作为制造企业的物化中心和制造信息的集散地,制造车间必须实现敏捷化以满足现代制造模式的需求。为了适应敏捷化车间制造环境,制造执行系统(MES)的概念近十年来逐步形成并得到迅速发展。本文深入研究了在充满不确定因素的车间制造环境下,用于优化制造车间生产过程的制造执行系统的若干关键技术,提出了较为系统和全面的理论与方法用于车间运行中的不确定信息的约简和知识发现。正确的调度和决策必须以正确的车间信息为基础。为了研究车间运行中的不确定信息,从信息中发现有用的决策知识,在探讨不确定信息分析和知识发现方法的基础上,提出了采用粗集扩充理论——基于优势关系的粗集理论(DRSA)的解决方案。该理论不仅能获取数据的语法信息,还能够获取其语义信息,因此能够满足对MES中的不确定信息进行约简和知识发现的要求。基于优势关系粗集理论的不确定信息约简方法能够对不确定性因素进行分析和简化。提出了一种基于前向选择/回溯的约简算法,它不仅能够产生所有精确约简,还可以对该算法做适当修改,作为更通用粗集理论——变一致性优势关系粗集理论(VC-DRSA)中的约简算法,从而对不确定性因素进行概率分析和简化。给出了模糊测度方法,作为定量计算信息系统中不确定性因素相对于决策的重要度的理论,不仅能计算两个不确定性因素之间的依赖关系,还能够对约简进行评价,获取最佳约简。在计算复杂度方面,前向选择/回溯算法通过对自身的递归调用来计算约简,计算工作量很大。因此,针对约简的定义,提出了由优势关系来构造优势矩阵,从而可以采用与经典粗集理论中的区分矩阵类似的计算方法获取不确定信息中所有精确约简。比较了这两种不确定信息约简算法的优缺点。从车间运行中的不确定数据集中发现有用的信息,再从信息中识别出有效的、新颖的、潜在有用的,以及最终可理解的模式的非平凡过程,就是车间运行中不确定信息的知识发现。车间不确定信息知识发现的目的是为车间计划和调度提供决策知识。在探讨粗集扩充理论的知识发现方法的基础上,给出了车间不确定信息系统中的规则知识发现方法。提出了一种基于局部优势/劣势约简的穷举鲁棒规则集产生算法。在DOMLEM算法的基础上给出了最小非鲁棒规则集产生方法,并对该方法进行扩充,从而可以在获取的知识中增加概率信息。产品交货期是由产品最终完工期决定的。产品完工期确定是车间计划和调度的重要内容,在考虑多种资源约束的条件下,这是一个复杂的决策问题,国内外学者在这方面做了很多研究工作,但由于所建模型极其复杂,需要支持的数据量很大,并且存在很多不确定因素或未知因素的影响,使得应用中效果不是很好。通过对某汽车企业装配车间进行调研分析,从车间生产过程中总结出影响完工期的9类不确定性因素,并从车间收集与这些因素相关的数据,形成不确定信息系统。对信息系统中各不确定性因素进行分析和约简,并采用本文给出的知识获取方法从信息系统进行规则知识发现研究。从决策系统中发现的知识可以用于产品完工期预测及对影响完工期的因素进行分析。