随着生活水平的提高,已满足基本需求的人们对个性化定制产品的需求急剧上升,如何安全地扩大生产,提高消费者的满意度是企业管理者当前不得不面临的一个重大问题。其中定制产品具有时间敏感性,即随着时间的流逝,商品的有效性或价值会逐渐降低,将这类产品统称为易逝品。按订单生产（Make-To-Order,MTO）是一种流行的生产策略,通常被销售定制产品的制造商使用。由于有限的产能以及随着时间推移具有不确定性的高需求,传统生产加工型企业的生产运营管理也迎来了极大的挑战。针对公司内部的生产设备与生产环境,制定合理的调整方案,对有效响应市场需求增强公司竞争力,有着关键的意义。本文以在线环境下易逝品的定制生产与运输调度和运营管理实践为背景,针对生产设备具有（截断）学习效应的现象,对易逝品的定制生产与运输调度问题进行了深入研究,以期为具有该性质的企业在生产运营管理中提供安全可靠的理论支持和决策指导。由于易逝品具有时间负敏感性,因此目的是尽可能缩短易逝品的定制生产周期以及配送时间。比如由于学习效应的影响,可以将学徒加入生产队列中,学徒可以在生产中得到进一步的学习,企业也可以节约资源并提高绩效。本文主要研究内容的大纲如下所示:（1）考虑优化目标为完工时间和的在线生产调度模型和在线算法研究。针对具有一台生产设备并且释放时间不确定的在线加工环境,建立以最小化完工时间之和为优化目标的定制生产调度优化模型。使用对手法求得该在线调度问题的下界为2,根据问题的下界设计了一个多项式时间内可解的确定性在线算法,推广并使用“剥洋葱”分析技巧证明该问题的竞争比为2,说明该在线算法是最好可能的,最后通过一个算例说明在线算法的执行情况,并与离线最优解进行对比。（2）考虑优化目标为最大（加权）完工时间的调度模型和在线算法研究。首先确定问题的复杂性,对目标为最大加权完工时间的模型做了进一步的约束,探讨其离线最优生产调度方案。然后建立以最小化最大完工时间以及模型受限的加权最大完工时间为优化目标的在线调度模型。分析问题的下界并设计相应的在线算法,使用“反向寻规法”分析算法的竞争比,证明本章所提出的在线算法是最好可能的。（3）考虑到易逝品的时间敏感性,本文还考虑了带配送时间的供应链调度模型。根据易逝品的特性,采用了两种运输时间,分别为固定值和关于时间的退化函数,建立以最大交付时间为优化目标的生产运输调度模型。求解问题的下界,并设计多项式时间内可解的确定性在线算法,使用“反向寻规法”分析在线算法的竞争比,证明所提出的在线算法是最好可能的。（4）设计有效的数值仿真实验,验证本文所设计的在线算法的可行性与有效性。对于本文所提出的模型,抽象现实问题,针对企业生产运作管理过程中订单释放时间不确定和生产设备具有截断学习效应两个因素,随机产生大量数据进行针对性测试。对于小规模实例,采用分支定界算法（Branch and Bound,B＆B）求解实例的最优调度计划,通过问题的性质以及本文所提出的在线算法对B＆B算法进行了改进,改进后的B＆B算法可求解的订单个数高达50个,且运算速度更快。对于大规模实例,运用算法分析时所产生的最优解的下界进行验证。通过这两个实验检验了本文中的模型和计算方法的有效性。此外,本文还通过计算实验得出了一些管理见解。本文所研究的调度模型与算法对于丰富具有（截断）学习效应的生产与运输调度的理论知识是十分有益的,为经营者在在线环境下合理制定可行的调度计划提供理论支持,同时也可为制造型企业具体实施数字化制造模式提供一些参考。