企业战略目标的实现依赖于对战略指导下的生产经营活动的计划及实施。生产系统运行管理的首要职能就是对系统生产活动的计划管理。企业生产计划又是企业的总体生产大纲,在实际应用中使用较为广泛的如企业资源计划ERP、制造执行系统MES等,都需要依据生产计划大纲才能转化为可具体执行的生产作业计划并加以实施和控制。作为制造业的核心,装备制造企业在国民经济和工业建设中的地位及其重要。伴随着工业革命持续推进,客户对产品的需求也逐渐定制化、多样化,使得生产变得复杂化、分散化,装备制造企业开始转向多品种小批量生产,装备产品生产越来越柔性。产品生产的发展特征也逐渐表现出个性化、多样化。与此同时,也使装备制造企业多品种生产计划面临着客户需求多样个性、动态多变和难以预见的新挑战。但通过对覆盖了7个大类装备制造业137个企业进行访谈和问卷调查表明:相对于最终消费品制造企业而言,装备制造企业由于其产品知识密集,产品比较专业化和复杂化,设计制造上顾客参与度低以及需求变更、修改订单等原因,生产计划制定仍然面临着诸多的不确定性需求问题。当前企业都面临着市场需求的多样化、定制化和持续多变的环境问题。为了能够快速应对外部需求不断变化,如何制定计划是企业组织生产活动和生产过程的永恒主题。因此,迄今已有众多关于生产计划方法方面的研究成果,但这些方法主要是针对确定性需求或是需求数量不确定、需求数量-期限不确定情形下的生产计划制定,生产实际中大多还是基于经验或数学方法,并通过反复实验或称“试错法”来制定生产计划。面对客户需求品种、质量、数量、期限上的多重不确定性,如何描述客户需求的多重不确定性以及多重不确定性需求之间的关系?如何将这些多重不确定性需求关系及其需求共性反映到生产计划制定之中?又如何建立多重不确定性需求下多品种生产计划模型?这是生产计划管理理论和实践上亟待破解的难题。本文围绕装备制造企业多品种生产中,面临多重不确定性需求下迫切需要解决的生产计划方法问题开展研究,研究完成的主要工作有以下四个方面:(1)对多重不确定性需求以及装备制造企业多重不确定性需求概念进行了界定。首先,对不确定基本概念与相关理论基础进行了分析,主要从单重不确定性研究扩展到多重不确定研究,从常用的随机性和模糊性,也拓展到了粗糙性。然后,分别根据研究对象的不同和对象属性不同的特点进行了分类和划分,以及对相关文献的梳理,从而界定了多重不确定性和多重不确定性需求的概念。最后,通过对现实中的装备制造企业的需求问题进行了提炼和归纳,给出了装备制造企业多重不确定性需求的概念界定。(2)分析了制造企业多重不确定性需求以及它们相互之间的关系,并提出了生产计划应对的生产策略。首先,分别对生产计划制定的不确定性的品种、数量、质量、交货期等需求要素分析。其次,按照制造企业客户需求的影响过程,逐一明确各种需求之间的关系及相互影响,从而建立制造企业客户多重不确定性需求之间的关系模型。再次,采用动态情景分析描述装备制造企业多重不确定性需求的作用关系,提出了多重不确定性需求的各情景下的生产计划应对策略。最后,采用动态随机规划方法建立了多重不确定性需求下生产计划动态规划模型;并针对装备制造企业的实际问题,采用了不同的生产计划安排策略,包括先来先服务、短作业优先、需求时间优先以及最小转换成本策略等,并采用了算例模拟对比分析。研究表明:品种、数量、交货期、质量等需求要素存在着不确定性并且是相关影响的,算例结果证明该模型有效且有实用价值。(3)根据装备制造企业的订单变动和紧急订货情景,建立了多重不确定性需求下装备制造企业多品种生产计划模型。首先,对装备制造企业订单变动和紧急订货情景下产生的品种、数量、交货期和质量的需求变化进行分析。其次,根据满足客户需求、生产计划成本最小、产品生产周期最短、利润最大化四个生产目标,建立了具有多重不确定性的装备制造企业多目标生产计划模型。再次,在该模型中,不仅考虑了各种生产约束条件,还采用数学表达方式描述模糊不确定性数量需求,模糊不确定性交货期、由于客户和企业的认知不同产生的粗糙不确定性质量,以及在一定范围内波动的模糊价格需求等。最后,模型算例模拟求解采用了带精英策略的快速非支配排序遗传算法(NSGA-II)算法,结果表明该模型的有效性和可行性;同时将运算结果对比了带罚函数的粒子群算法求解该模型的模拟运算结果,对比结果表明NSGA-II算法求解本模型更适用。(4)构建了多重不确定性需求下装备制造企业多品种相似性生产计划模型。首先,针对装备制造企业分析了客户的离散随机的品种需求、模糊的交货期需求、随机的数量需求、模糊的质量需求。其次,对装备制造企业的产品和组件的相似性分析,建立了产品或组件的相似性计算模型。再次,针对产品或组件的相似性距离和多重不确定性需求的相似性,建立了基于FCM(模糊C-均值模糊聚类)的聚类模型。然后,根据聚类模型建立了相似生产计划模型,并利用多层编码遗传算法求解。最后,对比了SAGA(基于遗传模拟退火算法的聚类算法)的聚类分析,结果表明:SAGA聚类算法比FCM算法求解该聚类模型优越性更明显;对各模型进行模拟求解验证了模型的可行性和实用性。