LP生产规划中生产线换产时间约束的建模求解问题

纯连续变量的线性规划无法直接表达“是否发生切换”这类离散逻辑，必须补充少量0-1二元变量转为混合整数线性规划（MILP）求解，你这个场景规模很小，常规开源求解器就能秒出结果，具体建模方式如下：

核心变量定义 #

两条生产线逻辑完全一致，按「生产线-日期-产品」三个维度定义变量即可：

• 连续变量 x[l][t][p]：生产线l在第t天生产产品p的有效生产时长，单位为小时
• 0-1二元变量 y[l][t][p]：标记生产线l在第t天是否生产过产品p，1为生产、0为未生产
• 0-1二元变量 z[l][t]：标记生产线l在第t天是否发生产品切换，1为发生切换、0为未发生
• 连续变量 s[t][p]：第t天结束时产品p的库存余量，单位为吨
• 固定参数：生产线生产效率rate[l]，1号线满负荷24小时产10吨，取值10/24吨/小时；2号线满负荷24小时产8吨，取值8/24吨/小时

约束搭建 #

1. 换产时间扣减约束 #

直接对应你给出的换产扣2小时的规则：当日发生1次切换就从满负荷24小时里扣2小时可用生产时长，和你举的“生产a再切b，当日可用22小时”的示例完全匹配：

sum( x[l][t][p] for p in 生产线l可生产的产品集合 ) <= 24 - 2 * z[l][t]

如果后续需要支持单日多次切换（比如a→b→c扣4小时），只需要把z[l][t]改成非负整数变量，调整后续触发逻辑即可，框架不用动。

2. 换产行为触发约束 #

首先绑定生产标记和生产时长的关系：只要某天花了大于0的时间生产某产品，对应的生产标记必须为1，用大M法实现即可（M取常数24，为单日最大可能生产时长）：

x[l][t][p] <= 24 * y[l][t][p]  // 对所有l、t、对应可生产的p生效

其次绑定切换标记和生产行为的关系：单日只要生产2种及以上产品，必然触发至少1次切换：

sum( y[l][t][p] for p in 生产线l可生产的产品集合 ) - 1 <= z[l][t]

如果需要把跨天切换（比如前一天最后生产a，当天开场生产b）也计入换产，只需要新增一组0-1变量标记每日生产线最后生产的产品，加一条判定前后天收尾/开场产品不一致时z[l][t]加1即可，日粒度排程如果不要求严格的生产顺序衔接，初期可以先不做这层，等基础模型跑通再补。

3. 库存与需求满足硬约束 #

库存按日流转，不允许缺货：

// 期初库存取给定初始值：s[0][a]=3, s[0][b]=2, s[0][c]=3, s[0][d]=0
s[t][p] = s[t-1][p] + sum( x[l][t][p] * rate[l] for l in 可生产p的生产线集合 ) - demand[t][p]
s[t][p] >= 0  // 所有日期、所有产品的期末库存不能为负

4. 换产频率软约束 #

“每3天换产不超过1次”不需要做硬限制，在目标函数里加惩罚项即可：

• 新增连续松弛变量violate[l][t]，表示3天窗口内的换产超额次数
• 加约束：sum( z[l][t-k] for k in 0,1,2 ) <= 1 + violate[l][t]（t>=3时生效）
• 目标函数里给violate设置一个较高的惩罚权重，求解器就会优先选择不违反换产频率的排程，遇到必须换产才能满足需求的场景也不会直接判定模型无解。

目标函数 #

核心目标为产量最大化，同时减去软约束的惩罚项：

max( sum( x[l][t][p] * rate[l] for all l,t,p ) - penalty * sum( violate[l][t] for all l,t ) )

落地提示 #

• 月度30天、2条线、4个产品的规模非常小，不管是开源求解器（HiGHS、CBC）还是商用求解器都能在几秒内算出结果
• 如果需要输出更细粒度的“各时段排程”，只需要把日维度拆成小时/半小时的时间块，变量和约束逻辑完全复用，不需要改框架

内容的提问来源于stack exchange，提问作者Stepan SSSD