人类文明的创造和人类社会的进步都是制造业的功劳，不过，就在大量物质财富被创造出来的同一时间内，资源枯竭、环境退化、自然灾害等诸多问题随之而来。这种情况下，再利用报废产品被视为再制造(remanufacturing)的终极目标，如此一来，资源浪费现象得以有效地缩减，环境负担也日益减轻，循环经济与可持续发展的关键就在于此。　　对比原始的制造系统而言，再制造系统表现出多方面的不确定性，系统设计、运作、管理的困难程度也随之加大，分析、改善、优化生产线性能等方面的工作由此面临着全新的挑战。其最具代表性的一个特点就在于回收件品质存在着诸多的不确定性，受其影响，再制造系统由此面临着一系列的不确定性，其具体内容涵盖了加工途径的随机性、加工时间的可变性、退出率的不确定性等方面。　　生产系统设计和运作管理最核心的内容就在于辨别、分析、预测瓶颈，这篇论文的探讨对象就在于再制造系统，文章对预测该系统内动态瓶颈的方式作了深入的探讨，其涵盖的基本工作事项见下列所述:　　1.探讨该系统瓶颈受品质不确定性造成的影响。在划分回收件品质等级的基础上，构建了该系统在品质不确定下的仿真模型。其瓶颈指标识别仿真模型中的瓶颈运用的是在制品输出时间间隔方差。通过析因设计，分析质量等级比例（P）、退出率(ω)、回收件到达率（λ）、缓冲区大小(c)对瓶颈转移性的影响，为动态瓶颈预测提供依据。仿真结果表明:质量等级比例(P)、退出率(ω)对瓶颈转移的影响显著，回收件到达率(λ)、缓冲区大小(c)等两个因素对瓶颈转移的影响不显著。　　2.探讨建立在自回归移动平均模型(Auto Regressive Moving Average Model，ARMA)基础上的再制造系统动态瓶颈预测。以ITV作为瓶颈识别的指标，建立再制造系统仿真模型，获得生产线各工位的ITV样本值。各时段的ITV值可以视为一组时间序列，采用ARMA模型拟合ITV序列，并利用拟合后的ARMA模型对ITV的未来值做出预测。从实例探讨可知，在单步预测工作中运用ARMA模型的情况下，可于相应精度范畴内切实地预测出工位ITV的未来值，不过，在多步预测中，其误差不太稳定。　　3.依据ARMA神经网络动态瓶颈预测方式进行探讨。采用神经网络法对工位的ITV值做出预测，结果显示此方法在多步预测中的精度较ARMA模型有所提高但仍有不足;有机融合ARMA和神经网络两种模型，在ARMA的基础上建构建神经网络模型，它对ITV值的预测精度很明显比单一的ARMA或神经网络两种模型要高，最后，将每个工位的ITV预测值与可预测动态瓶颈的位置展开对比，实例探讨证明，它可将未来瓶颈的位置很正确地预测出来，提供瓶颈预防及优化的依据。　　本文的研究工作丰富了动态瓶颈预测的理论与方法，不仅可以用于再制造系统，对其它类型的离散制造系统也具有参考价值。