云制造模式下,各类制造资源和制造能力被虚拟化封装为制造服务,通过云平台实现全面共享和按需使用。企业可以通过服务组合的方式在线定制云制造服务系统,完成各类制造业务。由于云环境的动态性和不可预测性,制造服务具有不确定性,常出现服务失效、性能下降等问题,难以满足用户的实际定制和使用需求。因此,通常需要对制造服务进行在线监测,为保障云制造服务系统的正常运行提供依据。然而,在云平台中的制造服务数量庞大,对所有的制造服务不间断监测开销大,实施可操作性差,且容易造成资源浪费。一个可行的方法就是对重要度高的制造服务优先分配资源并进行监测。因此,如何准确找到重要度高的一部分制造服务,并基于此制定合适的监测策略,对于合理分配资源,在保证监测有效性的前提下,降低维护成本,具有重要意义。针对以上问题,本文基于复杂网络理论和证据推理规则方法,给出“建模→评估→监测”研究思路,提出了云制造服务重要度动态评估与自适应监测方法,具体研究内容如下:（1）面向领域的云制造服务网络建模与演化。给出了一种面向领域的云制造服务系统的定制原理;基于领域内制造服务的协同交互关系,提出了云制造服务复杂网络建模方法,分别构建了面向服务功能性的业务流程网络和面向服务非功能性的服务实例网络;通过BBV（Barrat-Barthelemy-Vespignani）模型对构建的网络模型的演化过程进行分析,实现了制造服务状态与关系的动态描述。（2）基于网络特征与证据推理（Evidence Rule,ER）规则的云制造服务重要度评估。根据构建的云制造服务复杂网络,阐述了制造服务重要度的动态评估机制;基于多指标评价思想,提出了基于中心性证据的制造服务重要度评估方法;该方法将网络中不同中心性指标转化为评估证据,并给出了证据可靠性与权重的计算方法,进而利用ER规则对评估证据进行融合,得到节点重要度的信度分布函数;基于此,获取最终的重要度排序结果;通过垂直电梯云服务重要度评估实验,验证了方法的有效性和优越性。（3）基于动态重要度的云制造服务自适应监测方法。根据制造服务功能重要度和非功能重要度的评估结果和变化特性,提出了基于动态重要度的云制造服务自适应监测策略;搭建了垂直电梯设计云服务自适应监测原型平台,设计并开发了相应的监测功能模块;基于该平台进行监测实验,验证了所提监测策略的可行性和有效性。