Seru装配系统日本式单元化生产是对流水线生产的逆向转换，将原来较长的、支持生产多个产品的流水线进行拆分，形成多个短生产线，通过对短生产线的快速构造、优化、重组以实现整个生产系统的柔性与高效(刘晨光等，2010)[4]。Yagyu(2003)[5]和Yin等(2008)[6]对seru进行了概念性的描述。Akino(1997)[7]提出三种seru类型，分别为分割式seru(pisionalseru)、巡回式seru(rotatingseru)和屋台(yatai)。Stecke等(2012)[8]指出了实践中seru类型的连续演变。当重新构建装配线时，应该首先构建分割式seru。随着交叉培训的展开并获得多技能操作工，巡回式seru可以取代分割式seru，屋台是seru的最终进化形式。此外，还有其他的seru设计，如Iwamuro(2004)[9]和Miyake(2006)[10]分别讨论了组合三种seru构造的混合式seru和传送带连接三种seru而构成的互相连接的seru。8019280192Sakazume(2005)[11]从实施变化、单元特征、实施的优缺点以及优缺点背后的机制这四个方面系统比较了日本式单元化生产与欧美式单元化生产的相似点和不同点。Sakazume(2006)[12]从市场条件、生产条件和工艺条件三个方面概述了成功实施seru生产的条件。Liu等(2014)[2]从实践的角度提出了实施seru生产时应遵循的基本框架和原则。80192

通过对上述文献的调研可知，目前seru装配系统任务批次调度优化方面的研究仍很不充分，考虑到其对于顺利实施seru生产的重要作用，本文主要针对该问题进行理论研究。2 任务批次调度优化问题

在实际生产过程中，任务批次调度优化对于实现seru装配系统的高效与柔性起着关键性的作用。影响任务批次调度决策的因素主要有换装时间和交付期等。一些关于任务批次调度优化问题的研究为我们提供了解决思路。Süer(1996)[13]为同时实现最优人力分配和任务批次调度提出了一种两阶段的层次方法。Süer和Bera(1998)[14]允许批次分割并考虑换装时间，对之前的模型做出了修改。Lozano等(1999)[15]通过多阶段的LP规划来构建任务批次调度模型，以最小化运输与持有成本为目标的同时保持机器与利用率的大致均衡。Babayiğit和Süer(2003)[16]在考虑人力限制下，以最小化延迟作业的数量为目标，提出了4种数学模型。Süer等(2005)[17]以最小化延迟作业的数量为目标解决任务批次调度问题时考虑了交付期，基于遗传算法和局部优化提出3种不同的方法并对其进行比较。Süer等(2009)[18]为最小化完工时间和机器需求量，分别提出了允许和不允许批次分割的两个模型，并基于机器层面的相似系数提出一种启发式算法。Süer等(2009)[19]以一个鞋厂为例，分别考虑产品族与子产品族拆分以及作业层级的生产任务分配问题，提出了三种启发式算法和一个以最小化完工时间为目标的两层数学模型。廉洁(2012)[20]以最小化生产可变成本为目标构建了数学模型，并基于交付期最早任务优先(earliestduedate,EDD)原则提出一种启发式算法。Liu等(2014)[21]考虑可持续发展，以最小化完工时间和碳排放为目标，解决多阶段多选择的seru系统生产计划问题。

目前对于生产任务调度优化问题的研究多局限于确定性或单重不确定性问题。Süer等(2008)[22]利用4个不同的模糊双目标规划模型解决了考虑换装时间的生产单元任务批次调度问题，每个模型的目标为最小化延迟作业的数量和最小化总的人力资源需求。Eğilmez和Süer(2015)[23]基于正态分布的操作时间，以最小化延迟作业数量为目标，以最大的可接受延迟概率（风险水平）为约束，提出了一个随机非线性模型。在现实中，seru装配系统任务批次调度问题往往面临模糊性和随机性并存的双重不确定环境，仅仅考虑确定性或单重不确定性环境会忽略有价值的信息，影响决策科学性。因此，在模型中引入模糊随机变量是十分必要的。3模糊随机变量论文网