基于RFID和UWB的实时定位作为制造物联的关键技术之一,能够实时感知离散制造车间的生产状态,提供制造要素位置信息,广泛应用于车间监控领域。针对传统瓶颈识别方法存在实时性差、无法表征车间真实生产状态的问题,本文将实时定位技术引入离散制造车间生产瓶颈的识别和预测中,为瓶颈现象的研究提供了新的方法和思路。本文的主要工作包括:(1)分析离散制造车间瓶颈识别对实时定位技术的需求,总结了传统的离散制造车间瓶颈识别方法的特点,阐述将实时定位技术应用于生产瓶颈识别所带来的优势,搭建了面向瓶颈识别预测的离散制造车间监控体系架构。(2)针对实时定位环境下离散制造车间的生产特点,提出了生产瓶颈定义,并明确计算流程;以位置信息为核心,构建了描述离散制造车间生产状态的数学模型;为提取采集的原始信息中适用于瓶颈识别和预测的关键信息,对原始数据进行预处理;针对计算流程无法获取未来信息的问题,提出了基于深度神经网络的离散制造车间生产瓶颈识别方法,并结合车间实例验证了方法的有效性。(3)为了能够尽早发现瓶颈,对瓶颈预测问题展开了研究。以历史生产瓶颈信息和车间生产状态信息为基础,提出了基于LSTM的离散制造过程生产瓶颈预测方法;以某航天企业机加产品车间为例,实验得到瓶颈预测的准确率为96.73%,说明了本文方法的可行性和优越性.(4)以上述理论为基础,开发了面向瓶颈识别预测的离散制造车间实时监控系统。搭建了系统的硬件平台,综合考虑系统性能需求,设计了系统架构和功能模块,完成前后端开发,展示了系统的主要功能。