徐 昆，周 律

（清華大學(xué) 環(huán)境學(xué)院，北京 100084）

特約述評

采用優(yōu)化生產(chǎn)調(diào)度進行印染廢水源頭控制的研究進展

徐 昆，周 律

（清華大學(xué) 環(huán)境學(xué)院，北京 100084）

總結(jié)了當(dāng)前國內(nèi)外印染企業(yè)運用優(yōu)化生產(chǎn)調(diào)度實現(xiàn)廢水排放源頭控制的研究現(xiàn)狀。介紹了優(yōu)化生產(chǎn)調(diào)度系統(tǒng)的工作過程。從實際生產(chǎn)應(yīng)用的角度出發(fā)，分析了不同優(yōu)化算法進行生產(chǎn)調(diào)度存在的問題，提出了改進意見，同時對如何建立基于大數(shù)據(jù)采集的優(yōu)化生產(chǎn)調(diào)度系統(tǒng)進行了闡述。對印染企業(yè)如何運用大數(shù)據(jù)采集系統(tǒng)進行優(yōu)化生產(chǎn)調(diào)度并結(jié)合水資源綜合利用實現(xiàn)全行業(yè)的清潔生產(chǎn)進行了展望。

印染廢水；優(yōu)化生產(chǎn)調(diào)度；源頭控制；清潔生產(chǎn)

紡織印染行業(yè)是國家的民生行業(yè)和國民經(jīng)濟的支柱產(chǎn)業(yè)，隨著國家對印染企業(yè)廢水排放標(biāo)準(zhǔn)的日益嚴(yán)格，對紡織印染行業(yè)的可持續(xù)發(fā)展提出了挑戰(zhàn)［1-5］。僅從末端進行水污染的控制已無法實現(xiàn)企業(yè)經(jīng)濟效益和環(huán)境效益的“雙贏”。印染企業(yè)可通過訂單的優(yōu)化生產(chǎn)調(diào)度，實現(xiàn)廢水的源頭減排，提升企業(yè)的清潔生產(chǎn)水平。

企業(yè)生產(chǎn)的源頭和過程污染控制是污染控制的關(guān)鍵，通過優(yōu)化生產(chǎn)調(diào)度，可以從企業(yè)生產(chǎn)的整體運行中有效實現(xiàn)源頭和過程減排，這已在能源、化工、建筑、機械制造等領(lǐng)域廣泛運用［6］。生產(chǎn)調(diào)度也稱作工序調(diào)度或排產(chǎn)。在農(nóng)業(yè)灌溉方面，用水的優(yōu)化調(diào)度既節(jié)約了用水總量又滿足了作物的生長需求［7］。在建筑、規(guī)劃、工程行業(yè)中，優(yōu)化生產(chǎn)調(diào)度可以在有限的資源下完成更多的工作，或在工作總量固定的情況下消耗最少的時間和物資［8-9］。在化工生產(chǎn)中，通過混合粒子群優(yōu)化計算對生產(chǎn)的最大完工時間進行優(yōu)化，解決了復(fù)雜的廣義多級流水車間調(diào)度問題［10-11］。優(yōu)化生產(chǎn)調(diào)度的關(guān)鍵性問題是在生產(chǎn)產(chǎn)品訂單交貨期內(nèi)完成不同訂單在機器上的分配，既滿足產(chǎn)品質(zhì)量，又提高生產(chǎn)效率，減少拖期成本［12-13］。

本文介紹了印染優(yōu)化生產(chǎn)調(diào)度系統(tǒng)的工作過程?？偨Y(jié)了當(dāng)前國內(nèi)外運用優(yōu)化生產(chǎn)調(diào)度實現(xiàn)印染廢水排放源頭控制的研究現(xiàn)狀。從實際生產(chǎn)應(yīng)用的角度出發(fā)，分析了不同優(yōu)化算法進行生產(chǎn)調(diào)度存在的問題，提出了改進意見，同時對如何建立基于大數(shù)據(jù)采集的優(yōu)化生產(chǎn)調(diào)度系統(tǒng)進行了闡述。對未來印染企業(yè)如何運用大數(shù)據(jù)采集系統(tǒng)進行優(yōu)化生產(chǎn)調(diào)度并結(jié)合水資源綜合利用實現(xiàn)全行業(yè)的清潔生產(chǎn)進行了展望。

1 印染優(yōu)化生產(chǎn)調(diào)度系統(tǒng)的工作過程

1.1 印染工藝與廢水排放特點

典型的紡織印染工藝流程見圖1。采用間歇式染缸，將織物浸漬于含染料及助劑的染缸中，通過染液循環(huán)或織物運動使織物逐漸上染。每道染色工序所需要的水量是織物重量的5～8倍，而一般印染需要13道左右工序，企業(yè)生產(chǎn)1 t布匹約耗水200 t［14］。

圖1 典型的紡織印染工藝流程

文獻［15］指出，漂白過程用水占總用水量的40%，但其廢水中有機物含量較低，色度也較低，廢水可處理后回用。煮煉過程用水占總用水量的20%，但其廢水中COD很高，需處理達標(biāo)后排放。染色過程用水只占總用水量的15%，但其色度變化大，直接回用和間接回用難度較大，需處理達標(biāo)后排放。漂洗過程是為洗去織物上的浮色，用水量大，但廢水水質(zhì)較好，可直接用于煮煉或洗缸，從而減少水耗。

1.2 印染訂單優(yōu)化生產(chǎn)調(diào)度

在間歇式生產(chǎn)中，在同一個染缸中進行不同顏色切換之前，為了排除雜色對織物染色效果的影響，必須先進行洗缸?，F(xiàn)以一個染缸生產(chǎn)4種不同顏色訂單來說明優(yōu)化調(diào)度原理，其基本生產(chǎn)過程和用水量如下。

1）淺色→淺色，洗缸時間12 h，用水5 t。

2）淺色→深色，洗缸時間12 h，用水3 t。

3）深色→淺色，洗缸時間36 h，用水10 t。

4）深色→深色，洗缸時間24 h，用水5 t。

5）末尾洗缸：淺色，洗缸時間12 h，用水3 t；深色，洗缸時間24 h，用水5 t。

人工生產(chǎn)調(diào)度和優(yōu)化生產(chǎn)調(diào)度甘特圖見圖2。圖2中白色代表切換顏色之間的洗缸過程。圖2a是根據(jù)訂單到達的先后順序?qū)嵤┑娜斯どa(chǎn)調(diào)度方案；圖2b是在滿足交貨期前提下的優(yōu)化生產(chǎn)調(diào)度方案，根據(jù)顏色深淺，先染顏色較淺的天藍色和粉紅色，再染顏色較深的紅色和黑色。優(yōu)化生產(chǎn)調(diào)度可減少洗缸水5 t，節(jié)約生產(chǎn)時間12 h。

圖2 人工生產(chǎn)調(diào)度和優(yōu)化生產(chǎn)調(diào)度甘特圖

2 印染優(yōu)化生產(chǎn)調(diào)度的研究現(xiàn)狀

2.1 優(yōu)化生產(chǎn)調(diào)度的研究現(xiàn)狀

Méndez等［16］提出對于間歇過程的調(diào)度問題進行分類及模型優(yōu)化，明確提出模型的有效性與效率是比較不同算法與模型的兩個基準(zhǔn)測試標(biāo)準(zhǔn)。Wu等［17］針對生產(chǎn)中產(chǎn)生的污染物運用數(shù)學(xué)建模方法，從全球能源戰(zhàn)略的角度分析如何既能控制污染物的產(chǎn)生又能節(jié)約能源，說明生產(chǎn)調(diào)度具有較好的經(jīng)濟效益與環(huán)境效益。Jiang等［18］運用遺傳算法，用C#編程求解印染企業(yè)的優(yōu)化生產(chǎn)調(diào)度方案，表明通過優(yōu)化生產(chǎn)調(diào)度可減少約10%的廢水產(chǎn)生量，從其建模方式來看是將訂單分為淺、中、深3種，先染制淺色坯布再染制深色坯布，從而減少洗缸次數(shù)，縮短洗缸時間，節(jié)約洗缸水用量［19］。這一研究中只是將坯布顏色簡單分為3種，沒有指出顏色深淺的判斷標(biāo)準(zhǔn)，今后需建立顏色深淺的判斷標(biāo)準(zhǔn)。盧睿［20］研究了不確定環(huán)境下的調(diào)度方法，運用粒子群算法模擬了小批量訂單交貨期變化對生產(chǎn)序列的影響，驗證了污染物排放不均勻的特征并提出相應(yīng)的改進方式。但是該研究沒有考慮粒子群算法和遺傳算法容易陷入局部最優(yōu)解而無法實現(xiàn)全局最優(yōu)的問題，因此該研究尚需要提出在何種條件下采用何種算法。

楊開兵［21］運用進化算法研究了生產(chǎn)車間流水線上的批調(diào)度問題，尤其是拆分大單，從而滿足交貨期限的要求。該研究比較符合當(dāng)前印染行業(yè)大單比較多的情況。Hsu等［22］提出了混合整數(shù)規(guī)劃模型，通過遺傳算法求解最小拖期從而滿足了印染生產(chǎn)的交貨期的約束問題。其具體做法是將一個完整的生產(chǎn)序列劃分為幾個不同的子過程，找出其中的函數(shù)關(guān)系進行計算機迭代求解。金鋒等［23］根據(jù)印染企業(yè)實際需求，建立了染缸加工的調(diào)度模型。該模型既考慮了小訂單的合并，也考慮了大訂單的拆分，改進了已有的啟發(fā)式算法，使之能夠求解訂單優(yōu)化問題。研究結(jié)果表明，新啟發(fā)式算法既能減少工作時間，也能提高染缸利用率。

近些年來，國內(nèi)外許多研究者對于該優(yōu)化生產(chǎn)調(diào)度問題已經(jīng)提出并開發(fā)了諸如遺傳算法、啟發(fā)式算法、分枝定界法、整數(shù)規(guī)劃法、拉格朗日松弛法等多種解決方案［24］。莫豐勇等［25］采用遺傳算法，將印染企業(yè)的訂單數(shù)據(jù)從ERP系統(tǒng)直接導(dǎo)入程序，通過在可行域區(qū)間隨機產(chǎn)生初始可行解來進行初始化，將種群個體按照其適應(yīng)性進行排序，然后進行交叉變異而產(chǎn)生更接近最優(yōu)解的子個體，通過控制最大進化步數(shù)滿足迭代終止條件，從而求出最優(yōu)生產(chǎn)序列。但此項研究的基礎(chǔ)是ERP內(nèi)部具有訂單數(shù)據(jù)庫，并且可隨著客戶要求的變動而動態(tài)實時更新，對軟件使用者提出了更高的要求。由于遺傳算法由父代選擇交叉點時具有很大的盲目性，無形中增加了進化次數(shù)的計算量，因此王明星等［26］提出了改進的遺傳算法，在父代中選擇與目標(biāo)函數(shù)最為相關(guān)的參數(shù)作為進化對象，以提高收斂速度，讓子代向目標(biāo)函數(shù)定向進化。蔣佳穎等［27］根據(jù)染缸調(diào)度過程中產(chǎn)品種類多、加工設(shè)備多、批量小、調(diào)度復(fù)雜等特性，提出一種新的并單、拆單方法，將訂單進行整體分塊用于問題預(yù)處理，提高初始樣本的分塊效率。經(jīng)過預(yù)處理后的訂單進入初始的遺傳求解過程作為初始種群可以縮短收斂速度，提高收斂精確度。在實際應(yīng)用方面，韓志甲等［28］成功運用MATLAB軟件編制出了適應(yīng)的算法，并以Visual Studio 2005為開發(fā)平臺、SQL Server 2005為后臺數(shù)據(jù)庫實現(xiàn)了遺傳算法，取得了很好的效果。郝平等［29］對靜態(tài)調(diào)度進行了改進，以染缸實時運行狀態(tài)為基礎(chǔ)，將靜態(tài)調(diào)度和動態(tài)調(diào)整相結(jié)合，從而達到全局最優(yōu)化，并將以往研究優(yōu)化生產(chǎn)調(diào)度的模型進行了系統(tǒng)分層：車間生產(chǎn)計劃層、排產(chǎn)層、優(yōu)化調(diào)度層和控制層，通過由低級到高級的分層約束來求解最優(yōu)解，從而提高最優(yōu)解對生產(chǎn)實際的適應(yīng)程度。江盛樹等［30］在遺傳算法的基礎(chǔ)上，根據(jù)面向供需鏈的設(shè)計思想建立了生產(chǎn)計劃系統(tǒng)的用戶需求模型，并采用滾動周期的方法設(shè)計了基于訂單的生產(chǎn)計劃調(diào)度算法。

2.2 當(dāng)前研究存在的問題

1）僅僅將印染企業(yè)的最小生產(chǎn)時間作為目標(biāo)函數(shù)，即在訂單一定的情況下只以提高生產(chǎn)效率為唯一目標(biāo)。作為多目標(biāo)生產(chǎn)最優(yōu)化的算法當(dāng)前研究比較多，但是需要考慮模型算法與實際之間的差別，因此可能需要幾種不同的算法混合使用［31］。除了生產(chǎn)效率作為目標(biāo)函數(shù)外也應(yīng)該加入環(huán)境目標(biāo)函數(shù)，這樣才能真實反應(yīng)當(dāng)前企業(yè)面臨的問題。

2）以往研究都是將訂單看做靜態(tài)的，認為訂單不會發(fā)生變化，沒有考慮訂單動態(tài)隨機變化對生產(chǎn)順序甚至生產(chǎn)工藝產(chǎn)生的影響。實際生產(chǎn)中，企業(yè)會隨時根據(jù)客戶的需求追加、修改訂單，在符合交貨期和產(chǎn)品質(zhì)量的前提下，應(yīng)盡量減少物質(zhì)消耗，減少污染物排放。Lin等［32］提出了在隨機情況下運用魯棒優(yōu)化方法來確定優(yōu)化生產(chǎn)調(diào)度的方法，即運用基于最大最小框架下的混合整數(shù)線性規(guī)劃（MILP）來解決數(shù)據(jù)不確定性帶來的問題，這使得動態(tài)變化問題有了更好的解決方案，從而使印染訂單變化帶來的優(yōu)化生產(chǎn)調(diào)度問題得到了良好的解決。

3）研究者普遍認為提高生產(chǎn)效率就會減少污染物排放。但加快交貨速度有可能會提高其他物質(zhì)的消耗，如能源、水、染料等，尤其是加班人工費，使用時間延長導(dǎo)致的機器損耗也將增加。因此需要進行合理的調(diào)度，從源頭、過程和末端來控制污染物的排放，從而取得良好的環(huán)境效益與經(jīng)濟效益。

4）以往研究都只針對很少的染缸來進行調(diào)度，沒有論證調(diào)度算法對于數(shù)量龐大的工廠是否具有較好的適用性。對于多目標(biāo)的動態(tài)分析需要進行各種算法的比較和驗證，將不確定情況的影響約束在可接受范圍內(nèi)［33］，需要將小規(guī)模調(diào)度推廣到較大的規(guī)模。

因此，優(yōu)化生產(chǎn)調(diào)度的研究必須從企業(yè)實際情況及需求出發(fā)，避免計算模擬的邊界條件過于理想化。應(yīng)當(dāng)調(diào)整計算求解的目標(biāo)函數(shù)，加入經(jīng)濟成本、環(huán)境成本。約束條件要考慮用水定額、用能定額及其他物質(zhì)消耗定額。

2.3 優(yōu)化生產(chǎn)調(diào)度研究的改進

1）明確優(yōu)化生產(chǎn)調(diào)度對象，廢水減排不只是減少洗缸水等新鮮水的用量，也要考慮生產(chǎn)過程中各階段廢水的直接與間接回用。只有間歇式生產(chǎn)才能通過訂單調(diào)度實現(xiàn)洗缸水的減排，但無論間歇式生產(chǎn)還是連續(xù)式生產(chǎn)都可采用水質(zhì)指標(biāo)對各階段廢水進行分類，從而實現(xiàn)直接與間接回用，實現(xiàn)廢水減排。

2）對企業(yè)的不同生產(chǎn)周期采用不同的優(yōu)化策略，即建立目標(biāo)函數(shù)優(yōu)先級制度，不同時期執(zhí)行不同的優(yōu)先級。在滿負荷運行期間，以提高生產(chǎn)效率為主，兼顧節(jié)能減排；在低負荷生產(chǎn)情況下，以節(jié)能減排降低生產(chǎn)成本為主，兼顧生產(chǎn)效率。

3）建立合理的廢水分質(zhì)指標(biāo)體系，同時建立生產(chǎn)過程中每一道廢水的水質(zhì)、水量、溫度等數(shù)據(jù)庫。由于人工調(diào)度產(chǎn)生的廢水水質(zhì)、水量波動較大，可以通過優(yōu)化生產(chǎn)調(diào)度來減小廢水波動，利于后續(xù)的廢水處理。

4）不應(yīng)該將研究重點放在不同算法收斂速度的略微差異上，應(yīng)將全過程的廢水減排作為研究重點，降低印染過程的綜合污染程度。

3 印染優(yōu)化生產(chǎn)調(diào)度的研究方向

印染優(yōu)化生產(chǎn)調(diào)度未來的研究重點應(yīng)放在提高印染企業(yè)整體的經(jīng)濟效益和環(huán)境效益上。設(shè)置合理的目標(biāo)函數(shù)及優(yōu)先等級，剔除影響不大的邊界約束，既要考慮國家清潔生產(chǎn)標(biāo)準(zhǔn)的用水定額與能耗定額，又要考慮生產(chǎn)效率、交貨時間等因素。在不增加企業(yè)建設(shè)與設(shè)備投入的情況下讓企業(yè)獲得更大的利潤，從而提高市場競爭力。

3.1 基于大數(shù)據(jù)采集系統(tǒng)的優(yōu)化生產(chǎn)調(diào)度

大數(shù)據(jù)是指用常規(guī)軟件對數(shù)據(jù)進行捕捉、管理和處理，具有規(guī)模大、流轉(zhuǎn)快、類型多樣和價值密度低等特征［34-35］。目前大數(shù)據(jù)已在工業(yè)生產(chǎn)管理、物流運輸、環(huán)境保護等方面發(fā)揮出積極作用［36］。在印染企業(yè)中運用基于大數(shù)據(jù)信息采集的優(yōu)化生產(chǎn)調(diào)度系統(tǒng)可以很好地解決產(chǎn)量大、訂單多、訂單變化大、訂單隨機性大的調(diào)度問題［37］，也能提高生產(chǎn)效率，降低廢水排放量和能源消耗。

3.2 生產(chǎn)全過程的優(yōu)化生產(chǎn)調(diào)度

單獨針對訂單的優(yōu)化生產(chǎn)調(diào)度已經(jīng)不能滿足清潔生產(chǎn)的要求，必須同時進行能源及廢水資源的整體優(yōu)化利用。馬艷［38］評價了能耗與廢水減排之間的制衡關(guān)系。鄧燕平［39］運用系統(tǒng)分析法和清單分析法分析總結(jié)了企業(yè)水耗、能耗和物耗情況，提出節(jié)能減排技術(shù)措施。只有采用生產(chǎn)全過程的優(yōu)化生產(chǎn)調(diào)度，合理分配各種資源，才能達到日益嚴(yán)格的節(jié)能減排要求，取得良好的經(jīng)濟效益與環(huán)境效益。

4 結(jié)語與展望

當(dāng)前優(yōu)化生產(chǎn)調(diào)度在印染生產(chǎn)中發(fā)揮了一定的作用。在實際應(yīng)用中要根據(jù)不同的企業(yè)規(guī)模、工藝過程等具體約束采用適合的調(diào)度方法。尤其對于訂單變化速度快、批次多、批量小的企業(yè)，優(yōu)化生產(chǎn)調(diào)度有著其獨特的優(yōu)越性。但是對于大型企業(yè)，其訂單多為大單，批次變化小，人工調(diào)度也有其存在價值。同時，今后的研究中不能僅關(guān)注訂單切換減少洗缸水，也要進行生產(chǎn)過程中產(chǎn)生的廢水的優(yōu)化生產(chǎn)調(diào)度，實現(xiàn)廢水的直接回用與間接回用。

隨著云計算及大數(shù)據(jù)技術(shù)的發(fā)展，優(yōu)化生產(chǎn)調(diào)度已突破企業(yè)內(nèi)部的限制，通過不同企業(yè)之間進行生產(chǎn)及需求數(shù)據(jù)交換，進而了解地區(qū)甚至整個行業(yè)的發(fā)展，推動全行業(yè)進行清潔生產(chǎn)已經(jīng)變?yōu)榭赡?。印染企業(yè)優(yōu)化生產(chǎn)調(diào)度未來的發(fā)展趨勢是各個企業(yè)乃至全行業(yè)的大數(shù)據(jù)采集及計算，從而合理劃分每個區(qū)域的生產(chǎn)量與生產(chǎn)種類，調(diào)度物質(zhì)、能源在不同地區(qū)的合理分配，將印染行業(yè)對整個環(huán)境的影響程度降低到最小。

［1］ 張繼群，陳瑩，楊書銘. 紡織工業(yè)用水定額［M］. 北京：中國質(zhì)檢出版社，2014：97 - 103.

［2］ 梁波，徐金球，關(guān)杰，等. 生物法處理印染廢水的研究進展［J］. 化工環(huán)保，2015，35（3）：259 - 266.

［3］ 李昊，周律，李濤，等. 臭氧氧化法深度處理印染廢水生化處理出水［J］. 化工環(huán)保，2012，32（1）：30 - 34.

［4］ 崔家琪，林旭龍，汪曉軍. Fenton試劑氧化—原水調(diào)節(jié)出水pH法預(yù)處理堿性印染廢水［J］. 化工環(huán)保，2012，32（5）：424 - 427.

［5］ 王建慶，毛志平，李戎. 印染行業(yè)節(jié)能減排技術(shù)現(xiàn)狀及展望［J］. 印染，2009（1）：44 - 51.

［6］ 馬子琦. 多項目進度優(yōu)化及資源均衡方法研究［D］.北京：北京化工大學(xué)，2012.

［7］ 王斌，張展羽，張國華，等. 一種新的優(yōu)化灌溉制度算法——自由搜索［J］. 水科學(xué)進展，2008（5）：736 -741.

［8］ 陳志芬，李強，王瑜，等. 應(yīng)急避難場所建設(shè)進度優(yōu)化模型研究［J］. 中國安全科學(xué)學(xué)報，2010（2）：160 -164.

［9］ Song Liying. Traffic organization during urban road constructions［J］. J Beijing Ins Technol，2012（2）：216 - 221.

［10］ 具美京. 基于消費者選擇的航空計劃模型［D］. 北京：清華大學(xué)，2011.

［11］ Liu Bo，Wang Ling，Liu Ying，et al. An effective hybrid particle swarm optimization for batch scheduling of polypropylene processes［J］. Comput Chem Eng，2010，34（4）：518 - 528.

［12］ Gupta A K，Sivakumar A I. Optimization of due-date objectives in scheduling semiconductor batch manufacturing［J］. Inter Jo Mach Tools Manuf，2006，46 （12）：1671 - 1679.

［13］ Quadt D，Kuhn H. Batch scheduling of jobs with identical process times on fl exible fl ow lines［J］. Inter J Product Economics，2007，105（2）：385 - 401.

［14］ 陳季華. 紡織染整廢水處理技術(shù)及工程實例［M］. 北京：化學(xué)工業(yè)出版社，2008：70 - 73.

［15］ 《針織工程手冊：染整分冊》編委會. 針織工程手冊：染整分冊［M］. 2版. 北京：中國紡織出版社，2010：120 - 122.

［16］ Méndez C A，Cerdá J，Grossmann I E，et al. Stateof-the-art review of optimization methods for shortterm scheduling of batch processes［J］. Comput Chem Eng，2006，30（6）：913 - 946.

［17］ Wu Chengcai，Chang Niu. Global strategy for optimizing textile dyeing manufacturing process via GA-based grey nonlinear integer programming［J］. Comput Chem Eng，2003，27（6）：833 - 854.

［18］ Jiang Wei，Yuan Zengwei，Bi Jun，et al. Conserving water by optimizing production schedules in the dyeing industry［J］. J Clean Product，2010，18（16）：1696 -1702.

［19］ Chen Wuji. Scheduling with dependent setups and maintenance in a textile company［J］. Comput Ind Eng，2009，57（3）：867 - 873.

［20］ 盧睿. 不確定環(huán)境下項目調(diào)度方法的研究與實現(xiàn)［D］.沈陽：東北大學(xué)，2009.

［21］ 楊開兵. 基于進化計算的多目標(biāo)流水車間批組調(diào)度問題研究［D］. 大連：大連理工大學(xué)，2011.

［22］ Hsu H M，Hsiung Y，Chen Y Z，et al. A GA methodology for the scheduling of yarn-dyed textile production［J］. Expert Sys Appl，2009，36（10）：12095 - 12103.

［23］ 金鋒，宋士吉，楊建華，等. 印染車間染缸優(yōu)化調(diào)度算法研究［J］. 計算機集成制造系統(tǒng)，2008，14（3）：543 - 547.

［24］ 于喆. 高級排產(chǎn)計劃中啟發(fā)式算法研究與實現(xiàn)［D］.長春：吉林大學(xué)，2007.

［25］ 莫豐勇，郝平，楊馬英. 基于遺傳算法的拉動式浸染生產(chǎn)動態(tài)排產(chǎn)策略［J］. 計算機應(yīng)用，2008，增刊：97 - 99.

［26］ 王明星，李利民. 改進的遺傳算法在機加車間排產(chǎn)優(yōu)化的研究［J］. 制造業(yè)自動化，2014，15：34 - 37.

［27］ 蔣佳穎，王萬良，徐新黎，等. 基于量子遺傳算法的染缸排產(chǎn)問題研究［J］. 計算機工程，2011，21：159 - 161.

［28］ 韓志甲，鄧海峽，李曉平. 基于遺傳算法的排產(chǎn)優(yōu)化方法［J］. 科學(xué)與電子信息學(xué)報，2014（4）：595 - 599.

［29］ 郝平，莫豐勇，徐新黎. 基于遺傳算法和多智能體的染缸生產(chǎn)排產(chǎn)與動態(tài)優(yōu)化設(shè)計［J］. 計算機集成制造系統(tǒng)，2009（8）：1586 - 1591.

［30］ 江盛樹，楊春節(jié)，李平. 基于遺傳算法的造紙排產(chǎn)優(yōu)化系統(tǒng)設(shè)計與實現(xiàn)［J］. 化工自動化及儀表，2003 （5）：22 - 24.

［31］ Sun Yi，Zhang Chaoyong，Gao Liang，et al. Multiobjective optimization algorithms for fl ow shop scheduling problem：A review and prospects［J］. Inter J Adv Manufact Technol，2011，55（5/6/7/8）：723 -739.

［32］ Lin Xin，Janak S L，F(xiàn)loudas C A. A new robust opti-mization approach for scheduling under uncertainty：I. Bounded uncertainty［J］. Comput Chem Eng，2004，28（6）：1069 - 1085.

［33］ Li Zhi，Ierapetritou M. Process scheduling under uncertainty：Review and challenges［J］. Comput Chem Eng，2008，32（4）：715 - 727.

［34］ Howe D，Costanzo M，F(xiàn)ey P，et al. Big data：The future of biocuration［J］. Nature，2008，455 （7209）：47 - 50.

［35］ Provost F，F(xiàn)awcett T. Data science and its relationship to big data and data-driven decision making［J］. Big Data，2013，1（1）：51 - 59.

［36］ Bughin J，Chui M，Manyika J. Clouds，big data，and smart assets：Ten tech-enabled business trends to watch ［J］. McKinsey Quarterly，2010，56（1）：75 - 86.

［37］ Yang Jianhua. Manufacturing execution system for knitting industry［C］//Smart Manufacturing Application，2008. ICSMA 2008. International Conference on. IEEE，2008：553 - 558.

［38］ 馬艷. 基于能耗和成本的資源管理與調(diào)度策略研究［D］. 濟南：山東大學(xué)，2012.

［39］ 鄧燕平. 棉印染行業(yè)節(jié)能減排研究［D］. 蘇州：蘇州科技學(xué)院，2010.

（編輯 祖國紅）

Research progresses on printing and dyeing wastewater source control by optimal production scheduling

Xu Kun，Zhou Lü
（School of Environment，Tsinghua University，Beijing 100084，China）

The current researches on printing and dyeing wastewater source control by optimal production scheduling in printing and dyeing enterprises from home and abroad are summarized. The working process of the optimal production scheduling system is introduced. From the perspective of practical application，the problems of different optimization algorithm for production scheduling are analyzed，and suggestions for improvement are put forward. The methods for how to build an optimal production scheduling system based on big data collect are expounded. The future of using big data acquisition system and optimal production scheduling combined with comprehensive utilization of water resources to achieve cleaner production in printing and dyeing industry is prospected.

printing and dyeing wastewater；optimal production scheduling；source control；cleaner production

X703.1

A

1006-1878（2016）03-0237-06

10.3969/j.issn.1006-1878.2016.03.001

2016 - 01 - 11；

2016 - 02 - 15。

徐昆（1986—），男，浙江省杭州市人，碩士生，電話 13777578400，電郵 xukunustc@126.com。聯(lián)系人：周律，電話010 - 62773079，電郵 zhou2001@263.net.cn。

國家水體污染控制與治理科技重大專項（2012ZX07301-005）。