本文的研究对象是一家以工业缝纫机轴承为主,兼供绣花机械配件以及平面导轨等产品的中型轴承企业。由于行业原因,该企业对于轴承的生产经营模式存在多种类、小批量兼个性定制的特点,常规大类产品有300多种（不包括由于油脂、游隙差异而衍生的产品）。而且生产计划部门对设备产能、订单数量、交期分布、生产现场情况、原料情况及成品库存数量等信息都只有粗略掌握,排产工作量极大且效果不好,交货拖延情况严重。特别是2021年,由于外贸形势较好,大量工业缝纫机轴承订单涌入,到2021年10月份时仍有7月份的订单尚未交付。因此继续采用原先手工报表了解现场情况并进行人工预估排产的方式将带来极大生产压力。本文基于工厂的设备现状以及信息化程度,分四步实施了智能化改造方案:（1）工厂设备实时产能的采集与整理。与工艺数据挂接的产能及利用情况不仅是订单交付的基础,也是交期预估等其他增值数据服务的基础,本文利用最新设计的设备联网采集模块,提出了一种基于边缘计算的数据采集和处理方案:开发基于Python的终端固件程序,利用采集模块的算力直接完成产能数据的解析、计算和整理,并通过MQTT协议直接上传至服务器,分发整理后存储于数据库备用,实现机器设备的实时数据采集与联网。（2）确定排产目标函数。优化并利用工厂原先部署的MBT系统的基础数据提供能力,统合了原料库、生产现场、成品库、订单（品类、数量及交期）、采购（品类、到货截止日期）等各个部门的数据;在此数据基础上根据实际生产约束因子与排产目标,对该轴承厂的生产排程问题进行数学模型并优化求解,同时提出了一种改进的多目标优化算法;以缩短订单的总完工时间及总拖延交期为排产目标,通过设置系数β,并采用线性加权组合的方式,确定排产目标函数。（3）排产算法的设计与优化。根据车间的实际排产需求,基于遗传算法的基础框架,对算法的编码方式（添加编码过滤机制）和染色体交叉遗传方式（设置多种染色体交叉方式并设置保优机制）进行改进和优化,提出一种基于遗传算法的多目标改进优化算法;同时针对具体案例对算法进行仿真模拟和参数测试,并分别与人工排产结果、改进前的基础算法性能进行实验对比分析,求得该改进优化排产算法的优化效果（相比于人工排产方式:总完工时间优化了7.15%,排产目标函数值优化了6.49%;相比于基础遗传算法:通过添加染色体编码过滤机制,使染色体编码准确性提高了285%,运算工作量减少了79.2%）,验证该算法优化方案的可行性与高效性。（4）交期决策优化。分析可能影响交期预估准确性的因素,并提出相应的解决方案:完善供货商评估体系,采用需求驱动的动态补库策略,以加强对供货商的管理,同时减轻仓库对于一些占用企业瓶颈能力的物料的备货压力;建立交期预估数学模型,并基于联网数据进行优化求解,以提高交期决策的准确性和可靠性。本项目目前已经在该厂正式部署应用,以上数据处理及其自动化分析的系统以微服务的方式进行了部署,相关数据处理结果及操作流程通过网页及专用客户端进行了可视化展示。实现了具备边缘计算能力的机器设备联网,并利用联网采集到的实时产能数据完成排产、交期预估等信息化智能应用。另外,对于智能系统的参数优化目前仍在持续跟踪和改进,系统针对这部分提供了历史库存与建议库存量的对比展示界面,可清晰地反映成品库存对于订单的满足程度以及是否存在过度备库的情况,以便后续对算法的改进。