当前,我国制造业所处的国内外竞争环境日趋激烈,且受到新冠疫情的巨大冲击,正面临前所未有的困境,转型升级是制造业“破局”的重要手段之一。通过工业物联网技术打造智能离散车间是制造业转型升级的基础,但离散车间由类型多元、特征各异、耦合性强的制造资源构成,各制造资源节点之间关联关系复杂,且资源状态会发生动态变化,导致生产管控较为困难。此外,在离散制造过程中,制造资源瓶颈会限制系统的生产能力,但是这些瓶颈无法被生产系统动态识别,进一步导致无法根据生产状态的变化对生产线进行有效的资源配置,从而出现资源浪费、订单无法按期交付的问题。且现有研究在实时状态感知与集成,瓶颈动态追踪与量化,扰动下的资源动态配置方面仍有不足。因此,本文以资源瓶颈为切入点,对制造过程生产管控方法展开进一步研究。首先,在车间底层搭建物联感知网络,对制造资源状态信息进行实时感知与存储。然后考虑设备独立状态特征与设备之间的耦合关系,结合制造过程中资源的实时状态,提出资源瓶颈动态识别方法,并建立瓶颈度模型以量化其对系统生产能力的影响。在此基础上,结合资源瓶颈状态对加工资源进行动态优化配置,提出融合实时状态加工资源动态配置驱动机制,通过动态配置阈值量化状态改变对系统的影响,根据状态变化程度选择合适的配置策略,从而有效缩短扰动下的交货期和碳排放;同时,根据制造资源所处的瓶颈区间,配置相应的在制品数量,以降低生产成本。具体研究内容如下:（1）针对车间资源状态无法精准感知与实时分析的问题,提出一种资源细粒度分析方法。在离散车间制造系统广义边界下,研究缓冲区和设备的状态空间及其时空转移概率,形成以“对象-感知-监测”为主线的资源状态信息实时感知框架（感知框架设计、感知环境设计和状态信息集成关键技术）。结合所提理论与框架,提出资源细粒度状态分析方法,实现对资源细粒度状态的迁移感知、聚类和存储。（2）为了精准识别制造过程中的动态瓶颈,提出资源细粒度状态驱动的离散车间动态瓶颈识别方法和混合驱动的动态瓶颈识别决策机制,该机制通过决策阈值判断是否重新识别系统瓶颈。首先以有效缓冲区为系统边界,将复杂制造系统解耦为独立的子系统,对每个子系统进行独立的状态分析以提高识别系统瓶颈的准确度,并提出综合瓶颈度计算公式以量化瓶颈对系统的限制程度。最后研究了车间实体与智能体之间的关系,以及各智能体之间的逻辑关系,通过仿真模型验证瓶颈识别效果,结果表明所提方法可以有效识别制造过程中的动态多瓶颈。（3）针对制造资源静态优化配置问题,提出由任务、目标和资源约束共同驱动的配置框架,以最小化完工时间为目标,建立优化配置模型,并通过改进的混合进化算法对模型进行求解。对原帝国竞争算法的改进体现在以下两个方面:在算法初始化时,提出新的成本归一化公式,以解决初始化时部分殖民地国家丢失的问题;在革命环节引入基于移动瓶颈的局部搜索策略,通过两种瓶颈启发式邻域结构保留帝国中的优秀基因,提高算法的寻优能力。最后通过标准案例与车间实例,验证了所提方法在搜索速度与求解质量上均优于原算法和对比算法。（4）为了解决扰动环境下资源配置失效的问题,提出一种基于实时瓶颈状态的制造资源动态优化配置方法,建立基于交货期和瓶颈状态变化的动态配置阈值计算模型,形成以动态配置阈值为基准的资源动态配置驱动机制。提出改进的多目标混合进化算法对模型求解,使用指标加权法构建多目标适应度函数,提出基于入侵的种群自清理机制以避免多目标进化算法陷入“早熟”。同时考虑在制品资源配置对系统的影响,提出基于瓶颈区间的缓冲区在制品资源精准配置策略。最后通过车间实例,验证了所提方法可以有效优化资源配置结果,降低生产成本并增加系统产出。（5）在上述研究的基础上,以离散车间具备感知和交互能力的资源实体为载体,采集生产过程中的实时数据,开发了离散车间的制造资源动态瓶颈分析与优化配置功能模块,并在某工程装备制造企业的离散生产加工车间进行了实例验证,结果表明本文所提方法能够实时感知资源瓶颈,进行资源动态优化配置,并可以有效缩短交货期。