本發(fā)明公開了一種基于聯(lián)邦學習與注意力機制的生產(chǎn)線調(diào)度方法，包括獲取若干個零件廠家的歷史生產(chǎn)零件數(shù)據(jù)；采用長短期記憶網(wǎng)絡，生成各個零件廠家的生產(chǎn)零件數(shù)據(jù)模型；通過加密和縱向聯(lián)邦學習，將各個零件廠家的生產(chǎn)零件數(shù)據(jù)模型進行協(xié)同訓練；采用注意力機制，求解作業(yè)車間調(diào)度問題，并采用生成的結果進行生產(chǎn)線調(diào)度。本發(fā)明在預測準確率較高的前提下保證了本生產(chǎn)線數(shù)據(jù)的私密與安全，防止了數(shù)據(jù)的泄露；且由于預測數(shù)據(jù)較為準確，可以避免生產(chǎn)過剩等造成資源的浪費。使用聯(lián)邦學習進行共同建模，不僅可以使各參與方獲得數(shù)據(jù)保護的同時，也實現(xiàn)共同提升模型效果的目的，且模型無損失，不會出現(xiàn)負遷移，使得生產(chǎn)線調(diào)度更接近實際情況，更準確。