随着先进制造技术的不断进步，制造业逐渐向服务型制造转型，车间生产任务呈现出小批量、定制化的特点。在此背景下，传统的大批量订单逐渐减少，个性化订单的到达时间和数量则变得更加随机且难以预测。在这种生产订单数量和时间均难以预估的动态环境中，企业的关注重点也随之发生变化，从以往单纯注重整体完工时间，转向更为复杂的生产管理目标，诸如确保产品按期交付、提高工厂设备的综合利用效率等多重指标。随着个性化、定制化产品需求的增加，企业需要更加灵活且响应迅速的调度系统。因此，如何在动态环境下，综合考虑多重生产目标并制定调度策略，已成为智能工厂领域的关键问题之一。 在动态车间调度中，数据缺失是常见的挑战，尤其当传感器由于故障或其他原因未能及时提供数据时，调度系统的决策受到影响。在智能工厂中，生产环境的不确定性和动态变化为调度方法带来了严峻的挑战。调度系统不仅需要实时收集和处理各种生产数据，还必须对设备状态、任务进度等关键信息进行持续收集，以便根据生产环境的变化实时调整调度策略；尤其是在生产条件或任务订单发生变化时，调度方法需要具备高度的灵活性，能够迅速响应这些变化，从而避免因调整不及时而导致的效率下降甚至是停工现象。在动态调度过程中，调度系统需要在响应速度和决策准确性之间找到适当的平衡点；单纯依赖实时数据进行决策，在传感器故障或数据缺失时，将会导致系统无法准确感知设备状态，从而影响对生产环境急剧变化的及时响应。