智能工厂是传统制造业转型升级的迫切需求和研究热点。在政府引导下,越来越多的传统制造企业开始购置机器人,研发自动化生产流水线,建设智能车间和智能工厂,以实现生产过程的高效率和无人化。但是其对产线装备状态及工艺质量的监测相对较弱,产线运维水平总体偏低。随着物联传感及网络控制技术的发展,目前有条件采用多种多样的传感器对智能工厂的生产环境、装备状态及工艺过程进行全参数的监测与管理。本课题以南京某研究院包装生产展示线（智能工厂原型）为背景,设置多种传感器构建了分布式数据采集网络,并实时采集上传生产过程中产生的大量数据至服务器,进而通过数据解析实现智能工厂及包装生产展示线运行状态的实时监测,并可据此提供预防性警示信息及产线运维策略,以保障产线流畅运行,降低运维管理成本,实现智能工厂的效益最大化。论文工作主要包括:1、总体方案设计。根据智能工厂运行现状,进行总体需求分析,针对包装生产展示线进行信息建模,完成系统整体方案及通信方案设计。2、运维管控方法。提出融合设备健康监测、产线状态预警、运维决策支持的运维管控方案。利用深度学习算法设计并构建设备在役状态、环境条件与预期寿命关系模型,进而对生产设备的健康状态进行评估,并以设备为核心建立智能产线综合预警模型,为高效运维管控提供科学合理的运维策略。3、数据采集方法。根据系统方案及运维管控方案,进行监测需求分析,设计高效数据采集策略,构建分布式数据采集网络,进行传感器、通信网关等相关硬件的选型,并结合实时性、可靠性等要求设计高效的数据通信协议。4、平台搭建与软件开发。进行平台的整体搭建,针对数据解析、数据存储需求进行软件架构及服务器设计,建立现场数据采集终端、客户端与服务端之间的高效网络通信,并完成综控平台软件开发。5、综控平台测试。对综控平台进行功能和性能测试。功能测试包括数据采集、传输和解析等;性能测试的内容为针对服务器进行吞吐量测试,以验证平台的稳定性与可靠性。本文将物联传感技术及数据解析算法应用于包装生产展示线的生产过程监测,提出了预防性维护方法及运维管控策略,并开发了综控平台。课题工作对于智能工厂建设及管控水平提升具有重要价值。