干扰管理在生产调度中的应用综述

唐海波，叶春明，马慧民，吴 斌

（1.上海电机学院 商学院，上海 201306；2.上海理工大学 管理学院，上海 200093）

干扰管理在生产调度中的应用综述

唐海波1，叶春明2，马慧民1，吴 斌1

（1.上海电机学院 商学院，上海 201306；2.上海理工大学 管理学院，上海 200093）

阐述了干扰管理在生产调度中的应用的相关研究成果。介绍了干扰产生的源头、干扰管理在生产调度中的表现形式、干扰管理在调度中的解决策略以及效率评价等一系列研究成果。界定了干扰管理在生产调度中的定义及其运作流程，给干扰管理在生产调度中进一步发展提供了借鉴。

干扰管理；生产调度；调度策略；调度目标；预测反应式调度

人类生活的客观世界中存在的诸多不确定性，使人们处于一种变化的环境中。各种不确定性给人和事带来不同程度的影响和干扰，使原先拟定好的处理步骤和计划变得混乱甚至不可行，使整个系统变得不正常而陷入低效率的运行中。随着人类认识世界运行规律的能力的提高，人们开始主动规避或在事件发生后积极采取措施降低并消除不确定事件的消极影响，这样就产生了的干扰管理（Disruption Management），即当不确定的干扰事件发生后，需要及时处理其对系统的影响，以尽可能小的代价尽快地恢复系统的正常运行。

干扰管理一经提出，就很快在工业、医疗卫生、公共安全、服务业等领域得到广泛应用。在学术界，干扰管理［1］3－5定义为在计划开始阶段，用优化模型和求解算法得出一个好的运行计划；计划实施中，由于内、外部不确定因素导致干扰事件的发生，使原计划变得不可行，需要实时产生新计划。新计划要考虑到原来的优化目标，同时又要使干扰带来的副作用最小化。也有学者认为干扰管理需要根据实际问题和干扰事件的性质建立相应的干扰管理模型，快速、及时地给出处理干扰事件的最优调整方案；该调整方案是以原来的状态为基础，快速生成对系统扰动最小的调整方案，并适当考虑了费用问题，但并非费用最省。

调度问题是将稀缺的资源分配给在一定时间内的不同任务，其目的是优化一个或多个目标，属于组合优化问题，其中多数属于NP难题。以往的研究大多集中在理想加工环境下的调度问题上，在生产过程中不考虑干扰的发生，而当干扰出现时进行重新调度，忽视了对原调度性能的影响，对原调度性能产生较大的扰动。随着制造业规模越来越庞大，系统中的动态不确定因素越来越多，对系统的性能指标要求也越来越全面，需要采用干扰管理策略消除这些不确定因素的影响。学者Clausen等［2］首先提出了干扰管理，并用来应对生产过程中的突发事件，将干扰限定在使变化回归到最初计划这一基本目标之上，目标是使整个系统的扰动最小。在此之前，许多学者的研究成果也涉及含有干扰管理理念的一些实质性内容。Norbis等［3］针对资源受约束的调度问题，在考虑诸如资源供应变化、新工件的到达或交货期及预计处理时间的改变等事件发生时，采用半动态的处理方法，制定基于静态调度基础上的互动的设置，提出一个多层次、多优先级的启发式算法以权衡调度的多种衡量目标。Bean等［4］研究了运用预调度策略预先操作，当生产调度中遇到干扰时，重新构造部分调度用以产生匹配的原调度系统，求得给定条件下的最优，实验证明匹配调度方法的优点，但未在产生的计划调度中加入未来可能的干扰信息因素。Akturk等［5］采用匹配算法解决了Flow Shop调度环境下遇到的一个机器故障的问题。Abumaizar等［6］提出了一个在Job Shop调度环境下的算法，解决了遇到随机扰动情况下调度的生成问题，并与完全重调度及右移调度进行性能上的比较，通过基准生产调度算例验证了采用针对性部分改变原调度的算法的性能优于完全重新产生新的调度及右移调度的性能。Eric和Gunter［7－8］分别就以前学者的相关研究作了详尽的综述。

1 干扰源分析

在企业干扰管理方面，常见的事件可分为以下7种情况［1］31－50：生产环境的变化；不可预见的事件；系统参数的改变；资源获得情况的改变；新的约束；系统表现的不确定性；新的考虑。作为企业核心的生产调度所面临的干扰，均是与上述干扰事件相对应的干扰源。这些干扰源会引起整个生产调度系统不稳定，引发生产系统效率下降，促使管理者采取措施应对干扰的发生。Vieira等［9］收集了最常见的干扰源：① 机器故障；② 紧迫工件到达；③工件加工时间改变及取消；④ 交货期改变；⑤ 材料短缺或者到达延误；⑥ 工件优先权的改变；⑦质量问题或者返工；⑧ 对加工工期估计不足和估计过剩；⑨ 工人旷工等。此外，还包括超时及加工过程中的分包、加工过程改变及重新安排工序、机器替换、用电受限、安装时间以及设备批准发放等干扰源。

干扰源形式多样，涉及内容广泛，但笔者认为可根据干扰源的来源分为由生产系统内部因素波动产生的干扰和由生产系统以外因素产生的干扰。生产系统内部因素由机器、加工时间、加工程序、工件材料以及人员用工情况等构成调度系统的因素。这些因素包括人、机器、工件以及相互之间的相互关系；生产系统以外的因素包含了生产系统外部不能由生产系统控制的因素，主要包括市场需求改变因素、能源控制、客户原因等。干扰源的分类如表1所示。

表1 干扰源简单分类表Table 1 Classification of interference sources

2 干扰管理在生产调度中应用

生产调度问题基本上由机器数量、种类、环境、工件或任务的性质及目标值函数组成。机器数量、种类、环境有多种变化，任务或工件的约束更是错综复杂，再加上度量不同指标的目标函数，从而形成了种类繁多的生产调度模型。目前，学术界普遍采用Graham等［10］提出的三参数表达方法，即α，β，γ表示法，用以简化一个调度问题的表示，其中，α表示机器的数量、类型和环境；β表示工件的加工性质、加工要求和限制，资源的种类、数量和对加工影响等约束条件，它可同时包含多项；γ表示需要优化的目标函数。根据调度系统的机器的复杂度，可分为单机、多台并行机、Flow Shop，Job Shop 4种类型。

2.1 单机情况

单机是生产调度中最简单、最常见的调度方式，也是研究其他类型调度的基础。Qi等［11］讨论了生产调度系统中部分工件被处理后，一台机器遭遇随机或预期干扰时，通过更新原调度系统，以适应干扰事件对调度带来的变动。他们将干扰事件纳入到更新后的调度目标范围内，建立原调度和更新后调度之间的扰动费用偏差模型。模型的衡量标准有2个：① 原调度目标函数；② 原调度目标函数与更新后调度目标函数的偏差。运用动态规划和启发式算法的方法对模型求解，找出在原调度目标函数基础上与更新后调度目标函数偏差最小的最优调度方案。引入先干扰管理和后干扰管理两种不同的干扰管理策略，解决调度系统面临机器故障和工件工期增减两种干扰时，基于原调度的最优分派调度规则SPT（the shortest processing time rule），通过修正SPT规则求得最优调度方案。

（1）采用RS－SPT（右移SPT）最优解决

3类调度；

（2）采用LS－SPT或 ORI－SPT（左移SPT或原先的SPT）最优解决

3类调度；

（3）采用 TWO－SPT和 RS－SPT（双SPT 和右移SPT）中表现最好的最优解决

3类的调度；

（4）采 用 INS－SPT 或 ORI－RS－SPT（插 入SPT或原来的右移SPT）最优解决

3类的调度。

其中，Δm为机器故障的干扰；pk±δ为第k个工件加工时间增加或减少的时间δ；pred－mgt和post－mgt分别为先干扰管理和后干扰管理；Di＝Ei＋Ti，其他均为标准标识。

Lee等［12］研究了一个干扰事件在确切的时间点发生，且干扰以概率Pa持续a时间段的情况下，对单机上未完成工件（分为可恢复工件与不可恢复工件）的干扰管理，运用动态规划方法求解目标函数分别为最小化加权完工时间的期望与最小化最大延迟时间期望两类调度问题。

Hall等［13］研究了在单机调度环境下，在新的工件到达时，通过限定新到达的工件位置变动数和推迟时间数及它们之和作为限定调度的因素，建立用最大延迟时间、加工总完成时间与前者加权作为目标函数的调度模型。通过权衡原有工件的调度成本和插入新工件后的干扰成本，找出最优调度方案。文献［13］中还扩展研究了新工件重复到达这种多干扰因素下的调度模型。其解决的调度模型表示为

慕运动［14］在文献［13］的基础上，分别在加入相容工件（即在生产过程中，加工时间越长、交货时间也越长的情形）及到达时间的限制情况下，进行了新工件到达对单机调度系统的干扰研究。Zhao等［15］则加入线性退化加工时间的工件限制，并将研究扩展到2个单机调度环境下，调度系统面临一组新工件到达的干扰，运用多项式算法寻找最小总完工时间的最优调度方案。Yuan等［16］加入了工件到达时间限制，研究了目标函数为最大工件完工时间的情况，用多项式算法解决

这些调度问题。由于加入了工件调度时间，故必须考虑到机器空闲时间，这增加了问题的复杂性。

Leus等［17］研究了单机系统遇到单工件扰动时的复杂性问题，证明了目标函数为初始加工时间偏移期望的单机扰动问题的复杂性是普通的NP－hard；此外，还证明了附加了不等的准备时间限制及带优先级限制的单机扰动问题的复杂性是强NP－hard。Peter等［18］提出了一种使用实时信息的框架来改善调度决策。通过将实时信息反馈给调度决策系统，以效用和稳定性能来权衡遭到扰动修订后的调度和按原计划执行的静态调度，并用实例阐明提出的框架体系如何在单机调度中利用实时信息选择应对干扰的策略。Francisco等［19］研究了单机情况下，加入共同的最后完工期的限制，目标函数是使计划调度工件开始时间和实际工件开始时间的偏差最小，采用两种启发式演算法求解单工件发生干扰时调度最优的问题。

2.2 平行机情况

平行机可被看作是双单机环境。在单机调度环境下的研究成果可以比较容易扩展到平行机环境中。Qi等［11］将应用结果扩展到平行机环境中，采用干扰管理修改分派规制SPT，应对双机调度中单机器遭遇机器故障和单工件加工时间增减的干扰。Lee等［20］研究了双机调度情形下，遭遇意外的干扰事件，考虑剩余未完成工件的处理问题。根据实际情况提出2种处理方法：① 将未完成的工件安排到其他机器上，此时需要额外的运输时间和费用；② 等待受干扰的机器恢复后继续对工件进行处理。针对上述解决方案，建立了目标函数：使初始调度的费用函数、可能的运输费用及与原调度偏离而产生的干扰费用总和最小的数学模型，最后通过多项式算法和伪多项式算法求出最优调度方案。Lee等［21］在文献［12］的基础上，将干扰管理推广到平行机的应用中，提供伪多项式时间算法寻找在持续一段时间内机器全部不能使用时平行机调度系统的最优。Leus等［17］还证明了平行机调度环境下单工件干扰问题复杂度属于强 NP－hard。

Petrovic等［22］提出针对平行机调度系统遇到不确定干扰时的一种新的以模糊逻辑为基础的决策支持系统。他们将此应用于陶器厂的实际生产调度中，提出一个预测反应调度模型，分两步对系统进行调度：首先建立一个具有吸收干扰的预测调度方案，当干扰事件产生的影响过大时，采用重调度的反应式策略方案。在甄别干扰强度并决定调度决策时，依靠使用标准模糊集和二级模糊集描述原材料短缺的干扰源（主要表现为原材料的短缺数及持续时间）。生产实验证明了预测生产调度策略的有效性以及采用模糊推理生成适当的调度策略安排的合理性。Duenas等［23］在此基础上，继续研究了预测反应式调度策略的应用。

Vieira［24］等针对并行机系统中，不同类型的工件在动态到达且具有不同的安装时间的情况下，提出了新的分析模型用以预测3种重调度的执行质量和效率，平衡不同的衡量方法。Barua等［25］研究了模拟半导体晶片设施的生产调度系统遭遇随机的机器故障的干扰时，通过对几种分派规则与他们提出的全局调度算法应对干扰影响的性能比较，分析了在不同的干扰层次下，不同调度策略的优缺点，寻找在特定环境下能使目标函数为最大、加工延迟时间最小的调度策略方案。

2.3 Flow Shop及Job Shop情况

由于Flow Shop及Job Shop的调度环境较为复杂，干扰管理带来的影响也会非常复杂。Abumaizar［6］等提出了生产调度中Job Shop遇到多个干扰源时的解决方案。Lee等［26］研究了双机器Flow Shop环境中，一台机器不可用的干扰情况，采用伪多项式的动态规划算法解决问题，证明这种干扰问题属于NP－hard；还分别给出两台机器上出现干扰问题时的最坏情况误差界，得出在双机器Flow Shop的不同单机之间发生干扰时不能互相替换的结论。Akturk等［27］提出一个调度策略和匹配时间点，部分修改原先的Flow Shop调度以匹配目前的生产计划状况，并通过设计一个反馈机制提高调度的质量和稳定。

Mehta［28］等认为，Job Shop调度中的干扰会使工期延长或使基于原来的生产计划的调度不可行，因此提出了预测型调度用于吸收干扰保持良好的调度性能而不影响生产的外部活动（如材料采购、机器的预防性维护等）。他们提出的预测型调度将空闲时间插入调度中，用以吸收机器故障带来的影响，而空闲时间的插入数量和位置取决于机器故障、修理分布以及预测型调度结构，至于干扰对原调度计划的影响可以通过测量工件的总完工时间在原计划调度和预测型调度之间的偏移得出。Shafaei等［29－30］研究了在动态Job Shop环境下，以成本为性能测量工具，寻找最优调度规则，研究重新调度间隔对性能的影响以及调度规则的健壮性问题。

Ihsan［31］等在柔性制造系统（Flexible Manufacture System，FMS）调度环境下，为应对机器故障及加工时间改变的干扰，分别研究了在线调度和离线调度，并研究了重调度频率和其他调度参数之间的关系。Sanjay等［32］在FMS调度环境下，建立了一个以知识为基础的智能决策系统，以应对诸如机器故障、产量变化及紧急工件等干扰情况，通过实验结果的分析识别显著的影响因素以及它们之间的相互关系。

3 干扰管理的调度策略

由于考虑了开始调度后不确定干扰的影响，故干扰管理中的调度策略不仅要快速响应变化，还要保持良好的调度性能。文献［33］中总结了动态调度策略中有两类调度策略符合干扰管理的要求，它们根据是否对处理未来可能的干扰因素产生影响进行预防性准备，分为完全反应式和预测反应式调度策略。

3.1 完全反应式调度

完全反应式调度是根据在决策时刻的可得信息决定采用某种策略来调度工件，一般采用分派规则或其他的启发式方法来对等待加工的工件按照优先权顺序排队。当调度系统遭遇干扰时，通过反馈方式将信息传送给调度决策机制，然后由调度决策机制决定调度规则。实质上这是一种在线调度方式，其处理过程是当机器空闲时，从已经按分派规则以某种指标排好顺序的排队工件中选择一个执行。通常，分派规则以加工时间和交货期为依据，信息处理量少，计算量很小，反应迅速。当生产系统遭遇干扰时，调度决策的变动基于生产调度系统的当前状态，故完全反应式调度与实时信息获取密切相关。文献［18］中建立了使用实时信息来应对生产中干扰的一般性框架，并根据实时信息选择合适的调度规则，通过在不同干扰因素时的表现决定调度规则的选择。Sun等［34］引入一个动态反应式调度策略，针对不同的干扰状况，采用不同的调度规则最优应对。由于完全反应式调度策略完全依赖于反馈机制的性能，而当反馈机制不能反映调度系统面临的状态时，整个调度系统的性能就会受到很大的影响。

3.2 预测反应式调度

预测反应式调度是干扰管理在调度中的常用策略［11，22－23］，它可分成2个步骤：① 不考虑生产调度系统未来的干扰事件，只根据当前生产目标生成最优的预调度规则；② 在遭遇干扰时更新调度响应干扰以改善调度性能。该方法的关键在于判断是否需要对干扰进行调度和采用何种方式进行调度。Yamamoto等［35］提出了一个三阶段策略管理干扰给调度系统带来的影响：① 计划阶段。根据所有可获得的生产信息在新的调度周期开始前生成一个预调度，从而为给定时段内的生产提供必要的信息。② 控制阶段。每当有新的工序开始加工或完成时，对比实际调度与初始调度之间的差别。③ 调整调度阶段。考虑到系统的干扰现状修改原调度，如新产品到达、机器故障等干扰事件的发生。

Vieira等［9］将预测反应式调度策略分为3类调度方式：周期性、事件驱动与混合决策。周期性调度以滚动时域为基础，周期性地给任务分配资源并执行调度。很多工业过程中的调度都是周期性的，特别是在无法获取调度系统状态实时监测数据的情况下，生产管理人员根据需要采集控制系统的所有可得信息来周期性地生成调度，并执行到下一个计划时段的到来，期间不做任何修改。周期性调度比连续调度具有更好的调度稳定性，但是当系统状态遭遇到干扰时，这种调度决策可能无法保持良好的性能。

对事件驱动调度而言，调度系统可以重复执行或针对单个事件的发生进行调整。这是克服干扰对生产 调 度 影 响 的 主 要 方 法［11－13，22－23］。 针 对 干扰事件的驱动，Vieira等［36］提出了新到达的等待工件数目达到一定阈值引发调度的事件驱动。Bierwirth等［37］研究了一旦新工件到达就触发重调度的情况。对于较大的调度系统而言，干扰因素会很多，系统可能一直处于重复驱动状态，因此，系统的稳定性无法得到保障。如何找到对干扰的可控管理和必需更新原有调度之间的阈值是事件驱动型调度的难点。

混合调度融合了前两种调度。在没有特定干扰事件发生时，周期性地调整调度；当特定事件发生时，引发针对性调度修改及重新调度。通常，引发调度的特定事件包括上文所列举的干扰源，但这些干扰源并不一定能引发调度的干扰管理或重新调度，还要取决于干扰对生产调度产生的冲击大小。Church等［38］提出当每个新的周期时刻到来或重大干扰发生时更新原调度，结果表明，混合调度决策比单一的周期调度和连续调度取得的效果更好。

4 干扰管理在调度中的评价指标

评价调度性能的指标有很多，但适用于干扰管理的主要有两类：调度的稳定性和调度的成本。Qi等［12］采用与初始调度的偏差作为干扰管理的稳定性指标，偏差最小即调度性能改变最小，那么稳定性也就越好。Hall等［13］提出的限定新到达的工件位置变动数、推迟时间数及它们之和的限制也可以作为干扰中调度的稳定性的衡量指标。此外，Wu等［39］提出了两种描述调度变化对系统性能影响的非正则评价指标：新调度与原调度开始时间的绝对偏差；新调度与原调度之间顺序的差异。这两种非正则评价指标也可作为调度的稳定性的衡量标准。

调度成本的衡量方式较多样，除标准的以时间为成本的衡量方式外，还有综合成本，即包括时间、材料成本、库存成本等因素的成本。Shafaei等［29］采用了包括调度前的费用及调度运行中的费用加上可能延时的费用组成了一个综合成本，以衡量系统存在干扰时的调度规则的优劣。

5 结论和展望

通过对干扰管理在调度中的应用综述可见：①干扰管理的应用是动态调度方法中的一种。② 干扰管理在调度中的应用，其方法与重调度的部分方法相仿，但有所区别。③ 性能测量上，采用变动后的调度与原计划调度的衡量值的偏移量作为方法的评判标准，有助于找到对整个调度系统干扰冲击最小的调整方案。

近几年来，干扰管理的研究进展较快，但在生产调度领域的应用并不多，笔者认为可以在3个方面进行研究：① 分析各种干扰源对生产调度系统的深层次的影响，并根据相同的影响的内在特征进行归类；② 研究干扰管理与重调度的关系，区分在何种干扰影响下，采用何种反应方式将非常关键，即找到区分干扰管理与重调度的阀值；③进一步健全和丰富干扰管理在调度中特有的建模方法、算法以及评价体系。

［1］ Yu Gang，Qi Xiangtong.Disruption Management：Framework，Models and Applications［M］.Singapore：World Scientific Publishing Co.，2004.

［2］ Clausen J，Larsen J，Larsen A，et al.Disruption management：Operations research between planning and execution［J］.OR／MS，2001 ，28（5）：40－43.

［3］ Norbis M I，Smith J M.A multi－objective multilevel heristic for dynamic resource constrained scheduling problems［J］.European Journal of Operational Research，1988，33（1）：30－41.

［4］ Bean J C，Birge J R，Mittenthal J，et al.Matchup scheduling with multiple resources，release dates and disruptions［J］.Operations Research，1991，39（3）：470－483.

［5］ Akturk M S，Gorgulu E.Match－up scheduling under a machine breakdown［J］.European Journal of Operational Research，1999，112（1）：81－97.

［6］ Abumaizar R J，Svestka J A.Rescheduling job shops under random disruptions［J］.International Journal Production Research，1997，35 （7）：2065－2082.

［7］ Sanlavillel E，Schmidt G.Machine scheduling with availability constraints［J］.Acta Informatica 1998，35（9）：795－811.

［8］ Schmidt G.Scheduling with limited machine availability［J］.European Journal of Operational Research 2000，121（1）：1－15.

［9］ Vieira G E，Herrmann J W，Lin E.Rescheduling manufacturing systems：A framework of strategies，policies，and methods［J］.Journal of Scheduling 2003，6（1）：39－62.

［10］ Graham R L，Lawler E L，Lenstra J K，et al.Optimization and approximation in deterministic sequencing scheduling：A survey［J］.Annals of Discrete Mathematics，1979，5：287－326.

［11］ Qi Xiangtong，Bard J F，Yu Gang.Disruption management for machine scheduling：the case of SPT schedules［J］.International of Production Ecnomics，2006，103（1）：166－184.

［12］ Lee C Y，Yu Gang.Single machine scheduling under potential disruption［J］.Operations Research Letters，2007，35（4）：541－548.

［13］ Hall N G，Potts C N.Rescheduling for new orders［J］.Operations Research，2004，52（3）：440－453.

［14］ 慕运动.关于重新排序问题的研究［D］.郑州：郑州大学，2007.

［15］ Zhao Chuanli，Tang Hengyong.Rescheduling problems with deteriorating jobs under disruptions［J］.Applied Mathematical Modelling，2010，34（1）：238－243.

［16］ Yuan Jinjiang，Mu Yundong.Rescheduling with release dates to minimize makespan under a limit on the maximum sequence disruption［J］.European Journal of Operational Research，2007，182（2）：936－944.

［17］ Leus R，Herroelen W.The complexity of machine scheduling for stability with a single disrupted job［J］.Operations Research Letters，2005，33（2）：151－156.

［18］ Cowling P，Johansson M.Using real time information for effective dynamic scheduling［J］.European Journal of Operational Research，2002，139（2）：230－244.

［19］ Ballestin F，Leus R.Meta－heuristics for stable scheduling on a single machine［J］.Computer ＆Operations Research，2008，35（7）：2175－2192.

［20］ Lee C Y，Leung J Y T.Yu Gang.Two machine scheduling under disruptions with transportation considerations［J］.Journal of Scheduling，2006，9（1）：35－48.

［21］ Lee C Y，Yu Gang.Parallel－machine scheduling under potential disruption［J］.Optimiaztion Letters，2008，2（1）：27－37.

［22］ Petrovic D，Duenas A.A fuzzy logic based production schdeduling／rescheduling in the presence of uncertain disruptions［J］.Fuzzy Sets and Systems，2006，157（16）：2273－2285.

［23］ Duenas A，Petrovic D.An approach to predictive reactive scheduling of parallel machines subject to disruptions［J］.Annal Operation Research，2008，159（1）：65－82.

［24］ Vieira G E，Herrmann J W，Lin E.Predicting the performance of rescheduling strategies for parallel machine systems［J］.Journal of Manufacturing Systems，2000，19（4）：256－266.

［25］ Barua A，Raghavan N，Upasani A，et al.Implementing global factory schedules in the face of stochastic disruptions［J］.International Journal of Production Research，2005，43（4）：793－818.

［26］ Lee C Y.Minimizing the makespan in the two－machine flowshop scheduling problem with an availability constraint［J］.Operations Research Letters，1997，20（13）：129－139.

［27］ Akturk M S，Gorgulu E.Match－up scheduling under a machine breakdown［J］.European Journal of Operational Research，1999，112（1）：81－97.

［28］ Mehta S V，Uzsoy R M.Predictable scheduling of a job shop subject to breakdowns［J］.IEEE Transcations on Robotics and Automation，1998，14（3）：365－378.

［29］ Shafaei R，Brunn P.Workshop scheduling using practical（inaccurate）data.Part 1：The performance of heuristic scheduling rules in a dynamic job shop environment using a rolling time horizon approach［J］.International Journal of Production Research，1999，37（17）：3913－3925.

［30］ Shafaei R，Brunn P.Workshop scheduling using practical（inaccurate）data.Part 2：An investigation of the robustness of scheduling rules in a dynamic and stochastic environment［J］.International Journal of Production Research，1999，37 （18）：4105－4117.

［31］ Sabuncuoglu I，Karabuk S.Rescheduling frequency in an FMS with uncertain processing times and unreliable machines［J］.Journal of Manufacturing Systems，1999，18（4）：268－283.

［32］ Jain S，Foley W J.Impact of interruptions on schedule execution in flexible manufacturing systems［J］.International Journal of Flexible Manufacturing Systems，2002，14（4）：319－344.

［33］ Aytug H，Lawley M A，Mckay K，et al.Executing production schedules in the face of uncertainties：A review and some future directions［J］.European Journal of Operational Research，2005，16（1）：86－110.

［34］ Sun J，Xue D.A dynamic reactive scheduling mechanism for responding to changes of production orders and manufacturing resources［J］.Computers in Industry，2001，46（2）：189－207.

［35］ Yamamoto M，N of S Y.Scheduling／rescheduling in the manufacturing operating system environment［J］.In temational Joumal of Production Research，1985，23（4）：705－722.

［36］ Vieira G E，Herrmann J W，Lin E.Analytical models to predict the performance of a single－machine system under periodic and event－driven rescheduling strategies［J］.International Journal of Production Research，2000，38（8）：1899－1915.

［37］ Bierwirth C，Mattfeld D C.Production scheduling and rescheduling with genetic algorithms［J］.Evolutionary Computation，1999，7（1）：1－17.

［38］ Church L K，Uzsoy R.Analysis of periodic and event－driven rescheduling policies in dynamic shops［J］.International Journal of Computer Integrated Manufacturing，1992，5（3）：153－163.

［39］ Wu S D，Storer R H，Chang P C.One－machine rescheduling heuristics with efficiency and stability as criteria［J］.Computers and Operations Research，1993，20（1）：1－14.

Review of Disruption Management in Production Scheduling

TANG Haibo1，YE Chunming2，MA Huimin1，WU Bin1
（1.School of Business，Shanghai DianJi University，Shanghai 201306，China；2.Business School，University of Shanghai for Science and Technology，Shanghai 20093，China）

This paper summarizes the research related to disruption management in production scheduling by reviewing source of disruption，and presentation，solution strategy and efficiency evaluation of disruption management in production scheduling.The definition of disruption management in production scheduling and operation of process are discussed.Further development on disruption management in production scheduling is proposed.

disruption management；production scheduling；scheduling strategy；scheduling objective；predict reactive scheduling

F 273

A

2095－0020（2012）03－0189－08

2012－06－15

教育部高等学校博士点基金项目资助（20093120110008）；教育部人文社会科学规划基金项目资助（10YJA630187）；上海市自然科学基金项目资助（10ZR1412300）；上海电机学院重点学科资助（10XKJ01）

唐海波（1976－），男，讲师，博士，专业方向为工业工程、生产调度及智能算法，E－mail：chthb＠163.com