中国是制造大国，但远非制造强国。制造业的发展过程中存在资源闲置和资源瓶颈共存的问题，云制造概念为该问题的解决提供了新的思路。云制造环境下制造资源复杂多样，同时又需要最大程度的满足多用户需求，所以该环境下的工作流任务调度研究具有重大意义。　　 现有工作流调度算法大多不考虑任务间数据传输代价，但在云制造环境下，因制造企业地域分散性，具有产品依赖关系的制造企业间的运输代价不容忽视，甚至超过制造本身代价，因此云制造环境下制造工作流的调度必须考虑制造企业间的运输代价。同时云环境下面向的是多用户，同一时间会产生同一工作流模型的多个实例。因资源的有限性和差异性，面向多用户调度时，还需考虑调度的公平性。　　 针对以上问题，本文首先提出了制造工作流调度框架，框架作为用户和制造企业之间的桥梁，使制造企业间协同完成制造任务。同时在此框架下针对制造工作流单实例和多实例分别提出调度算法:考虑运输代价的多目标制造工作流单实例调度算法(Multiple Objective Genetic Algorithm Particle Swarm Optimization，MOGA-PSO)和考虑公平性的制造工作流多实例调度算法(Fair Mixed Algorithm，FMA)。MOGA-PSO结合了遗传算法较强的全局搜索能力和粒子群算法较快的收敛速度，调度结果为一组执行时间和执行费用的Pareto解，可供用户根据自身偏好进行选择。FMA面向多用户，对单实例调度算法进行改进，能在最小化执行时间和执行费用的同时兼顾各实例间的公平性，更具现实意义。通过仿真实验，对所提出的算法进行模拟仿真和对比实验，表明算法具有更好的性能。最后给出具体应用实例，表明算法的有效性。