（1）现场制造数据清洗

       车间制造现场需采集的信息来自机床、工装、物料、人员等诸多生产要素。引入制造车间信息采集中的RFID系统，因射频干扰、标签本身读取结构等原因，使得读取到的标签数据可靠性较差、可信度较低，存在数据漏读、不准确读等问题。因此，如何去除冗余数据、填补漏读数据、排除错误数据，获取高质量的更加接近真实的数据是系统数据采集过程的基础性需求。

（2）多源数据融合

       车间现场进行环境信息采集时，相邻传感节点同一时刻采集的信息往往会存在一定的冗余，各个节点通过广播的形式发送采集的数据，大量数据在网络中传输，使得传感网络损耗过多能量。传感网内多个节点同时发送数据，不可避免地会引起数据冲突碰撞，造成网络拥塞，影响数据传输的效率，降低了数据采集的实时性。

       如何利用各个传感节点采集信息的空间及时间上的相关性及互补性克服冗余性是系统需要解决的问题。为有效地改善网络的通信状态，提高所获得信息的精度和可信度，数据融合技术被提了出来。如何采用某种优化准则或算法实现信息的高效融合，减少网络数据传输量，降低网络的能量损耗是数据采集系统另一重要需求。

（3）现场制造数据管理

       车间物联网数据采集系统是通过采集、分析现场数据来实现车间现场的管理。当前在很多企业产品制造中出现了如零件缺陷、交付周期滞后、工时定额不准等问题，绝大多数都与没有建立系统科学的现场制造数据管理机制有关。因此，构建车间现场统一制造模型，实现数据的科学化管理是对系统提出的又一需求。