用途：该技能用于求解作业车间调度问题（JSP），优化多机器上的生产排序，目标可包括最小化完工时间（makespan）、总拖期或最大延迟，并需满足工序先后约束与机器可用性。
主要能力：先做问题评估，包括作业数与机器数、固定路径（经典JSP）或柔性（FJSP）、是否允许重入、每道工序的加工时间是否确定、工序间先后约束与准备时间、目标函数（makespan、总拖期、最大延迟或加权组合）、约束（无等待、有限缓冲、机器故障/维护窗口、交期）以及问题规模。给出析取图模型的数学表述，含集合、参数、决策变量、目标函数与约束（完工时间关系、工序先后、机器不重叠的析取约束线性化、非负性与0-1变量）。算法方面提供精确算法（分支定界）、经典启发式（优先派工规则如SPT、LPT、FCFS、EDD、MWR；移动瓶颈启发式）以及元启发式（遗传算法，采用工序编码、优先保持交叉与交换变异）。
使用方式：资料以Python代码示例展示，包括JobShopProblem类、jsp_branch_and_bound_simple、jsp_dispatch_rule、shifting_bottleneck_jsp、jsp_genetic_algorithm等函数，输入为作业列表（每道工序为(机器, 时间)元组）与机器数，可设置时间限制、种群规模、迭代代数与变异率等参数。
适用场景：小规模（<10作业、<10机器）可用精确方法；中等规模（10-20作业）用高级算法；大规模（20+作业）需元启发式。
限制：资料未提供具体安装命令、依赖版本、性能基准、收费或平台信息；示例代码为简化实现，分支定界仅做简单剪枝，移动瓶颈启发式亦为简化版本，实际效果与最优性未作保证。