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素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，以提高镀锌大棚管的性能和效率。生产调度（ Pr0ducti0n Scheduling）是对工件在相关设备上的加工顺序和加工时间实施安排，以保证所选定的生产目标趋优。生产调度按照类型可以分为静态调度（ Static Scheduling）和动态调度（ Dynamic scheduling）。静态调度是在作业及设备等生产环境确定已知且不考虑意外扰动变化的情况下，对加工任务进行的组合优化决策；动态调度需要依据动态变化的实时生产环境，逐步生成调度方案并指导实际的生产过程。通常的动态调度方法大致分为三类：反应式调度（ Reactive scheduling）、预测-反应式调度（ Predictive-reactive Schedulin）和主动式调度（ Pr0active Scheduling）反应式调度并不会事先形成全局的优化调度方案，而是伴随着实际生产过程的执行，根据生产系统的实时状态及加工任务信息，实时进行局部决策，为空闲的设备确定加工任务，这种动态调度也称为实时调度（ Real-time Scheduling）最常见的实时调度方法就是运用某种调度规则（ Dispatching Rule）从等待空闲设备加工的众多加工任务中，选择优先级***的一个加工，优先级的计算依据是当前加工任务和相关设备的实时状态与属性。

        经过众多学者的长期研究，已有非常多的调度规则被提出并加以实际应用。基于调度规则的实时调度方法具有快速、直观、易实施等优点，但其局部优化的本质也导致其具有难以达成全局和长远的调度优化效果等局限性预测反应式调度是一个调度/重调度的过程。调度阶段在假定镀锌大棚管生产系统状态和加工任务均确定的情况下，形成优化的调度方案（原始调度方案）；重调度阶段在已形成的原始调度方案基础上，响应实际动态环境下生产系统状态和加工任务执行的变化情况，对原始调度方案加以调整，产生新的也是最终的调度方案因为前一阶段调度过程实际上相当于短期生产计划，所以后一阶段的重调度就是这一类动态调度的关注重点，或者就直接称其为重调度（ Rescheduling）问题。主动式调度是指在进行调度决策时，提前将可能出现的不确定因素考虑在内，从而构建一种对动态生产环境具有一定鲁棒性的预防式调度方案，所以这种态调度方法也称为鲁棒调度。在主动式调度研究中，目前被广泛加以考虑的是加工时间相关的不确定性。例如， Pereira19针对单机调度问题，将其中不确定的工序加工时间在固定闭区间上取值，基于场景规划方法，提出了以加权完工时间为性能指标的鲁棒调度方法。 Drwal等基于并行机调度中工序加工时间只有其间隔边界已知的认识，提出了以总完工时间为评价指标的最小、***后悔值调度方法。除了加工时间的不确定，也有学者通过对随机机器故障和急件到达等生产系统不确定性的预测，开展主动式鲁棒调度方法的研究综观过去几十年的学术研究和实践探素，关于生产计划与调度的研究和应用已取得了大量成果，从概念理论到方法体系，再到系统工具都有丰厚的积累。但是，大部分工作都是将镀锌大棚管生产计划和车间调度分离开来，作为两个独立的领域，分别针对其各自的子问题加以分析和求解。例如，生产计划领域的投料控制、维护调度，生产调度领域的作业排程、实时调度、组批调度、瓶颈设备调度等。然而这些子问题之间又是密切相关的，为了达到彼此协同、优化整合的效果，需要将其纳入一个系统框架下加以分析和研究，以探索真正适合实际的复杂制造系统管理需要的解决方案，这也正是本书撰写的初衷。