0 引 言

调度是生产过程中一个非常关键的问题，因为它对生产的效率和资源利用率起到非常重要的作用。在过去的二十多年里，生产过程调度模型优化这一研究领域受到了相关科研人员的极大重视，一方面这是受来自提高效率、削减成本的压力和刺激，另一方面则是由于相关建模与求解技术的重大进步和计算能力的迅速增强。

基于连续时间的批处理短期调度模型在实际生产过程中应用更加广泛，一直被科研人员所重视。Pinto和Grossmann(1995)[1]提出基于连续时间的MILP模型，该模型主要解决多工序批处理短期调度问题，解决方法主要思路为在两个平行时间轴上分配订单和设备单元，然后使用一组变量集合来进行匹配，该组变量集合由四个参数构成，分别为工序、订单、时间槽、设备。Pinto等[2]又提出一种改进模型，创新地将预排序约束加入到设备时间槽中，核心方法是利用订单预排序，用包含更少参数的变量替代，以此减少所需的计算时间。但该模型存在很明显的短板，它只能用于预排序的订单，仍无法解决顺序约束。文献[3]提出的MILP模型，主要针对于单工序多产品可并行生产的批处理短期调度问题，重点解决了订单的顺序问题，所用的方法是使用了一组含三个参数(前序订单、后续订单、设备)的变量集合。文献[4]提出了一种新的对于批处理过程短期调度的连续时间模型，该模型最大的优点是极大地减少了决策变量的数量，所采用的方法是将订单和设备分离，但仍无法处理预排序问题的限制。文献[5]提出的连续时间MILP一般模型，是基于顺序依赖约束的多工序、多产品批处理短期调度问题。此模型创新地将预排序约束解放出来，让研究者可以自己选择是否考虑，在有效减少了变量数量的同时仍可以兼顾订单排序和订单切换。

王凌等[6]论述了分布式制造环境下，生产过程调度研究现状和相关成果。范华丽等[7]认为调度模型需要经受多变环境的考验，在静态环境下研究出的模型无法在实际生产中应用。其主要论述了实际生产过程中存在扰动的动态调度研究现状以及未来方向。刘民[8]认为在生产过程中会产生大量数据，对这些数据的研究可以有效地提高调度效率,本文着重论述了基于生产数据的调度方法研究情况。

目前，印染生产过程方向的调度研究十分有限。周晓慧等[9]提出基于时间槽描述生产过程调度模型,使用预排序规则和一个三维约束变量实现印染车间的精确调度。胡颖等[10]考虑了染色设备清洗和更换染料所需的时间，在此基础上建立坯布颜色相关的调度模型。文献[11]针对印染生产过程中生产设备之间切换成本、生产设备负荷平衡的问题,分析生产过程中的瓶颈设备来优化瓶颈设备使用、提高利用率,研究订单式印染生产过程，采用分层赋时着色Petri网(H TCPN)技术建立生产过程的模型。胡新晖等[12]采用再调度策略，在静态调度的基础上，考虑新订单的加入，将所有未完成调度任务重新整合后再分配到相关设备作业。

1 印染生产工艺

建立生产过程优化调度模型的前提是对相关生产工艺进行完备的描述和抽象。印染生产过程十分复杂，从坯布到成品要经过很多道工序，如图1所示，它描述了印染生产工艺与工序，包括烧毛、退浆、煮练、漂白、丝光、印花、染色、柔软、拉幅、预缩、质量检测和产品包装等。各工序内的生产过程是连续的，但工序之间既有间断也有连续，间断时用小车把前道工序的半成品推到下道工序。把这些工序划为三个阶段：前处理工艺、印染工艺和后整理工艺。前处理主要有坯布的烧毛、退浆、煮练、漂白和丝光，其中煮练主要是去除布匹上的杂质，丝光是增加布的光亮度；印染指染色和印花，是决定颜色的关键工序；后整理主要是印染后的柔软、拉幅、预缩、质量检测和成品包装。

图1 印染生产工艺流程

不同产品在每一道工序的设备上加工速度是不同的，加工速度由车速来体现。同一产品在同一道工序的不同设备上加工速度也是不同的。

每一小车的布有几百或几千米，以一小车为单位安排一定的车速进行加工。两道工序之间若是离散的，即用小车把半成品布推到下一道工序然后装机生产，这一时间就是两道工序之间的准备时间，这一时间与成品和设备无关，是固定的。

但染色机先染较深色的布，再染浅色的布，那么，染色机要清洗。而清洗的时间与两个颜色的深、浅对比度有关，也就是说，染色机的切换生产的切换时间与产品有关。