用python实现，给定n个作业，每个作业包含必须在m台机器上处理的几个工序。每个工序使用m台机器中的一台以固定的时间进行加工。每台机器一次最多只能处理一个工序，并且一旦工序在给定机器上启动处理，它就必须在该机器上不中断的完成的处理。同一个作业的工序必须以给定顺序进行处理，调度开始时，所有工序都是空闲且可用的。最终所要求解的是最短的制造期，即计划中最后一次操作的完成时间，同时安排的顺序要考虑到工序先后顺序的约束。

这是一个经典的生产调度问题，可以使用贪心算法来解决。具体思路如下：

1. 将所有工序按照它们的开始时间排序，这里可以用一个列表来存储，列表中的每个元素是一个工序，包括开始时间、结束时间、所属作业等信息；
2. 对于每个工序，从所有可用的机器中选择一个完成时间最早的机器来进行处理，将该机器标记为占用状态，并更新该工序的结束时间；
3. 重复步骤2，直到所有工序都被处理完毕，最终的制造期即为所有工序的最大结束时间。

下面是一个简单的Python实现，假设输入数据已经按照开始时间排序：

def schedule(jobs, machines):
    n = len(jobs)
    m = len(machines)

    # 初始化每个机器的结束时间
    ends = [0] * m

    # 用于存储每个工序的结束时间和所属作业
    processes = []

    for i in range(n):
        job = jobs[i]
        for j in range(len(job)):
            process = job[j]
            start = process[0]
            time = process[1]
            machine = process[2]

            # 选择完成时间最早的机器
            index = 0
            for k in range(1, m):
                if ends[k] < ends[index]:
                    index = k

            # 更新结束时间和工序信息
            end = max(ends[index], start) + time
            ends[index] = end
            processes.append((end, i))

    # 计算最大结束时间
    max_end = max(processes, key=lambda x: x[0])[0]

    return max_end

其中，jobs是一个列表，包含n个作业，每个作业又是一个列表，包含多个工序，每个工序是一个元组，包含开始时间、加工时间和所需机器编号。machines是一个列表，包含m个元素，表示所有可用的机器。函数返回最短制造期。