本文研究我国中小型制造企业多品种、小批量、订单式生产系统的优化问题。包括五个部分:第一部分介绍了本文的研究背景及意义,综合论述了国内外对多品种、小批量、订单式生产系统的研究现状,并概述了研究此类生产系统的理论方法。第二部分采用同步器模拟工具,模拟了多品种、小批量、订单式生产系统流程,在其基础上分析了该类生产系统流程的瓶颈。第三部分研究了多品种、小批量、订单式生产系统的非流水型生产调度问题。采用赋时库所Petri-Net对非流水型的生产作业建立一般的调度模型,然后对模型进行数学的描述,同时论述了非流水型生产调度的问题是NP完全难题:难以用解析法求得最优解。因此,运用深度优先规则和最短优先处理规则来搜索局部最优而得到一种算法。这种算法是最短路径—深度优先的启发式调度算法。第四部分研究了多品种、小批量、订单式生产系统的交货期预测问题。由于BP神经网络具有自适应、自学习和高度容错性的等特点,尤其对非线性、离散性的动态系统具有模拟仿真的能力。因此,本文采用改进的BP神经网络建立多品种、小批量、订单式生产系统的生产完工期预测模型对交货期进行预测,从而解决了该类生产系统交货期难以确定的问题。第五部分研究了多品种、小批量、订单式生产系统的生产批量问题,主要包括投产批量优化问题和订货批量优化问题。在投产批量优化问题中,研究了多品种、小批量、订单式生产系统计划投产批量的决策问题,分析了产品实际产量大于或小于顾客的订货批量对企业效益带来的影响,并分析了导致生产过程产品合格率的随机波动的原因。设产品合格率在一定范围内服从正态分布,以损失期望值最小化为目标,建立产品计划投产批量优化的决策模型。并应用MathCAD对该模型进行仿真,分析了该模型的敏感性,得出最优的计划投产批量方案,证明了该决策模型的有效性。在订货批量优化问题中,采用作业成本分析法分析了多品种、小批量、订单式生产系统的成本结构,在此基础上列出了八个数学公式计算其不同类型的作业成本并以利润最大化为目标函数和顾客的订货批量为可控决策变量,建立利润优化模型。最后采用遗传算法(GA)对某企业的部分数据进行仿真,结果表明,该企业在一定范围内调整顾客的订货批量可增加其利润。