随着中国人口老龄化的趋势快速上升,我国医疗领域所面临的压力不断增加,特别是大型医院的取药窗口,常常见到人满为患的景象,传统的人工发药技术亟需优化改造。智能药房的产生和发展极大的减轻了发药人员的压力,同时也减少了患者排队取药的时间。但是智能药房由于其系统复杂和工作强度大等问题极易出现故障,一旦出现故障就要面临整体药房停机进行漫长时间检修的情况,因此,智能药房故障的快速定位和故障状态下可持续性发药显得尤为重要。随着信息技术的快速发展,故障诊断也逐步应用在各种设备上,但传统的故障诊断多采用较为集中的资源管理方式,在灵活性和效率方面已很难满足当代企业的要求,同时在诊断出故障后由于设备无法继续工作依然需要进行停机维修。基于此现状,本文从故障诊断和故障状态下持续运行两方面,对智能药房的优态运行方法进行研究,构建了基于云边协同的智能药房优态运行系统。首先,阐述了课题的来源和研究背景,分析了智能药房优态运行及云边协同下故障诊断、任务调度的研究现状,并对存在的关键问题进行了分析和研究。进而对云边协同的概念进行了详细讨论,提出了云边协同下智能药房优态运行系统架构,并对其中涉及的基于物联网技术的智能药房云边协同环境构建、基于云边协同与贝叶斯网络（Bayesian Network,BN）的智能药房故障诊断和基于云边协同与目标级联法（Analytical Target Cascading,ATC）的智能药房发药调度等关键技术进行了研究。然后,提出了一种基于云边协同与BN的智能药房故障诊断方法。在充分研究朴素贝叶斯网络的基础上,引入智能药房维护信息,同时与云边协同相结合,构建了基于云边协同的智能药房场景下贝叶斯网络诊断模型,充分利用云计算和边缘计算的特性,将贝叶斯网络诊断模型分为模型训练和故障诊断两个部分,对算力和存储空间要求较高的模型训练部分放在云端完成,对算力和存储空间要求较低的故障诊断部分分别放在智能药房六个边缘侧节点独立完成,以获得更精准的故障诊断结果。最后通过智能药房的历史故障数据对该模型进行验证,结果表明故障诊断准确率可达到90%。其次,提出了基于云边协同与ATC的智能药房发药调度方法。首先结合智能药房的发药单元及发药处方运用ATC交互机理将智能药房发药调度过程层解为处方族规划层和处方规划层,分别实现未出现故障边缘节点的发药服务规划和各发药单元间处方药品的发放路径规划,进而以多处方发药总时间最短为目标分别构建了处方族规划层和处方规划层的数学模型,并详细规划出故障状态下智能药房的发药调度流程。最终通过某医院发药纪录的两个处方族对该调度方案进行验证,两个处方族的发药时间分别为69秒和56秒。最后,以智能药房为对象,设计并实现了基于云边协同的智能药房优态运行系统,并对所设计的系统进行测试和分析。测试结果表明,所提出的方法可以实现智能药房的故障快速诊断定位和故障状态下持续运行,能够满足智能药房应用需求,达到本文的最终目的。