智能车间信息物理融合系统（Cyber-Physical System,CPS）是智能制造领域的重要载体,是综合了感知、计算、控制于一体的多维复杂生产系统。车间CPS系统通过物理层的感知功能获取车间软、硬件资源的动静态信息,借助工业云平台强大的计算能力,结合相关应用模型对大量工业数据进行计算分析,将分析结果返回车间,通过控制模块发布相应动作指令,实现车间环境监控、产品工艺优化、产品质量检测等方面的自主决策和控制,提高生产效率和产品质量。但是基于云平台的传统车间CPS系统架构,面向新需求,需要感知、传输、计算越来越多的工业生产数据以及愈发复杂的应用需求,使系统控制产生较大时延,而智能化精确控制需要对大量数据进行快速计算分析,反馈结果,驱动相应操作,这对生产系统的实时性提出了要求。为解决该问题,本文在基于工业云平台的传统车间CPS系统架构中引入边缘计算技术,提出边-云协同计算的车间CPS系统架构,并从实时任务调度和实时任务数据处理两个方面进行系统实时性研究。本文主要研究内容及创新点如下:（1）提出基于边-云协同计算的车间CPS系统架构。以传统工业云平台控制的车间CPS架构为基础,引入边缘计算技术,将各车间分散的软硬件制造资源抽象为网络节点,通过车间网络将它们连接成一个整体,提出边-云协同计算的四层车间CPS系统架构模型,并将车间生产环境监控、产品工艺优化、产品质量检测等工业大数据分析问题抽象定义为CPS计算任务,视为一种应用。（2）建立基于边-云协同计算的车间CPS实时任务调度模型。首先根据边-云协同计算的车间CPS系统架构,对CPS计算任务进行数学建模,建立实时任务调度模型,包括任务计算时间成本模型、任务数据传输时间成本模型;其次提出任务执行时间成本优化目标函数,通过改进的蚁群算法求解该目标函数,实现计算任务实时处理;最后通过Cloudsim云仿真平台进行实验,结果表明该模型随着任务数量增加时间性能优势明显,远强于传统的车间CPS架构,并可通过增加边缘计算节点数量来进一步提高模型性能。（3）建立基于边-云协同计算的车间CPS任务数据实时处理模型。以车间刀具磨损监测应用为背景,针对需要调度到云平台执行的车间CPS计算任务,提出一种工业任务数据实时处理模型。首先在边缘端建立数据预处理模型,靠近数据源进行数据预处理,云端建立基于残差卷积神经网络的刀具磨损监测应用模型,接收边缘端经过预处理的任务数据进行计算;其次提出任务数据加权传输时间为模型评价指标,将模型计算精度考虑在内,优化任务数据传输时间;最后通过实验结果表明数据预处理可以提取信号数据细节特征,并压缩大量传输数据,云端应用模型性能也优于其它对照模型,并且整体模型在略微损失精度的情况下极大程度降低车间CPS计算任务数据传输时间,从而缩短任务执行时间,得到任务实时处理的效果。