随着智能制造的飞速发展,它已经成为制造业发展的重要方向。传统的制造业正在面临必要的转型。制造企业的竞争领域也扩大为全球市场,并积极转型,以求在激烈的市场竞争中占得一席之地。在此经济形势下,根据顾客需求进行生产的方式因为可以大大提高制造企业的柔性、削弱不确定性因素对企业生产运作的影响而飞速在企业中普及。但简单的按照订单生产已经难以实现企业的敏捷性,在企业层面,如何应对和处理不确定订单是正在面临的重要问题。在生产层面,不确定订单下的生产调度是制造企业提高响应速度、降低成本和提高服务的重要环节。综上,结合现场事实情况和历史收集数据提前预测扰动的发生,并对企业资源进行统筹规划,主动的进行机器的调度与控制有着重要的意义。综上,对于不确定订单的预测及生产车间进行主动调度是急需研究的关键问题。在过去的几十年里,传统制造模式下关于企业的订单预测及生产调度已经取得较为成熟的研究成果。但针对考虑不确定订单预测及主动调度研究成果较少。因此,本文针对基于不确定订单深度预测的主动调度进行研究是具有重要的理论和现实意义的,本文主要工作如下:（1）阐述不确定订单、不确定订单对制造企业生产的影响以及企业应该如何应对不确定订单;（2）使用深度学习方法,将LSTM方法应用于订单预测中,建立了不确定订单深度预测模型,确定模型输入及模型输出,并提出自适应训练方法,通过与传统训练方法进行比较,确定自适应训练方法结果精度更高;（3）构建主动调度模型,将订单预测结果作为企业主动调度的依据,确定主动调度的框架以及策略,并建立主动调度鲁棒性模型。通过主动调度的方式更好的提高企业敏捷性。在模型求解方面,本文利用改进的遗传算法,即MD3GA算法进行求解,对传统遗传算法进行改进,提高了遗传算法的求解能力;（4）将本文提出的基于不确定订单深度预测的主动调度方法应用于显示制造企业中去,通过利用历史数据及编程软件,证实了本文所提的不确定订单预测及主动调动方法适用于现实制造企业,并且可以更加高效合理的帮助企业完成预测及调度任务。研究表明,本文提出的基于不确定订单深度预测的主动调度方法,能够为解决现实中制造企业的不确定订单预测及主动调度提供参考和借鉴。