推动制造业升级和加强制造业高质量发展是“十三五”规划的重点工作。随着智能制造和云制造的提出和发展,制造系统的智能化和制造资源的共享和整合成为制造业转型升级过程中出现的新方法。现阶段制造企业无法突破行业壁垒,在生产调度方面的海量历史数据得不到有效的管理和利用。而云服务平台在制造行业的尝试和推广,将多种类、多维度和广时域的生产控制数据和调度方法进行协同和共享,为车间层生产线调度方法的优化奠定了基础。鉴于此,为了提高对设备、生产计划和知识方法的海量历史数据资源利用,本文研究了面向云服务的生产线智能调度优化方法。首先,在云服务平台和工业大数据背景下,综合云服务的智能调度模式和“云-边-端”协同模式,提出了面向云服务的生产线调度“初调度-再调度”模型;并通过ARENA生产系统仿真软件利用分层建模的思想建立生产制造车间的数字化模型。其次,针对生产计划任务中相关的调度资源云服务化方法进行研究,解决了云服务平台下海量历史数据的分析和利用。基于可扩展标记语言(XML)对数据进行表达,为整合企业各类型数据提供统一化和标准化的方式。为获取所需的目标生产资源属性,基于文本特征抽取的向量空间模型(VSM),综合生产调度资源的设备属性、工艺特征和用户需求三方面,构建历史调度方案选择模型。设计了针对云端历史数据与云平台使用者需求进行语义匹配和相似优选的算法,从而得到较优的生产调度方案。再次,研究了基于云平台历史调度方案指导车间层生产调度问题。结合历史调度方案引入遗传算法,提出了针对混流车间的调度问题的初始种群优化方法,以最小化最大完工时间为目标求解模型。减少用户需求车间层实际约束偏差的影响,提高调度方案指导实际生产的适应性。最后,构建了针对论文中案例的云服务生产调度系统,将论文中的生产调度优化方法嵌入其中,实现从用户的角度使用此云服务生产调度系统完成获取到满足相应需求的生产调度方案,并指导车层间的生产线进行实际生产调度。