为了适应变化万千、竞争激烈的市场环境，制造企业向多类型、小规模的离散制造模式转变，导致车间生产过程变得复杂动态，发生突发事件的概率大大提高。而目前离散型制造企业使用的车间调度系统，同生产实际情况相差甚远，在复杂动态场合很难应用，通常需要人工对调度方案进行适应性调整。但是人工调整的优劣取决于调度员的经验和知识水平，而且往往需要耗费大量的时间和劳动力，调度方案的稳定性及车间生产效率难以保证。所以，迫切需要改善生产车间依赖人工调整的现状。与此同时，智能制造与数字化工厂的发展，使生产车间产生大量数据，为机器字习的应用捷六」可北。 出心以不o考用深度学习、深度强化学习，开发基于这些数据的自学习、自适应车间调度系统，不仅考虑了这些数据的价值，还可以通过数据对实际调度车间的实现动态感知和智能控制，从而指导实际生产过程出现的各种动态问题，实现车间自适应调度，缓解车间对人工调整的依赖。
