随着以物联网为核心的边缘智能技术的快速发展和广泛应用,边缘端分布式智能特性更加明显,边缘端数据呈现爆炸式增长,由于云端难以应对边缘端大量实时数据的存储和处理需求,导致服务需要向边缘端下沉和迁移,从而催生了边云协同模式及相关研究。同时,随着全球经济化和市场竞争的加剧,超级城市群体下的一个总部多个工厂的企业运营特征越来越明显,个性定制化需求所导致的企业制造环境更加复杂,而单纯依靠企业云端和工厂边缘端,已经不能更好的满足企业长周期全局预测与短周期实时响应需求。而调度作为生产运行优化的一种重要手段,对于应对复杂制造环境下的生产运行优化具有重要的作用。因此,本文在结合上述研究背景及问题的基础上,围绕一种物联网环境下的边云协同生产模式及调度问题展开研究,具体包括:(1)分析并提炼边云协同模式下生产系统的特征及其调度问题,并在此基础上构建边云协同生产调度框架,进而定义边云协同生产调度的运行机制;(2)依据边缘侧增值数据、工厂制造能力和历史订单数据等,建立云端总部订单完工时间周期性预测模型,并运用BP神经网络算法进行求解,同时在将订单按照产品种类拆分成多个制造任务的基础上,基于预测结果与加权平均法对制造任务进行评价和排序,进而以边缘工厂剩余制造能力为依据,以最小化加工成本为目标,基于遗传算法将制造任务分配到相匹配的边缘工厂;(3)基于集团云端所分配任务的优先级及边缘端工厂资源的使用情况,在设定调度优化目标与建立调度约束条件的基础上,运用遗传算法完成边缘端工厂资源与任务的动态求解与匹配,并在任务完成后将任务执行过程中云端所需的数据进行增值与上传;(4)以中国上海超级城市群体下的某集团企业为研究对象,采用智能算法与离散事件仿真两种方式进行边云协同调度模型的分析与验证,并对两种方式的预测误差进行了对比与分析。通过上述研究,能够证明边云协同调度机制的合理性与调度方法的有效性,希望所本文的研究成果能够对边云协同生产模式下的调度提供一定的参考依据。