在加工制造企业的生产加工过程中,受源自市场需求不确定的计划外新任务到达以及企业生产过程中的随机机器故障等干扰事件的影响,已经制定的加工成本和资源配置最优的原始调度方案往往不再最优甚至不可行。干扰事件在增加加工成本的同时,会造成实际调度方案与原始调度方案的偏差,对依赖于原始调度方案的交货时间制定、工人排班和原材料采购等生产活动造成干扰。如何针对干扰事件特点,进行快速有效的应对方案制定,从而对受扰调度方案进行快速调整,在优化加工成本的同时降低扰动影响,成为加工制造企业亟待解决的问题,也是干扰管理研究领域的关键和核心问题。在己有的生产调度干扰应对方案研究中,往往忽略加工过程中工人操作疲劳、设备老化磨损等环境特性对工件实际加工时间造成的恶化效应影响,忽略工件加工时间的可控特性、对机器故障概率信息的充分利用以及安排机器维护、拒绝部分工件的加工等生产因素对提高干扰应对柔性的重要作用。由于应对方案制定的高度复杂性和实时多目标性,现有的理论和方法难以兼顾多方利益,快速形成同时优化加工成本和系统扰动的有效应对方案。因此,本文针对加工制造企业生产加工过程中面临的计划外新任务到达和随机机器故障两类典型干扰事件,在充分考虑实际加工过程中的环境特性和生产因素的基础上,进行生产调度干扰应对模型和求解算法研究,从而为决策者提供多个可以在加工成本和系统扰动之间进行权衡选择的科学合理的干扰应对方案,并选取大连市某集装箱制造企业的生产调度干扰应对过程为背景开展应用研究,以检验所提出的干扰应对模型和求解算法的有效性,体现本文理论研究工作的应用价值。本文的主要研究工作如下：(1)具有恶化效应和加工时间可控的新任务到达应对模型和求解算法研究。针对计划外新任务到达,充分考虑恶化效应对加工过程的影响和工件加工时间的可控特性,采用“预案-反应”策略,构建同时优化加工成本和系统扰动的Pareto优化模型；根据模型特点,设计基于先验知识、多目标模拟退火和NSGA-Ⅱ的新型多目标进化算法以快速有效的求解这一大规模的干扰应对问题。该算法充分利用NSGA-Ⅱ在收敛性和多样性方面的优势,将多目标模拟退火过程引入NSGA-Ⅱ进化框架以降低NSGA-Ⅱ进化过程中陷入局部极优的概率,并利用模型的结构性质引导算法搜索过程以提高算法的收敛速度和求解质量。(2)引入多生产因素与重调度集成优化的新任务到达应对模型和求解算法研究。在(1)的基础上,针对计划外新任务到达,充分考虑安排机器维护和加工可拒绝两类生产因素对提高干扰应对柔性的重要作用,采用“预案-反应”策略,分别构建两类生产因素与重调度集成优化的干扰应对Pareto优化模型,对加工成本和系统扰动目标同时进行优化；根据模型特点,设计基于先验知识、差分进化变异、禁忌搜索和NSGA-Ⅱ的新型多目标进化算法以快速有效的求解这一大规模的干扰应对问题。该算法将差分进化变异引入NSGA-Ⅱ进化框架以提高算法的收敛速度和全局搜索能力,引入禁忌搜索策略以降低NSGA-Ⅱ进化过程中陷入局部极优的概率,并利用模型的结构性质引导算法搜索过程以提高算法的收敛速度和求解质量。(3)考虑鲁棒性的机器故障应对模型和求解算法研究。针对随机机器故障,根据企业的干扰应对需求,充分考虑机器故障的概率信息,采用“鲁棒式”策略,分别从同时优化加工成本和鲁棒性指标,以及鲁棒性的质量和风险的角度,构建基于无缓冲时间方式的机器故障应对Pareto优化模型；将基于支持向量回归的代理模型引入多目标进化算法,对调度方案的鲁棒性进行近似估计,有效降低仿真评价过程需要的高昂计算代价,从而提高算法求解速度,保证干扰应对的实时性要求。同时,节省的运算代价用于对模型的解空间进行全局和局部搜索,提高所输出有效前沿的质量。(4)应用研究。以大连市某集装箱制造企业的生产调度干扰应对过程为背景开展应用研究。针对集装箱加工过程中的新增订单和随机设备故障,根据实际加工过程中的环境因素和干扰应对需求,分别采用(1)-(3)所提出的干扰应对模型和求解算法进行应对方案生成。通过将所生成的方案与该企业原有应对方案的应对效果进行对比分析,验证本文所提出的干扰应对模型和求解算法的有效性及其应用价值。在此基础上,构建集装箱加工过程干扰应对的实时辅助软件原型系统,以期将本文的理论研究成果进行有效的应用转化。本研究属于运筹学、工业工程与人工智能的交叉与渗透,对有效应对实际生产中的频发干扰事件,构建更加科学实用的干扰应对模型和求解算法进行了有益探索,为解决生产调度中的复杂干扰应对方案的制定难题提供了新思路和新方法,为加工制造企业的干扰事件应对提供了决策支持,有利于提高企业的干扰应对能力、决策效率和管理水平。