2. 排产问题数学建模：变量定义、约束条件、目标函数

好，咱们进入正题。

排产问题，说白了就是一道数学题。你想想看，几百台设备、上千道工艺、几十种产品，每天要决定哪个lot先做、哪个机台跑什么货——这不就是个典型的组合优化问题吗？我当年刚接触MES排产时，第一反应是「这玩意儿能算出来？」后来发现，只要把问题用数学语言描述清楚，剩下的就是求解器的事了。

2.1 变量定义：把生产问题翻译成数学语言

我个人习惯，先把所有「可变的」东西列出来。排产问题里，变量通常分三类：

• 决策变量：比如 x_{i,j,t} 表示产品 i 在设备 j 上、时间 t 开始加工。这是最核心的变量。
• 状态变量：比如设备是否空闲、缓存区是否有料。这些是中间结果，但建模时也得定义清楚。
• 辅助变量：比如完工时间、延迟天数。这些是为了写目标函数用的。

// 变量定义示例（伪代码）
变量 x[i][j][t] ∈ {0, 1}  // 产品i在设备j上，时间t开始加工
变量 C[i] ∈ R+            // 产品i的完工时间
变量 D[i] ∈ R+            // 产品i的延迟时间

嗯，这里要注意：变量太多会导致求解时间爆炸。我在项目中遇到过，一个12寸晶圆厂，光设备就300多台，如果每个时间片都定义变量，模型规模直接上亿。后来我们用了「事件驱动」的思路，只在关键时间点定义变量，才把问题压下来。

2.2 约束条件：设备、物料、工艺、时间

约束条件就是「不能违反的规则」。我把它分成四大类，你记一下：

2.2.1 设备约束

• 单机台独占：同一时刻，一台设备只能加工一个lot。这个好理解。
• 设备可用性：设备有维护计划、有故障时间。我曾经踩过坑——模型算出来排产完美，结果发现那台设备当天在PM（预防性维护），整个计划白做了。
• 设备兼容性：不是所有设备都能跑所有工艺。比如光刻机，不同型号支持的关键尺寸不同。

2.2.2 物料约束

• 物料平衡：每个工序的产出，必须等于下一工序的投入。别小看这个，晶圆厂里经常有「在制品堆积」的问题，就是物料平衡没算好。
• 缓存区容量：每个工位前的缓存区是有限的。我记得有个厂，缓存区只有20个slot，结果模型没加这个约束，算出来的排产根本没法执行。

2.2.3 工艺约束

• 工艺顺序：光刻→刻蚀→清洗，这个顺序不能乱。说白了就是「前驱工序必须完成」。
• 工艺时间窗口：有些工序必须在特定时间内完成。比如氧化工艺，时间长了膜厚超标，短了又不够。
• 批次约束：有些设备要求整批加工，不能拆批。这个在扩散炉里特别常见。

2.2.4 时间约束

• 加工时间：每个lot在每台设备上的加工时间是固定的（或者有上下限）。
• 运输时间：从A设备到B设备，需要时间。别忽略这个，我见过一个案例，运输时间占整个周期的15%，不加这个约束，排产结果就是废纸。
• 交期约束：客户要求的交付时间。这个后面会用到目标函数里。

2.3 目标函数：产出率、周期时间、准时交付率

目标函数就是「我们想优化什么」。排产问题通常是多目标优化，但实际工程中，我建议你做成加权和的形式。

你想想看，这三个目标其实是互相矛盾的。想提高产出率，就得让设备满负荷跑，但这样周期时间就会变长。想缩短周期时间，就得留余量，但产出率就下来了。所以实际项目中，我们通常会给每个目标一个权重，比如：

// 加权目标函数示例
目标 = w1 * 产出率 - w2 * 周期时间 - w3 * 延迟时间
其中 w1 + w2 + w3 = 1

2.4 知识体系总览

下面这张图，把整个数学建模的框架串起来了。你看一眼，心里就有数了。

这张图你看懂了吗？从左到右，先定义变量，再写约束，最后定目标。然后扔给求解器去算。算出来的结果如果不满意，调整权重或约束，再算一次。说白了，这就是个「建模-求解-反馈」的循环。

好，这一章的内容就到这。变量定义、约束条件、目标函数，这三块是排产算法的地基。地基打不牢，后面全是空中楼阁。下一章我们聊聊具体的求解算法——怎么从数学模型变成可执行的排产方案。