随着客户对产品个性化的需求，生产已进入大规模定制时代。越来越多的汽车整车制造商，尤其商用车制造商已采用按订单生产(Make to Order，MTO)或按订单装配(Assembly to Order，ATO)的生产策略。在此类生产模式下，作为驱动生产源头的订单到达后，如何快速、准确、可靠的承诺客户，并能保质保量按时的交付订单成为企业必须面对的问题。　　 订单承诺，作为连接客户和企业生产系统的纽带，正是解决这一问题的利器。但传统的订单承诺方法主要是面向库存式(Make to Stock，MTS)生产模式下产成品的可用量搜索，且较少考虑交货期问题。在MTO或ATO模式下，要综合考虑物料可用性、生产能力可用性，回答客户订单数量和交货期问题。同时，由于物料短缺、质量异常、设备故障、工程技术等随机因素导致的环境和制造系统的不确定性，也是客观存在，如何在订单承诺时，综合考虑这些要素，作出既能满足客户需求、又不给生产系统带来较大的冲击，需要探索新的思路、理论和方法。　　 本文从分析汽车整车生产模式、订单管理流程、交付周期模型切入，在现有订单承诺模型框架的基础上，构建面向ATO生产模式下订单承诺框架。在框架内对相关理论、模型、技术和方法进行研究，并通过实证数据验证和分析，表明其有效性和可行性。相关具体研究内容如下:　　 (1)提出自底而上的三层订单承诺框架。处在最底层是企业的相关资源、订单信息、不确定性等其他要素。处在第二层的是基于资源可用性的物料可用性核查、能力可用性核查、上线时间分配、装配周期估算、异常拖期预测等功能。这些要素和功能决定了处于顶层的数量和交货期、利润等分量，并最终做出订单承诺。基于订单承诺框架，对影响订单承诺的关键要素建模方法进行了研究，包括订单车型配置模型、整车装配过程模型、生产能力模型，以及其他要素，并总结了要素之间的构成关系。　　 (2)使用定性和定量两种方法对订单承诺不确定性进行研究。定性研究包括不确定性的概念、分类及应对技术，在此基础上，构建了不确定性要素对订单的影响机制模型。主要分为四类:物料、机器能力、人员能力和质量控制。针对生产实践中常用的不确定性处理技术，如加班、安全库存、计划期冻结、多技能工等方法对订单承诺的不适用性，提出了基于生产过程历史数据挖掘的定量化方法分析制造系统相关指标及要素的随机分布特征。作为后续数据验证的基础。　　 (3) ATO生产模式下，针对订单承诺中的数量计算，构建可承诺量/可承诺能力(Available to Promise，Capable to Promise，ATP/CTP)联合模型。ATP是对零部件可用量的分配，CTP是对整车装配能力的分配。由于在做物料和能力分配时，这两个问题是相互缠绕的:物料满足、能力未必满足或反之，同时满足，还涉及到时间上优化顺序，再加上其随机特征，使得问题更为复杂。本文首先根据业务流程构建ATP/CTP分配机制，并在研究随机规划理论的基础上构建了ATP/CTP随机相关机会规划模型。为求解模型，改造了混合智能算法，并用定量化分析方法获得的数据进行验证。模型的输入是相关订单和生产系统信息，输出是订单数量承诺和上线时间。　　 (4)根据订单交付周期模型，交货期有订单上线时间、装配周期、异常拖期三部分构成。订单上线时间在做ATP/CTP计算时输出，装配周期与订单信息和整车装配过程相关，如订单数量、工艺路线、工序工时等。异常拖期由不确定事件引起，如物料短缺、质量异常、设备故障、工程缺陷等。本文采用基于历史生产过程数据统计方法选取影响装配周期、异常拖期的要素。这比基于工业工程分析的额定数据更符合生产现场情况，有助于提升预测的准确性。在预测方法的选取方面，采用具有坚实理论基础的支持向量回归(Support Vector Regression，SVR)方法，本文对相关理论和技术进行了基础研究，用于问题适用性修订，并进行了相关数据实验和分析。　　 本文重点研究具有不确定性特征的ATO生产模式下汽车整车订单承诺方法。不确定性的定量分析来源于历史生产过程数据，并构建随机规划模型、不确定性支持向量回归等方法，用于订单数量承诺和交货期设置，这些都有别于传统的确定性方法。在计划决策阶段，就充分考虑这些要素的量化影响程度比定性的不确定性处理技术更为准确和可靠。