制造物联网可以解决传统制造业在数据感知、智能处理、人机交互和协同制造方面集成度差的问题,是实现制造业生产智能化的关键技术。制造企业在实际生产过程中会产生大量代表实时生产状态的原始数据,这些具有多源性、海量性、实时性特征的数据流加重了数据计算服务的负担。所以,如何高效准确地从制造物联网的采集数据中获取有价值信息是实现制造业高效快速发展的关键问题。为了实现从海量实时数据流中提取出有价值的信息,国内外研究学者提出了很多解决方案。大部分方案都是采用复杂事件处理机制,将数据流中的原始数据即原始事件转换成包含一定业务逻辑关系的复合事件,作为输入数据提供给上层应用。但是制造业环境包含多移动、多关联和多协同的生产设备,这对生产过程数据处理的实时性及准确性带来诸多困难。本文的研究主要使用于制造物联网中的海量信息处理,首先,针对制造物联网中多源动态产生的高优先级事件不能及时检测的问题,提出一种基于概率的高优先级事件检测算法。分析实时事件流中的优先级调度机制,建立优先级事件处理模型,并针对高优先级事件提出基于概率的事件优先级处理算法,该算法能快速处理高优先级事件,降低检测延迟。接着,针对制造物联网中集中串行的事件检测方式存在检测准确率低及检测效率慢的问题,提出一种基于事件树的事件划分算法及并行复杂事件处理架构。充分考虑原始事件流中原子事件间的多依赖关系,以事件树为结点构造依赖事件树链表,提升复杂事件处理引擎的有效检测次数,从而在增加事件处理吞吐量的同时,减少对内存空间的占用。本文主要研究制造业物联网环境中海量实时数据的高效复杂事件处理方法,利用制造企业实际生产的检测数据,第五章通过仿真实验阐明所提方法在海量数据处理问题上的优异性及可行性。因此,将本文所提出的算法应用于制造物联企业中,能有效提高企业对海量实时数据流的处理能力,及时解决企业生产遇到的瓶颈问题,且对制造物联技术领域有一定贡献。