生产计划与调度搜集资料

第一篇：生产计划与调度搜集资料

JIT生产模式：

JIT生产是日本丰田汽车公司根据自身的特点，逐步创立的一种独特的多品种、小批量、高质量和低消耗制造模式的生产方式。JIT生产的基本原理来源于超级市场以需定供的管理方式，即供方依据订货传票（看板）的要求，在规定的时间将货品配送到需要的地点。也就是只在“需要的时间，供应所需要品质和数量的产品”，具体地说就是每一个阶段加工或供应产品的品质、数量和时间由下一阶段的需求确定。因此JIT生产是指在生产组织的各个层面上，采用通用性强、自动化程度高的机器设备，以不断降低成本、无废品和零库存为目标的一种生产方式。简而言之是在面对不断变化的市场，以尽可能低的成本，按照所需的数量，以完美的质量为顾客提供所需的产品和服务，最大程度地满足顾客需求。JIT生产的核心是消除一切浪费，其实现途径就是通过实现“标。

零库存”目混合遗传算法：

混合遗传算法就是将遗传算法与其他算法相混合，互取所长，互补所短。比如遗传算法与模拟退火算法的混合，就是将遗传算法的全局搜索能力与模拟退火算法的局部搜索能力结合起来，形成一种强大的算法。类似的还有：遗传算法与最速下降法的混合、蚁群算法与遗传算法的混合等。

遗传算法的基本运算过程如下：

a)初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。

b)个体评价：计算群体P(t)中各个个体的适应度。

c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。d)交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。e)变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。

群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)。

f)终止条件判断:若t=T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

交叉算子：

变异算子：

轮盘赌的方法：

第二篇：生产计划调度

目前大多数仿真是以静态方式运行的：仿真系统仅以启动时确定下来的静态数据集作为输入，仿真运行过程中不能动态地向系统注入数据。如果有新数据到来，必须重新运行仿真系统。这就限制了应用仿真系统的分析和预测能力。而许多领域已形成了对动态应用仿真系统的需求，在此背景下，美国国家自然科学基金会（The National ScienceFoundation，NSF）提出了动态数据驱动应用系统（DynamicData Driven Application Systems，DDDAS）的概念和研究方向，试图将仿真与实验有机地结合起来，构成一种仿真与实验融合为一体的自然和谐的共生动态反馈系统。

各单元模块的功能如下

1．控制单元：控制仿真模型运行，抽取模型的状态特征数据与注入数据对比分析，据此调整模型和分辨率；控制实际生产线运行，根据仿真结果数据反馈生产线调度优化方案；控制数据采集，根据仿真结果数据产生数据采集策略，反馈数据采集模块执行。

2．仿真模型单元：根据控制系统指令，产生新的仿真目标策略。据此，从模型库调用相应模型进行新模型的构建，并动态调整模型或模型参数，达到仿真结果与仿真目标逼近。最后，将模型与仿真结果进行分析评价，并形成知识保存在知识库中，为完善模型库构建和模型选择提供依据。

3．人机接口单元：显示仿真结果，支持用户对仿真策略进行调整和控制，支持用户根据仿真结果对生产线运行进行控制，支持用户根据仿真结果对数据采集策略进行选择控制。

4．数据采集单元：根据控制系统指令，生成新的数据采集策略。据此，采集生产线上的数据，并且具备多信息源数据融合能力。

(一)动态数据驱动仿真单元

此单元由调度模块和仿真模块组成，完成调度方案的生成功能。

其中，调度模块包括相互协同的两个层次：上层模块是生产计划调度器，采用全局优化的方法，利用群体智能蚁群算法进行寻优，可产生一个静态的调度计划，其寻优时间长的问题可以通过多Agent建模的分布式计算能力得到解决。下层模块是实时调度模块，采用启发式的规则对生成的调度计划进行调整，并通过仿真进行分析和验证。当不确定事件发生，生产线上的环境变量发生改变时，该模块负责调整调度计划适应新的系统状态。如果在多个调度目标无法优化的情况下，通知上层模块，重新生成调度计划。整个过程是一个动态反馈过程。采用智能算法的优点在于能够从全局的角度进行优化，缺点在于模型描述的精度不高和易于陷入局部优化解；利用带启发式规则的仿真方法恰恰能够精确地描述模型和改善局部的解的性能，同时在较短的时间内生成优化的调度方案。上层的调度结果不仅会指导下层的调度过程，即带启发式规则的仿真是对智能蚁群算法产生的调度计划的局部修改；而且下层的调度结果也能帮助上层的调度寻优，启发式规则产生的某些局部优化解也可以作为启发信息指导蚁群算法更快地收敛。

仿真模块完成以下三种功能：首先，它能够实现用户可视化的生产线建模，模型的复杂程度可以根据用户研究问题的深度不同进行定义和设置；其次，为适应动态变化的生产环境，在仿真运行过程中，生产模型也可以根据生产线的具体情况进行自动修正，如某个设备失效等；最后，对调度模块产生的调度方案进行仿真，并把由此生成的对该调度方案的多目标评价值和对瓶颈设备的预测数据反

馈给调度模块，作为对下一步调度优化判断的依据。(二)动态数据驱动仿真控制单元

由中心推理机和辅助功能Agent组成，共同构成一个调度决策支持系统。中心推理机实现基于案例库或规则库的智能决策功能，辅助功能Agent在中心推理机的协同下工作，包括多目标管理Agent、优化策略管理Agent、调度仿真剧情管理Agent、调度因素分析Agent等四种类型的Agent，它们分别实现不同的控制功能。

多目标管理Agent：负责控制当前调度优化的方向，对调度方案评价函数中多个不同目标的权重进行动态的参数调整，实现调度目标与当前生产线的实际生产情况一致。柔性制造系统生产线调度问题是一个多目标的优化问题。短期优化目标包括：最大化生产量、最大化WIP移动步数、最小订单交货延迟率、降低加工周期、降低加工周期方差、降低WIP水平等。目标之间存在相互制约的关系，如何选取各目标优化的权重以平衡各目标优化的能力是需要解决的问题。各目标权值的大小比例是一个动态调适的过程。首先，它必须与我们生产计划对当前生产的要求和侧重点一致。同时，它也在不断地动态调整，保持与生产线当前的实际生产情况一致，完成这个任务需要中心推理机的协同，如基于案例库的推理等。

优化策略管理Agent：直接对调度和仿真模块下达指令，负责监控调度仿真的执行过程。优化策略管理Agent根据控制模块设定的优化目标或调度模块反馈的优化目标的达成情况，在中心推理机的帮助下，按照推理规则，进行模型和算法的调整，实现全局优化算法和局部优化算法之间的动态协作，当满足一定的条件时，返回优化的调度方案作为当前的最优解。

调度仿真剧情管理Agent：协助用户完成“what—if”分析。与传统仿真不同，动态数据驱动仿真是一种与生产线生产过程并行的仿真方法。因此，我们可以在仿真过程中设置多个时间断点，通过改变假设条件来进行生产预测；同时，也可以进行回放分析，这在传统仿真方法中是无法实现的。对多剧情仿真的管理由仿真剧情管理Agent实现；同时，仿真参数和得到的结果也将作为知识保存在案例库中。

调度因素分析Agent：接收来自数据采集模块的实时生产线数据，比较仿真数据与生产数据的差异，如果发现两者有较大的偏差，即参数超出了允许的域值范围，则使用中心推理机分析原因，并将分析的调度因素传递给优化策略管理Agent，作为调整调度模型和算法的依据。同时，将调度因素反馈给数据采集策略Agent，由后者按一定的策略完成下一步的生产线数据采集工作。(三)动态数据注入单元

由数据采集策略Agent根据调度因素分析A—gent反馈的结果生成下一步的数据采集策略，然后派出对应的移动Agent到生产制造EMS系统中采集生产线上的生产数据。由于柔性制造系统生产线由上百个生产设备构成，如果对所有的生产数据进行采集必然影响数据的采集效率，所以采用移动Agent既缩短时间又提高数据的精确性，同时还可以根据需要对数据作一定的预处理以缩小传递的数据量。

(四)用户界面交互Agent 负责把仿真数据展示给用户，同时，接收用户对仿真模型或参数的控制。使用户可以实时地控制仿真的整个过程，并利用仿真结果指导生产和数据采集过程。

模型运行机制

从图3中可见，动态数据驱动仿真的过程与生产线的生产过程是并行进行的。仿真系统根据一定的时钟节拍采样生产线上的数据；然后，将仿真数据与生产线数据作比较，使用因素分析Agent分析原因。如果发现两者有较大的偏差，即参数超出了允许的域值范围，则调整仿真模型，重新进行仿真。其中，仿真模型根据动态注入的生产数据完成自适应调整是整个DDDAS的核心，本文采用分层优化的思想生成调度方案，同时达到全局和局部的优化目标。首先，将智能搜索技术与离散事件仿真技术相结合，得到上层的调度方案；然后，应用优化策略Agent对仿真结果进行分析，找到进一步优化的方向，利用启发式调度规则进行方案调整得到下层的调度方案，并反复地使用仿真进行验证。不仅下层的调度方案建立在上层调度方案的基础上；同时，上层的调度模块接受下层调度方案的局部优化解作为启发信息引导搜索过程，以加快收敛，在较短的时间内得到全局的优化解。与传统的静态仿真不同，DDDAS仿真能动态地吸收新的数据，并将仿真过程同真实系统相融合，让二者相互协同起来。一方面，通过真实系统运行过程中产生的参数同步地对仿真系统进行调整，可以大大提高仿真的准确性、时效性、智能化；另一方面，通过仿真提供的数据同步地为真实系统地运行提供决策支持，这些将大大地扩展仿真系统的应用能力。

第三篇：生产计划与调度管理制度

生产计划与调度管理制度

1.目的：

提高生产效率,实现准时化生产,确保市场需要得到有效的反应,销售订单得到有效的执行,生产过程得到有效的控制,用户需求得到有效的满足。2.职责： 2.1销售部

2.1.1负责销售合同/订单的下达，市场数据的收集并将收集到的数据整理为月、季、年需求提供给生产部。2.1.2负责生产过程中与客户沟通信息的传递。2.2生产部

2.2.1负责生产计划的编制、报批和下达。2.2.2负责生产计划的组织实施及过程控制。

2.2.3负责根据销售部提供的需求数据，提供工装模具计划及生产所需材料计划给采购部。

2.2.4负责定期组织调度会和生产专题会。2.2.5负责年、月、周、日生产数据的统计及报出。

2.2.6负责公司内部设备或生产能力不能满足生产进度需求时的外协加工。

2.2.7负责未完成计划的考核提报。及生产原因造成未完成计划的原因分析、责任认定及纠正预防措施的制定。2.2.8负责厂区5S的检查。2.2.9负责生产流程的优化。

2.2.10负责协助和监督车间的管理工作。2.3采购部

2.3.1负责生产所需工装模具、原料、辅料等的供应，并保证生产不受影响。2.4技术部

2.4.1负责产品图纸的解释、相关工艺文件及产品图纸的编制、下发等。

2.4.2负责为生产部提供必要的技术信息，配合完成原材料计划和模具计划的编制。

2.4.3负责大型工装、附具的设计。

2.4.4负责新产品的试制过程以及试制计划的编制。2.4.5负责生产过程中技术、质量相关问题的解决。

2.4.6负责因技术问题造成未完成计划的责任认定及纠正预防措施的监督完成。2.5质量部

2.5.1负责质量管理工作及质量异议的处理。

2.5.2负责组织对不合格品进行分析，并提出解决方案。2.5.3负责质量管理体系的建立和维护工作 2.6装备部

2.6.1负责对全厂动力系统、机器设备的正常运行提供保障，根据实际情况和设备特点搞好能源、动力设备故障的预防、维修工作，组织实施设备的保养、点检、定修、大、中修理及特种设备的检查等工作。2.6.2负责调查、分析、处理生产过程中能源、动力系统、机器设备出现的各种故障，并在事后采取相应的改进及预防措施。

2.6.3负责因设备问题造成未完成计划的责任认定及纠正预防措施的监督完成。2.7各生产车间

2.7.1负责根据生产计划按时组织生产，并及时向生产部反馈计划完成情况。

2.7.2负责在规定时间内向生产部报送有关报表或单据。

2.7.3负责向有关部门及时反馈技术质量或设备问题并配合完成整改。3.具体内容：

3.1生产计划的编制、审批及发放

3.1.1月度生产由生产计划员根据月需求（每月18号之前由销售汇总完成并给生产部）、生产工期及设备能力、于每月20日前编制完成，经主管经理审批后于每月22日下发执行。

3.1.2周生产是由生产计划员根据月度生产计划，销售订单或需求，实际生产状况下达的指令性计划。于每周六下班前编制完成，经生产部长审批后下发，下周一开始执行。

3.1.3日生产由各生产车间根据周生产计划、实际生产状况于每日17点前编制完成。车间主任审核，报生产部计划员审批后下发，于下一工作日执行。3.1.4生产计划变更由生产计划员根据月度生产、紧急销售订单或需求，实际生产状况下达的指令性计划。于接到定单后2个工作日内编制完成，经生产部长审批后下发执行。

3.1.5工装需求计划由各生产车间根据月度生产、实际生产状况于每月25日前编制完成。车间负责人审核，报生产部长审批后下发执行。3.1.6模具计划、材料计划由材料计划员，模具计划员根据月度生产计划、实际生产状况于每月24日前编制完成。生产部长审核，报总经理/副总经理审批后下发执行。

3.1.7各类计划信息必须表达明确、清晰，指导性强。3.2生产计划的调整

3.2.1生产计划执行遇以下情况时需要调整生产计划 3.2.2订单的增加、减少或取消导致生产量变更。

3.2.3设备、人力或原材料、模具的配备无法配合生产任务如期完成。3.2.4生产过程及其他因素改变导致计划无法实施。3.2.5突发事故影响了生产计划的如期完成。3.3生产计划的调整流程及要求

3.3.1各项计划一旦确定，原则上不允许随意变动，确有异常情况需要调整生产计划时，按照需调整的生产计划的原审批程序进行。3.3.2如果其他部门，列如装备部、技术部、车间等在计划外加入其它任务而又不影响原有生产任务的按时完成，可由部门间协调安排，但需提前通报生产部。3.4生产进度控制 3.4.1生产部及各生产车间负责人应随时了解和掌握生产过程的实际情况及生产进度。如发现生产进度延误时，应督促相关部门改善并及时通报，以确保生产计划按时完成。

3.4.2对影响生产进度的问题，由生产部负责要求相关部门或车间整改，并落实具体责任人和具体整改日期。对于阻碍计划执行的问题，必须在既定的时间内由专人负责进行整改与跟进；对于整改协调过程中出现的争议，要及时报相关领导协调和解决。确保生产计划的严肃性和可执行性，以推动生产计划的按时完成。

3.4.3生产部负责公司总体生产计划的控制，负责对影响生产计划执行的部门和个人进行考核。3.5生产计划总结

3.5.1生产部根据生产计划完成情况，比较计划与实际情况的差距并进行相应的分析，进而提出改进意见与要求。

3.5.2生产部对生产计划各项指标进行分析，每周一小结，查找生产计划未达成的原因。将突出的重点问题发布至各相关部门，督促各部门对存在问题予以改善并检查改善效果，以不断提高生产计划完成率。

3.5.2.1调度日报表每日8点前报出

3.5.2.2车间统计员每天16:00上报各工序生产情况统计表到生产部计划员。

3.5.2.3周生产报表每周一15点前报出

3.5.2.4月生产报表每月1号报出（含成品库存、原料库存、在制品数量、各种辅料消耗品库存，运输费用等）。3.6考核细则

3.6.1生产车间考核规定: 3.6.1.1不经过生产部私自调整排产顺序的,每次考核责任单位100元;3.6.1.2因工作疏忽造成停机1小时以上的, 考核责任单位50元/小时;3.6.1.3造成当日计划延期完成的, 考核责任人单位50元/款;3.6.1.4每耽误其它工序生产考核责任单位25元/小时/批次;造成损失重大的加倍处罚，具体视情况而定。

3.6.1.5周生产计划完成率98%以上,每低1个百分点考核责任单位50元;前期生产负荷较低，可按照每延误一笔考核50元/单位。3.6.1.6无正当理由造成的出货延误，考核责任单位50元/笔/天，造成客户停线、索赔、流失等严重后果的视情况加倍考核。3.6.1.7不听从调度指令者罚款200元/人/次，情节严重者加倍处罚。3.6.1.8车间人员安排不合理，影响生产的按50元/次考核相关组长，车间主任20元/次，不改善或态度恶劣的加倍处罚。

3.6.1.9各生产单位无正当理由不接受生产计划（指令）或推诿扯皮的考核责任单位负责人500元/次。

3.6.1.10计划不能正常进行时，生产车间向生产部反馈不及时或不反馈，考核责任单位50元/每次。

3.6.1.11因生产组织不力而影响生产时,按本制度5.6.1.1考核。3.6.1.12“各工序生产完成情况统计表”要求及时上报（车间操作人员应于当天15:30之前将15:00之前完成产品的生产报表上报各车间统计员，15:00之后的报表第二天下午15:30之前上报车间统计员，各车间统计员在16:00之前将统计好的数据发送给生产部统计员，生产部统计员于下班之前将数据上报公司相关领导），未及时上报的按50元/次处罚相关责任人或责任单位，成品库存数据上报结点、时间等与车间相同，车间主任按20元/次考核。

3.6.1.13“各工序生产完成情况统计表”数据要求准确，误差控制在3‰以内，超出范围按20元/笔/人处罚车间统计员和相关责任人，车间主任按10元/笔考核。

3.6.1.14“各工序生产完成情况统计表”中重量栏不得包含桶重，如发现一笔处罚所在车间统计员20元/笔，车间主任10元/笔（此条自2015.2.25号期实施）。

3.6.1.15仓库数据必须做到帐、卡、物一致，如发现不一致按50元/次考核相关责任人，主管负管理责任，按20元/次处罚；仓库数据需按要求提供及时提供生产部，每延误一次考核相关责任人50元/次，主管负管理责任，按20元/次处罚。

3.6.1.16其他部门所需单据及数据的提供需按要求时间节点提供，数据要准确无误。出现延误按每次50元考核相关责任人，所属车间车间主任按照20元/次考核。

3.6.2相关部门影响生产计划考核规定：

3.6.2.1技术部应及时反馈技术准备完成情况,已下达生产技术准备完毕通知但仍不具备生产能力的,每次考核技术部100元。3.6.2.2因设备使用、维护、保养不当或维修不及时而影响生产，考核责任单位50元/次。影响重大的加倍考核。

3.6.2.3因产品质量达不到要求而影响生产及交货，考核责任单位50元/次。影响重大的加倍考核。

3.6.2.4技术、质量问题24小时不解决或推诿扯皮，每次考核相关部门50元/次；若影响生产，按本制度第3.6.1.1追加考核。3.6.2.5辅助部门人员调配不合理而影响生产，考核责任单位50元/人/次，情节严重的加倍处罚。

3.6.2.6外协件、自制件、模具、原材料、辅料供应，因质量问题或到位不及时而影响生产，按本制度3.6.1.1考核。

3.6.2.7由生产部和销售部因承担外协件或模具、原材料、辅料等的组织任务而被考核, 生产部与销售部能够提供充分证明已完全尽到组织职责,完全由供方自身原因造成,以上二部门可按公司有关规定提出对供应商的考核意见,本部门责任予以免除。

3.6.2.8不具备批量生产条件的产品以及不成熟的产品,将进行专项考核,不属本办法考核范围。

3.6.2.9在事实确认过程中,各单位一定实事求是,以吸收教训为主要目的,凡弄虚作假的一经查实,加倍考核。

3.6.2.10其他因相关单位工作质量造成设计、质量、试制等原因影响正常生产,将问题遗留到生产现场解决,按照5.6.1.1进行考核。3.6.2.11生产计划相关数据的提供必须按时间节点完成（具体参见5.1.1-5.1.7各条），延迟的按50元/次考核相关责任部门。3.6.2.12生产上用到的单据需按要求填写并签章，发现未按要求填写或相关人员未签字的，按20元/次考核，性质恶劣的加倍考核。3.6.2.13各生产工序生产前需检验员检查合格并签章后生产，检验员未签字或是盖章私自生产的按50元/笔考核相关责任人，车间主任按20元/笔考核。

3.6.3不落地计划考核规定：

3.6.3.1“不落地计划”完成后，由生产部在3天内提报未按时完成的责任部门，以及延误的具体时间。

3.6.3.2对因部门主观原因未按照“不落地计划”时间节点按时完成的考核办法做如下规定：

--1小时≦延误时间＜2小时 责任人 处罚100元

--2小时≦延误时间＜4小时 责任人 处罚200元

--4小时≦延误时间＜8小时 责任人 处罚300元

--超过8小时以上，责任人处罚 500元。3.6.4 模具报损或报废考核办法：

3.6.4.1 生产过程中，模具已超过使用寿命正常磨损报废的，操作员填模具报废申请单，由领导审核确认方可报废。

3.6.4.2 生产过程中发现有模具尺寸与产品图纸尺寸不符的，由技术部和车间判定是自修或退回模具供应商。如自修，费用应从模具款中扣除，并由采购部知会模具供应商。

3.6.4.3 生产过程中模具由质量原因没达到规定使用寿命的，由采购人员与模具供应商协调处理。

3.6.4.4 模具在使用过程由操作员调机不当或正常生产中责任心不强，疏忽大意造成模具损坏经维修达到原有功能的处罚责任人50元/次。

3.6.5.5 模具在使用过程中，人为原因损坏报废不能修复的模具使用率未达到50%的处罚责任人，模具总价的30%。模具使用率达到<50%,>80%的处罚模具总价的15%，使用率达到80%以上的处罚模具总价的5%。

3.6.6.6生产任务完成后未及时交库造成模具遗失的处罚责任人模具总价的100%。

3.6.5流程卡考核办法：

3.6.5.1 每批产品必须由流程卡，即每桶必须由流程卡。流程卡中的重量和数量由操作人员和统计员填写，个工序检验员对产品进行检验时，同时检查流程卡的填写是否规范，检查合格的流程卡上盖检验章，方可流转到下道工序。

3.6.5.2 流程卡必须填写规范、完整，保持文件清洁，对未按要求填写的，并输入ERP系统的，发现一次扣相关直接责任人20元，车间负责人扣10元。

3.6.5.3 如果检查员在标识不清或填写不完整的流程卡上签章，发现一次处罚20元。

3.6.5.4 对流程卡填写不完整、不清晰的、下道工序应拒收并退回上道工序进行处理，若接收了该桶产品，扣直接责任人20元，车间负责人10元。

3.6.5.5 同一炉号（卷号）的材料可连续生产，不同炉号（卷号）的成品丝，无论生产计划批量的大小，均必须更换“流程卡”及料桶，不能混批生产。发现混批次生产的，考核相关责任人200元/次。3.6.5.6 如果流程卡损坏或遗失，造成的可疑品处理，由质量部负责对已加工工序的全尺寸检查，合格后冷成型车间统计员补发流程卡。可疑品的责任人按200元/次考核。3.6.6本规定的确认与执行。

3.6.6.1本考核由生产部提出,采购、技术、质量，装备部门等部门分别确认责任后,上报档案室编号发行。

3.6.6.2生产部落实考核相关事宜并报综合管理部。

第四篇：生产计划与调度管理标准

佛山市顺德区华傲电子有限公司企业标准

QG/HD07.16-08

生产计划与调度管理标准

B版

2004年8月发布2004年8月实施

佛山市顺德区华傲电子有限公司发布

目录

1．范围

2．引用标准

3．术语及定义

4．管理职责

4.1生产物控部职责

4.2采购处职责

4.3市场部营销部

4.4技术部职责

4.5经营管理部职责

5．管理内容与要求

5.1生产计划

5.2月度生产计划

5.3生产计划的调整

5.4生产前准备

5.5生产计划调度

5.6月度生产计划完成情况的考核

6检查与考核

附录和附表

HG07.16-08表1生产计划

HG07.16-08表2月度生产计划

HG07.16-08表3月度生产计划调整（增补）

附加说明

为了制定正确、适宜的季度生产计划、月度生产计划，对各项计划的执行情况进行监控调度完成情况进行考核，确保计划的顺利完成，特制定本标准。

1．范围

本标准规定了生产计划管理的调度的职责、内容与要求。

本标准适用于本公司各有关部门。

2．引用标准

QG/HD07.16-09生产过程控制管理标准

QG/HD07.16-11仓库管理和物料控制管理标准

QZ/HD**.**-*****工作标准

3．术语及定义

（不需用）

4．管理职责

4.1生产物控部职责

a）负责与科龙集团内主机公司与其他外部客户的生产衔接；

b）负责生产能力的平衡及委外加工的组织；

c）负责根据主机公司的计划订单和市场营销部的生产订单编制本公司的生产计划；

d）负责生产计划、滚动计划和月度生产计划编制并组织实施同时对计划执行情况进行监控调度，并对计划完成情况进行考核。

e）负责采购和供应工作，保证物资能按计划需求按质、按量、按时供应。

4.2采购处职责

负责采购和供应工作，保证物资能按计划需求按质、按量、按时供应。

4.3市场部营销部

负责提供外部市场产品需求订单。

4.4技术部职责

负责提供新产品开发项目计划和月度新产品试制进度计划。

4.5经营管理部职责

负责根据生产物控部的意见对计划完成情况进行考核。

5．管理内容与要求

5.1生产计划

5.1.1生产计划编制的依据

a）市场部提供的系列产品需求预测；季度分月需求预测；主机公司提供的需求计划； b）技术部提供的新产品开发项目计划。

5.1.2生产计划的编制

5.1.2.1生产调度处在每年11~12月根据上述编制依据，经初步平衡，编制下一的“生产计划”（HG07.16-08表1），经生产物控部部长审核，生产副总批准后下发各有关部门并作为各相关单位编

制专项计划的依据。

5.2月度生产计划

5.2.1月度生产计划编制的依据

a)市场部提供的市场产品需求订单；

b）科龙集团空调公司提供的月度生产计划和出口计划；

c）科龙集团冰箱公司提供的月度冰箱控制器需求计划和出口计划；

d）技术部新产品试制计划；

5.2.2月度生产计划包括：

a）空调冰箱控制器月度生产计划(主计划)；

b）市场部需求月度生产计划；

c)电子车间总装配计划和制板线计划。

5.2.3月度生产计划管理

a)生产调度处每月在收到编制依据的1个工作日内，编制空调电控件冰箱电控件和市场部需求下月“月度生产计划”（HG07.16-08表2），主计划必须明确控制器生产型号、数量、交货日期、以及对应生产的单位名称（包括电子车间和委外的供方）。对委外供方的计划必须在同委外供方进行沟通和确认后按中标供方的份额和均衡生产的原则安排。月度生产计划经生产物控部生产调度处长审核，生产物控部部长签发后下发各部门实施。同时由生产调度处编制相应的物料采购计划作为采购处物料采购的依据。

b)月度生产计划下发后1个工作日内，各业务主办必须根据生产计划的进度安排完成成品委外采购订单的填写、审批和发到供货方。

c)采购处根据物料采购计划的要求编制元器件及结构件的采购订单，并进行采购。

d)主生产计划员负责对计划的执行动态进行跟踪检查，对影响主生产计划完成的因素要及时把握，协调处理，确保交付计划的顺利完成。

5.3生产计划的调整

5.3.1计划的调整应遵循尽可能满足市场需求的同时，兼顾本公司整体效益的原则；

5.3.2所有计划调整的要求都应以书面形式提出，并由主管部门领导批准后方可生效。

5.3.3生产计划调整的依据

a)市场部提供的销售需求调整书面文件或计划；

b)空调公司生产计划和冰箱公司控制器需求计划调整；

c)物料不能按时供应，无法满足生产的书面报告；

生产调度处依据5.3.3 a)、b)、c)，制订“月度生产计划调整（增补）”（HG07.16-08 表3），并下发各部门实施。

5.3.4因生产计划调整而造成的积压物资，由相关采购业务员以书面形式提出，数量在《采购物资期量标准》以内的由生产物控部协调消化处理，数量超出《采购物资期量标准》部分所造成的损失由责任部门按本部门的工作标准（QZ/HD**.**-**）实施考核。

5.4生产前准备

5.4.1和月度生产计划下发到各有关部门后，各部门应根据生产计划的要求进行相应的生产前准备工作（包括物料、人员、检验、技术、设备、工装等）。对不能满足生产计划要求的问题要及时反馈 生产调度处，统一协调处理。

5.4.2生产物控部负责对批量生产的产品设计更改进行跟踪，并落实新旧制件衔接与配套安排，同时将有关信息反馈各相关部门。

5.5生产计划调度

生产调度处是生产计划组织安排和调度指挥的责任部门。负责根据实际的生产组织情况、物料供应情况，工艺、技术准备等情况，结合顾客的需求，平衡生产能力，及时对生产计划做出相应的调度，以保证生产既满足顾客的需求又能最大限度地保持生产的连续性和有序性。

5.6月度生产计划完成情况的考核

5.6.1每月5号前由生产物控部生产调度处对月度生产计划的完成情况进行汇总、分析并上报部门领导。

5.6.2对影响月度生产计划执行的个人和部门，生产物控部提出处理意见，由责任部门会签，生产副总批准后，由经营部进行考核。

6检查与考核

6.1本标准由生产物控部组织实施；

6.2本标准由管理者代表组织质量管理部检查并考核。

附录和附表

HG07.16-08表1生产计划

HG07.16-08表2月度生产计划

HG07.16-08表3月度生产计划调整（增补）

附加说明

本标准由生产物控部起草并负责解释。

本标准起草人：罗伟坚

第一次修订人：罗伟坚

本标准审定人：

第五篇：生产计划调度大作业

《作业车间调度的非合作博弈模型与混合自适应遗传算法》 作者：周光辉，王蕊，江平宇，张国海

摘要：采用博弈理论，建立了一种基于非合作博弈的作业车间任务调度模型，在该任务调度模型中，将源于不同客户的制造任务映射为非合作博弈模型中的局中人，并将与制造任务包括的工序集所对应的可选加工设备映射为可行方案集，将使各制造任务的加工完成时间和成本组合形成的多目标综合指标映射为收益函数，从而将对任务调度模型的求解转换为寻求非合作博弈模型的Nash均衡点，通过设计的爬山搜索混合自适应遗传算法、自适应交叉和变异算子，实现了对该任务调度非合作博弈模型的Nash均衡点的有效求解，同时算例仿真结果也验证了所提出的调度方法的正确性。

根据数学模型和假设条件，竞争驱动的作业车间任务调度目标就是寻求使得每个制造任务均能达到综合目标值最小、利益均衡的调度结果。

《基于自适应遗传算法的Job Shop 调度问题研究》 作者：沈斌，周莹君，王家海

Job Shop 求解过程的计算量随问题的规模呈指数增长，已被证明是NP完全问题。因此近年来倾向于利用人工智能的原理和技术进行搜索，寻找复杂问题的较优解，特别是以效仿生物处理模式以获得智能信息处理功能的遗传算法研究最为深入。但是也有不足之处，早熟收敛问题，局部搜索能力，算子的无方向性，正因为这些不足限制了以遗传算法的进一步推广和应用，因此对遗传算法进行改进显得尤为重要。本文提出一种新的自适应遗传算法用以求解Job Shop调度问题。

Job Shop问题描述

一个加工系统有m台设备，要求加工n个工件，第i个工件ji包含m个操作（工序），需要考虑如下假设：

1）每道工序必须按照工艺顺寻依次在指定的设备上加工，且必须在前一道工序（如果存在））加工完成后才一开始加工；

2）工件在一台设备上一旦开始加工，便不能中断，必须等到加工完成后，才能加工另外工件，即某一时刻一台设备只能加工一个工件； 3）同一个工件不能同时在两个设备上加工；

4）同一台设备不能同时加工两个工件；

5）每个工件在每台设备上必须加工一次，也只能加工一次；

6）各工件的工艺路线jsn和每到工序的加工时间jt已知，且不随加工排序的改变而改变，转移时间和辅助时间忽略不计或计入加工时间。

《A Hybrid Genetic Algorithm for Job Shop Scheduling Problem to Minimize Makespan》 作者：Lin Liu, Yugeng Xi

In this paper, we present a hybrid genetic algorithm for the job shop scheduling problem to mimize makespan.How to improve GA performance is a critical issue when using a GA to solve optimization problems.The general way focuses on tuning its parameters such as population size, crossover rate and mutation rate.However, if all parameters have attained the useful bounds, the expected improvement is often not worth the efforts of finding even better parameters.More potential improvements can be only explored by modifying the size of search space.The set of active schedules is usually large and includes a lot of schedules with relatively large idle times on machines, and thus with relatively large idle times on machines, and thus with poor performance in terms of makespan.The proposed algorithm used the idea of hybrid scheduler to reduce the search space as well as the computational efforts.The search space can be reduced or increased by controlling the upper bound of idle times allowed on machines.Since the parameters of the hyubrid scheduler are unlikely to be determined appropriately in advance, we search better values of them in the hybrid GA evolution.Dissimilar to Gas in literatures, a chromosome includes not only genes representing the relative priorities of all operations but also genes representing the parameters to determine the upper bound of idle times permitted on a given machine before scheduling an operation.The random keys representation is used to encode a chromosome.Each element of the chromosome is a real number of [0,1].During the schedule generation phase, the SPV rule is used to convert a real number vector into a job repetition representation.Based on the hybrid scheduler, a chromosome is decoded into a feasible schedule.Finally, a local search is executed in the neighborhood determined by the critical active chain to improve the performance of the schedule generated in the schedule generation phase.nd In the 2section, we present the formulation of job shop scheduling problem to minimize makespan.In the 3 section, we describe the proposed hybrid genetic algorithm in detail.In the 4 section, the proposed algorithm is evaluated on benchmark instances.Finally, we conclude the paper with a summary in 5th section.《Hybrid Genetic Algorithm for Solving Job-Shop Scheduling Problem》 作者：S.M.Kamrul Hasan

The Job-Shop Scheduling Problem(JSSP)is a well-known difficult combinatorial optimization problem.Many algorithms have been proposed for solving JSSP in the last few decades, including algorithms based on evolutionary techniques.However, there is room for improvement in solving medium to large scale problems effectively.In this paper, we present a Hybrid Genetic Algorithm(HGA)that includes a heuristic job ordering with a Genetic Algorithm.We apply HGA to a number of benchmark problems.It is found that the algorithm is able to improve the solution the solution obtained by traditional genetic algorithm.《Scheduling jobs and maintenances in flexible job shop with a hybrid genetic algorithm》

Most flexible job shop scheduling models assume that the machines are available all of the time.However, in most realistic situations, machines may be unavailable due to maintenances, pre-schedules and so on.In this paper, we study the flexible job shop scheduling problem with availability constraints.The availability constraints are non-fixed in that the completion time of the maintenance tasks is not fixed and has to be determined during the scheduling procedure.We then propose a hybrid genetic alogorithm to solve the flexible job shop scheduling problem with non-fixed availability constraints.The genetic algorithm uses an innovative representation method thrdand applies genetic operations in phenotype space in order to enhance the inheritability.We also define two kinds of neighbourhood for the problem based on the concept of critical path.A local search procedure is then integrated under the framework of the genetic algorithm.Representative flexible job shop scheduling benchmark problems and fJSP-nfa problems are solved in order to test the the effectiveness and efficiency of the suggested methodology.《A Hybrid genetic algorithm for no-wait job shop scheduling problems》 作者：Jason Chao-Hsien Pan, Han-Chiang Huang

A no-wait job shop describes a situation where every job has its own processing sequence with the constraint that no waiting time is allowed between operations within any job.A NWJS problem with the objective of minimizing total completion time is a NP-hard problem and this paper proposes a hybrid genetic algorithm(HGA)to solve this complex problem.A genetic operation is defined by cutting out a section of genes from a chromosome and treated as a subproblem.This subproblem is then transformed into an asymeetric traveling salesman problem(ATSP)and solved with a heuristic algorithm.Subsequently, this section with new sequence is put back to replace the original section of chromosome.The incorporation of this problem-specific genetic operator is responsible for the hybrid adjective.By doing so, the course of the search of the proposed genetic algorithm is set to more profitable regions in the solution space.The experiemental results show that this hybrid genetic algorithm can accelerate the convergence and improve solution quality as well.