📚 课程目录第4章排程目标与评价指标

4. 排程目标与评价指标

在并行工序与替代设备排程中，排程方案的好坏不能凭感觉判断。同一批订单、同一组设备，按不同规则排出的方案可能差异巨大：有的方案完工很早但拖期严重，有的方案拖期很少却频繁切换导致设备利用率虚高。要做出可比较、可解释、可优化的排程决策，必须先把“目标”翻译成可计算的评价指标，再处理多个指标之间的冲突。

一、五类核心指标的定义与计算口径

排程评价指标通常从时间、交付、资源、切换四个维度展开，本节聚焦五个最常用的指标。

1. 最大完工时间（Makespan，C_max）：所有工序全部完成的最晚时刻，即 C_max = max(C_i)，其中 C_i 为工件 i 的完工时间。它衡量整批任务的整体交付速度，数值越小说明产线吞吐越快。注意 C_max 只关心“最后一个完成”，不关心单个工件是否早完成，因此它常与拖期指标冲突。

2. 总拖期（Total Tardiness，T）：每个工件拖期量 T_i = max(0, C_i − d_i)，总拖期为 ΣT_i。它直接对应客户交付违约的严重程度。若只关心是否延期而不关心延期多久，可用总延期工件数 ΣU_i（U_i=1 当 C_i>d_i）。总拖期对交期敏感，是订单型生产的核心指标。

3. 设备利用率（Utilization，U）：设备实际加工时间占可用时间的比例，U_m = 加工时间 / 可用时间。整线利用率可取各设备利用率的加权平均。利用率高说明设备被有效使用，但过高（接近 100%）意味着没有缓冲，任何波动都会传导为拖期；利用率过低则说明产能闲置。

4. 切换次数（Setup Count，N_s）：排程中相邻工序之间发生设备/工装/物料切换的次数。切换往往消耗时间且产生废料，切换次数越多，有效加工时间越少。它与利用率、完工时间直接耦合：减少切换通常能提升利用率、缩短 C_max，但可能牺牲交期优先顺序。

5. 多目标权衡：上述指标很少同时最优。压缩 C_max 常需集中排产，可能增加切换；优先保交期会打乱批量，抬高切换与利用率波动。因此需要把多目标转化为可比较的单一评价函数。

二、归一化：让不同量纲的指标可加

五个指标量纲不同：C_max 是分钟，ΣT_i 是分钟，U 是百分比，N_s 是次数。直接相加没有意义，必须先归一化。常用做法是取一个参考基准值（如理论下界、历史最优值或当前方案值），把每个指标除以基准，得到无量纲比值。例如以 C_max* 为参考，则归一化完工时间为 C_max/C_max*，越接近 1 越好；利用率则用 (1−U) 表示“未利用损失”，与其他指标方向一致（都是越小越好）。

归一化后，多目标评价函数可写为：

Score = w1 * (Cmax / Cmax_ref)
      + w2 * (SumT / SumT_ref)
      + w3 * (1 - U)
      + w4 * (Ns / Ns_ref)
其中 w1 + w2 + w3 + w4 = 1，权重由业务优先级确定。

三、权重怎么定：从业务优先级到数值

权重不是拍脑袋，而是业务优先级的量化。常用三种方法：

直接赋权法：由计划、生产、销售三方协商，按重要性分配。例如交期敏感型订单：w₂=0.45，w₁=0.25，w₃=0.15，w₄=0.15。
层次分析法（AHP）：对指标两两比较重要程度，构造判断矩阵，求特征向量得到权重，适合指标多、主观判断需要一致性检验的场景。
熵权法：根据各指标在候选方案中的离散程度客观赋权，离散越大说明该指标区分度越高，权重越大。可与 AHP 组合使用，兼顾主观与客观。

权重确定后，建议做敏感性分析：把某一权重上下浮动 10%～20%，观察最优方案是否切换。如果方案频繁跳变，说明权重设置过于敏感，需要重新校准或增加约束。

四、教学示例：三台替代设备、四个工件的加权比较

假设有 4 个工件 J1～J4，交期分别为 30、40、50、60 分钟，可在三台并行设备 M1、M2、M3 上加工，加工时间因设备而异。现有两个候选排程方案 A 和 B，指标如下（示例数据，用于说明计算方法）：

指标	方案 A	方案 B	参考基准	归一化 A	归一化 B
C_max（分钟）	58	52	50	1.16	1.04
ΣT_i（分钟）	6	18	5	1.20	3.60
U（利用率）	0.86	0.92	—	0.14	0.08
N_s（次）	5	3	3	1.67	1.00

取权重 w₁=0.25、w₂=0.45、w₃=0.15、w₄=0.15，计算：

Score_A = 0.25*1.16 + 0.45*1.20 + 0.15*0.14 + 0.15*1.67
        = 0.290 + 0.540 + 0.021 + 0.251 = 1.102

Score_B = 0.25*1.04 + 0.45*3.60 + 0.15*0.08 + 0.15*1.00
        = 0.260 + 1.620 + 0.012 + 0.150 = 2.042

方案 A 得分 1.102，明显优于方案 B 的 2.042。原因在于 B 虽然 C_max 更短、切换更少，但总拖期高达 18 分钟，在 w₂=0.45 的交期优先权重下被放大。若把 w₂ 降到 0.20、w₁ 提到 0.40，则 Score_A≈0.464+0.240+0.021+0.251=0.976，Score_B≈0.416+0.720+0.012+0.150=1.298，A 仍优但差距缩小。这说明权重直接决定方案取舍，必须与业务目标一致。

实操建议：先用等权重跑一遍，得到基准方案；再按业务优先级调整权重，观察最优方案是否变化。若变化剧烈，说明指标间冲突强，应回到约束层检查是否可以通过设备分配或批量合并来同时改善多个指标，而不是只靠调权重。

常见误区：把利用率当作越高越好。利用率接近 100% 时，设备没有缓冲，任何切换或故障都会直接转化为拖期。在交期敏感场景中，应把利用率控制在合理区间（如 80%～90%），而不是盲目追求满负荷。

五、指标监控与复盘

排程方案执行后，应记录实际 C_max、ΣT_i、U、N_s，与排程预测值对比。若实际拖期显著高于预测，常见原因包括：切换时间被低估、设备可用率下降、紧急插单。此时应回到排程模型，修正切换时间参数或可用时间参数，而不是简单调整权重。指标的价值不仅在于选方案，更在于暴露模型与现实的偏差，推动参数持续校准。

综上，最大完工时间、总拖期、设备利用率、切换次数分别从速度、交付、资源、切换四个角度刻画排程质量。多目标权衡的关键是：先归一化消除量纲，再按业务优先级赋权，最后通过敏感性分析验证方案稳健性。只有把目标变成可计算、可比较、可复盘的指标，排程决策才能从经验判断走向工程化。