制造业是一个古老而充满活力的行业,制造业直接体现了一个国家的生产力水平。随着新技术的不断发展和应用,以及客户需求的多样化,多品种小批量订单式生产成为了制造业中的重要组成部分,而且这种生产模式将愈加普遍。交货期是订货型企业生产的基准线,为了节省费用以及保证公司信誉,企业会最大可能地在交货期内交货。在某些产品的生产过程中,往往需要配套工装的辅助,而通常情况下工装的数量是有限的。在工装数量有限的情况下,如何最大可能满足交货期需要,成为实践生产中的一个重大难题。本文以国内某模具生产企业为背景,研究了一类平行机调度问题,该问题最小化拖期成本为目标,具有部件完工期、工装数量等约束。首先用数学语言对问题进行了描述,建立了单个数学模型；提出了一种遗传和模拟退火相结合的算法(GASA),此算法以遗传算法为主线,模拟退火算法只作为遗传算法的变异算子,即每次迭代时,对被选中要进行变异操作的个体进行模拟退火操作。GASA在初始种群的生成上,采用了随机生成和按启发式规则生成结合的方式。然后通过Matlab工具对来自某模具企业的多个实际生产算例,进行数值仿真,仿真结果表明该算法在解决此问题时能快速收敛；以10个不同规模的算例为对象,分别采用GASA算法和传统的GA算法进行仿真求解,结果表明GASA算法在最优解的求解方面明显优于GA算法；选取五种不同规模的算例各100个,分别采用GASA算法和BBA算法在进行仿真求解,对计算结果进行对比分析,表明两种算法求出的最优解质量相当,GASA算法的求解速度比BBA算法更快,且随着任务规模的增大,GASA算法的优势更加明显,从而说明了该模型和算法针对这一类特殊问题更为有效。紧接着,考虑到实际生产中工件加工时间的不确定性,在以上研究基础上,进一步研究了具有模糊加工时间的平行机调度问题,建立数学模型,并运用Lee-Li提出的模糊集综合评判排序方法,将本问题的目标函数精确化,再通过实例仿真验证了GASA算法的可行性。最后基于某模具企业的实际生产的业务流程,结合本文的研究问题与算法,设计和开发了一套车间生产计划与调度系统,规范了企业生产运作流程,并大大提高了排产速度。