随着信息化、智能化时代的到来,顾客对于产品的需求呈现出多样化、个性化的发展趋势。为有效应对动态变化的市场需求,多品种、中小批量的生产模式逐渐成为诸多制造型企业的转变方向。虚拟单元作为一种先进的生产组织形式,其兼具了传统制造单元生产方式的高效性以及可重构生产系统的高柔性,在应对多品种、小批量的生产任务时具有较好的适用性。然而,在实际生产过程中,虚拟单元制造系统会面临许多不确定因素,新订单任务的插入就是其中最为常见的随机扰动事件之一。从现有研究来看,针对动态环境下的虚拟单元重构和重调度问题的研究,大多都是将动态问题划分为多个阶段的静态问题进行解决,在一定程度上降低了动态问题的复杂度,但关于随机扰动因素对生产系统的影响考虑不足,这明显与实际生产不符。因此,本文针对新订单任务插入下的虚拟单元重构及重调度问题展开研究。针对新订单任务插入下的虚拟单元重构问题,本文在已有研究的基础上,首先对新订单任务到达后是否进行虚拟单元重构做出相关判断,进而提出了一种基于自组织映射神经网络的单元构建方法。该方法综合考虑了加工时间、加工顺序、工艺路径、机器加工能力、机器柔性等实际生产因素,将计算所得的机器间相似性系数矩阵作为自组织映射神经网络的输入样本,通过聚类实现机器单元的形成;在此基础上,再通过计算零件与机器单元之间的隶属度指数,实现各零件对机器单元的归属;最终完成虚拟单元的重构。针对新订单到达带来的虚拟单元调度计划频繁调整问题,考虑到重调度对生产稳定性的影响,本文提出了一种基于松弛时间的插入重调度策略,将松弛时间细分为空闲时间、部分松弛时间和总松弛时间。在该策略指导下,考虑到订单交货期的约束,构建了以最小化最大完工时间、不稳定系数最小为目标的非线性整数规划模型,并通过引入快速非支配排序和拥挤距离计算的回溯搜索算法予以求解。算例研究表明,本文所提出的虚拟单元重调度方案,在保证生产稳定性以及订单交货期的同时,能够有效缩短完工时间、降低不稳定系数、提升机器平均利用率。最后,以W公司柴油机缸体加工流程作为研究背景,将上述方法应用于企业实际生产过程中。在新订单任务插入的情形下,对提出的优化方案与企业实际生产方案进行比较分析,结果表明本文所提方案在最大完工时间、机器平均利用率、新订单任务的平均响应时间等方面均表现良好,以此验证了该方法的有效性与可行性。