该文研究了制造系统最优控制中Hedging Point值的优化问题.Hedging Point控制是一种制造系统最优控制方法,而Hedging Point值的大小直接决定了系统的性能指标.因此,选择合适的Hedging Point值对于改善系统的性能是非常重要的.在现有的关于Hedging Point值优化问题的研究中,仅对单零件品种单机器的制造系统的情形给出了解.该文则对更复杂的情形下这一问题的解决进行了探索.1.单零件品种多机器串行制造系统的Hedging Point值的优化.对于最简单的仅由两台机器构成的串行制造系统,计算出系统状态的概率或概率分布密度函数,在此基础上获得第二台机器的等价故障时间(即实际故障时间与由于第一台机器的故障和两台机器之间的在制品数量为零而导致的第二台机器生产的暂停时间之和)的数学期望.基于等价故障时间,把多台机器构成的串行制造系统分解成若干个两机器串行制造系统,并计算出每台机器上系统状态的概率分布,直至最后一台机器.同时证明了为获得最小的生产成本(即在制品成本与欠产成本之和),串行制造系统中的各机器人上生产剩余量的Hedging Point应相等,在不同机器上的单位在制品成本都相等的前提下,进一步证明了单零件品种多机器串行制造系统的生产成本仅依赖于第一台机器和最后一台机器上的生产剩余量(系统状态的一部分),而与中间各机器上的生产剩余量无关.在上述结论的基础上,给出了优化Hedging Point值的一维搜索算法.2.多零件品种单机器制造系统的Hedging Point值的优化.对此类系统,采用了有优先级的Hedging Point控制(PHP).计算了此类系统在PHP控制下系统状态的概率分布,并获得如下的结论:系统中每种零件的概率分布仅与该种零件的生产剩余量的Hedging Point值有关而与其他零件的Hedging Point值无关.根据系统状态的概率分布,可获得总生产成本(在制品成本与欠产成本之和)的数学期望.由于上述结论,总生产成本的数学期望对于不同的零件是可分的,即可以分别对与每种零件相应的Hedging Point进行优化,而无需考虑其他零件的Hedging Point的选择,对于每一种零件而言,其相应的Hedging Point的优化也是采用一维搜索算法.3.多零件品种多机器制造系统的Hedging Point值的优化.对这类制造系统仍采用PHP控制.只是对每种零件的每道工序的生产率,需要考虑前道工序的生产率的约束.根据优先级顺序.对每种零件构造一个与原系统等价的串行制造系统,其中需要对每道工序构造一个在故障时间和工作时间意义上与原机器等价的机器.然后可以把串行制造系统的Hedging Point优化方法应用于此系统.最后,提出了制造系统的集成最优设计与控制问题,并指出了解这一问题的关键因素.