服装制造业向“小单快反”转型，缝纫车间变为多部件并行加工再汇总装配模式。受人员熟练度、设备故障、工序复杂等动态扰动，各产线生产节奏脱节，部件汇流出现“不齐套”，造成半成品积压、总装停工，制约生产效率。本文开展面向部件齐套的缝纫车间物联网监测与并行协同调度方法研究，实现生产感知、精准预测与协同优化。针对设备异构、数据孤岛、生产过程不透明问题，搭建“云‑边‑端”三层物联网远程监测系统。采用双频Wi‑Fi边缘网关完成缝纫机高频数据采集；设计基于MQTT的断点续传与Modbus寄存器静态映射机制，保障数据完整实时；开发Web可视化与移动端APP，完成车间要素数字化映射，为调度决策提供数据基础。传统静态排产难以感知现场变化、对齐套风险预判不准，本文基于数字孪生技术构建动态数据驱动孪生模型，引入滑动时间窗口，利用实时节拍数据动态修正仿真工时参数，自适应跟踪工人疲劳与作业效率波动。实验表明，部件汇流时间平均绝对百分比误差降至2.17%，均方根误差较传统概率仿真模型降低85%，对齐套时间风险预测效果更优。针对多流汇聚生产模式下局部效率和全局齐套冲突问题，构建以最大化齐套率、最小化最大完工时间为目标的多目标优化模型，设计拉动式协同机制。改进NSGA‑II算法，采用双层编码与插入式贪婪解码实现多约束寻优，齐套指标相比原算法优化43%以上。面对急单插入、设备故障扰动，该调度策略可提升协同效率，总完工时间减少约5%，验证了方法的有效性与鲁棒性。
作者：郑泽轩
指导老师：陈科明
企业导师：曾佳
发布时间：2026年5月