工艺规划和车间调度是先进制造系统重要的组成部分,将两个系统集成研究对提高制造系统的性能具有重要意义。随着智能制造技术的发展,增强了工艺规划与车间调度系统间的集成和数据交互,但车间不确定扰动因素制约了工艺规划和调度系统的响应能力。因此研究集成式工艺规划和车间调度（Integrated process planning and scheduling,IPPS）问题的动态响应方法对提高智能制造系统的性能具有重要作用。IPPS问题是最困难的NP-complete问题之一,考虑扰动条件下的IPPS问题更加复杂。当前IPPS问题得到了广泛的研究,但考虑不确定扰动的多目标IPPS问题研究还比较缺乏。因此,本文深入研究了不确定扰动下的多目标IPPS问题,探索不同类型扰动因素的应对机制和高效的求解方法。1)首先研究了多目标IPPS问题集成方法和求解方法。基于NSGAII算法和模拟退火算法设计了一种两阶段的混合算法完成问题求解。提出了一种工艺修正策略,对工艺阶段产生的工艺路线进行调整,来提高两个系统间的交互能力。最后,设计了三种对比算法,分别求解24组经典的IPPS问题案例。结果表明提出的算法在21组问题上取得了优势,证明了提出的算法和策略在解决多目标IPPS问题上的有效性。为后续研究的研究奠定了算法基础。2)针对加工时间和交货期不确定的IPPS问题。采用模糊数表示两种不确定因素,构建了模糊的多目标IPPS问题模型。提出了多层协同的优化算法MLCO完成问题求解。MLCO算法包括工艺规划层、工艺选择层和调度层。工艺规划层,采用遗传算法为单个工件生成较优的工艺路线。工艺选择层,设计了多目标遗传算法（MOGA）生成工件集的最佳工艺信息。调度层,基于MOGA算法增加了边界搜索策略设计了BMOGA算法优化最终的生产方案。另外,提出了共享函数策略,降低种群中个体密度较大的区域个体产生后代的机会来增加种群多样性。针对多目标优化中非支配解难以选择的特点,设计了一种个体综合评价策略,利用个体在各个目标上的排名不同赋予不同的分数来评价种群中的非支配解的质量。最后对比了两阶段求解方法在32组不同规模的案例上的求解结果,验证了MLCO算法的可行性和有效性。3)深入研究了考虑机器故障的动态IPPS问题。建立了考虑调度稳定性的动态IPPS问题模型。提出了一种预-反应调度方法来应对考虑机器故障的动态IPPS问题。在动态调度策略方面,提出了基于工件分类的工艺调整策略（PAS）以提高重调度的稳定性。在算法方面,将遗传算法和邻域搜索算法相结合,设计了求解动态IPPS问题的混合算法。提出了种群的分层移民策略保持种群进化过程中的多样性。分别在作业车间调度、柔性作业车间调度和IPPS问题上共设计了6种对比策略,在24组不同规模的测试集上验证了提出算法和PAS策略的有效性,尤其是在大规模IPPS问题上取得了更好的效果。基于上述研究成果,开发了不确定扰动下的IPPS系统。通过该系统可以实现用户管理、工艺管理、设备管理、生产管理等功能。最后将系统应用到某包装机械的生产车间,结果表明系统具有良好的性能。