汽轮机产品结构复杂,体积庞大,重达几十吨,且单价高达上亿元,产品根据不同客户的具体需求定制。为了快速响应市场需求的变化,采用客户化定制的项目型制造模式（Engineering-to-Order,ETO）。实际装配过程中,物料配送不及时,装配质量异常和工人操作延时等异常事件会严重干扰原有的装配作业计划和大型零部件搬运的天车运行计划。产品一旦延期交付,将会造成重大的经济损失。因此,迫切需要开展装配过程的重调度方法研究,在异常事件干扰下,有效调整和控制汽轮机装配作业,提高装配系统的效率,确保汽轮机准时交货。本文的主要工作与研究成果有:首先,针对汽轮机装配作业计划的重调度问题,建立了以最小化成本和计划稳定性为目标的重调度模型,并开发了基于帝国竞争机制的多目标算法（MOICA）。算法引入了快速非支配排序机制,改进了帝国初始殖民地分配、同化、竞争以及消亡机制,并增加殖民地改革操作以加强全局搜索能力。利用PSPLIB中的MRCPSP问题集,进行算法参数调整以及性能对比测试,实验表明:提出的MOICA的最优覆盖率比SPEA以及NSGA-II分别提高了5%和17%。以汽轮机厂的K156高中压缸装配中4个异常事件为例,通过与人工依靠经验调整的结果比较,稳定性提高了30%,成本降低了12%。然后,考虑了天车运行计划对装配作业计划的影响,建立了装配作业与天车物流的协同重调度模型,设计了预先指派和即时指派两套启发式规则,提出了双层天车的冲突判定与避让规则,并开发了一种多目标进化算法（MOEA）。基于MISTA 2013竞赛中的案例生成了测试数据并对比了两套启发式规则,结果表明即时指派规则要优于预先指派规则。基于测试数据测试了本文提出的MOICA与MOEA算法,显示MOICA得到的结果更优,但MOEA有更高的运行效率。随后将协同重调度模型与算法应用于汽轮机装配现场的实际案例,与人工处理的方式相比,成本降低了9%。最后,分析了汽轮机装配现场的计划管控流程,提出了包括数据访问层、业务逻辑层和用户界面层的三层系统架构,构建了系统的功能模型和数据模型,并开发了以计划管控为核心,以工艺为支撑的重调度系统。系统包含工艺数据管理、物料零部件管理、人员管理、制造执行管理、质量管理以及计划管控功能,应用于汽轮机装配现场后,计划调整效率和稳定性得到提高,人工成本显著降低。