目前我国船厂生产调度环节仍存在很多问题,生产管理主要为现场调度型,生产计划常与实际不符,存在效率低下、资源浪费的问题。在全球发展智能制造、中国政府提倡“中国制造2025”的背景下,提高船厂智能生产调度水平是船舶制造转型升级的重点。研究智能调度问题有利于提高船厂生产数字化水平,优化生产调度计划,减少生产资源浪费。利用大数据分析技术可提高调度决策合理性,是未来实现船厂智能制造的必经之路。基于智能制造的发展趋势与目前国内船厂生产管理现实的矛盾,本文研究船厂智能生产调度问题,研究过程分为逐步递进的三个部分:（1）仿真优化。根据实际生产过程,利用Plant Simulation软件建立切割加工中心和平面分段生产中心的仿真模型,定义工件关键加工属性,同时考虑设备随机故障。应用遗传算法求解调度问题,得到优化生产方案,实例运算表明遗传算法可有效提高生产调度性能。（2）数据转换。导出仿真优化过程中的仿真数据,经过数据整合清洗、特征转换、标准化处理、数据标记等一系列过程,将原始生产数据转换为机器学习训练数据。（3）知识挖掘。训练决策树、K近邻、神经网络三种机器学习模型,并提出一种综合决策机制以充分发挥各个模型的价值,以分类精度、召回率、₁F三个指标为判断标准,结果显示综合决策机制能够有效提升预测性能。