面对生产资源的限制和市场竞争的压力,MTO生产模式下的制造企业需要从内、外部环境角度统一考虑市场战略和生产管理,将企业的物流仓储、生产制造与业务管理高度集成,使个性化的产品按时、按量的交到客户手中。然而,市场形势的变化莫测以及生产系统固有的复杂性,都会导致实际生产过程中各种扰动因素的产生,一旦某个环节出现错误,都会给企业带来不必要的损失。因此,设计合理的扰动检测方法以及建立稳健型调度问题模型,能够有效地应对各种扰动、保持生产系统的稳定性、提高企业的生产效益。重调度作为稳健型调度的一种,能够有效地消除扰动因素给生产系统带来的影响,因此,受到当今工程界和学术界的广泛关注。本文在详细分析已有重调度相关理论的基础上,围绕动态不确定环境下制造企业扰动因素检测和处理方法,从重调度因素、重调度策略以及重调度方法这三方面,较为全面系统地研究制造企业稳健型调度问题。首先,本文详细描述了生产制造车间常见的扰动因素,根据其对生产系统的影响程度进行分类,并采用模糊数学理论和概率基神经网络相结合的方法,设计了一种模糊神经网络算法,来量化评估扰动因素对生产系统的影响程度。然后,针对现有混合型重调度策略存在的不足,提出了一种改进的混合型重调度策略,在使用模糊神经网络对扰动因素量化评估的基础上,选择合适的响应方式,并通过引入最小重调度时间间隔min?T进行约束,协调了周期性重调度策略和事件驱动型重调度策略之间的关系。其次,针对动态不确定环境下,生产过程中需要重新生成调度方案的情况,以目前制造业广泛存在的柔性作业车间为研究对象,构建了一种具有自适应能力的重调度模型,并提出一种基于双层编码的遗传算法对模型进行求解。最后,总结归纳了一种制造系统的自适应重调度流程,并在生成调度方案时,引入智能优化算法与人工调度相结合的人机协同策略,有效地应对制造系统中各种常见的扰动因素,保证生产的连续性与均衡性。