随着“中国制造2025”战略的提出,制造业将深度融合信息技术和物联网技术,实现传统制造到智能制造的转型升级。车间是实现智能制造的基本单位,车间物联网设备采集的海量数据中存在高度冗余、数据质量低下及高并发的数据处理不及时会导致车间信息不对称等问题。本文根据车间制造实时性数据处理需求,从车间冗余数据的清除和实时处理框架优化两个关键技术出发,设计并实现了车间高并发数据处理系统。本文主要研究内容如下:（1）分析了现有冗余数据处理算法和实时处理框架调度算法,对车间高并发数据处理的相关技术和理论进行了阐述,并对本文的关键技术提出了改进思路。（2）针对车间RFID设备采集的数据存在高度冗余导致数据质量低下的问题,提出了一种基于动态附加布隆过滤器的冗余数据清除算法。首先结合RFID动态数据流特点,利用标签号、时间和阅读器三个因素对数据冗余的影响设计了基础布隆过滤器,然后根据定时间区间内数据量变化动态决定是否调整或附加额外的布隆过滤器,将误判率控制在阈值内,最后结合两个过滤器对数据是否冗余进行综合判断。实验结果表明该算法在数据量随机波动时的误判率平均降低了51%,且数据量不断增加时仍能保持低误判率。（3）针对Storm分布式实时处理框架默认调度算法忽略节点处理能力的差异,导致系统处理时延较长等问题,提出了一种基于萤火虫算法的Storm集群数据流处理优化。首先将萤火虫的位置表示为一种可行的调度方案,发光亮度代表节点处理任务的能力,然后根据实时监测到的节点资源占用情况设置适应度函数,通过萤火虫寻找最亮位置的过程找到最佳的任务分配编码方案,最后根据最佳编码方案将任务调度到合适的工作节点内。实验结果表明该算法拓扑运行时延比默认调度算法降低了约16%-21%,系统吞吐量约提升了17%。（4）分析了车间高并发数据处理系统的需求,给出了智能制造车间的业务模型和系统总体框架设计,实现了车间高并发数据系统的主要功能,介绍了系统主要功能模块的技术实现,并给出了主要运行界面。通过设计并实现车间高并发数据处理系统,解决了车间生产数据的实时性处理需求,提高了车间数据的交互速度,并通过改进其中的冗余数据处理算法和任务调度策略,有效提升了系统的并发性能。