作业车间作为生产制造的直接执行者,不但承载着大量的生产任务,同时也是大量信息的交汇地。随着生产规模的扩大和运行复杂性的提高,车间制造系统中的不确定性急剧增加,机器故障作为常见不确定因素,它不仅会导致实际生产过程与计划产生偏差,而且还会引起物料配送等次级计划的混乱,对生产过程造成重大影响。因此,如何有效的评估机器随机故障环境下可行调度方案的性能以及制定出鲁棒性强的调度方案已成为生产调度领域研究的前沿与热点。由于机器故障随机性、生产任务关联复杂性、调度目标的多样性,决定了该类车间调度问题的复杂和困难。在考虑车间调度问题的动态性、复杂性和目标多样性的基础上,文中对机器故障环境下调度性能评价及鲁棒调度方法做了较深入的研究。本文主要研究工作有:(1).通过对工序间的关联关系分析,构建以工序为节点,工序间约束关系为连边,工序间时差为权重的工序关联网络,为工序间关系提供一种新型的描述方式。(2).针对机器故障环境下调度方案的性能评价方法,定义两类鲁棒性指标。从工序关联网络出发,通过将机器故障映射到工序层面,分析单工序故障影响在关联网络的传播效应,进而评估多工序故障传播的综合效应,据此提出两种新型的鲁棒性测度方法,并给出求解算法。对25个典型作业车间案例进行仿真实验,结果表明,两种测度方法比蒙特卡洛仿真法求解速度快,比3种替代鲁棒性度量方法准确度更高。(3).在假设机器故障服从威布尔分布的情况下,建立了考虑调度的性能鲁棒性与稳定鲁棒性多目标调度模型,通过分析调度方案结构、机器故障信息与工序期望延迟的内在关系,给出了调度方案性能精确评估方法;结合工序期望延迟和对后向关联工序影响评估工序对调度性能的影响,提出工序影响力概念;通过在少数影响力大的工序后添加非强制空闲时间,实现以较少的性能损失获取显著的稳定性改善;并设计改进的遗传算法求解。通过对25个典型作业车间案例在不同参数下的进行仿真实验,实验数据表明,随着故障维修时间的增加,调度方案的性能鲁棒性的劣化速度快于稳定鲁棒性改善的速度。通过在少数影响力大的工序添加非强制缓冲时间,可以实现以较小的性能损失换取系统较高的较高稳定性。