伴随着5G通讯、高性能计算、人工智能等高新技术产业的发展,以及先进制造模式—云制造的发展,新兴智能技术与传统制造业有了深度融合,信息透明化、智能高效化及过程可视化成为挤压装备制造业的发展趋势,为挤压装备制造业的转型升级提供了明确的方向和指导。而挤压装备设计、制造及网络化协同涉及制造资源种类繁多,导致上传至云制造平台的挤压装备制造资源繁杂、面广,如何有效地将云制造平台上多源异构的制造资源针对其属性特征及能力准确描述从而形成云制造服务,并在此基础上有效识别制造服务特征实现服务分类是云制造环境下实现挤压装备协同制造的重要前提,为解决上述问题,本文针对挤压装备制造车间资源提出了云制造环境下面向制造单元的资源服务化封装方法和基于机器学习的服务分类的方法。首先,从挤压装备制造车间资源服务化封装及分类问题研究入手,分析了挤压装备制造模式及接入云制造体系时制造资源服务化封装及分类的问题和需求,结合挤压装备制造过程及资源特性提出了服务化封装及分类的内涵、特点和目标,并构建了挤压装备制造车间资源服务化封装及分类流程。其次,研究了挤压装备制造车间资源服务化封装,分析了挤压装备制造过程涉及的资源及其特点、资源间关联规则等属性特征,提出了多源异构制造资源的本体建模及语义描述框架,构建制造资源领域本体并完成语义描述,进而提出了制造资源描述准入机制。再基于资源间关联规则构建面向制造单元的的应用本体,并提出相应的资源解析及封装规则方法,完成制造单元资源簇解析和向制造服务的服务化封装转换。然后,研究了挤压装备制造服务分类方法,综合考虑云制造环境下挤压装备制造过程对于制造服务的需求,提出了挤压装备制造服务分类特征选择原则和服务分类流程,在此基础上提出了基于支持向量机的挤压装备制造服务分类模型,并基于SMO算法和网格搜索算法优化分类模型的效率和实用性,从而实现挤压装备制造服务的高效分类。最后,结合企业实际情况对上述研究成果进行了实际案例应用,通过实例验证了本文所提出的方法的有效性和实用性。