随着经济的发展，制造业竞争日益激烈，企业为了降低成本、提高效益、实现精细管理，将信息化的触角伸至车间底层。因此，目前的计算机系统可以实时获得大量的生产制造相关的数据。复杂事件处理（Complex Event Processing,CEP）正是处理这些实时数据的一种重要方法，它通过模式匹配、关联分析等智能推理手段，将数据抽象或聚合成更高层次事件。一旦预定义的事件被识别出来，生产制造系统或相关人员就可以对事件做出响应，进行迅速而有效的应对。这样，实时数据为生产制造中的各环节提供各层次的决策支持，从而大幅提高制造效率、改善产品质量、降低产品成本。但在实际生产中，车间每时每刻都有各种各样的复杂事件发生。在这些复杂事件中，有值得系统进行CEP处理的，也有可置之不管的。故对于不同的复杂事件，信息系统的监测权重是不一样的。因此，本文的主要目的在于建立一个车间复杂事件的评价模型，以确定各个复杂事件的监测权重。文中采用复杂事件监测收益来衡量其监测权重，收益越高则监测权重越大。而复杂事件的监测收益，则从复杂事件的影响度、发生频度、可预见性、相对可观察性和时效性五个方面来衡量。其中，复杂事件的影响度由其相关KPI的重要性来获得，其余四个方面主要运用模糊评价的方法得出。本文通过总结相关文献，运用价值链法、关键因素分析法等，建立了一套车间KPI体系；根据复杂事件的发生源头，借鉴车间扰动、异常、不确定性等的分类方法，建立了一套车间的复杂事件体系；在研究了两套体系间的关系后，构建了复杂事件的五维评价模型。最后，本文在实验室的环境中，模拟了一个离散制造车间系统。并利用无线射频技术(RFID)实现了对系统中复杂事件的监测，取得较为理想的效果。