随着智能制造的发展,传统制造业转型面临着巨大挑战,资源的合理配置对制造业的发展至关重要。实际生产系统中,生产调度计划和设备维护计划相互影响。生产过程使设备老化,增加设备故障率,需要对设备进行维护以降低故障率,保证设备稳定运行。但维护操作使设备处于不可用状态,导致生产周期延长,影响产品交货期。因此,协调平衡生产调度计划与设备维护计划能够有效提高生产制造系统的效率,降低生产成本,实现资源的优化利用。本文针对并行分批调度与设备维护问题进行如下研究:（1）通过对并行机分批调度知识和预防性维护理论知识的研究学习,引入设备的可靠性理论。考虑设备的失效函数服从威布尔分布,利用设备的役龄和失效率,对并行设备加工多订单多类型工件与预防性维护联合决策。综上,针对一类考虑准备时间和拖期惩罚的角度的并行机加工维护问题,结合设备维护的不可用性约束、维护时间与设备役龄间的关系,以最小化准备时间费用、拖期惩罚和预防性维护成本三者之和为优化目标,建立并行机分批调度和预防性维护的数学模型。（2）基于遗传算法（Genetic Algorithm,GA）的基本流程,设计了带有捕食搜索策略,基于标准批规则的改进遗传算法,设计展示批次加工位置先后关系和批次加工指派的染色体,并设计了与种群特征自适应的选择算子、基于标准批的交叉算子和变异算子。带有自适应因子的选择算子能够实现迭代前期全局搜索和迭代后期增加选择压力的功能,增加高质量解的比例,提高算法搜索精度;基于标准批的交叉算子和变异算子可有效增加种群多样性;捕食搜索策略可以很好地权衡全局搜索和局部搜索,实现搜索广度和深度的结合。（3）实验结果分析中设置了多个不同的订单规模验证模型的准确性和算法的高效性。通过标准批的方法,实现了批次与外部订单时间信息的绑定和对内部算法实现的融合。为了测试基于标准批规则的GA与以往解决此类问题的对比算法相比较的优势性和有效性,设计了从基于迭代的目标值收敛实验和算法运行时间实验。结果表明基于标准批规则的GA在目标收敛和算法运行时间方面表现更优,能够有效地减少拖期惩罚,降低维护成本,减少生产调度与维护过程中的资源浪费。