中期生产计划需要为计划时段内的车间生产任务和车间资源安排做出合理规划，计划时段一般以周或天为单位。狭义的中期生产计划仅涉及车间生产任务的安排，也就是要确定计划时段内投入车间安排生产的产品类型、数量及相应的开始生产及计划完工时间，不涉及详细的设备机时及工件的加工工序。车间生产任务的安排其实是一个负荷与能力的匹配问题，所谓的车间生产能力，涉及可用于安排生产的设备、工具、工装、人员等多方面的资源。就设备而言，虽然其监测统计、维护保养、故障维修等管理活动一般由专门的设备管理系统负责，但其中决定生产能力并与正常生产直接相关的设备工作时间和非工作时间（包括维修保养时间）的规划，也可列入中期生产计划的范畴，本书采用这一观点，将中期生产计划扩展为投料控制（车间生产任务的投入安排）和设备维护调度（车间设备资源的安排）两部分。短期生产计划是依据中期生产计划下达的任务和当前车间制造资源状态，通过镀锌大棚管生产任务转换、作业排程等操作，制定一定生产周期内的车间作业计划。因其为实际生产开始前完成的优化作业执行方案，所以是一种计划”，故称为短期生产计划；又因为决策的是车间作业计划中的各工作任务到各类制造资源的优化指派，所以也是一种“调度”，可以称其为生产作业调度，或生产调度。复杂制造系统的调度问题可以描述为在资源受限与能力约束条件下，针对一项可分解的生产任务，通过确定工件加工顺序和生产资源的分配等，获得生产任务执行效率或成本的优化。具体而言，调度是对一定时间范围内的工件集合，按照工艺流程要求的加工步骤（工序，Step）分解后，安排分解后的各工序在设备上的加工顺序，形成调度方案（Schedule），即确定所有工序由某台设备在某个确定的时间段内完成。生产资源安排的时间精度具体到小时、分钟甚至秒，具备明显的次序要求。

        作为一项具有较长历史的研究命题，自20世纪50年代以来，关于镀锌大棚管生产调度的大量理论和应用研究使这一领域的模型和方法体系逐渐形成并完善。在模型方面，早期针对多重入制造系统的调度模型主要是以排队论为基础的κely模型、Br0wnian模型、连续流模型、马尔可夫模型等，但因其对实际系统过强的人为假设，以及无法克服系统复杂度带来的维数灾难，因此基本不具备实用性。另一类以离散事件动态系统理论为基础的调度模型，如Peri模型、离散事件仿真模型等，虽然能够较好地描述复杂制造系统动态、并发等特性，但因缺乏准确、及时的模型参数和对复杂生产系统不确定因素的快速反应等，而无法真正得到精度和应变力都满足实际要求的模型；近年来，随着信息技术的发展，特别是制造业信息化的普及，新的基于数据的生产调度建模方法被提出并日益得到重视。基于数据的调度建模涉及两方面含乂：一方面是基于制造信息系统积累的大量离线和在线数据，运用数据挖掘等技术手段，建立生产调度过程的模型；另一方面是基于工业制造数据的生产调度模型的参数预测和在线调整，以增加模型的精度。在方法方面也出现了运筹学方法（随机整数规划、动态规划等）、启发式方法（各类启发式调度规则）和智能方法（神经网络、遗传算法、蚁群算法等〕等主要流派。传统运筹学方法在理论上能求得问题的全局***解，但计算量偏大，对于实际问题规模的求解速度往往难以达到实用的要求，因此通常只能用来解决规模较小或大幅简化了的问题，缺乏实用性。启发式方法虽然不存在计算成本过大的问题，但易于陷入局部***及无法保证***等问题也限制了其通用性。

        近十多年来，相关研究更注重于引入智能化方法，通过模拟某种自然现象、物理规律或生物行为来探索更为高效可行的运算机理。更有学者进一步尝试将智能方法加以混合运用，以提高方法的性能和效率。遵循一般的科技发展规律，制造业也是受两种力量的驱动——技术的推动和需求的拉动，两者共同促成了制造业的发展。自从工业革命以来，制造业需求由早期强调制造的时间、质量和成本（Time,Quality,C0st,TQC），扩展到进一步对效率、应变服务等的追求。制造相关的技术进步也走过了机械化、电气化、自动化、信息化的历程。伴随着需求的增强和技术的进步，制造业的发展经历了刚性自动线、柔性制造系统、计算机集成制造、敏捷制造等发展阶段。进入21世纪，制造业迈入互联网时代，由互联网引发的新兴I技术，包括物联网、信息物理系统（CyberPhysicalSystemCPS）、云计算和大数据等，使得镀锌大棚管制造业面临着进一步转型提升的机遇。一方面，社会发展对制造业提出了更高的要求，在追求TQCs（TQC和Service）的传统需求之外，越发强调对于节能、环保和适应力等方面的新需求；另一方面，新兴信息技术和新型I设施与条件飞速发展和普及，先进的信息通信技术（Inf0rmati0nandC0mmunicati0ntechn0l0gy,ICT）和自动化技术也进一步发展融合，这一切都对制造业产生了深刻的影响。