云制造及工业大数据等新兴技术为制造企业带来机遇的同时,也为制造执行系统(Manufacturing Execution System,MES)的更新与升级带来了新的挑战。作业计划与调度作为贯穿制造执行系统的内部过程,是将MES与外部系统相连的主线。作业计划与调度优化是体现MES先进性的技术核心。首先,为了解决MES中作业计划与调度优化问题,采用基于软件体系结构优化的设计思路,对体系结构中的关键点进行深入分析。并设计了从作业计划静态化制定,到作业执行实时监控与主动感知,再进行生产异常智能响应,最后到作业调度动态调节的完整体系结构,并给出了调度优化问题的全局性解析,保证了理论研究与实践应用之间的高契合度。其次,对车间生产异常发现、异常智能化处理两大关键问题进行大数据环境下的拓展研究,利用数据挖掘的预测分析能力,打造具备生产异常发现与处理和自我分析能力的制造系统。针对生产异常发现问题,综合时间序列和因果关系两个维度,建立了基于时序序列上多决策树的车间异常事件预警模型,保证了预测异常结果的准确性和可靠性。针对生产异常智能化处理问题,借鉴预测式制造的先进想法,参照制造状况评估、早期异常诊断、未来失效时间推断以及主动维护的过程提出解决方案。并对切削关键设备的刀具组件进行衰退状态监测与量化,提出了基于时序的多神经网络决策模型,实现了多层次的刀具组件寿命预测目标,为故障诊测与健康管理在MES中应用提供了思路。最后,应用某电机厂为应用案例,利用IEC/ISO 62264标准、数据挖掘以及由虚拟化、服务化和面向服务的体系结构(Service-Oriented Architecture,SOA)等组成的云计算技术实现了MES作业计划与调度综合优化系统,验证了上述理论与方法的有效性。