在科学与技术飞速发展的今天,越来越多的领域和专业正在发生着飞速的转变。产品更新换代的速度越来越快,产品周期变动越来越短,人们的需求也呈现多样化的趋势。在生产高速运转的今天,如何调整生产的各项指标,对生产环节进行有效调度以减少成本提高效率,已经成为制造业生存和提高市场竞争力的核心要素。随着科技的进步和生产力的发展,工业生产复杂程度变得越来越高,同时生产过程更趋向于智能化。在大数据和“中国制造2025”的时代背景下,工业生产正在向数据驱动转型。传感器和计算机技术的应用为我们提供了大量的可用数据和数字化的管理模式。针对实际生产中加工工序繁多的问题,本文将多目标柔性车间调度问题与复杂网络相结合,建立了物料-工序网络模型并分析了网络的特征和结构以及他们产生的原因。在该模型下,我们用蚁群算法求解了多目标柔性车间调度问题,并结合其结果与网络结构特征做出分析。在自动化和数字化程度越来越高的车间环境下,对车间调度的优化也在向数字化转变。本文在物料-工序模型的基础上,将模型进一步改进,借助Apriori算法建立了一种基于数据的复杂网络模型,并对其准确性做了测试。该模型最大程度地利用了生产过程中产生的各种数据,有效地表达了各项数据之间的联系,将对多目标的优化转换成多节点参数的优化。