复杂动态环境下基于大数据的高端装备制造项目灵捷调度优化

Advanced equipment manufacturing is often implemented in the form of a project under complex and dynamic environment. For this reason, it is very important for the project’s smooth implementation and ultimate success that managers prepare a scientific baseline schedule and adjust it effectively during the execution. On the basis of the realistic background aforementioned, this research involves the problem of how to realize the project agile scheduling optimization using big data. Firstly, under the support of off-line big data, we construct the smart proactive scheduling optimization model, which takes the robust and economic objectives into account comprehensively, and design the corresponding algorithm for it. Through solving the model constructed, we generate the refined baseline schedule to which buffers are inserted accurately. Secondly, on-line big data is utilized to update the project information rapidly, thus enhancing scheduling timeliness and initiative in response to environmental changes. Following this idea, we establish and solve the prompt reactive scheduling optimization model and in this way, achieve the effective adjustment for the baseline schedule during the implementation of the project. Thirdly, in the light of the trade-off relationship between proactive scheduling and reactive scheduling, we construct and tackle the integrated optimization model of the two scheduling modes. The generated solution can get the optimal coordination of smart proactive scheduling and prompt reactive scheduling for dealing with uncertain disruptions under complex and dynamic environment. At last, through the applied research on representative practical cases, we verify and consummate the theoretical achievements, hence obtaining new methods for uncertain project scheduling. The research can not only provide decision supports for the planning and control of advanced equipment manufacturing projects, but also be helpful for the interaction and fusion between big data technology and project scheduling theory.

高端装备制造通常以项目的形式在复杂动态环境下实施，因而其基准计划的科学编制及高效调整，对于项目的平稳推进及成功具有至关重要的作用。本课题基于这一现实背景，研究如何利用大数据实现项目灵捷调度优化的问题。首先，在离线大数据的支撑下，统筹考虑鲁棒性和经济性目标，建立“灵”的前摄性调度优化模型并设计相应的求解算法，通过缓冲的精准添加生成精练的基准计划；其次，利用在线大数据的快速信息更新，增强对环境变化响应的及时性和主动性，建立并求解“捷”的反应性调度优化模型，实现对基准计划的高效调整；再次，根据前摄性和反应性调度之间的权衡关系，建立两种调度模式的集成优化模型并求解，取得它们对不确定干扰应对“灵”与“捷”的最佳协同。最后，通过典型案例的应用研究对理论成果进行检验和完善，形成不确定型项目调度新方法。本课题的研究可为高端装备制造项目的计划与控制提供决策支持，并有助于大数据技术与项目调度理论的交叉融合。

高端装备制造是我国科技实力和综合国力的直接体现，如何在复杂动态环境下基于大数据技术的支撑，做好其计划调度工作对于该类项目的平稳实施及顺利完成具有至关重要的作用。本课题面向这一重大现实需求，研究了高端装备制造项目的灵捷调度优化问题，主要研究内容及成果如下：在对8家代表性高端装备制造企业进行调研的基础上，首先研究了离线大数据支持下的高端装备制造项目“灵”的前摄性调度问题，分别考虑时间/资源缓冲添加、智能柔性资源配置、非结构化模糊信息处理等现实情形，建立了8个调度优化模型并设计了相应的求解算法，对算法进行了大规模的计算测试，为项目鲁棒性基准计划的制定提供了定量化决策支持；其次，研究了基于在线大数据的高端装备制造项目“捷”的反应性调度问题，分别从不确定信息处理、现金流动态均衡、活动拆分及执行模式调整等实际需求出发，构建并求解了7个项目反应性调度优化模型，据此实现了对基准计划的动态调整，确保了计划调整损失最小及项目实施过程的实时最优；再次，研究了前摄性调度与反应性调度“灵”与“捷”的融合问题，聚焦两种调度模式的匹配及时间、成本、鲁棒性之间的权衡，以时间/资源缓冲的添加为纽带，根据不同的现实情形抽象了7个高端装备制造项目的集成调度优化模型，开发了基于仿真的高效启发式算法，实现了前摄性调度与反应性调度的协同优化；最后，在航空航天、高速列车、电子通讯、能源核电等领域的8个代表性案例上，对课题的理论研究成果进行了应用验证，针对实际项目所面临的具体问题，在现实情况调研及项目数据提炼的基础上，通过理论与实践的结合，建立了相应的调度模型并进行了求解，进而为实际项目管理的改进提升提供了指导，取得了良好的经济效益和社会效益。本课题的研究可为高端装备制造项目的计划安排、资源配置、风险应对、成本控制、变更调整、现金流平衡等提供工具和方法支持，并有助于不确定型项目调度理论的向前迈进及与大数据技术的交叉融合。