服裝流水線生產調度的關鍵技術是流水線負荷平衡，而服裝生產流水線負荷平衡問題是個組合優(yōu)化問題，問題的求解具有【數學】非線性規(guī)劃NP(NonLinear Programming) 特征。
具有非線性約束條件或目標函數的數學規(guī)劃，是運籌學的一個重要分支。非線性規(guī)劃研究一個 n元實函數在一組等式或不等式的約束條件下的極值問題，且目標函數和約束條件至少有一個是未知量的非線性函數。實用非線性規(guī)劃問題要求整體解，而現有解法大多只是求出局部解。目標函數和約束條件都是線性函數的情形則屬于線性規(guī)劃。
對于靜態(tài)的最優(yōu)化問題，當目標函數或約束條件出現未知量的非線性函數，且不便于線性化，或勉強線性化后會招致較大誤差時，就可應用非線性規(guī)劃的方法去處理。對實際規(guī)劃問題作定量分析，必須建立數學模型。建立數學模型首先要選定適當的目標變量和決策變量，并建立起目標變量與決策變量之間的函數關系，稱之為目標函數。然后將各種限制條件加以抽象，得出決策變量應滿足的一些等式或不等式，稱之為約束條件。
非線性規(guī)劃問題的一般數學模型可表述為求未知量x1，x2，…，xn，使?jié)M足約束條件：
gi(x1，…，xn)≥0 i=1,…
hj(x1，…，xn)=0 j=1,…
并使目標函數f(x1，…，xn)達到最小值(或最大值)。其中f，諸gi和諸hj都是定義在n維向量空間Rn的某子集D(定義域)上的實值函數，且至少有一個是非線性函數。 上述模型可簡記為：
s.t. gi(x)≥0 i=1,…
hj(x)=0 j=1,…
其中x=(x1，…，xn)屬于定義域D，符號min表示“求最小值”，符號s.t.表示“受約束于”。
定義域D 中滿足約束條件的點稱為問題的可行解。全體可行解所成的集合稱為問題的可行集。對于一個可行解x*,如果存在x*的一個鄰域，使目標函數在x*處的值f(x*)優(yōu)于(指不大于或不小于)該鄰域中任何其他可行解處的函數值，則稱x*為問題的局部最優(yōu)解(簡稱局部解)。如果f(x*)優(yōu)于一切可行解處的目標函數值，則稱x*為問題的整體最優(yōu)解(簡稱整體解)。實用非線性規(guī)劃問題要求整體解，而現有解法大多只是求出局部解。
服裝生產流水線工序平衡(既目標涵數min)與合并規(guī)則(即約束條件)和算法是計算機輔助工藝過程設計CAPP、生產過程執(zhí)行MES管理系統(tǒng)開發(fā)中的關鍵技術?，F在一般服裝吊掛流水線FMS系統(tǒng)生產過程建模方式，采用靜態(tài)的線性規(guī)劃法，將服裝生產流水線工序平衡問題轉化為線性規(guī)劃問題，利用系統(tǒng)基本信息(批量、交貨期等)生成工序平衡的目標涵數min，以合并規(guī)劃、合并概率為約束條件進行計算，這種算法已不能滿足智能制造的要求。
服裝生產屬于離散制造業(yè)，而服裝柔性生產線，它區(qū)別于剛性生產線，未來的發(fā)展是基于互聯(lián)網平臺和大數據來驅動企業(yè)實現智能化與柔性化制造，提高生產過程可控性。對于離散制造業(yè)而言，產品往往由多個零部件經過一系列不連續(xù)的工序裝配而成，其過程包含很多變化和不確定因素，在一定程度上增加了離散型制造生產組織的難度和配套復雜性。離散型制造過程建模方式，則需采用動態(tài)的離散數學模型。工序平衡，采用服裝IE智能建模方式，通過計算機對工序競爭進行合理排序，通過優(yōu)先權區(qū)域，把設備、工人技能等部確定因素也考慮進去，建立IE調度數學模型，運用人工智能算法求得問題的優(yōu)化解;動態(tài)調度采用多線網絡化協(xié)同生產，所有的生產數據連接起來，用人工智能算法來實現智能調度，解決工序平衡問題。