sawik[26]针对供应商联合选择、生产调度以及配送问题提出了一种双目标随机混合整数规划方法，并考虑了局部和区域中断风险。双目标具有冲突性，为最小化成本和最大化服务水平。Hall和Potts[27]综合考虑了一个三级供应链调度、批处理和交货决策之间的协调问题，其目标是最小化调度和交货成本。Agnetis等[28]针对制造商和第三方物流两个agents的供应链调度问题进行了研究。制造商需要加工在上游阶段和下游阶段的订单集合，第三方物流负责将半成品从上游阶段运输到下游阶段，因此制造商目标为最小化完工时间而第三方物流则期望最小化运输总成本。Wang和Gunasekaran[29]研究了由多个回收商、一个制造商、多个二手市场构成的逆向供应链的集成运作调度问题，他们构建了双目标的混合整数规划模型：最小化总的运输和惩罚成本以及最小化交货延迟，并采用动态规划算法进行了求解。Chen Zhilong[30]对综合考虑生产和外部配送的集成供应链问题的文献进行了综述，并给出了一种对该类集成优化问题统一的模型描述方案。同时他还将现有的模型分为几个不同的种类，并对各个模型的最优性能、计算柔性、求解算法做了相应概述。唐亮等[31]考虑协同制造模式下的调度问题，通过设计不同类型的协同制造网络构建生产成本、库存成本、惩罚成本最小化的混合整数规划模型，并采用改进蚁群算法进行求解，仿真结果表明算法的有效性。 归纳现有针对供应链调度问题的文献，我们发现结合不确定性因素开展的研究较少。而通常考虑出现机器故障、订单插入等不确定问题的研究则主要基于企业内部运作开展，进行重调度和预测调度方面的研究[32-35]。然而，需要指出这些研究所提不确定性是到达时间或发生时间的不确定，而并非不确定因素是否发生这种本质的不确定性。此外，鉴于协同生产过程呈现出网络化特征，因此本文将从网络角度对不确定订单到达概率下的供应链调度问题开展研究。特别的，本文考虑同类部件订单合并具有的成本效益，设计合并决策策略，并采用场景的表达方式构建调度决策模型，在此基础上获取优化的调度策略。
