如今随着智能制造发展,传统制造业需要通过智能化的解决方案来实现产业升级,提高生产效率。缝纫机作为一个传统制造业已经有一百多年的历史,目前缝纫机系统普遍存在以下问题:不能及时同步设备运行参数和状态;对缝纫机设备故障识别不准确;整个缝纫机生产线工序分配不均衡等问题,极大地影响整个系统的工作效率。本文针对目前缝纫机系统存在的以上缺点,实现了基于物联网技术设计的一套缝纫机在线监测系统:用自主研发的智能网关与缝纫机的控制器对接,对控制器终端进行实时采集设备参数,通过Wi-Fi无线通信技术将数据上传到物联网平台进行处理分析。在整个系统运行过程中,会将实时采集的数据及情况可视化的展示在Web端和小程序页面上,通过信息可视化的展示给用户提供数据透明化,操作便捷化的体验。在必要时候,也可远程对缝纫机进行控制。该系统实现了远程监测,生产线管理,故障统计等需求。针对传统缝纫机轴承故障诊断方案中存在的信号处理产生模态混叠及检测效果不佳等缺点,本文设计了基于集成经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）和改进粒子群算法的支持向量机（Support Vector Machine,SVM）故障检测方案对其进行优化。将采集到的轴承信号通过改进EEMD算法分解,特征值选择能量熵,并作为分类器的输入向量,通过自适应惯性权值粒子群算法优化参数c和g。经过测试表明,改进的算法可以将故障检测准确率提高到98.6%,大于标准粒子群算法的92.25%,保证了故障检测的正确率。针对生产线工序分配不均衡问题,对标准遗传算法进行改进和研究,提出一种基于改进遗传算法的生产线平衡优化的方案。首先引入基于拓扑排序的编码来保证整个种群有可行解,使用竞争策略,进而能使个体的子代比个体的父代更优秀,再使用保留策略,进而使最好的父代复制到子代。使用多种群之间的种群迁移策略,避免了局部最优来达到全局最优。测试表明,比原先不进行改进的生产线,平衡率提高了近20%,比传统工程工业优化提高了10%左右。有效地提高生产效率且保证人员操作的动态调整。