集成生产与配送的供应链调度及其混合智能决策模型研究

Make-to-order (MTO) manufacturing companies play a crucial role in China's national economy. This research addresses the supply chain scheduling (SCS) problem integrating production and distribution operations, faced by China's MTO manufacturing companies with realistic operations features such as multiple plants, multiple transportation methods and multiple order sizes. In accordance with the actual requirements of these companies in global manufacturing, this research investigates the SCS problems integrating production and distribution operations in 3 different manufacturing scenarios respectively, including controlling company (multi-plant), branch plant (single-plant), and uncertain environments. Effective hybrid intelligent decision-making models are developed based on computational intelligence and simulation techniques, for providing effective methodologies for the investigated SCS problems. A highly-efficient optimum-seeking process is established firstly by integrating memetic algorithm wtih self-adaptive harmony search; Pareto optimality concept and Monte Carlo simulation technique are then adopted to handle multiple SCS objectives and various uncertainties respectively based on this process; simulation methods are used to evaluate candidate solutions and validate the decision-making models developed. This research can extend and enrich the knowledge and theories of scheduling and optimization, supply chain management, and computational intelligence. The proposed intelligent methods and models have the potentials to be applied widely in complex scheduling and optimization problems, which is significant to the supply chain performance improvement of related MTO companies as well as the development of optimization and decision-making theories.

按单制造（MTO）型制造企业在我国国民经济中占有非常重要的地位。本项目以全球化背景下兼具多工厂、多运送方式、多种订单大小等运作特征的典型MTO型制造企业为研究对象，针对其所面临的集成生产与配送的供应链调度问题的实际需求，从总公司（多工厂）、分工厂（单工厂）及不确定性环境三个层面分别对该类问题进行研究。基于计算智能与仿真技术，发展有效的混合智能决策模型，为该类问题提供有效的方法论。首先，将自适应和声搜索与文化基因算法集成，建立高效的混合智能寻优过程；在此基础上，再分别基于帕累托优化概念和蒙特卡洛仿真技术处理多个供应链调度目标和生产与配送不确定性；利用仿真的方法评价候选解并对所提出的决策模型进行验证。本项目成果可丰富和扩展调度与优化、供应链管理、计算智能等领域的知识和理论，所提出的智能方法和模型可在复杂的调度和优化问题中得到广泛应用，对相关企业供应链性能的提升和优化决策理论的发展具有重要意义。

近年来，供应链调度是学术界与工业界共同关注的研究热点。在我国广泛存在着一类以服装鞋帽业为代表的全球化MTO型企业,其具有多工厂、多客户、基于产品批的交付方式和多运输方式等现实特征。这些特征以及多目标和不确定性特征大大增加了供应链调度问题的复杂度，尚无有效的方法可以解决。.本项目以这类企业为研究对象，针对其所面临的集成生产与配送的供应链调度问题的实际需求，从总公司和分工厂等多个层面分别对该类问题进行研究。基于计算智能与仿真技术，发展有效的混合智能决策模型，为解决该类问题提供了有效的方法论。.首先，对一类考虑海陆空多种配送方式和多工厂环境的供应链调度问题进行了研究。将文化基因优化算法与启发式优化技术相结合，提出了一个基于文化基因算法的优化模型，有效解决了这类问题。其次，对两类单工厂环境下的供应链调度问题进行了研究。将改进的和声搜索算法用于文化基因优化算法的全局搜索过程，提出了一个基于改进的和声搜索的文化基因优化模型，有效地解决了运输时间相同环境下的供应链调度问题；将演化策略用于文化基因优化算法的全局搜索过程，并在此基础上提出了一个基于演化策略的双层演化优化模型，有效地解决了运输时间不同的环境下的供应链调度问题。再次，结合(1+1)演化策略、文化基因算法和帕累托优化技术，提出了一个有效的多目标文化基因优化模型，解决了一个双目标的绿色调度问题。然后，结合蒙特卡洛技术、帕累托优化技术和智能优化技术等，提出了有效的随机多目标智能优化模型，解决了一个不确定性多目标调度问题。此外，本项目还提出了基于云计算和RFID的生产监控与决策支持系统，该系统不仅可以准确地采集实时生产数据，还可在云端实现远程的生产调度与决策。.本项目成果丰富和扩展了调度与优化、供应链管理、计算智能等领域的知识和理论，所提出的智能方法和模型可在复杂的调度和优化问题中得到广泛应用，对相关企业供应链性能的提升和优化决策理论的发展具有重要意义。