在以往的離散型製造係統作業計劃研究中，往往將作業計劃問題分解成異順序作業JSP（jobshopschedulingproblem）、流水作業FSP（flowshopschedulingproblem）、混雜流水作業HFSP（hybridflowshopschedulingproblem）和開放作業OSP（openshopschedulingproblem）等幾種方式，將製造係統內部作業人為地割裂開來。清華大學的吳澄教授等［5，6］分析了JSP問題的基本約束特點，並采用改進算法進行了求解；浙江大學的柳賽男等［7］采用遺傳算法求解了有AGV小車約束的車間調度問題；東華大學的李蓓智教授［8］研究了在交貨期窗口約束下的多目標車間調度問題；重慶大學的劉飛教授［9，10］研究了麵向綠色製造的車間調度問題及其相應的配送車輛調度；清華大學的範玉順教授等［11，12］研究了調度問題的微結構和成批生產計劃調度問題；清華大學的劉文煌教授等［13，14］研究了車間批量生產計劃問題；Mattfeld等［15］、西安交大的閆利軍等［16］以及北方交通大學的王書鋒等［17］也各自研究了JSP作業問題；Liaw［18］介紹了OSP作業問題；Aggoune等［19］研究了FSP作業問題；華東理工大學的顧幸生教授等［20］研究了不確定條件下具有零等待的流水車間調度問題；清華大學的常劍峰等［21］針對汽車衝壓車間進行了單線和全線的動態調度；東南大學的嚴洪森教授等［22］研究了一類汽車裝配車間的生產計劃和調度的集成優化模型，並進行求解；Linn等［23］將研究對象擴展到了HFSP作業問題；重慶大學的鄭忠教授等［24］對混合流程生產構建了作業動態網絡圖，並用逆工藝路徑的時間並行倒推算法來編製作業計劃；哈爾濱工業大學的徐曉飛教授等［25，26］針對多目標條件下混合流水車間調度問題，提出了一種能動態調整適應度分配的演化算法以及麵向成本優化的方法。
目前，國內外對製造係統作業問題的研究趨勢之一是將製造係統中包含的多種作業方式作為一個整體進行分析。Liu等［27］對由OSP與JSP構合成的組合作業GSP（groupshopschedulingproblem）在實際生產中的應用情況進行了分析，指出GSP生產實踐比較廣泛地存在。文獻［28］研究了由OSP與FSP組合成的兩工件混合作業MSP（mixedshopschedulingproblem）的複雜性，其中一個工件具有固定的加工順序，而另一個工件具有隨機加工順序。對於所有傳統的優化指標，這一問題都是兩元NP完全問題。文獻［29，30］研究了在各種條件下MSP的計算複雜性，這些條件包括工件優先約束、設備數量、工件操作數多於或少於設備數以及優化指標等。上述MSP的複雜性研究表明，兩階段以上的MSP均為NP難問題，需要用啟發式算法、智能算法等近似優化算法求解。上海交通大學的嚴雋琪教授等［31］提出了包含OSP、JSP、HFSP這三種基本作業方式的通用作業USP（universalshopschedulingproblem）的概念，USP的本質也是將多種基本作業方式作為整體進行研究。西北工業大學的於曉義［32］等提出了多協作車間調度的概念，且采用並行協同進化遺傳算法進行了求解。
但這些研究仍局限於單個車間內部。如果能將調度對象擴展至企業內部的多個車間，則有利於加強製造係統作業計劃的集成與控製，實行整體優化，提高企業的敏捷性。