全球制造业竞争不断加剧,消费市场需求快速多变,寻求新一轮的产业变革与突破是装备制造业走出困局与重塑竞争力的关键。作为当今先进制造模式的代表,网络化协同制造将大数据、高性能计算、物联网、人工智能等高新技术与传统制造业进行深度融合,为复杂重型装备行业的转型与升级提供了有效的指导与方向。复杂重型装备作为装备制造行业的顶尖产品与制造实力的体现,具有体量庞大、研制技术复杂、个性化定制、协同程度高等特点。这样的特点为网络化协同制造模式下装备的任务分解带来亟待解决的难题:如何对装备历史分解案例与知识进行管理与重用,对于实现任务分解知识的重用与共享、减少时间与成本浪费具有重要意义;同时,作为装备高度定制化的具体表现,客户需求偏好对于任务活动的影响也成为干扰任务分解的因素;此外,分解后子任务与资源的适配性也成为装备后续研制活动能否顺利进行的前提。为解决上述问题,本文对网络化协同制造模式下复杂重型装备任务分解流程与方法进行研究,具体内容如下:首先,从复杂重型装备任务分解问题入手,梳理复杂重型装备的研制流程与特点,并对网络化协同制造模式下复杂重型装备任务分解的相关概念、分解需求、影响因素与分解流程进行分析,在此基础上提出复杂重型装备网络协同制造任务分解模式,阐述任务分解方法与实现流程。其次,研究了基于知识图谱的复杂重型装备任务分解方法。结合网络化协同制造模式与任务分解流程,提出了复杂重型装备任务分解知识图谱架构。进而分析与梳理复杂重型装备任务分解本体概念,并对任务分解知识进行抽取与可视化处理。基于复杂重型装备任务分解知识相似性模型,提出基于双向最大匹配算法的任务分解知识检索方法。结合装备层级特点,提出基于知识图谱的复杂重型装备任务分解方法。然后,研究了基于遗传聚类的复杂重型装备任务分解方法。对复杂重型装备定制任务的客户需求偏好进行分析,基于物元理论建立客户需求偏好对于任务的影响表达,提出了客户需求偏好与任务之间的映射方法,在此基础上建立定制任务相关性矩阵。考虑分解后子任务与资源的适配性,并以此为约束构建复杂重型装备定制任务分解模型,采用遗传聚类算法对模型进行求解,实现复杂重型装备高度定制任务的合理分解。最后,结合企业实际情况以125MN铝挤压机为例对上述研究方法进行应用与分析,通过实例验证了本文所提方法的有效性。