1. 课程导入与工程对象界定

在制造、能源、物流、软件交付等大量工程场景中，计划一旦下发，现实几乎立刻开始偏离它。设备故障、来料延迟、人员缺勤、订单插单、良率波动，都会让"计划曲线"与"实际曲线"之间产生缝隙。本课程要解决的核心问题不是"如何做一个完美的计划"，而是：当计划与实际已经出现偏差时，如何识别偏差、量化偏差、判断偏差是否值得重排程，并生成一份可执行、可追溯、代价可控的新计划。

这里需要先界定两个关键概念。所谓计划实际偏差，指的是在某一时刻，原计划对某对象（工序、订单、设备、任务）的预期状态，与现场实际状态之间的差异。它既包括时间偏差（提前/滞后），也包括数量偏差（完成量、产出量）、资源偏差（可用产能、人员）和状态偏差（已开工/未开工/已取消）。所谓滚动重排程，指的是在滚动时间窗内，以当前实际状态为起点，对剩余任务重新分配时间与资源，并保持与已冻结部分一致性的过程。二者是"诊断"与"治疗"的关系：偏差是输入，重排程是响应。

为了把问题讲清楚，必须先明确工程对象的边界。本课程讨论的对象是可离散化、可排序、可分配资源的任务集合，典型如：车间工单与工序、设备维修任务、配送线路与车辆、软件迭代中的需求项与开发任务。它们共同具备三个特征：有明确的开始与结束时间、占用有限资源、存在前后置约束。相反，纯连续过程控制（如化工反应釜温度闭环）或完全无约束的创意工作，不在本课程的重排程讨论范围内。

下面这张图给出了本课程的整体对象关系与学习路径。它把"计划域""实际域""偏差域""重排程域"四个区域并列，并标出它们之间的数据流与判断关系，而不是简单罗列章节标题。

从图中可以看到，偏差域是整条链的枢纽。它向上承接计划基准与实际状态，向下决定是否触发重排程。因此本课程不会一上来就讲算法，而是先建立偏差的量化口径。例如，某工序计划开始时间为 08:00，实际开始时间为 09:30，则 Δt = +90 min，表示滞后 90 分钟；若计划产出 500 件，实际产出 420 件，则 Δq = −80 件，表示欠产 80 件。这两个数值本身并不直接决定是否重排，还需要结合后续任务的总浮动时间、客户交期、资源占用代价来综合判断。

接下来要明确技术边界。滚动重排程不是"随时推倒重来"，它必须遵守三条工程约束：第一，冻结区不可动，已经开工或已锁定资源的任务保持原计划，避免现场混乱；第二，重排代价可控，新计划与原计划的差异（任务移动量、换型次数、加班时长）要作为目标函数的一部分，而不是只追求交期最短；第三，可追溯，每一次重排都要记录触发原因、输入快照、算法版本和输出结果，便于复盘与审计。

典型应用场景可以归纳为四类。第一类是离散制造车间，工单在设备间流转，设备故障或来料延迟导致工序滞后，需要滚动重排剩余工单。第二类是设备维修与巡检，突发故障插入后，原定预防性维护任务需要重新排序。第三类是物流配送，车辆延误或订单变更后，剩余线路与装载方案需要重算。第四类是软件迭代交付，需求变更或人员变动后，迭代内任务需要重新分配。这四类场景的共同点是：任务可排序、资源有限、偏差频繁、重排有代价。

关于整体学习路径，本课程按"识别—判断—重排—落地—复盘"推进。前几章聚焦偏差的采集与量化，包括计划基准的建立、实际状态的获取、偏差计算公式与分级标准；中间章节进入触发机制与滚动窗口设计，讨论冻结区长度、滚动周期、触发阈值如何设定；随后进入重排算法与代价控制，涵盖约束建模、目标函数、常用启发式与精确方法的适用边界；最后落到下发执行、异常处理与复盘改进。每一章都会给出可操作的参数示例与判断依据，而不是停留在概念层面。

需要特别说明的是，本课程中的参数、数据和算例，除明确标注为实测外，均为教学示例或合理假设，用于说明计算过程与判断逻辑，不代表任何特定企业的真实生产数据。读者在实际工程中应结合自身采集精度、业务约束和代价结构重新标定阈值与权重。