随着RFID、PDA、ZigBee等U-计算(也称为泛在计算或普适计算)技术的快速发展,一种新的下一代先进制造范式,——U-制造应运而生。将U-制造应用于离散生产车间中可解决车间数据断层、信息不能及时获取、异常情况或事件难以感知等典型问题,并弥补传统制造执行系统的不足(如数据采集范围有限、采集时间存在延迟等),从而实现对车间业务过程的精细化、实时、在线和远程管理。本文在国家自然科学基金(No.50675201)、浙江省重大科技专项(优先主题)工业项目(No.2008C01060-1)等资助下,着重研究了将U-制造应用于离散生产车间时所面临的几个关键问题,包括：U-制造运行环境的构建、泛在数据(典型的如泛在物流数据和泛在质量数据,本文主要关注这两类数据)的信息提取、U-制造信息的按需服务等。针对车间U-制造运行环境的构建问题,从确定数据采集节点和确定标识对象两个方面进行了分析。首先建立了企业应用U-制造的能力成熟度模型及其应用能力域影响因子采用层次分析法确定了影响因子权重,采用模糊综合评估法确定了其应用能力成熟度级别,从而确定U-制造应用范围,采用基于瓶颈的方法识别目标范围内的关键数据采集节点；接下来采用模糊德尔菲法确定了影响物料标识的关键因素,在此基础上,采用模糊C-均值聚类对同类物料进行了划分,获得需要被优先标识的物料。针对泛在物流数据的信息提取问题,将工位上固定式RFID读写器读取物料上的标签这一行为视为一次物流简单事件(可称之为RFID读事件)的触发,运用复杂事件处理技术中的事件操作符,将其映射和转换为六类物流复杂事件(包含领料出库、物料到达工位、物料报废、物料返工、物料终检、物料完工入库等事件),并给出了其聚合规则,分析了其聚合过程及原理；接下来将六类物流复杂事件和工序相结合,构建物流状态矩阵以实现单批次生产作业任务中所有物流复杂事件的存储；最后结合物流状态矩阵的两类参数(包括秩和元素),对单批次生产作业任务的物流进度进行了详细的分析和判别。针对泛在质量数据的信息提取问题,将移动式RFID读写器采集一次质量数据的结果定义为一个质量数据粒,并给出其形式化描述,分析了其中各个属性的来源。在质量合格率、质量损失率、质量返工率、质量直通率等已有指标的基础上,提出了质量稳定率、质量影响率等新指标。基于质量数据粒中的各个属性,给出了正常模式下和异常模式下各个指标的计算过程和步骤。接下来将六类质量指标和工序相结合,构建了面向单批次生产作业任务的质量状态矩阵,以全面描述和反映任务执行过程中物料的质量状态。针对制造信息的按需服务问题,首先提出了一种基于“物料-任务”的业务过程上下文动态建模技术,给出了其基本元素组成和建模的三个步骤,包括上下文模板的初始化、上下文模板在订单执行不同阶段中的变迁以及两类重要的信息载体,——物流状态矩阵和质量状态矩阵的嵌入。再次讨论了面向用户的U-制造信息服务规则描述和设定过程,在定义U-制造信息服务规则中四个组成元素的基础上,通过起草、验证和存储等三个步骤,进而以关系数据库表对信息服务规则加以保存。接下来详细讨论了典型U-制造服务信息的生成过程(或机制),以便为用户提供实时、在线、远程的生产决策支持。为指导离散制造企业在其生产车间中顺利应用上述四种方法,给出了各个方法的参考应用流程(实施过程),并以某中小汽车电机制造企业为对象,给出了四种方法的具体应用实例,从而验证了方法的可行性。最后对论文的主要研究内容进行了总结,归纳了其中的主要创新点,并对论文的后续研究方向进行了探讨。