摘要:制造业正加速向高效率、低成本与高度柔性方向发展. 高端装备制造工件生产具有批量小、品种多、工艺复杂等特征, 在设备退化和随机故障频繁发生的实际环境下, 传统确定性柔性作业车间调度模型难以准确刻画生产过程. 聚焦考虑设备退化和随机故障影响的随机柔性作业车间调度问题(SFJSP), 将柔性作业车间中的加工单元进一步建模为由退化机器构成的串行生产单元, 从而构建更加贴近实际生产的调度模型. 在此基础上, 针对传统元启发式算法在复杂不确定环境中需反复迭代优化、计算开销大的问题, 提出一种基于D3QN(dueling double deep $ Q$-network)的智能调度方法, 实现完工时间与综合生产成本等多性能指标的联合优化. 数值实验结果表明, 所提出的方法在解质量方面优于对比算法, 且训练完成后可实现快速决策推理, 在动态决策场景中具有较好的计算效率优势, 从而有效提升随机柔性作业车间生产过程中的整体运行性能.