车间管理与控制系统具有车间管理、优化分解生产任务、生产动态调度、生产过程控制等功能。通过智能管理与控制可以使车间以高度自动化方式运行，以低成本、高效率、低污染和能耗、高质量、及时地生产出市场所需的产品（半成品），从而使企业利润最大化。它是整个自动化制造系统的必要基础，对企业的整体优化运行具有重要意义。　　 模型是车间管理与控制系统研究的基础，根据目前相关研究的发展趋势，采用与车间实际管理结构相适应的混合控制结构，在IPDI（Increasing Precision with Decreasing Intelligence）原则指导下，基于多Agent技术建立了车间管理与控制系统模型。该模型由管理Agent、调度Agent和多个加工单元Agent组成。管理Agent主要负责订单的接收及车间日常管理；调度Agent负责订单的优化分解即静态调度优化：加工单元Agent负责订单的加工仿真与监控，并通过其相互之间的协调完成加工任务的动态调整即动态调度。通过详细分析Agent的协作流程及通信内容，从实用角度出发，使用．NET序列化技术实现了Agent之间的相互通信，通信内容被封装在预定义类中。　　 调度方法是车间管理与控制系统研究的核心，主要包括调度指标与调度算法两个方面。为加强调度指标的完善性，提出了利润指标和熵指标。利润指标基于车间以利润为核心的思想，通过详细讨论利润的组成，将调度指标中的时间、成本、质量、能耗和环境这五个因素进行了统一；熵指标即调度方案的静态复杂性，用来评估调度方案执行的可靠性与有效性。对于这两个指标的统一则采用基于熵权的多目标决策方法进行。　　 为了解决以往车间调度算法的适应性、实用性差等问题，在调度指标研究的基础上，基于面向对象思想对遗传算法进行了改进，包括算法输入封装、基于操作的染色体编码、染色体创建流程及变异操作方法等。并通过实例证明，此算法能对不同规模、类型、指标、批量的调度问题（订单）自动进行优化求解，大大提高了车间调度算法的适应性与实用性，其所产生的各加工单元的加工工序列表还能应用于加工的仿真与监控。　　 为了提高车间调度算法的寻优性能，提出了基于种群熵的结合模拟退火算法的混合遗传算法，该算法通过种群熵来动态改变算法的交叉与变异概率，使之适应种群的变化，提高种群个体的多样性，从而有效地克服算法的过早收敛，达到提高算法寻优性能的目的，实验表明了此算法求解复杂调度问题的优越性。　　 软件是模型与调度方法的具体体现。基于．NET开发平台和SQL Server 2005数据库系统，采用C＃编程语言编写了系统实现软件，共有约一万五千行源代码。软件分为共用类库、数据库文件与应用程序三个部分。共用类库包含了算法参数类、基因类和通信类等程序共用类；数据库文件主要用来存储工件工艺信息及订单信息；应用程序共有三个，分别对应管理Agent、调度Agent和加工单元Agent，这些应用程序可以运行在同一台PC上，也可以通过局域网或互联网相联运行在不同PC上。开发的软件在所设计的实验平台上进行了测试，证明了软件的有效性与实用性。