第一篇：生產(chǎn)計(jì)劃生產(chǎn)調(diào)度現(xiàn)場(chǎng)管理流程

<計(jì)調(diào)科工作流程圖><業(yè)務(wù)流程>1.盤點(diǎn)昨天生產(chǎn)數(shù)據(jù)及各工段現(xiàn)有車輛數(shù)量<負(fù)責(zé)人/協(xié)助人><所需資料>各車間工段長昨天生產(chǎn)報(bào)表、月度批次表等2.簡單分析該數(shù)據(jù)調(diào)度3.9點(diǎn)開生產(chǎn)晨會(huì)制造本部領(lǐng)導(dǎo)、調(diào)度、各車間主任、工段長、生服部等部門負(fù)責(zé)人各車間的生產(chǎn)情況及遇到的問題4.整理記錄晨會(huì)內(nèi)容當(dāng)日未能解決調(diào)度晨會(huì)記錄表5.跟蹤解決晨會(huì)問題調(diào)度/各車間主任、段長及其他有關(guān)人員當(dāng)日產(chǎn)量、計(jì)劃、車型等6.協(xié)調(diào)處理應(yīng)急事件與該事件有關(guān)的部門及人員公司的相關(guān)管理規(guī)定7.三點(diǎn)半開例會(huì)各車間段長當(dāng)天計(jì)劃的完成數(shù)據(jù)及情況8.跟蹤解決例會(huì)中的問題調(diào)度、與問題有關(guān)部門人員9.統(tǒng)計(jì)當(dāng)天生產(chǎn)情況調(diào)度/各工段長生產(chǎn)報(bào)表10.安排班車調(diào)度/物流科11.填寫調(diào)度日志，同夜班人員交接調(diào)度/夜班人員調(diào)度日志結(jié)束

第二篇：生產(chǎn)計(jì)劃調(diào)度

目前大多數(shù)仿真是以靜態(tài)方式運(yùn)行的：仿真系統(tǒng)僅以啟動(dòng)時(shí)確定下來的靜態(tài)數(shù)據(jù)集作為輸入，仿真運(yùn)行過程中不能動(dòng)態(tài)地向系統(tǒng)注入數(shù)據(jù)。如果有新數(shù)據(jù)到來，必須重新運(yùn)行仿真系統(tǒng)。這就限制了應(yīng)用仿真系統(tǒng)的分析和預(yù)測(cè)能力。而許多領(lǐng)域已形成了對(duì)動(dòng)態(tài)應(yīng)用仿真系統(tǒng)的需求，在此背景下，美國國家自然科學(xué)基金會(huì)（The National ScienceFoundation，NSF）提出了動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)應(yīng)用系統(tǒng)（DynamicData Driven Application Systems，DDDAS）的概念和研究方向，試圖將仿真與實(shí)驗(yàn)有機(jī)地結(jié)合起來，構(gòu)成一種仿真與實(shí)驗(yàn)融合為一體的自然和諧的共生動(dòng)態(tài)反饋系統(tǒng)。

各單元模塊的功能如下

1．控制單元：控制仿真模型運(yùn)行，抽取模型的狀態(tài)特征數(shù)據(jù)與注入數(shù)據(jù)對(duì)比分析，據(jù)此調(diào)整模型和分辨率；控制實(shí)際生產(chǎn)線運(yùn)行，根據(jù)仿真結(jié)果數(shù)據(jù)反饋生產(chǎn)線調(diào)度優(yōu)化方案；控制數(shù)據(jù)采集，根據(jù)仿真結(jié)果數(shù)據(jù)產(chǎn)生數(shù)據(jù)采集策略，反饋數(shù)據(jù)采集模塊執(zhí)行。

2．仿真模型單元：根據(jù)控制系統(tǒng)指令，產(chǎn)生新的仿真目標(biāo)策略。據(jù)此，從模型庫調(diào)用相應(yīng)模型進(jìn)行新模型的構(gòu)建，并動(dòng)態(tài)調(diào)整模型或模型參數(shù)，達(dá)到仿真結(jié)果與仿真目標(biāo)逼近。最后，將模型與仿真結(jié)果進(jìn)行分析評(píng)價(jià)，并形成知識(shí)保存在知識(shí)庫中，為完善模型庫構(gòu)建和模型選擇提供依據(jù)。

3．人機(jī)接口單元：顯示仿真結(jié)果，支持用戶對(duì)仿真策略進(jìn)行調(diào)整和控制，支持用戶根據(jù)仿真結(jié)果對(duì)生產(chǎn)線運(yùn)行進(jìn)行控制，支持用戶根據(jù)仿真結(jié)果對(duì)數(shù)據(jù)采集策略進(jìn)行選擇控制。

4．?dāng)?shù)據(jù)采集單元：根據(jù)控制系統(tǒng)指令，生成新的數(shù)據(jù)采集策略。據(jù)此，采集生產(chǎn)線上的數(shù)據(jù)，并且具備多信息源數(shù)據(jù)融合能力。

(一)動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真單元

此單元由調(diào)度模塊和仿真模塊組成，完成調(diào)度方案的生成功能。

其中，調(diào)度模塊包括相互協(xié)同的兩個(gè)層次：上層模塊是生產(chǎn)計(jì)劃調(diào)度器，采用全局優(yōu)化的方法，利用群體智能蟻群算法進(jìn)行尋優(yōu)，可產(chǎn)生一個(gè)靜態(tài)的調(diào)度計(jì)劃，其尋優(yōu)時(shí)間長的問題可以通過多Agent建模的分布式計(jì)算能力得到解決。下層模塊是實(shí)時(shí)調(diào)度模塊，采用啟發(fā)式的規(guī)則對(duì)生成的調(diào)度計(jì)劃進(jìn)行調(diào)整，并通過仿真進(jìn)行分析和驗(yàn)證。當(dāng)不確定事件發(fā)生，生產(chǎn)線上的環(huán)境變量發(fā)生改變時(shí)，該模塊負(fù)責(zé)調(diào)整調(diào)度計(jì)劃適應(yīng)新的系統(tǒng)狀態(tài)。如果在多個(gè)調(diào)度目標(biāo)無法優(yōu)化的情況下，通知上層模塊，重新生成調(diào)度計(jì)劃。整個(gè)過程是一個(gè)動(dòng)態(tài)反饋過程。采用智能算法的優(yōu)點(diǎn)在于能夠從全局的角度進(jìn)行優(yōu)化，缺點(diǎn)在于模型描述的精度不高和易于陷入局部優(yōu)化解；利用帶啟發(fā)式規(guī)則的仿真方法恰恰能夠精確地描述模型和改善局部的解的性能，同時(shí)在較短的時(shí)間內(nèi)生成優(yōu)化的調(diào)度方案。上層的調(diào)度結(jié)果不僅會(huì)指導(dǎo)下層的調(diào)度過程，即帶啟發(fā)式規(guī)則的仿真是對(duì)智能蟻群算法產(chǎn)生的調(diào)度計(jì)劃的局部修改；而且下層的調(diào)度結(jié)果也能幫助上層的調(diào)度尋優(yōu)，啟發(fā)式規(guī)則產(chǎn)生的某些局部優(yōu)化解也可以作為啟發(fā)信息指導(dǎo)蟻群算法更快地收斂。

仿真模塊完成以下三種功能：首先，它能夠?qū)崿F(xiàn)用戶可視化的生產(chǎn)線建模，模型的復(fù)雜程度可以根據(jù)用戶研究問題的深度不同進(jìn)行定義和設(shè)置；其次，為適應(yīng)動(dòng)態(tài)變化的生產(chǎn)環(huán)境，在仿真運(yùn)行過程中，生產(chǎn)模型也可以根據(jù)生產(chǎn)線的具體情況進(jìn)行自動(dòng)修正，如某個(gè)設(shè)備失效等；最后，對(duì)調(diào)度模塊產(chǎn)生的調(diào)度方案進(jìn)行仿真，并把由此生成的對(duì)該調(diào)度方案的多目標(biāo)評(píng)價(jià)值和對(duì)瓶頸設(shè)備的預(yù)測(cè)數(shù)據(jù)反

饋給調(diào)度模塊，作為對(duì)下一步調(diào)度優(yōu)化判斷的依據(jù)。(二)動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真控制單元

由中心推理機(jī)和輔助功能Agent組成，共同構(gòu)成一個(gè)調(diào)度決策支持系統(tǒng)。中心推理機(jī)實(shí)現(xiàn)基于案例庫或規(guī)則庫的智能決策功能，輔助功能Agent在中心推理機(jī)的協(xié)同下工作，包括多目標(biāo)管理Agent、優(yōu)化策略管理Agent、調(diào)度仿真劇情管理Agent、調(diào)度因素分析Agent等四種類型的Agent，它們分別實(shí)現(xiàn)不同的控制功能。

多目標(biāo)管理Agent：負(fù)責(zé)控制當(dāng)前調(diào)度優(yōu)化的方向，對(duì)調(diào)度方案評(píng)價(jià)函數(shù)中多個(gè)不同目標(biāo)的權(quán)重進(jìn)行動(dòng)態(tài)的參數(shù)調(diào)整，實(shí)現(xiàn)調(diào)度目標(biāo)與當(dāng)前生產(chǎn)線的實(shí)際生產(chǎn)情況一致。柔性制造系統(tǒng)生產(chǎn)線調(diào)度問題是一個(gè)多目標(biāo)的優(yōu)化問題。短期優(yōu)化目標(biāo)包括：最大化生產(chǎn)量、最大化WIP移動(dòng)步數(shù)、最小訂單交貨延遲率、降低加工周期、降低加工周期方差、降低WIP水平等。目標(biāo)之間存在相互制約的關(guān)系，如何選取各目標(biāo)優(yōu)化的權(quán)重以平衡各目標(biāo)優(yōu)化的能力是需要解決的問題。各目標(biāo)權(quán)值的大小比例是一個(gè)動(dòng)態(tài)調(diào)適的過程。首先，它必須與我們生產(chǎn)計(jì)劃對(duì)當(dāng)前生產(chǎn)的要求和側(cè)重點(diǎn)一致。同時(shí)，它也在不斷地動(dòng)態(tài)調(diào)整，保持與生產(chǎn)線當(dāng)前的實(shí)際生產(chǎn)情況一致，完成這個(gè)任務(wù)需要中心推理機(jī)的協(xié)同，如基于案例庫的推理等。

優(yōu)化策略管理Agent：直接對(duì)調(diào)度和仿真模塊下達(dá)指令，負(fù)責(zé)監(jiān)控調(diào)度仿真的執(zhí)行過程。優(yōu)化策略管理Agent根據(jù)控制模塊設(shè)定的優(yōu)化目標(biāo)或調(diào)度模塊反饋的優(yōu)化目標(biāo)的達(dá)成情況，在中心推理機(jī)的幫助下，按照推理規(guī)則，進(jìn)行模型和算法的調(diào)整，實(shí)現(xiàn)全局優(yōu)化算法和局部優(yōu)化算法之間的動(dòng)態(tài)協(xié)作，當(dāng)滿足一定的條件時(shí)，返回優(yōu)化的調(diào)度方案作為當(dāng)前的最優(yōu)解。

調(diào)度仿真劇情管理Agent：協(xié)助用戶完成“what—if”分析。與傳統(tǒng)仿真不同，動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真是一種與生產(chǎn)線生產(chǎn)過程并行的仿真方法。因此，我們可以在仿真過程中設(shè)置多個(gè)時(shí)間斷點(diǎn)，通過改變假設(shè)條件來進(jìn)行生產(chǎn)預(yù)測(cè)；同時(shí)，也可以進(jìn)行回放分析，這在傳統(tǒng)仿真方法中是無法實(shí)現(xiàn)的。對(duì)多劇情仿真的管理由仿真劇情管理Agent實(shí)現(xiàn)；同時(shí)，仿真參數(shù)和得到的結(jié)果也將作為知識(shí)保存在案例庫中。

調(diào)度因素分析Agent：接收來自數(shù)據(jù)采集模塊的實(shí)時(shí)生產(chǎn)線數(shù)據(jù)，比較仿真數(shù)據(jù)與生產(chǎn)數(shù)據(jù)的差異，如果發(fā)現(xiàn)兩者有較大的偏差，即參數(shù)超出了允許的域值范圍，則使用中心推理機(jī)分析原因，并將分析的調(diào)度因素傳遞給優(yōu)化策略管理Agent，作為調(diào)整調(diào)度模型和算法的依據(jù)。同時(shí)，將調(diào)度因素反饋給數(shù)據(jù)采集策略Agent，由后者按一定的策略完成下一步的生產(chǎn)線數(shù)據(jù)采集工作。(三)動(dòng)態(tài)數(shù)據(jù)注入單元

由數(shù)據(jù)采集策略Agent根據(jù)調(diào)度因素分析A—gent反饋的結(jié)果生成下一步的數(shù)據(jù)采集策略，然后派出對(duì)應(yīng)的移動(dòng)Agent到生產(chǎn)制造EMS系統(tǒng)中采集生產(chǎn)線上的生產(chǎn)數(shù)據(jù)。由于柔性制造系統(tǒng)生產(chǎn)線由上百個(gè)生產(chǎn)設(shè)備構(gòu)成，如果對(duì)所有的生產(chǎn)數(shù)據(jù)進(jìn)行采集必然影響數(shù)據(jù)的采集效率，所以采用移動(dòng)Agent既縮短時(shí)間又提高數(shù)據(jù)的精確性，同時(shí)還可以根據(jù)需要對(duì)數(shù)據(jù)作一定的預(yù)處理以縮小傳遞的數(shù)據(jù)量。

(四)用戶界面交互Agent 負(fù)責(zé)把仿真數(shù)據(jù)展示給用戶，同時(shí)，接收用戶對(duì)仿真模型或參數(shù)的控制。使用戶可以實(shí)時(shí)地控制仿真的整個(gè)過程，并利用仿真結(jié)果指導(dǎo)生產(chǎn)和數(shù)據(jù)采集過程。

模型運(yùn)行機(jī)制

從圖3中可見，動(dòng)態(tài)數(shù)據(jù)驅(qū)動(dòng)仿真的過程與生產(chǎn)線的生產(chǎn)過程是并行進(jìn)行的。仿真系統(tǒng)根據(jù)一定的時(shí)鐘節(jié)拍采樣生產(chǎn)線上的數(shù)據(jù)；然后，將仿真數(shù)據(jù)與生產(chǎn)線數(shù)據(jù)作比較，使用因素分析Agent分析原因。如果發(fā)現(xiàn)兩者有較大的偏差，即參數(shù)超出了允許的域值范圍，則調(diào)整仿真模型，重新進(jìn)行仿真。其中，仿真模型根據(jù)動(dòng)態(tài)注入的生產(chǎn)數(shù)據(jù)完成自適應(yīng)調(diào)整是整個(gè)DDDAS的核心，本文采用分層優(yōu)化的思想生成調(diào)度方案，同時(shí)達(dá)到全局和局部的優(yōu)化目標(biāo)。首先，將智能搜索技術(shù)與離散事件仿真技術(shù)相結(jié)合，得到上層的調(diào)度方案；然后，應(yīng)用優(yōu)化策略Agent對(duì)仿真結(jié)果進(jìn)行分析，找到進(jìn)一步優(yōu)化的方向，利用啟發(fā)式調(diào)度規(guī)則進(jìn)行方案調(diào)整得到下層的調(diào)度方案，并反復(fù)地使用仿真進(jìn)行驗(yàn)證。不僅下層的調(diào)度方案建立在上層調(diào)度方案的基礎(chǔ)上；同時(shí)，上層的調(diào)度模塊接受下層調(diào)度方案的局部優(yōu)化解作為啟發(fā)信息引導(dǎo)搜索過程，以加快收斂，在較短的時(shí)間內(nèi)得到全局的優(yōu)化解。與傳統(tǒng)的靜態(tài)仿真不同，DDDAS仿真能動(dòng)態(tài)地吸收新的數(shù)據(jù)，并將仿真過程同真實(shí)系統(tǒng)相融合，讓二者相互協(xié)同起來。一方面，通過真實(shí)系統(tǒng)運(yùn)行過程中產(chǎn)生的參數(shù)同步地對(duì)仿真系統(tǒng)進(jìn)行調(diào)整，可以大大提高仿真的準(zhǔn)確性、時(shí)效性、智能化；另一方面，通過仿真提供的數(shù)據(jù)同步地為真實(shí)系統(tǒng)地運(yùn)行提供決策支持，這些將大大地?cái)U(kuò)展仿真系統(tǒng)的應(yīng)用能力。

第三篇：生產(chǎn)計(jì)劃與調(diào)度管理標(biāo)準(zhǔn)

佛山市順德區(qū)華傲電子有限公司企業(yè)標(biāo)準(zhǔn)

QG/HD07.16-08

生產(chǎn)計(jì)劃與調(diào)度管理標(biāo)準(zhǔn)

B版

2004年8月發(fā)布2004年8月實(shí)施

佛山市順德區(qū)華傲電子有限公司發(fā)布

目錄

1．范圍

2．引用標(biāo)準(zhǔn)

3．術(shù)語及定義

4．管理職責(zé)

4.1生產(chǎn)物控部職責(zé)

4.2采購處職責(zé)

4.3市場(chǎng)部營銷部

4.4技術(shù)部職責(zé)

4.5經(jīng)營管理部職責(zé)

5．管理內(nèi)容與要求

5.1生產(chǎn)計(jì)劃

5.2月度生產(chǎn)計(jì)劃

5.3生產(chǎn)計(jì)劃的調(diào)整

5.4生產(chǎn)前準(zhǔn)備

5.5生產(chǎn)計(jì)劃調(diào)度

5.6月度生產(chǎn)計(jì)劃完成情況的考核

6檢查與考核

附錄和附表

HG07.16-08表1生產(chǎn)計(jì)劃

HG07.16-08表2月度生產(chǎn)計(jì)劃

HG07.16-08表3月度生產(chǎn)計(jì)劃調(diào)整（增補(bǔ)）

附加說明

為了制定正確、適宜的季度生產(chǎn)計(jì)劃、月度生產(chǎn)計(jì)劃，對(duì)各項(xiàng)計(jì)劃的執(zhí)行情況進(jìn)行監(jiān)控調(diào)度完成情況進(jìn)行考核，確保計(jì)劃的順利完成，特制定本標(biāo)準(zhǔn)。

1．范圍

本標(biāo)準(zhǔn)規(guī)定了生產(chǎn)計(jì)劃管理的調(diào)度的職責(zé)、內(nèi)容與要求。

本標(biāo)準(zhǔn)適用于本公司各有關(guān)部門。

2．引用標(biāo)準(zhǔn)

QG/HD07.16-09生產(chǎn)過程控制管理標(biāo)準(zhǔn)

QG/HD07.16-11倉庫管理和物料控制管理標(biāo)準(zhǔn)

QZ/HD**.**-*****工作標(biāo)準(zhǔn)

3．術(shù)語及定義

（不需用）

4．管理職責(zé)

4.1生產(chǎn)物控部職責(zé)

a）負(fù)責(zé)與科龍集團(tuán)內(nèi)主機(jī)公司與其他外部客戶的生產(chǎn)銜接；

b）負(fù)責(zé)生產(chǎn)能力的平衡及委外加工的組織；

c）負(fù)責(zé)根據(jù)主機(jī)公司的計(jì)劃訂單和市場(chǎng)營銷部的生產(chǎn)訂單編制本公司的生產(chǎn)計(jì)劃；

d）負(fù)責(zé)生產(chǎn)計(jì)劃、滾動(dòng)計(jì)劃和月度生產(chǎn)計(jì)劃編制并組織實(shí)施同時(shí)對(duì)計(jì)劃執(zhí)行情況進(jìn)行監(jiān)控調(diào)度，并對(duì)計(jì)劃完成情況進(jìn)行考核。

e）負(fù)責(zé)采購和供應(yīng)工作，保證物資能按計(jì)劃需求按質(zhì)、按量、按時(shí)供應(yīng)。

4.2采購處職責(zé)

負(fù)責(zé)采購和供應(yīng)工作，保證物資能按計(jì)劃需求按質(zhì)、按量、按時(shí)供應(yīng)。

4.3市場(chǎng)部營銷部

負(fù)責(zé)提供外部市場(chǎng)產(chǎn)品需求訂單。

4.4技術(shù)部職責(zé)

負(fù)責(zé)提供新產(chǎn)品開發(fā)項(xiàng)目計(jì)劃和月度新產(chǎn)品試制進(jìn)度計(jì)劃。

4.5經(jīng)營管理部職責(zé)

負(fù)責(zé)根據(jù)生產(chǎn)物控部的意見對(duì)計(jì)劃完成情況進(jìn)行考核。

5．管理內(nèi)容與要求

5.1生產(chǎn)計(jì)劃

5.1.1生產(chǎn)計(jì)劃編制的依據(jù)

a）市場(chǎng)部提供的系列產(chǎn)品需求預(yù)測(cè)；季度分月需求預(yù)測(cè)；主機(jī)公司提供的需求計(jì)劃； b）技術(shù)部提供的新產(chǎn)品開發(fā)項(xiàng)目計(jì)劃。

5.1.2生產(chǎn)計(jì)劃的編制

5.1.2.1生產(chǎn)調(diào)度處在每年11~12月根據(jù)上述編制依據(jù)，經(jīng)初步平衡，編制下一的“生產(chǎn)計(jì)劃”（HG07.16-08表1），經(jīng)生產(chǎn)物控部部長審核，生產(chǎn)副總批準(zhǔn)后下發(fā)各有關(guān)部門并作為各相關(guān)單位編

制專項(xiàng)計(jì)劃的依據(jù)。

5.2月度生產(chǎn)計(jì)劃

5.2.1月度生產(chǎn)計(jì)劃編制的依據(jù)

a)市場(chǎng)部提供的市場(chǎng)產(chǎn)品需求訂單；

b）科龍集團(tuán)空調(diào)公司提供的月度生產(chǎn)計(jì)劃和出口計(jì)劃；

c）科龍集團(tuán)冰箱公司提供的月度冰箱控制器需求計(jì)劃和出口計(jì)劃；

d）技術(shù)部新產(chǎn)品試制計(jì)劃；

5.2.2月度生產(chǎn)計(jì)劃包括：

a）空調(diào)冰箱控制器月度生產(chǎn)計(jì)劃(主計(jì)劃)；

b）市場(chǎng)部需求月度生產(chǎn)計(jì)劃；

c)電子車間總裝配計(jì)劃和制板線計(jì)劃。

5.2.3月度生產(chǎn)計(jì)劃管理

a)生產(chǎn)調(diào)度處每月在收到編制依據(jù)的1個(gè)工作日內(nèi)，編制空調(diào)電控件冰箱電控件和市場(chǎng)部需求下月“月度生產(chǎn)計(jì)劃”（HG07.16-08表2），主計(jì)劃必須明確控制器生產(chǎn)型號(hào)、數(shù)量、交貨日期、以及對(duì)應(yīng)生產(chǎn)的單位名稱（包括電子車間和委外的供方）。對(duì)委外供方的計(jì)劃必須在同委外供方進(jìn)行溝通和確認(rèn)后按中標(biāo)供方的份額和均衡生產(chǎn)的原則安排。月度生產(chǎn)計(jì)劃經(jīng)生產(chǎn)物控部生產(chǎn)調(diào)度處長審核，生產(chǎn)物控部部長簽發(fā)后下發(fā)各部門實(shí)施。同時(shí)由生產(chǎn)調(diào)度處編制相應(yīng)的物料采購計(jì)劃作為采購處物料采購的依據(jù)。

b)月度生產(chǎn)計(jì)劃下發(fā)后1個(gè)工作日內(nèi)，各業(yè)務(wù)主辦必須根據(jù)生產(chǎn)計(jì)劃的進(jìn)度安排完成成品委外采購訂單的填寫、審批和發(fā)到供貨方。

c)采購處根據(jù)物料采購計(jì)劃的要求編制元器件及結(jié)構(gòu)件的采購訂單，并進(jìn)行采購。

d)主生產(chǎn)計(jì)劃員負(fù)責(zé)對(duì)計(jì)劃的執(zhí)行動(dòng)態(tài)進(jìn)行跟蹤檢查，對(duì)影響主生產(chǎn)計(jì)劃完成的因素要及時(shí)把握，協(xié)調(diào)處理，確保交付計(jì)劃的順利完成。

5.3生產(chǎn)計(jì)劃的調(diào)整

5.3.1計(jì)劃的調(diào)整應(yīng)遵循盡可能滿足市場(chǎng)需求的同時(shí)，兼顧本公司整體效益的原則；

5.3.2所有計(jì)劃調(diào)整的要求都應(yīng)以書面形式提出，并由主管部門領(lǐng)導(dǎo)批準(zhǔn)后方可生效。

5.3.3生產(chǎn)計(jì)劃調(diào)整的依據(jù)

a)市場(chǎng)部提供的銷售需求調(diào)整書面文件或計(jì)劃；

b)空調(diào)公司生產(chǎn)計(jì)劃和冰箱公司控制器需求計(jì)劃調(diào)整；

c)物料不能按時(shí)供應(yīng)，無法滿足生產(chǎn)的書面報(bào)告；

生產(chǎn)調(diào)度處依據(jù)5.3.3 a)、b)、c)，制訂“月度生產(chǎn)計(jì)劃調(diào)整（增補(bǔ)）”（HG07.16-08 表3），并下發(fā)各部門實(shí)施。

5.3.4因生產(chǎn)計(jì)劃調(diào)整而造成的積壓物資，由相關(guān)采購業(yè)務(wù)員以書面形式提出，數(shù)量在《采購物資期量標(biāo)準(zhǔn)》以內(nèi)的由生產(chǎn)物控部協(xié)調(diào)消化處理，數(shù)量超出《采購物資期量標(biāo)準(zhǔn)》部分所造成的損失由責(zé)任部門按本部門的工作標(biāo)準(zhǔn)（QZ/HD**.**-**）實(shí)施考核。

5.4生產(chǎn)前準(zhǔn)備

5.4.1和月度生產(chǎn)計(jì)劃下發(fā)到各有關(guān)部門后，各部門應(yīng)根據(jù)生產(chǎn)計(jì)劃的要求進(jìn)行相應(yīng)的生產(chǎn)前準(zhǔn)備工作（包括物料、人員、檢驗(yàn)、技術(shù)、設(shè)備、工裝等）。對(duì)不能滿足生產(chǎn)計(jì)劃要求的問題要及時(shí)反饋 生產(chǎn)調(diào)度處，統(tǒng)一協(xié)調(diào)處理。

5.4.2生產(chǎn)物控部負(fù)責(zé)對(duì)批量生產(chǎn)的產(chǎn)品設(shè)計(jì)更改進(jìn)行跟蹤，并落實(shí)新舊制件銜接與配套安排，同時(shí)將有關(guān)信息反饋各相關(guān)部門。

5.5生產(chǎn)計(jì)劃調(diào)度

生產(chǎn)調(diào)度處是生產(chǎn)計(jì)劃組織安排和調(diào)度指揮的責(zé)任部門。負(fù)責(zé)根據(jù)實(shí)際的生產(chǎn)組織情況、物料供應(yīng)情況，工藝、技術(shù)準(zhǔn)備等情況，結(jié)合顧客的需求，平衡生產(chǎn)能力，及時(shí)對(duì)生產(chǎn)計(jì)劃做出相應(yīng)的調(diào)度，以保證生產(chǎn)既滿足顧客的需求又能最大限度地保持生產(chǎn)的連續(xù)性和有序性。

5.6月度生產(chǎn)計(jì)劃完成情況的考核

5.6.1每月5號(hào)前由生產(chǎn)物控部生產(chǎn)調(diào)度處對(duì)月度生產(chǎn)計(jì)劃的完成情況進(jìn)行匯總、分析并上報(bào)部門領(lǐng)導(dǎo)。

5.6.2對(duì)影響月度生產(chǎn)計(jì)劃執(zhí)行的個(gè)人和部門，生產(chǎn)物控部提出處理意見，由責(zé)任部門會(huì)簽，生產(chǎn)副總批準(zhǔn)后，由經(jīng)營部進(jìn)行考核。

6檢查與考核

6.1本標(biāo)準(zhǔn)由生產(chǎn)物控部組織實(shí)施；

6.2本標(biāo)準(zhǔn)由管理者代表組織質(zhì)量管理部檢查并考核。

附錄和附表

HG07.16-08表1生產(chǎn)計(jì)劃

HG07.16-08表2月度生產(chǎn)計(jì)劃

HG07.16-08表3月度生產(chǎn)計(jì)劃調(diào)整（增補(bǔ)）

附加說明

本標(biāo)準(zhǔn)由生產(chǎn)物控部起草并負(fù)責(zé)解釋。

本標(biāo)準(zhǔn)起草人：羅偉堅(jiān)

第一次修訂人：羅偉堅(jiān)

本標(biāo)準(zhǔn)審定人：

第四篇：生產(chǎn)調(diào)度流程

流程說明：

一、步驟說明

1、生產(chǎn)管理部下達(dá)月度生產(chǎn)作業(yè)計(jì)劃。

2、生產(chǎn)調(diào)度員了解原料儲(chǔ)備情況、設(shè)備情況、技術(shù)情況、質(zhì)量情況、生產(chǎn)情況等，進(jìn)行生產(chǎn)準(zhǔn)備。

3、根據(jù)生產(chǎn)作業(yè)計(jì)劃安排生產(chǎn)。

4、生產(chǎn)調(diào)度員根據(jù)在生產(chǎn)過程中發(fā)現(xiàn)的問題以及分廠和工藝設(shè)計(jì)/質(zhì)檢部提供的生產(chǎn)現(xiàn)場(chǎng)的問題報(bào)告協(xié)調(diào)有關(guān)部門處理生產(chǎn)過程中出現(xiàn)的問題。

5、生產(chǎn)過程中出現(xiàn)的設(shè)備問題報(bào)告設(shè)備管理部，由設(shè)備部安排維修部門進(jìn)行設(shè)備維修，備件更換；生產(chǎn)過程中出現(xiàn)的質(zhì)量問題報(bào)告工藝設(shè)計(jì)/質(zhì)檢部，由工藝設(shè)計(jì)/質(zhì)檢部進(jìn)行質(zhì)量問題處理；生產(chǎn)過程中出現(xiàn)的原料問題，通知物流公司，物流公司進(jìn)行原料供給；能源問題通知保障分廠，保障分廠進(jìn)行協(xié)調(diào)；中間件轉(zhuǎn)序問題與各分廠進(jìn)行協(xié)調(diào)；生產(chǎn)調(diào)度員及時(shí)將生產(chǎn)進(jìn)度情況隨時(shí)報(bào)告部門領(lǐng)導(dǎo)。對(duì)于以上不能解決的問題由生產(chǎn)管理部部長協(xié)調(diào)相關(guān)部門人員進(jìn)行解決。

6、生產(chǎn)調(diào)度員根據(jù)分廠的生產(chǎn)狀況和生產(chǎn)過程中發(fā)生的各種情況形成調(diào)度日志。

二、流程要素說明 步驟 2 3 4 生產(chǎn)準(zhǔn)備

按生產(chǎn)計(jì)劃安排生產(chǎn) 協(xié)調(diào)生產(chǎn)

責(zé)任人

生產(chǎn)管理部生產(chǎn)調(diào)度員 生產(chǎn)管理部生產(chǎn)調(diào)度員 生產(chǎn)管理部生產(chǎn)調(diào)度員 輸入 生產(chǎn)作業(yè)計(jì)劃、生產(chǎn)現(xiàn)場(chǎng)問題報(bào)告 生產(chǎn)管理部生產(chǎn)計(jì)劃員、各廠

協(xié)調(diào)相關(guān)部門處理生產(chǎn)過程中出現(xiàn)生產(chǎn)管理部部長、生產(chǎn)調(diào)度員、相的設(shè)備、技術(shù)、質(zhì)量、原料、能源關(guān)部門 等問題 掌握生產(chǎn)進(jìn)度狀況 生產(chǎn)管理部生產(chǎn)調(diào)度員、工廠、相關(guān)部門

生產(chǎn)管理部生產(chǎn)調(diào)度員 輸出 形成調(diào)度日志

三、流程其它說明

1、流程輸出表單：《調(diào)度日志》。

2、流程依據(jù)的管理制度、辦法、依據(jù)：《調(diào)度工作制度》。

3、流程中的時(shí)間要求：在保證生產(chǎn)計(jì)劃完成的前提下，可對(duì)生產(chǎn)作業(yè)計(jì)劃做出臨時(shí)性調(diào)整，事后通知計(jì)劃員。

4、流程頻次：1次/月

第五篇：生產(chǎn)計(jì)劃調(diào)度大作業(yè)

《作業(yè)車間調(diào)度的非合作博弈模型與混合自適應(yīng)遺傳算法》 作者：周光輝，王蕊，江平宇，張國海

摘要：采用博弈理論，建立了一種基于非合作博弈的作業(yè)車間任務(wù)調(diào)度模型，在該任務(wù)調(diào)度模型中，將源于不同客戶的制造任務(wù)映射為非合作博弈模型中的局中人，并將與制造任務(wù)包括的工序集所對(duì)應(yīng)的可選加工設(shè)備映射為可行方案集，將使各制造任務(wù)的加工完成時(shí)間和成本組合形成的多目標(biāo)綜合指標(biāo)映射為收益函數(shù)，從而將對(duì)任務(wù)調(diào)度模型的求解轉(zhuǎn)換為尋求非合作博弈模型的Nash均衡點(diǎn)，通過設(shè)計(jì)的爬山搜索混合自適應(yīng)遺傳算法、自適應(yīng)交叉和變異算子，實(shí)現(xiàn)了對(duì)該任務(wù)調(diào)度非合作博弈模型的Nash均衡點(diǎn)的有效求解，同時(shí)算例仿真結(jié)果也驗(yàn)證了所提出的調(diào)度方法的正確性。

根據(jù)數(shù)學(xué)模型和假設(shè)條件，競(jìng)爭驅(qū)動(dòng)的作業(yè)車間任務(wù)調(diào)度目標(biāo)就是尋求使得每個(gè)制造任務(wù)均能達(dá)到綜合目標(biāo)值最小、利益均衡的調(diào)度結(jié)果。

《基于自適應(yīng)遺傳算法的Job Shop 調(diào)度問題研究》 作者：沈斌，周瑩君，王家海

Job Shop 求解過程的計(jì)算量隨問題的規(guī)模呈指數(shù)增長，已被證明是NP完全問題。因此近年來傾向于利用人工智能的原理和技術(shù)進(jìn)行搜索，尋找復(fù)雜問題的較優(yōu)解，特別是以效仿生物處理模式以獲得智能信息處理功能的遺傳算法研究最為深入。但是也有不足之處，早熟收斂問題，局部搜索能力，算子的無方向性，正因?yàn)檫@些不足限制了以遺傳算法的進(jìn)一步推廣和應(yīng)用，因此對(duì)遺傳算法進(jìn)行改進(jìn)顯得尤為重要。本文提出一種新的自適應(yīng)遺傳算法用以求解Job Shop調(diào)度問題。

Job Shop問題描述

一個(gè)加工系統(tǒng)有m臺(tái)設(shè)備，要求加工n個(gè)工件，第i個(gè)工件ji包含m個(gè)操作（工序），需要考慮如下假設(shè)：

1）每道工序必須按照工藝順尋依次在指定的設(shè)備上加工，且必須在前一道工序（如果存在））加工完成后才一開始加工；

2）工件在一臺(tái)設(shè)備上一旦開始加工，便不能中斷，必須等到加工完成后，才能加工另外工件，即某一時(shí)刻一臺(tái)設(shè)備只能加工一個(gè)工件； 3）同一個(gè)工件不能同時(shí)在兩個(gè)設(shè)備上加工；

4）同一臺(tái)設(shè)備不能同時(shí)加工兩個(gè)工件；

5）每個(gè)工件在每臺(tái)設(shè)備上必須加工一次，也只能加工一次；

6）各工件的工藝路線jsn和每到工序的加工時(shí)間jt已知，且不隨加工排序的改變而改變，轉(zhuǎn)移時(shí)間和輔助時(shí)間忽略不計(jì)或計(jì)入加工時(shí)間。

《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.