离散制造业而今已成为工业生产的主体,因其生产过程中具备制造资源多样性和生产过程复杂多变性,使得离散制造的生产管理成为目前制造领域研究的重点和难点。为了实现对离散制造系统中制造资源的有效管理和生产过程的有效控制,多数企业和研究机构尝试使用物联网技术实现离散制造中制造资源的互联互通,构建离散制造执行系统(MES),通过对制造系统中人员、物资、设备和生产过程的有效控制与管理,实现制造效率高效化、制造成本低廉化和生产周期合理化的管理目标。在多年的研究与应用中,研究人员发现:物联网和计算机技术的日益成熟,为构建基于物联网技术的制造执行系统提供了技术支持,但由于离散制造存在生产环境的多样性和制造信息的不确定性,致使其制造执行系统(MES)采集到的同类数据间存在着数值的差异性和时间的滞后性,严重制约着系统决策的准确性和实时性。所以,如何消除同类设备在生产中因工作环境和设备性能的不同造成生产信息数据在采集与传输过程中存在的差异性,已成为离散制造执行系统(MES)实现生产调度优化设计、生产资源合理配置和生产过程实时控制所面临的核心问题。本文拟通过对离散制造执行系统和物联网技术的深入研究,研究物联网技术下离散制造执行系统的特性并分析其采集的生产数据间的差异性,探讨目前常用的物联网下差异性数据融合算法的应用过程和融合效果,提出基于分数阶微积分的物联网下离散制造系统差异数据融合算法并与其他算法进行比较,验证算法的准确性和可靠性。完成的主要研究工作和成果总结如下:1.离散制造生产特性的研究。通过对离散制造“多品种小批量”生产特点的分析和对周边离散性制造企业的调研,得出离散制造存在以下特点:①产品种类的多样性带来生产工艺的多样性和制造资源多样性;②制造资源类型的多样性带来生产信息和数据种类的多样性;③市场信息的不确定性带来生产信息的不确定性。2.离散制造执行系统检测数据特性的分析。根据离散制造的生产特点,得出离散制造执行系统测得的生产数据具有以下特性:①制造资源的多样性带来的检测信息的多样性;②同类制造资源和检测设备由于性能的差异性致使检测数据存在差异性;③制造资源分布的离散性致使检测点间存在工作环境的差异性和信息传送距离的差异性,从而带来检测点间测量误差的差异性。3.多传感器检测数据融合技术的研究。分析目前国内外对多传感器检测数据融合算法的研究现状和存在的不足,探讨了目前常用的数据融合算法中贝叶斯估计法、D-S证据推理法、模糊逻辑法、神经网络法在物联网下多传感器检测数据融合中的优缺点,研究分析了以上算法在离散制造检测数据处理中的应用效果与不足。4.通过对分数阶微积分理论的研究,探讨了分数阶微积分算法在多传感器检测数据融合处理中应用效果和其在离散制造多传感器检测数据融合处理中的不足,最后提出了应用分数阶偏微分理论融合处理物联网下离散制造多传感器检测数据的理念,建立了基于分数阶偏微分方程的物联网下离散制造多传感器检测数据融合算法模型,并通过试验验证了算法的优越性。5.总结研究成果,展望物联网技术下离散制造执行系统检测数据融合技术的研究方向和工作重点。