在“云制造”、“工业4.0”、“中国制造2025”的大背景下,数字化、智能化转型是我国企业发展的必由之路。基于云环境的高级计划排程（APS）系统是企业提升数字化能力,推动企业上云,助力企业实现智能制造,提升企业核心竞争力的关键技术之一。本文主要研究云制造环境下APS系统中的车间调度问题。在云制造环境下,传统的车间调度在调度目标和资源上发生了改变,产生了新的问题。即云车间面向不同企业、不同生产方式、不同工艺流程,各企业订单的约束指标和优化目标是动态变化的、差异性很强,在云端需要高效执行。为解决上述问题,本文主要工作如下:1.针对生产车间如何高效处理来自云服务平台的大量订单,综合分析影响订单接收的各项指标,提出基于灰色关联分析法的订单综合评价模型。对云平台订单计算灰色关联度,进行有效的综合评价。同时给出了云平台订单的几种插单方式,根据计算结果和插单方式对来自云服务平台的订单预处理,提升了处理效率。2.针对车间动态变化的约束条件和优化目标,综合分析了不同订单企业在不同生产环境下具有共性的约束条件和优化目标。以此为基础,构建了多约束条件下,以最大完工时间、拖期惩罚成本、总机器负载和最大机器负载最小为目标的统一调度模型。提出改进的非支配排序算法（NSGA-II）,设计了基于组合策略的种群初始化、改进精英策略动态更新精英解集和改进Pareto排序方法。最后通过株洲市某服装厂在云环境下的实际生产数据验证了算法的实用性;除此之外,还使用了标准算例验证了本文改进算法的优越性。3.基于上述两点,面向中小企业设计开发了基于云的APS系统,实现了数据云端存储,快速响应客户的多元需求,工厂可视化生产,云端高效协同,提升了企业生产效率。通过对云制造环境下APS的研究与应用,为助推制造业数字化、智能化转型提供了一种新的思路。