服装流水线生产调度的关键技术是流水线负荷平衡，而服装生产流水线负荷平衡问题是个组合优化问题，问题的求解具有【数学】非线性规划NP(NonLinear Programming) 特征。

　　具有非线性约束条件或目标函数的数学规划，是运筹学的一个重要分支。非线性规划研究一个 n元实函数在一组等式或不等式的约束条件下的极值问题，且目标函数和约束条件至少有一个是未知量的非线性函数。实用非线性规划问题要求整体解，而现有解法大多只是求出局部解。目标函数和约束条件都是线性函数的情形则属于线性规划。

　　对于静态的最优化问题，当目标函数或约束条件出现未知量的非线性函数，且不便于线性化，或勉强线性化后会招致较大误差时，就可应用非线性规划的方法去处理。对实际规划问题作定量分析，必须建立数学模型。建立数学模型首先要选定适当的目标变量和决策变量，并建立起目标变量与决策变量之间的函数关系，称之为目标函数。然后将各种限制条件加以抽象，得出决策变量应满足的一些等式或不等式，称之为约束条件。

　　非线性规划问题的一般数学模型可表述为求未知量x1，x2，…，xn，使满足约束条件：

　　gi(x1，…，xn)≥0 i=1,…

　　hj(x1，…，xn)=0 j=1,…

　　并使目标函数f(x1，…，xn)达到最小值(或最大值)。其中f，诸gi和诸hj都是定义在n维向量空间Rn的某子集D(定义域)上的实值函数，且至少有一个是非线性函数。 上述模型可简记为：

　　s.t. gi(x)≥0 i=1,…

　　hj(x)=0 j=1,…

　　其中x=(x1，…，xn)属于定义域D，符号min表示“求最小值”，符号s.t.表示“受约束于”。

　　定义域D 中满足约束条件的点称为问题的可行解。全体可行解所成的集合称为问题的可行集。对于一个可行解x*,如果存在x*的一个邻域，使目标函数在x*处的值f(x*)优于(指不大于或不小于)该邻域中任何其他可行解处的函数值，则称x*为问题的局部最优解(简称局部解)。如果f(x*)优于一切可行解处的目标函数值，则称x*为问题的整体最优解(简称整体解)。实用非线性规划问题要求整体解，而现有解法大多只是求出局部解。

　　服装生产流水线工序平衡(既目标涵数min)与合并规则(即约束条件)和算法是计算机辅助工艺过程设计CAPP、生产过程执行MES管理系统开发中的关键技术。现在一般服装吊挂流水线FMS系统生产过程建模方式，采用静态的线性规划法，将服装生产流水线工序平衡问题转化为线性规划问题，利用系统基本信息(批量、交货期等)生成工序平衡的目标涵数min，以合并规划、合并概率为约束条件进行计算，这种算法已不能满足智能制造的要求。

　　服装生产属于离散制造业，而服装柔性生产线，它区别于刚性生产线，未来的发展是基于互联网平台和大数据来驱动企业实现智能化与柔性化制造，提高生产过程可控性。对于离散制造业而言，产品往往由多个零部件经过一系列不连续的工序装配而成，其过程包含很多变化和不确定因素，在一定程度上增加了离散型制造生产组织的难度和配套复杂性。离散型制造过程建模方式，则需采用动态的离散数学模型。工序平衡，采用服装IE智能建模方式，通过计算机对工序竞争进行合理排序，通过优先权区域，把设备、工人技能等部确定因素也考虑进去，建立IE调度数学模型，运用人工智能算法求得问题的优化解;动态调度采用多线网络化协同生产，所有的生产数据连接起来，用人工智能算法来实现智能调度，解决工序平衡问题。