云制造系统论文（精选8篇）
云制造系统论文 篇1
0 引言
云制造是近年来得到快速发展的面向网络化协同制造的新模式, 它为制造企业更广泛、更优化地选择加工资源提供了一种较好的解决方法, 使得资源共享及开展大规模协同制造成为可能[1,2]。
在资源动态调度方面, 国内外已经做了大量的研究工作并取得了较为丰富的成果。Church和Uzsoy[3,4]研究了在单机环境下待加工任务不断到来的再调度问题。北京理工大学李京生[5]等研究了云制造中基于动态资源能力服务的分布式协同调度技术, 基于云制造技术中面向服务的思想, 针对现有异地分布多车间协同生产计划的关联协调问题, 提出并建立一种以云制造思想为指导的基于动态制造资源能力服务化的分布式协同生产调度技术;哈尔滨理工大学葛江华[6]等研究了云制造车间资源调度与配置模型及优化问题, 针对云制造环境下的车间生产资源任务分配与资源调度问题, 建立了面向云制造环境下车间生产资源动态调度与配置模型。
云制造[7]首先是由李伯虎院士提出并定义为:云制造是一种利用网络和云制造服务平台, 按用户需求组织网上制造资源 (制造云) , 为用户提供各类按需制造服务的一种网络化制造新模式。
1 云制造资源动态调度系统组成
为了在保证资源性能的前提下改进资源利用率, 我们提出了基于资源负载均衡的动态调度策略, 建立了云制造资源动态管理与调度系统, 如图1所示。动态调度系统主要由5大部分构成:任务管理器、负载均衡器、任务选择器、动态调度器、容错处理。
1.1 任务管理器 (Task Manager)
任务管理器的作用是对各个任务进行管理, 建立一个就绪任务集合, 动态描述某个时刻可调度的任务。提交任务过程中, 客户提交的是一个包含任务所有加工信息的文件及其他一些任务描述信息, 它们组成对任务的一个全局性描述, 包括任务的空间、形式、内容、服务质量要求、监控参数、任务执行策略等。
1.2 负载均衡器 (Load Manager)
负载均衡器监测系统及系统中各资源的负载情况, 并根据当前系统的负载以及当前资源节点的负载情况来决定是否应该给该资源节点分配任务;同时完成资源的动态信息采集, 根据动态信息完成部分指标的评估和相应的过程控制, 并把资源的动态信息写入数据库。
1.3 任务选择器 (Task Selector)
任务选择器负责选取相应的任务给资源节点, 根据用户提交的任务的Qos完成任务的分发;同时进行容错处理的任务选取, 并加入到任务管理器中对其进行重调度。
1.4 动态调度器 (Dynamic Scheduler)
动态调度器根据就绪集合中任务的资源需求和资源节点的服务能力, 对就绪任务集合中各个任务进行协商调度请求, 在满足任务要求资源的前提下, 把任务调度到使其具有最小的最早可能完成时间的资源节点上;并根据系统状态的变化对资源的类型以及数量进行合理配置。该部分主要以客户的需求为主, 为任务匹配到最优的资源, 形成调度结果集并将系统信息反馈各客户及各资源提供商。
1.5 容错处理 (Fault Tolerant Processor)
容错处理即是再调度。重调度情况出现在调度后或者生产中:客户或资源提供者对调度结果不满意, 拒绝接受该调度结果;或在生产进行中, 资源提供者因为设备出现了短期不可修复的故障而不得不放弃任务。在这两种情况下, 平台管理系统应根据实际情况、数据进行重新调度。
2 云制造资源动态调度内容
云制造资源是由物理制造资源及其聚合后形成的具有复杂制造能力的制造服务单元构成的制造服务子集, 具有响应多任务、多类型服务需求的服务能力[8]。
2.1 任务多粒度云资源动态调度策略
在云制造环境中, 根据用户需求或者任务的多粒度属性, 将用户需求分为单一资源服务需求和聚合资源服务需求。对于单一资源服务需求任务, 调度系统从大量的待选云服务中基于单资源服务等级匹配算法获得最佳的云服务来执行该任务;而对于聚合资源服务需求, 根据不同Qos粒度属性的任务, 利用资源虚拟化技术联合多个云资源组合成聚合资源, 采用聚合资源服务匹配算法找出满足客户服务需求的最佳资源组合。
2.2 云资源预调度策略
为了提高云资源的利用率, 调度过程中采用动态资源分配来实现负载均衡和弹性调度。系统根据任务分资源的负载变化来动态配置资源, 为了实现资源数量级类型的动态变化, 需要对资源上的任务迁移。但是, 由于采用基于动态监测的资源负载进行调度和任务迁移时常会出现调度频繁波动的情况, 影响了系统的调度性能, 因此系统对采用各种类型资源负载变化进行了预调度和任务服务需求的预测机制, 通过预测调度过程中资源的需求进行更准确的资源分配, 以避免不必要的任务重调度带来的开销和满足任务的动态资源需求。
2.3 动态调度多目标优化问题
云制造调度过程中, 一方面为了最大化资源效益需要降低成本, 另一方面需要保证客户服务需求质量和提高资源性能, 这就使调度优化过程多个目标存在着相互冲突, 例如最大化资源利用率则会导致服务质量的下降。对于云消费者来说, 希望提交的任务的费用越少越好, 同时希望任务的调度能尽快完成, 这两个目标往往是矛盾的, 为此, 系统采用完成时间最小和花费费用最小的多目标资源调度算法。
3 调度系统仿真分析
本文算法分析采用的实验环境为Intel Core3CPU 2.3 Hz, 6G内存, Windows 8, My Eclipse 8.5与MATLAB 2012编程环境。分析中采用本文算法并分别与Min-min、Max-min算法进行比较。
以完成任务的总服务成本最小为优化目标, 建立调度模型来验证调度系统在运行过程资源负载情况:
其中:Ai为0或1, 当Ai=1时, 选择资源ri来完成, 当Ai=0时, 则不选择;Cpi表示资源ri完成任务所需要的预计准备成本;Cm i表示资源完成任务所需要的加工成本;Cqi表示资源完成任务所需要的其他成本;T1, …, Tm为各资源的最后加工完成时间;Co i和Cn i分别为资源ri约束容量和当前容量。每个任务在对应资源上的服务时间 (随机生成) 为一个m×n的时间矩阵E, 此仿真过程资源队列长度为∞, 即Co i=∞。
图2为3种算法调度情况下资源的负载率。从图2中可以看出, 采用本文的调度策略资源的负载率比较均衡。图3为各云资源对应的服务成本。
4 应用实例
本调度系统成功应用于云制造平台, 资源使用者和提供者通过门户网站选择身份后进行登录, 登录后资源使用者通过交互界面进行任务提交、任务监控、信息管理等一系列的操作。图4和图5分别为云制造平台系统负载界面和资源负载界面。由云制造资源负载器监控系统将负载信息反馈至动态资源调度器。
5 结束语
本文结合云制造资源调度的特点, 提出了一种基于资源负载均衡的动态资源调度方法。在资源调度过程中加入资源负载管理器, 收集云制造资源负载信息并将结果反馈给动态调度器, 资源调度器根据反馈的结果对资源的类型和数量进行动态配置。并阐述其调度模型, 为平台提供了可靠和可信的资源调度, 保证了平台正常、合理地运行。经实验验证该方法较好地保证了云制造资源动态调度的实时性和吞吐量, 并避免了资源负载的不均衡。
摘要：云制造环境下资源动态调度是云制造中的关键技术之一。针对云制造环境下制造资源调度的特点和存在的问题, 提出了基于资源负载均衡的动态调度策略, 建立了以完成任务的总服务成本最小为优化目标的模型, 并通过建立应用实例说明了该系统的实际应用过程。
关键词：云制造,资源动态调度,调度策略
参考文献
[1]李伟平, 林慧苹.云制造中的关键技术分析[J].制造业自动化, 2011 (1) :7-10.
[2]姚锡凡, 金鸿.云制造资源的虚拟化与服务化[J].华南理工大学学报 (自然科学版) , 2013 (3) :1-7.
[3]Church L K, Uzsoy R.Analysis of periodic and eventdriven rescheduling policies in dynamic shops[J].International Journal of Computer Integrated Manufacturing, 1992, 5 (3) :153-163.
[4]Ovackt I M, Uzsoy R.Rolling horizon algorithms for single machine dynamic scheduling problem with sequence dependent setup times[J].International Journal of Production Research, 1994, 32 (6) :1243-1263.
[5]李京生, 王爱民.基于动态资源能力服务的分布式协同调度技术[J].计算机集成制造系统, 2012 (7) :1563-1574.
[6]葛江华, 孙月洲, 云制造车间资源调度与配置模型及优化研究[D].哈尔滨:哈尔滨理工大学, 2012:59.
[7]李伯虎, 张霖, 王时龙, 等.云制造——面向服务的网络化制造新模式[J].计算机集成制造系统, 2010, 16 (1) :1-7.
[8]李春泉, 朱攀峰, 何汉钊, 等.云制造服务需求解析技术研究[J].制造业自动化, 2012 (23) :32-35.
云制造落地需补充“养分” 篇2
Q：云制造试点工作已经开展，您认为目前发展的障碍主要有哪些？技术难点是什么？
A：当前最重要的还是要领导层提高认识，实施云制造是一场以“制造业信息化变革”为特征的、战略性的复杂系统工程，需要各地“一把手”来领导及推动，并将其纳入城市、产业或者企业的发展目标与规划。
在技术上，还需要以应用需求为牵引，大力加强信息化制造技术的研究与实施，大力加强各类资源和能力的物联化、虚拟化、服务化、协同化的研究与实施，大力加强云制造运营模式和标准化的研究与实施。
Q：在云制造产业链中，将涉及哪几类厂商？
A：云制造产业链涵盖从论证、设计、仿真、生产、试验、经营管理、运营、维修等制造产品全生命周期。支撑云制造产业链的有产品研发、工程实施、运营服务三类厂商。
产品研发厂商主要从事云制造十大类关键技术攻关及其产品开发，支持制造资源和制造能力的物联化、虚拟化和服务化；工程集成厂商主要负责开发和实施云制造系统，包括为制造企业进行行业咨询，提供完整的应用解决方案，并对注册企业进行业务定制，对接入的制造资源和制造能力进行云化改造和集成；运营服务厂商主要负责云制造服务中心、物流中心、金融中心的运营维护、客户服务等。
Q：您认为我国云制造产业链上的短板在哪一环节？
A：云制造产业本身是制造业的一种，因此和其他制造业一样还是要重点发展“微笑曲线”的两端。
“产品开发”及“服务”这两个环节是目前云制造产业链上的短板，需要通过加强这两个环节的应用牵引，催生一批在这两个环节提供资源和能力以及配套服务的第三方专业服务商，以推动云制造产业链的形成与发展。
Q：您对于云制造的进一步发展有何建议？
A：应根据中国的实际情况，突出中国特色，遵循“创新驱动、质量为先、绿色发展、结构优化”的指导方针来开展工作，具体表现如下：
一、在技术方面
深化应用有关的技术，特别是加强为“产品用户”服务的有关技术；面向全生命周期的活动，特别是加强产品后期的维修保障等活动有关的技术；加强能力协同和能力交易等相关技术。
融合更多的新兴信息技术、例如：移动互联网、大数据技术、基于模型的工程技术、高性能计算技术、复杂系统仿真技术、智能分析与评估技术、电子商务技术等。融合信息化制造性技术，如3D打印技术。
二、在工程化、产业化和深化应用方面
加强云制造工具集中平台的工程化、产业化；选择几个行业、智慧城市中的集团和中小企业群开展应用示范；积极支持工信部“工业云创新项目”——将在10个省市重点示范云制造。
三、在创新体系方面
加强创新体系建设，包括知识、技术、产业等创新体系，充分发挥“政、产、学、研、用”的优势和积极性。其中特别是要加强人才队伍建设，着力培养云制造领域的领军人物和大批复合型人才。
四、在落地实施方面
云制造的实施和推广是个战略性的工程，要围绕转变经济发展方式、增强企业市场竞争能力的目标，坚持“需求牵引、效益驱动”，即从增强企业市场竞争能力的应用需求出发，由需求来牵引系统建设，通过系统建设带动技术/产品研发，技术/产品的发展进一步促进系统的改进完善，系统进一步推动新的应用，如此周而复始的良性循环。
另外，云制造的实施和推广是一个复杂的系统工程，要按照复杂系统工程的思想来指导工作，加强顶层的规划设计，坚持“总体规划、分步实施、突出重点”，重视企业（集团）产品研制全系统、全生命周期活动中的人/组织、经营管理、设备/技术（三要素）及信息流、物流、资金流、知识流、服务流（五流）集成优化。例如，为实现三要素、五流的集成，云制造系统的组织中要有金融子系统、信息服务子系统和物流子系统的集成与协同。
评论
云制造需要“信自己”
2013年，欧盟正式提出了“Cloud Manufacturing”（云制造）说法，并启动了一个项目，打算通过云制造向中小企业用户（SMEs）提供计算机辅助工艺规划（CAPP）。该项目由瑞典皇家理工学院牵头，瑞典、英国、希腊、德国和西班牙的4所大学、1家跨国制造公司和6个中小企业共同承担，旨在强调服务于产品全生命周期过程，支持中小企业高效配置和重配置制造过程，支持产品定制化和变更，以适应快速变化的全球市场和更加苛刻的产品需求。
在项目执行背景的说明中，欧盟指出，产品开发和制造是欧盟主要的经济支柱，而超过90%的制造业活动由小型和中小型企业（SMEs ）完成。当前，制造业市场的要求越来越高，需要高度定制的产品，更高的质量，更快的交货，产品有更快的升级。制造企业特别是中小企业，必须有以客户为中心的，更为紧密、灵活、多元化的合作，同时在设计和工艺规划阶段，制造商应满足制造工艺的多方位的要求，以确保产品的竞争力和企业的可持续发展。制造企业需要有效配置或重新配置他们的制造工艺，以促进产品的定制和改装，适应迅速多变的全球市场和可持续发展的要求。云制造，就是满足这些需求的综合性的解决方案。“CAPP-4-SMEs”及此前一系列云制造项目的实施，令欧洲的学术界和工业界有机会互补专长，分享工业应用和技术专有知识，并进行了有效传播和工业应用，欧洲的工厂将在此基础上很快实现技术创新。
反观中国的云制造进程，其实起步并不晚于欧洲。李伯虎院士率领的云制造研究团队同样指出，云制造是一种取代大规模生产的新的生产方式，它像云计算一样，是一个分散式和大规模批量式并行的生产模式，云制造将成为一个由小型制造业企业组成的超大规模网络的分布式系统，助推中国制造成为中国“智造”。然而，李院士感叹，对于我们自己提出的云制造模式，业内人士及相关管理部门投注的眼光和关心程度都显得颇为淡漠。在此氛围下，尽管项目团队在云制造的推广应用上实施了多方努力，成效迄今却还不够明显，在制造行业内缺乏有效的机制来推动云制造的落地。若不改善这种局面，恐怕我们将在制造领域再度落后于人。
由于云制造要改变的是制造业的整体现状，所以它的落地并不是纯技术问题，而是需要协作并进，并引入市场机制。李伯虎院士认为，推进云制造可以说是“一把手”工程，因为云制造将颠覆制造企业的运营模式，牵涉到多方利益，只有企业的“一把手”意志坚定地参与其中，才能保证企业制造各环节的积极加入。同时，单个企业自身的努力只能起到一方面的作用，只有通过建立由政府主管机构、研究机构、软件厂商和用户共同组成的云制造产业联盟，建立行之有效的沟通、行动机制，消解相关标准、安全、知识产权保护等难题，才能更快地推动云制造落地。因此，尽管当前云制造模式处于蓄势待发阶段，但“势”蓄得还不够足量。
此外还需要认识到，自上而下的驱动之于产业进步的作用始终是有限的。我国互联网产业的迅猛发展已经证明，互联、协作的网络时代，市场才是最大的驱动力和检验力量，云制造模式最大的倚靠，同样也是市场需求。事实上，我国广大中小制造企业无不期盼得到自己渴求的制造资源和相关技能、知识方面的支援，只是目前很多企业都找不到门路，但只要云制造的基础工作做到位，企业们意识到云制造真的有用，并能够方便地接入云制造服务云池，市场竞争自然会令他们选择这种更先进的制造模式。而形成了这样的互动，中国的云制造也将在实践中磨砺得更加出色。（文/徐昊）
云制造系统论文 篇3
服务组合优化是云制造中构造松耦合敏捷制造方案、实现资源优化配置的关键技术[1,2,3]。传统服务组合优化研究主要围绕着计算资源、Web服务、网格制造资源等服务类型展开[3,4]，并在面向服务计算（service-oriented computing,SOC)[5,6,7,8,9]及面向服务制造（service-oriented manufacturing,SOM)[10,11,12,13]等应用领域取得了一定研究成果。与传统研究相比，云制造领域服务组合优化问题的特殊性在于其任务请求的复杂性，主要表现在：(1)普遍存在的“多资源需求型”任务[10]并行请求服务的情形；(2)无法避免的强服务质量（quality of service,QoS）约束[7]情形；(3)可能存在任务请求相对于可用资源过量的情形。对于任务请求的上述复杂性因素，传统SOC领域及SOM领域尚无法有效应对[14]。因此，如何解决因多任务、强QoS约束及任务过量等复杂性因素导致的云制造系统组合效果不佳的问题，本文通过分析研究提出了面向复杂任务请求的服务组合优化全局策略（global optimal strategy for complex task oriented services composition,GOS-CTOSC）框架，并介绍了上述策略框架在云制造原型系统服务组合优化引擎中的实现及验证。
1 云制造典型的任务请求场景
本研究首先选取一个典型的云制造案例即摩托车的生产过程（图1）来阐述问题场景：摩托车生产包括从“车架生产”到“包装发运”的6个生产环节（子任务），每环节须在相应服务候选集（candidate service set,CSS）中选取一个构件服务（component service,CS）来执行相应的子任务，如成车总装可选取宗申或隆鑫装配线来完成。整体制造任务则由这些构件服务所构成的组合服务来完成。
假定每个服务候选集均给定3个可用的构件服务，每个构件服务的QoS指标值（以时间指标为例）给定在图2中。
场景1（多任务）：本场景假定制造任务T1和T2同时请求服务，均需从候选集CSS1到候选集CSS6中选取构件服务，并构造两个组合服务来响应制造任务T1和T2。其中，给定T1和T2的QoS约束分别为QoS-time1<523,QoS-time2<498。
场景2（强QoS约束）：本场景在场景1的基础上，进一步假定制造任务T2为强QoS约束（对完成时间要求极高），即给定T2的QoS约束为QoS-time2<350,T1的QoS约束仍为QoS-time1<523。
场景3（任务过量）：假设出现了同时请求的制造任务（不含强QoS约束的任务）多于可用服务的情况，即假定制造任务T1、T2、T3、T4同时请求服务，其QoS约束分别为QoS-time1<550,QoS-time2<1200,QoS-time3<1800,QoS-time4<1600。
2 传统服务组合优化策略概述与应用分析
2.1 传统服务组合优化策略概述
传统服务组合优化方法在实施组合优化时主要基于以下四种策略：(1)局部策略[6]。局部策略从每个子任务对应的构件服务候选集中选择QoS最优的构件服务，构造整体QoS较优的组合服务。(2)全局策略[6,7,10,14,15]。传统全局策略以单一“多资源需求型”任务请求为基本假设条件，依据构件服务对组合服务整体QoS水平提升的贡献大小来实施优选，寻求面向整体任务QoS最优的服务组合方案。(3)混合策略[16,17,18]。混合策略的基本思路是将整体任务的全局QoS约束分解为各子任务的局部QoS约束，进而实施分布式的优选过程。(4)改进全局策略[7,19]。由于全局策略可能无法找到可行组合服务，故改进全局策略加入了服务等级协议（service level agreement,SLA）协商机制。发生可行组合失败时，该机制松弛QoS约束直至最佳可行方案出现，以最大限度地保证SLA被满足。
2.2 传统服务组合优化策略应用分析
2.2.1 多任务场景下的组合优化
针对场景1，直接运用局部策略，即同时到达的制造任务T1和T2在局部策略的作用下将分别从各个云服务候选集中挑选出最佳的基础云服务，如图3所示。由图3可知，在多任务场景下，基于相同的评估指标体系、优选模型、优化算法，同一批优秀的候选服务易被多个复杂任务中相同类型的子任务同时选中，进而造成选择冲突。
再就场景1，考虑直接运用传统全局策略的情况：在全局策略的作用下，系统将逐一面向复杂任务T1和T2构造全局最佳的组合服务，如图4所示。
由图4分析可知：将复杂多任务请求转化为多次单任务请求后，可能出现先序任务用尽较优候选服务而后序任务难以保障SLA的现象，即次序冲突。
2.2.2 强QoS约束场景下的组合优化
针对场景2，当强QoS约束任务请求时，传统全局策略存在无法找到可行组合服务的可能[7]（图5）。局部策略、混合策略不可能构造成比传统全局策略QoS更优的组合服务，也无法克服强QoS约束下难以找到可行组合服务的缺陷。改进全局策略虽可通过协商SLA来降低某些QoS约束条件以最大限度保证SLA的满足，但不能避免因松弛QoS约束引发的组合服务QoS水平不足；即使形成最优组合服务，也是通过降低用户某些方面的QoS期望得到的结果，无疑是一种迫不得已的折中方案。
传统组合优化策略的局限性在于任务与组合服务之间存在双射限定。而单个组合服务所能提供的QoS存在上限，一旦任务的QoS约束增强到所有组合服务的能力上限之外时，即发生可行组合失败。
2.2.3 任务过量场景下的组合优化
在场景3的实例中，由于各候选集中均只有3个候选服务，故只可产生3个组合服务。依据传统策略，3个组合服务仅能响应3个制造任务请求，因而总有一个任务请求会发生服务响应失败（图6）。
实际上，从场景3的给定条件来看，3个组合服务的QoS较高，而4个任务给定的QoS约束偏低，因此存在完全响应4个任务请求的可能性。但传统组合优化策略限定组合与任务间“一一映射”关系，特别是任意组合服务只可为单个任务请求提供服务（独占性条件），使得某些任务享有的服务能力有余，而另一些任务的组合需求却无法得到满足。
3 云制造中面向复杂任务请求的服务组合优化全局策略
基于对传统组合优化策略的应用分析，本文认为云制造中的服务组合优化策略需考虑以下三大原则：(1)多任务全局优化，即构造面向复杂多任务的、整体全局策略；(2)组合服务捆绑，即突破任务请求只允许由一个组合服务来执行的基本假设；(3)组合服务共享，即破除加诸组合服务上的独占性条件。
根据上述原则，本文设计了云制造中面向复杂任务请求的GOS-CTOSC框架。GOS-CTOSC框架包含了由简至繁的三类组合模式定义。
3.1 单组合执行每任务组合模式
定义1单组合执行每任务（each composition for each task,ECET）组合模式，即针对每个任务请求只构造一个组合服务予以执行。
ECET组合模式适用于解决不含强QoS约束和任务过量的复杂多任务服务组合优化问题（场景1）。它是GOS-CTOSC框架中最简单的多任务服务组合优化全局策略，包含两个特征：(1)面向所有任务请求实施整体决策（区别于传统全局策略）。(2)任务请求与组合服务之间仍沿用“一一映射”假设条件。
根据定义1，其问题模型建立过程如下。
(1）设定决策变量x(i,j,k）。x(i,j,k)=1，即候选服务集CSSj中的第k个构件服务CS(j,k）被选取到组合服务Si中，用于执行任务Ti；反之，则x(i,j,k)=0。
(2）输入参数。qm(CS(j,k))(m=1,2，…，M）表示任意构件服务CS(j,k）所能提供的某种维度的QoS水平，例如q1(CS(j,k））可代表CS(j,k）时间维度的QoS水平，q2(CS(j,k））可代表CS(j,k）成本维度的QoS水平，q3(CS(j,k））可代表CS(j,k）可靠性维度的QoS水平。CS(j,k）所能提供的整体QoS水平，可用全维度的向量Q(CS(j,k))=(q1(CS(j,k)),q2(CS(j,k）），…，qM(CS(j,k）））来表示。qm(Ti）表示任意复杂任务请求Ti给定的某种维度的QoS约束。Ti给定的整体QoS约束可用向量Q(Ti)=(q1(Ti),q2(Ti），…，qM(Ti））表示。
(3）问题模型：
问题模型中，式（1）为目标函数，即用于执行I个任务的I个组合服务总体QoS最佳。式（1）使用标定后的QoS评估值，原因在于标定过程可消除不同QoS指标值之间的差异性，以利于比较[6?7]。式（2）表示任意组合服务的QoS需要至少满足对应任务的QoS约束。式（3）、式（5）代表基于简单加权法（simple additive weighting,SAW）的QoS值标定[6]。式（4）代表基于内部组合结构模式及其表达式计算得到的组合服务QoS值[5]，其中，fin代表内部组合结构模式的QoS计算函数。
针对场景1的求解，由图7可知，尽管ECET组合模式针对单个任务构造的组合服务QoS未必是最优（执行T1的组合服务QoS只有520，小于它所能达到的最优结果490），却能在多个任务间做到统筹规划，最终获得满足所有任务请求QoS约束的全局最优QoS值。
3.2 多组合执行每任务组合模式
定义2多组合执行每任务（multi-composition for each task,MCET）组合模式，即针对每个任务请求，由多个组合服务捆绑后形成一个组合服务组予以执行。
MCET组合模式适用于解决含强QoS约束的复杂多任务服务组合优化问题（场景2）。它包含两部分的整体决策：(1)利用可用的构件服务决策组合服务的构造、优选过程；(2)利用构造好的组合服务，决策组合服务组的形成过程。该模式破解强QoS约束任务请求的关键在于：以面向所有任务请求的整体决策为基础，通过将能力不足的若干组合服务捆绑来响应强QoS约束的任务请求，即允许组合服务与任务请求之间多对一的关系。
根据定义2，其问题模型建立过程如下。
(1）设定决策变量x(l,j,k）与y(l,i）。其中，x(l,j,k)=1表示第k个构件服务CS(j,k）自第j个候选服务集CSSj被选取到第l个组合服务Sl中；反之则x(l,j,k)=0。当y(l,i)=1时，表示第l个组合服务Sl被捆绑到第i个组合服务组SGi中，为任务Ti服务；反之则y(l,i)=0。
(2）输入参数。qm(CS(j,k））表示任意构件服务CS(j,k）所能提供的某种维度的QoS水平。CS(j,k）所能提供的整体QoS水平用向量Q(CS(j,k))=(q1(CS(j,k)),q2(CS(j,k）），…，qM(CS(j,k）））来表示。qm(Ti）表示任意复杂任务请求Ti给定的某种维度的QoS约束。Ti给定的整体QoS约束可用向量Q(Ti)=(q1(Ti),q2(Ti），…，qM(Ti））表示。
(3）问题模型：
式（6）～式（10）的意义与ECET的问题模型类似。MCET问题模型特殊在于：(1)目标函数（式（6））及约束条件（式（7）、式（8））的构成元素由组合服务替换成了组合服务组，以反映MCET下组合服务与任务请求之间的“多对一”关系以及“合众为一”的组合服务捆绑策略；(2)式（9）代表了如何从构件服务的QoS计算得出组合服务QoS，再得到组合服务组QoS的过程，该过程需运用内部组合结构模式及其表达式计算得到组合服务QoS[5]，以此为基础，再运用外部组合结构模式及其表达式得出组合服务组QoS[14]，其中，函数fin＿out代表运用内部及外部组合结构模式的计算表达式实施运算。
针对场景2的求解，由图8可知，基于MCET模式，当T1的强QoS约束导致单个组合服务无法满足时，可将多个组合服务再次聚集到一起，捆绑成一个组合服务组，共同响应强QoS约束的任务请求。
3.3 多组合执行多任务组合模式
定义3多组合执行多任务（multi-composition for multi-task,MCMT）组合模式。即若干任务可组成一个任务组，若干组合服务可组成一个组合服务组；一个任务组中的多个任务可共享使用一个组合服务组中的多个组合服务。
MCMT组合模式适用于有任务过量的复杂多任务服务组合优化问题（场景3），其整体决策包含三个部分：(1)合理的任务组划分；(2)组合服务的构造、优选决策；(3)合理的组合服务组构造。MCMT模式破解任务过量问题的关键在于：它同时满足多任务全局优化、组合服务捆绑、组合服务共享三个原则，允许组合服务与任务请求之间最一般的多对多关系，以最大限度地挖掘现有资源的潜力。
根据定义3，其问题模型建立过程如下。
(1）设定决策变量z(i,n）、x(l,j,k）、y(l,n）。z(i,n)=1代表第i个任务请求Ti被配属到第n个任务组TGn；反之则z(i,n)=0。
x(l,j,k)=1代表第k个构件服务CS(j,k）自第j个候选服务集CSSj被选取组合到第l个组合服务Sl中；反之则x(l,j,k)=0。y(l,n)=1代表第l个组合服务Sl被捆绑到第i个组合服务组SGi中，共享给第n个任务组TGn中的所有任务使用；反之则y(l,n)=0。
(2）输入参数。输入参数与多组合执行每任务组合模式输入参数相同。
(3）问题模型：
式（11）～式（15）的意义与ECET及MCET问题模型类似，MCMT问题模型的特殊之处在于：它新增了任务请求的分组过程（式（15）），并利用任务组对应组合服务组（式（12）），构成了GOS-CTOSC框架中最一般的“多对多”映射关系，形成了该框架中最一般的问题模型。但正因它的一般性，使之具有了极高的问题复杂度，也更依赖高效算法的设计与实现。
需要说明的是，组合服务组和任务组规模不会无限膨胀，且组合服务组也不会被无限划分。原因在于：(1)组合服务捆绑规模的增长会自然受到QoS指标体系的约束，例如：实施捆绑策略固然可利于QoS时间指标优化（更多资源执行任务使工期缩短），但同时也导致QoS成本、可靠性等指标恶化（租用更多资源需支付更多租金，协同更多服务环节使风险增加），故一定捆绑规模下会形成Max-min问题下的平衡态；(2)由于构件服务的QoS有限，则组合服务组必然存在QoS上限，故任务组规模扩张也将受到遏制；(3)由于资源共享将导致管理、物流、协同等额外开销，故组合服务组被无限划分共享的情况也会受到遏制。
基于上述问题模型，求解场景3如图9所示。针对场景3的求解，由图9可知，当组合服务相对任务请求发生数量上的紧缺时，可依据MCMT模式：一方面按照最适宜的分组数量对任务请求进行分组，另一方面按相同分组数量将构造的组合服务捆绑成若干组合服务组，并将组合服务组配置给各任务请求组共享使用，以此来化解组合服务紧缺的矛盾。
4 GOS-CTOSC框架的实现与验证
4.1 GOS?CTOSC框架在云制造原型系统服务组合优化引擎中的实现
GOS-CTOSC框架实现了三类组合模式：ECET、MCET及MCMT。其特性如表1所示。从表1可知，GOS-CTOSC框架中，三类组合模式的优势和局限均十分突出，没有一种组合模式可将其他模式完全代替。故在云制造应用中，可根据实际在适用范围、复杂度、难度间进行权衡和抉择。
注：A．单/多个“单资源需求型”任务或单个“多资源需求型”任务请求情形；B．不含强QoS约束和任务过量情形。
我们在前期研发的云制造原型系统[20]的服务组合优化引擎中设计实现了任务请求探测模块。该模块在调用GOS-CTOSC框架中不同的组合模式之前，会检测任务请求的类型，以便组合执行模块调用最适宜的组合模式执行服务组合优化过程。
GOS-CTOSC框架采用Java语言编程实现；同时，利用MATLAB实现了ECET、MCET及MCMT三种组合模式，并封装成可供调用的．jar文件。其中，ECET、MCET及MCMT实现模块均选取了时间、成本、可靠性三个维度的QoS指标，并分别基于3种组合模式的问题模型实现了对应的求解算法；求解算法采用了基于混合算子的矩阵编码遗传算法（hybrid-operator based matrix coded genetic algorithm,HO-MCGA）予以实现。在笔者的前期研究中，该算法对较复杂的组合优化问题具有良好的求解性能[14]。
GOS-CTOSC中实现多任务请求与组合模式的执行逻辑如图10所示。
4.2 模拟实验
基于4.1节的GOS-CTOSC框架实现，我们在云制造原型系统中分别模拟了多任务、强QoS约束、任务过量的情形。原型系统模拟生成上述三类情形的步骤如下：
(1）随机生成各候选构件服务的QoS指标值。
(2）从各个构件服务候选集中找到时间、成本、可靠性三种维度的最大、最小指标值；利用这些值计算组合服务的绝对最小、最大QoS评估值[6]（用Qmin、Qmax表示）。
(3）分别生成三类情形：(1)多任务情形。在[Qmin,Qmax）内随机生成若干任务请求的QoS约束，且任务数量少于给定的构件服务所能组成的组合服务的规模。(2)强QoS约束情形。在[Qmin,Qmax]内靠近Qmax一侧，随机生成若干任务请求的QoS约束，当其值接近Qmax时，即出现强QoS约束。(3)任务过量的情形。在[Qmin,Qmax）内随机生成若干任务请求的QoS约束，且任务数量可多于给定的构件服务所能组成的组合服务的规模。
从服务组合优化引擎的运行状况来看，GOS-CTOSC框架能高效高质量地求解多任务或强QoS约束场景下的服务组合问题（表2及图11）；传统全局策略因出现了无法满足某些任务QoS约束的情况，以致组合结果的QoS受惩罚而下降（表2）。此外，当任务过量时，GOS-CTOSC也能以显著高于传统策略的QoS响应所有任务请求（表2）。但在该场景下，GOS-CTOSC仅适合处理较小的问题规模，当问题规模逐渐增大时，其时间性能渐成瓶颈（见图11）。
5 结论
(1）指出了云制造系统任务请求的特殊性及传统服务组合优化策略应用于云制造典型场景存在的选择冲突、次序冲突、可行组合失败、服务响应失败等局限与原因，并提出了服务组合优化策略设计的原则。
(2）设计了面向复杂任务请求的服务组合优化全局策略框架，突破了传统策略面向单任务及加诸于任务请求和组合服务之上的“一一映射”基本假设，建立了以多任务全局优化、组合服务捆绑、组合服务共享为原则，适宜于云制造环境的ECET、MCET及MCMT组合模式。
(3）提出了以面向复杂任务请求的服务组合优化全局策略框架为基础的服务组合优化引擎实现方案，并在云制造原型系统中初步验证了其可用性。
云制造系统论文 篇4
模具是一种工艺装备, 广泛应用于制造行业中, 比如汽车、国防, 以及仪器仪表等。模具在生产的过程中以结构成型为方式, 工艺先进、成本低廉, 且产品质量好, 能够满足大批量生产的特点。可以看出, 模具的应用大大提高了企业的生产率, 在有效的时间内创造了更高的经济价值, 从而增强了企业的核心竞争力, 促进了这些企业的长久发展。因此, 对云制造的模具协同制造模式进行探讨显得非常有意义。
1 模具制造的基本现状
我国模具制造的发展速度非常快, 并且应用的范围逐渐扩大, 促进了工业产业化。但是与此同时, 相比国外的发达国家, 国内模具制造的工艺还不够先进、成熟。当前, 世界全球一体化进程不断推进, 促进了信息化时代的发展。在这种情况下, 企业之间的竞争力不断加剧, 为了使企业在竞争中立于不败之地, 需要不断更新理念, 创新生产工艺, 从而实现产品的更新换代。模具制造依靠传统的生产工艺, 成本比较高, 而且周期长, 面临着巨大的压力与挑战。因此, 企业必须转变思维方式, 提高模具设计制造模式的含金量, 实施精细化作业, 以此来满足市场的需求。
2 模具云制造模式概要
2.1 云制造模式
在云制造模式下, 以计算机网络平台为基础, 充分运用现代化网络技术、资源, 提高模具制造的精细化与信息化。传统的模具生产量比较小, 集中于单位小批量生产, 信息资源缺乏, 生产率不高。随着市场经济的快速发展, 互联网+模式被运用到各行各业中, 并且在生产方式的创新上起到了重要的作用。实践证明, 打造云制造的模具服务平台, 可以加强模具企业的交流、沟通, 集中各方资源、信息, 转变模具设计、制造的思路, 适应瞬息万变的市场机制, 并不断提高服务的质量。
2.2 云制造的特点
传统的模具加工, 资源利用率不高, 即便采用了网络制造模式, 也仅仅起到了集中分散资源的作用, 效果并不大。云制造模具协同以及制造模式与前面的制造方式不同, 它可以针对不同的用户, 提供多对一、多对多的优质服务。具体表现为:利用云制造网络平台, 针对用户的实际需要与要求, 调动分散的信息、资源, 以便对用户提供设计、制造多方面的服务。同时, 在云制造中, 还可以最大程度的整合企业的软件、硬件设备, 完成模具设计等。除此之外, 也可以针对用户的实际需求, 以资源共享的方式, 将模具设计、制造方面的信息分享给更多的用户。
3 云制造的模具协同制造模式研究
3.1 CAD层
首先, 按照相关的要求, 用户需要向设计人员提供产品的零件图。其次, 设计人员应该针对零件图的特点, 来设计产品的造型, 同时利用CAD软件得出数字建模。然后, 打开软件中的模具设计板块, 根据模具设计的要求, 完成数字模型的构建。在此基础上, 运用离散-堆积原理的RE技术, 快速制作完成的数字模型, 从而得到模具的成品。另外, 在产品的形态为实物的情况下, 还需要对其进行测量, 完成数据的曲面重构, 得到产品的数字模型。相同的零件, 采用的处理方式一致。
3.2 CAE/CAM层
在运制造环境下, 需要利用CAD软件制造三维建构。同时, 需要对制造出来的三维建模进行仿真分析、研究, 找出存在的问题与漏洞, 然后采取针对性的措施, 提高设计的可靠性。只有不断优化仿真模拟环境, 才能提高模具生产的效率, 最终达到理想的结果。
有一些模具零件的设计要求比较高, 除了利用CAD软件实现三维建构之外, 还需要导入到其他软件当中, 经常用到的为IGES、STEP软件。导入之后, 再进行深层次的设计、制造。在三维模拟建构中, 利用数字化程序可以将模具切割的轨迹展示在计算机平台中, 具体表现为一连串的模拟数据。然后, 根据模具成产的要求、指标, 采用人工操作的方式, 进行模具零件的生产、加工。最后, 当模具的加工、生产完成之后, 还要进行将模具与外部构建进行配备, 如果没有问题的话, 就说明制造的模具符合厂家要求。
4 实例分析云制造的模具协同制造模式
下面通过实例分析来探讨云制造的模具协同制造模式。某塑料企业需要生产一种森齿轮, 完成注塑。该零件的特点是形状小, 结构复杂。这家企业在运制造模具平台上发出了请求, 平台针对该零件的特点, 介绍L公司承接此业务。L公司利用RE技术实施三维建模, 然后把得到的数据导入到IGES、STEP软件中, 在此基础上启动CAM加工程序。在该程序中, 利用高效的数控加工设备, 来加工森齿轮注塑模具, 为企业提供了优质的服务。实践表明, 云制造有利于对分散的资源进行集中调配, 实现多对一、多对多的服务, 促进了模具产业的现代化、信息化。
5 结束语
模具制造是工业生产的重要组成部分, 在汽车、国防行业中占据重要的地位。当前, 随着科技的不断发展, 信息化技术不断被应用到企业发展当中。传统的模具制造方式简单, 主要以小批量生产为主, 生产效率不高, 已经不能满足市场经济的需要。本文首先阐述了模具制造的现状, 然后对云制造的模具协同制造模式进行研究, 包括CAD、CAE、CAM层的具体应用等, 并结合实例来分析, 希望能起到参考的作用。
参考文献
[1]李强, 秦波, 包柏峰.基于云制造的模具协同制造模式探讨[J].锻压技术, 2015 (06) .
云制造系统论文 篇5
随着云计算各种核心技术的日益发展和成熟,制造领域出现了云制造技术。李伯虎等[1]认为,云制造是一种为用户提供各类按需制造服务的一种网络化制造新模式。杨海成[2]认为,云制造是把“软件即服务”的理念拓展至“制造即服务”,为产品提供高附加值、低成本和全球化制造的服务。目前,国内很多高校与研究所对云制造的服务模式、体系架构、关键技术进行了探索[3,4,5,6],结合科技部云制造主题项目。
本文主要探索云制造环境下的资源服务管理及其远程使用的实现方法。利用云计算的核心技术——虚拟化和软件即服务(software as a service,SaaS)技术,构建虚拟机群集及其虚拟桌面池;基于GFS(Google file system)技术以及MySQL的二次开发,研究开发了一种基于云制造平台的云资源管理及其资源匹配调度方法;在.Net环境下,利用PowerShell技术等实现了云制造资源的远程共享。
1 云计算与云制造服务模式对比
云计算服务模式的核心思想是将海量的由网络连接的计算(包括存储)资源统一起来进行管理和调度,构成一个计算资源池向用户提供即时按需服务。云制造服务模式的核心思想是将海量的与产品全生命周期有关的产品论证、设计、生产、仿真、管理等阶段的软硬件资源通过服务化封装,形成一个个制造服务池,并通过云平台进行统一管理和调度,向服务需求企业提供即时按需的制造服务。云制造与云计算的最大不同是所提供的资源服务的不同,除了云计算中的计算和存储等资源服务外,云制造还加入海量的硬软件制造资源(各种加工设备、检测设备、专业设计分析软件、管理软件等)。云制造和云计算服务模式的概要对比如表1所示。
云制造的关键技术包括云制造模式设计及其平台构建、硬软件制造资源虚拟化及其云端接入、云资源感知和适配、云资源的综合管理和调度使用等。本文针对制造企业的产品设计、仿真、论证、管理等过程中所需要的软件资源的虚拟化及其优化管理、远程共享调用等进行初步研究和应用开发。
2 虚拟化集群及云制造平台架构
云计算中的虚拟化是一个抽象层,它主要将具体的物理硬件与相应的操作管理系统分开,从而提供动态的资源配置及其高效的资源利用能力。目前用于构建虚拟机系统的虚拟化技术已经有很多,如VMware公司的Workstation、ESX Server[7],开源Xen、KVM、QEMU等。
VMware公司的VI3(VMware Infrastructure 3)是一种基于X86的企业级服务器虚拟化软件,它由ESX Server、Virtual Center(VCenter)、Consolidated Backup三个产品组成。ESX Server是虚拟化的基础平台,提供对服务器CPU、存储、网络等硬件资源的管理及虚拟化,虚拟机(VM)运行在ESX Server之上;Virtual Center Management Server是对企业的虚拟架构进行集中管理的控制台,通过它提供的图形界面,可以对企业的虚拟机架构进行配置、监控及优化,管理每台ESX Server;Consolidated Backup可以实现对虚拟机的集中备份,使虚拟机能够通过一个集中化的代理服务器进行备份。
本文利用VI3解决方案分别建立了架构即服务(infrastructure as a service,IaaS)、平台即服务(platform as a service,PaaS)及SaaS群集,如图1所示,并基于虚拟机集群构建了初步的云制造服务平台,如图2所示。利用ESX Sever 建立多个虚拟基础平台,然后分别在每个虚拟基础平台上建立了多台虚拟机,并利用VCenter集中管理群集中的所有虚拟机;各种制造软件资源存在于虚拟机中,并将各虚拟机文件存储在外部实体存储设备中,以防止资源的丢失。图1所示为本文所构建的基于VI3架构的虚拟机群集,图2所示为基于虚拟机群集的云制造服务平台架构。所构建的云制造平台中,SaaS群集包括2个ESX Server虚拟基础平台,2个基础平台上共运行6台虚拟机(3台提供分布式计算的服务,3台提供远程电磁计算的服务)。
3 云制造平台软件资源管理和调度
3.1 云资源存储方式及其搜索算法
GFS是Google提出的分布式文件系统,它的主要特点是海量文件数据的安全存储及其高效快捷的查询、读写。一个GFS群集包含一个主服务器和多个文件块服务器;客户端与主服务器只进行少量的元数据交互和操作,而所有具体文件数据访问及其传输通信都是直接和块服务器进行的。借鉴GFS的原理,本文构建了云制造环境下海量云资源的存储方式及其访问搜索算法。
云制造系统中需要管理海量的各种各样的共享硬软件云资源。本文基于开放源代码的关系型数据库系统MySQL,为海量云资源构建了一个主服务器(mainServer)和若干分布式节点服务器(nodeServer)。主服务器存放云平台可提供的所有云资源服务的元数据,每个节点服务器提供相应云资源服务的所有虚拟机的名称、物理地址、状态信息、执行服务的Shell关键代码等。通过上述主服务器和节点服务器上的两套数据库表,可以保证对云制造系统中海量云资源的快速查询和访问。
云资源的存储及其访问架构如图3所示。远程客户根据所需资源服务的类型,首先在主服务器中搜索相应的资源服务类型的状态值State;State=2表示该资源服务使用量已达极限,暂时不能提供该类型的服务,反馈“等待”信息;State=1表示目前云平台可提供相应资源服务,所以从相应的节点服务器中获得该资源服务的详细信息,并形成具体的资源服务命令(Shell代码),以及提供该资源服务的具体虚拟机的物理地址(VM标识)。远程客户根据反馈的Shell代码及相应VM标识信息,执行相应的资源服务。
基于上述云资源的存放数据库结构,通过下述findidandshell算法可以实现基于远程客户服务请求的云平台的相应服务检索:
3.2 制造云资源服务的调度执行
基于远程Web客户端的服务请求的云资源服务的调度执行方法如图4所示。具体通过下述scheduling算法实现:
TypeCmd是云资源服务的调用主程序,它采用VB.Net多线程编程,避免了大量请求情况下TypeCmd服务响应过慢的问题。对于TypeCmd主程序,不同的用户云资源服务请求有不同的“Shell代码”及其“VMid”,它们决定了用户的某个服务请求具体用什么命令,在哪台虚拟机上执行。
如果用户所请求的服务为软件资源服务,那么可以安排到合适的虚拟机运行。虚拟机服务启动后,在VCenter的管理下,可以保证动态迁移和7×24h的可靠运行,而资源使用方并不关注具体是哪台虚拟机在提供服务。当虚拟机中的资源服务结束后,平台获得服务完毕信息并修改相应nodeServer表中的资源服务状态信息。
如果用户所请求的资源服务是机床加工、实物测试一类的硬件资源服务,TypeCmd主程序的执行结果可能是一个短信通知、一个远程的串口通信指令或发给远程硬件设备终端的一份任务单等,用于通知或启动相应的设备(或人员)进行相应的资源服务。
4 基于云制造平台的远程电磁分析服务
电机设计制造过程中,其电磁分析设计是一个关键步骤。Ansoft是一套电机设计软件,包括MAXWELL、SIMPLORER、RMxprt和PExprt等模块,可用于高频产品、机电产品等的分析设计。本文提供的远程电磁计算服务基于对RMxprt和MAXWELL的调用和操作,研究开发的TypeCmd程序可以利用RMxprt自动生成计算元模型,并自动进行材料等属性的配置,最后自动调用MAXWELL进行电磁分析计算服务。
客户浏览器端发出服务请求,并从云平台获取到相应的Shell代码后,云平台将调用与之对应的TypeCmd程序并执行PowerShell命令,以启动相对应的虚拟机及其包含的应用软件资源。
该资源服务相应的执行主程序(TypeCmd程序)的伪代码如下:
MaxWellCmd.ps1中的以上关键信息来自远程客户端的Shell代码里的动态信息,从而可保证及时启动相应虚拟机上的相应服务。
为了实现远程的电磁计算分析服务,本文通过对Maxwell执行程序的各种配置文件及其输入文件的分析,建立电磁计算的元模型,实现远程客户对该应用软件的客户化参数设置。远程虚拟机启动电磁计算程序时,自动读取远程客户端所输入的电磁计算所需要的各种配置信息,实现电磁计算软件所需要的客户化配置,避免了应用软件的本地化人机对话式操作。
电磁分析计算服务完成之后,其计算结果以两种方式反馈给远程客户:一种是直接将计算完成之后生成的如pwrlos.dat、current.dat等dat文件(文本文件)上传到云平台服务器,供远程客户通过Web浏览器下载;另一种是在Web浏览器端以文本和图形方式直接显示。图5所示为远程客户下载的电磁分析结果数据文件片段及其结果曲线的显示片段。
5 结语
云制造是基于云计算的一种新的制造模式,目前还处于初级发展阶段;如何构建各种云制造服务平台并为分布式客户提供各种制造资源服务还有待深入研究和实践。本文基于VI3架构初步建立了一个云制造服务平台,针对云制造海量资源的管理和调度特别是SaaS服务调度,依据GFS分布式文件存储的原理提出了一种满足云制造要求的云中软件资源管理和调用方法,在一定程度上能快速高效地调度云资源并为远程客户提供资源服务。基于该平台的Ansoft电磁计算软件的远程调用验证了本文所研究方法的可行性。
摘要：针对各种制造相关资源的广域共享需求,利用云计算的核心技术——虚拟化和软件即服务技术,初步构建了一个制造软件资源管理及其远程共享的云制造平台。基于VI3架构建立了虚拟机群集,实现了各虚拟机的动态管理;参考GFS结构,研究开发了一种海量制造软件资源的组织和管理方法;在.Net环境下,利用PowerShell技术实现了远程客户的基于因特网的软资源调用。针对电机设计,示例了云平台下电磁计算软件的远程共享调用过程。
关键词：云计算,云制造,虚拟化,软件即服务,软件共享
参考文献
[1]李伯虎,张霖,王时龙,等.云制造———面向服务的网络化制造新模式[J].计算机集成制造系统,2010,16(1):1-7.Li Bohu,Zhang Lin,Wang Shilong,et al.Cloud Manu-facturing:a New Service-oriented Networked Manu-facturing Model[J].Computer Integrated Manufactur-ing System,2010,16(1):1-7.
[2]杨海成.云制造是一种制造服务[J].中国制造业信息化,2010(3):22-23.
[3]张霖,罗永亮,陶飞,等.制造云构建关键技术研究[J].计算机集成制造系统,2010,16(11):2510-2520.Zhang Lin,Luo Yongliang,Tao Fei,et al.Key Technol-ogies for the Construction of Manufacturing Cloud[J].Computer Integrated Manufacturing System,2010,16(11):2510-2520.
[4]李伟平,林慧苹,莫同,等.云制造中的关键技术分析[J].制造业自动化,2011,33(1):7-10.Li Weiping,Lin Huiping,Mo Tong,et al.The Technol-ogies in Cloud Manufacturing[J].Manufacturing Auto-mation,2011,33(1):7-10.
[5]王正成,黄洋.面向服务链构建的云制造资源集成共享技术研究[J].中国机械工程,2012,23(11):1324-1331.Wang Zhengcheng,Huang Yang.Research on Integra-tion Sharing Technology of Cloud Manufacturing Re-source Oriented to Service Chain Construction[J].Chi-na Mechanical Engineering,2012,23(11):1324-1331.
[6]邓朝晖,刘伟,吴锡兴,等.基于云计算的智能磨削云平台的研究与应用[J].中国机械工程,2012,23(1):65-68.Deng Zhaohui,Liu Wei,Wu Xixing,et al.Research and Application of Intelligent Grinding Cloud Platform Based on Cloud Computing[J].China Mechanical En-gineering,2012,23(1):65-68.
云制造系统论文 篇6
中国制造业面临一个巨大的挑战, 表现在几个方面:首先, 整个全球的制造业正面临新技术革命和产业革命二次变革的前夜, 具体来说, 就是新一代的信息通信技术快速发展, 并且和制造业深度融合, 制造业发展理念、制造模式、技术体系和价值链的巨大变革在美国、德国等先进国家计划里可以充分的看到这一点。
工程院在周院长的领导下, 50多位院士和100多位专家, 对中国实现又大又强提出了五个转变, 由技术跟随略向自主开发战略转变向技术超越转变、从数字化向之化转变、粗放型向制造效益转变、从生产加服务转变等。国家在“十六大”开始就有了宏观对策, 就是两化融合, 特别是政府工作报告提出了中国制造2025的战略规划和“互联网+”的行动计划, 对我们的目标, 指导方针、战略路线、制定了九大战略任务, 十个重点发展领域和五个重大工程等等, 纵观国内外制造领域有关的技术与应用的发展, 并且基于我国制造业信息化的技术, 2009年提出了云制造的的理念, 在2012年提出了智慧云的实践。
什么是智慧云?简单地说, 智慧云制造就是一种基于泛在网络, 以人为中心, 互联化、服务化、个性化、社会化的一种智慧制造新模式和新手段。基于泛在网络, 以人为中心, 借助四类技术深度融合的数字化、网络化、智能化技术手段, 是信息化的制造技术、新兴科技技术、智能科学技术以及制造应用领域技术。通过这些手段把制造的资源和能力, 包括人, 构成服务的云, 使得用户通过终端和云制造服务终端的平台, 就能够随时随地按需获取你所要的制造资源和能力, 对制造全系统, 全生命周期里边的人及物进行智慧地感知、互联、协同、学习、分析、预测、决策、控制和执行, 使制造全系统及全生命周期里三个要素, 就是人组织、经营管理和技术装备, 流就是信息流、物流、资金流、知识流, 最后就是提高企业和集团的市场的竞争能力。
为什么叫智慧, 因为其强调了创新驱动, 以人为中心的人机深度融合, 数字化、网络化、智能化的深度融合和工业化和信息化的深入融合。
概念模型, 这个概念模型有三大部分, 一是支撑制造的能力和制造资源, 二是云池, 三就是全生命周期的应约。一个核心就是智慧云制造平台。两个过程, 服务拉进去, 拉出来服务。三类人员, 一是智慧制造服务的提供者, 二是运营者, 三是服务者。作为企业可以兼顾这三者。这样一个设备可以到单元、车间, 可以到企业和跨行业。
更具体来说是这样的结构, 下面是实实在在的制造资源和能力层, 中间是一个平台, 这个平台里又分成感知通信层、虚拟资源能力层、支撑功能层、用户界面三类用户。再上面就是人和组织。所以这里面在平台上面以后这是应用层, 所以实际上智慧云制造系统是一种基于泛在网及其组合人机物环境信息, 提供智慧制造能源和能力, 随时随地按需服务的互联系统, 就是一种互联网或者云加制造资源一种智慧制造系统。当然, 这个范围可以到设备、单元、工厂、区域、城市、行业、跨行业以至全球。
这几年我们对智慧云制造系统的技术体系提出了几类, 像总体系统技术、产品的专业技术、系统的支撑平台技术、云的产品设计技术、云的生产装备技术、云经营管理技术、云的仿真试验技术、云服务技术。比如说云的制造模式、智慧云制造系统商业模式、系统集成方法等等。
同时软件是这里面很重要的工作, 我们对这里的系统软件和平台软件都做了仔细的分析和公关。比如说我们的平台, 平台里可能有感知技术、虚拟化服务化技术、构建技术、运营技术、平台的环境评估技术、可视化的制造服务技术、知识、模型、数据管理技术、人机交互等等。
从上面可以看到这个智慧云制造系统, 一句话就是智慧化。具体来说, 就是制造资源和能力, 它是数字化的、物联化、虚拟化、服务化、协同化、定制化、互联化和智能化, 我们把它统一叫做智慧化。
智慧云制造实际上是云计算在制造领域的一个落地和拓展。首先云计算是共享计算资源, 智慧云制造是制造应资源、软资源以及能力, 包括认证、设计、生产、仿真、实验、管理等各种各样的专业能力。
同时, 我们不仅仅是提供计算服务, 而且提供制造业用户、企业用户和产品用户为中心, 按需动态架构, 互操作、协同、网络化异构柔性操作。因此它的支撑技术不仅仅是云计算, 当然云计算是提供了资源能力的存储共享和协同及智能计算使用技术。其他在我们这里提供了很多技术, 互联网技术包括CPS, 包括服务计算、建模仿真自动控制、高效能计算、大数据、电子商务、安全、网络通信、智能科学, 作为大制造技术绝对是这里的基础。因此, 它是互联网时代的一种智慧制造的模式和手段。
表现在实现产品服务为主导的, 制造全生命周期、全系统随时随地的按需的社会化智慧制造模式, 这里智慧云制造有很多优点, 就是按需、动态、敏捷、柔性地聚集和共享知识、资源能力, 因此可以加快中国推进五个转变, 能够支持个性化制造、社会化制造、绿色制造, 使得我们企业的竞争力大大提高。
智慧云制造通过引进新的制造模式、新的手段, 产生新的产业形态创造新的价值。
现在开始了云制造2.0, 在“863”项目的支持下, 以航天和轨道两个背景企业集团, 取得了初步的成效, 正在智慧城市建设实施智慧云制造。
工信部已经在16个省启动了工业云创新行动计划。航天科工集团启动了更广、更深的应用。
云制造模式就是以人为中心的, 互联化、个性化、服务化、社会化的智慧制造新模式和手段。
外国人也做, 中国人也做, 所以要突出中国云制造研究和实施的特点和优势。比如说我们强调了需求牵引云制造系统, 系统再强调人组织、设备技术经营管理协同发展脱选上升。我们强调新一代信息技术:云计算、互联网物联网、大数据等和大制造技术, 智能科学技术和产品专业技术的深度融合。通过以建立智慧制造新模式与新手段为核心, 强调了制造企业的用户和用户产品, 突出工业化、信息化、城镇化、农业现代化的同步发展。
从技术上讲, 平台很重要, 但是云设计、云生产、云管理、云试验、云服务等技术, 它的模式和流程更重要, 这个才是云时代, 所以商业模式很重要。在技术上不展开了, 大数据技术、网络安全服务防护、移动互联网、在线仿真都应该引入我们的智慧云制造。特别是3D打印, 如果我们做云3D打印, 将提出新的制造模式和手段。经济增长方式, 竞争力提高为目标, 走良性循环的道路。建立中国的智慧云系统, 组织开展知识、技术、产业发展项目, 制定相应的标准和评估体系等等。
沈鼓集团云制造平台建设 篇7
沈鼓集团以两化融合为主线, 以信息产业发展为基础, 以信息化应用为重点, 以体制创新和技术创新为动力, 以建设云制造平台为契机, 加强企业信息建设, 提升传统产业竞争力, 为建设工业强国、构建信息社会打下坚实基础。“十二五”期间, 沈鼓集团信息化工作重点是建立沈鼓集团的“云制造”平台, 为沈鼓集团进一步深化信息技术应用, 助力沈鼓集团创造明天新的辉煌。
沈鼓的“云制造平台”是在沈鼓两化融合成果和企业IT技术优势的基础上, 以沈鼓中心机房、网络、硬件平台、ERP等标准管理系统和专业应用软件为基础条件, 建立以沈鼓下属的北方电脑公司为主体, 集合社会专家知识、经验优势的沈鼓云制造平台。
沈鼓集团云制造平台的应用, 将快速有效地整合各子公司当前的信息化难题, 使之成为沈鼓集团技术研发创新与生产经营管理活动的先进的平台, 不断地促进管理流程的完善和优化, 促进企业的管理创新和文化创新, 提升全员的综合素质, 提高企业的管理水平, 实现苏总提出的“用计算机语言统一全集团”, 保证企业今后乃至未来信息化工作能够持续、有效开展。
该项目建成后, 在总结沈鼓云制造的运行经验和商业模式的基础上, 为建设沈阳市两化融合服务中心及云制造服务平台提供可用的经验。
1 建设背景
沈鼓集团不断深化两化融合, 推动子公司信息化发展更上一层楼, 集团软硬件资源得到充分共享, 形成云资源, 提高安全性, 节能环保。
1.1 沈鼓集团发展子公司信息化的需要
目前沈鼓集团各子公司信息化应用和推广并未完全到位, 个别子公司应用存在很大差距, 直接导致沈鼓子公司信息化重复投资, 低水平运行。所以, “十二五”期间沈鼓将结合各子公司的需求开发云制造平台。
1.2 沈鼓集团软硬件资源得到充分共享
通过沈鼓云制造平台, 将解决各子公司各自为战的信息化局面, 会使集团软硬件资源得到充分共享, 以“服务即产品的理念”形成新商业模式, 为沈鼓更好的发展凝聚优势。
1.3 形成云资源, 提高安全性, 节能环保
通过云制造平台, 可改造和扩充已有的信息化系统, 跨地域, 跨服务器。目前沈鼓集团应用系统跑在多台服务器上, 要时刻用各种措施保证数据安全的问题, 一旦中断将造成停产的局面, 后果不堪设想。通过打造云制造平台后, 不用考虑数据在哪个服务器上, 即使某个出现故障, 也可使数据在云中飘移, 既减少大量了硬件投入, 又将所有资源切实地整合在一起, 形成了大的云资源。云制造平台体现了节能环保的理念, 减少重复投资及低水平建设, 保证集团整体全面一致的管理思路及较高的信息化水平。
2 建设目标
沈鼓集团云制造平台的建设目标, 是将集团内部的设计研发、工程应用、经营管理、生产制造等应用软件加以整合, 建立在线应用平台, 实现专业化运维和服务, 以快速有效地整合各子公司当前的信息化难题, 使之成为沈鼓集团技术研发创新与生产经营管理活动的先进的平台, 不断地促进管理流程的完善和优化, 提高企业的管理水平, 保证企业今后乃至未来信息化工作能够持续、有效开展。
3 建设的主要内容
沈鼓集团云制造平台建设包括两个平台和一种模式, 即“应用平台”、“支撑平台”和“商业服务模式”。
1) “应用平台”包括计算、制造、管理和服务等功能
应用平台的工作重点是对CAX/PDM/CAPP/ERP增加功能和系统优化, 建立统一的应用共享平台, 建立集团管理驾驶舱, 建立决策反馈系统;改进和扩大物联网技术应用, 提升远程监控技术的应用水平和应用规模。
(1) 计算云平台是以流场分析、热场分析、力学分析、设计计算等设计研发软件为主体的设计研发平台。将进行设计研发类软件整合、升级与购置, 将设计研发类现有的计算软件, 尤其是通用计算软件, 使用虚拟技术建立集群, 放在一起共享, 方便各子公司根据需求自行选择使用;
(2) 制造云平台是以CAD/CAM/CAPP/PDM/DNC等为主体的工艺加工平台, 主要由CAD (计算机辅助设计) 、CAM (计算机辅助制造) 、CAPP (计算机辅助工艺过程设计) 、PDM (产品数据管理) 、三维加工软件 (NC代码生成) 、DNC系统 (NC代码文件管理和控制) 、数控机床 (文件检索、接收) 、MDC系统 (机床工作状态监控) 等构成。在虚拟平台下将车间制造资源与产品设计资源有机整合在一起, 为企业的信息化管理提供统一完整的数据支持, 全面实现云平台下的生产制造;
(3) 以物料编码系统/ERP/MES/OA等为主体的经营管理平台、企业管控应用平台、供应商平台、领导查询平台、协同办公平台等的集成化管理云平台。将对北极星产品由C/S模式升级为B/S模式, 建立多组织架构, 对系统流程优化;
(4) 以呼叫中心和物联网远程监控应用等服务云平台;利用物联网技术, 在原远程监控基础上扩建, 形成服务云平台, 开发呼叫中心, 提升“动设备”机组远程在线监控、诊断和报警应用水平, 为用户设备安全可靠运行保驾护航, 避免用户设备维护不当造成的直接和间接损失。
2) “支撑平台”建设是在沈鼓中心机房、网络、服务器等基础上, 利用虚拟技术建立符合“云”应用要求的资源优化共享的硬件平台
在支撑平台上, 为适应对沈鼓各子公司以及今后推向社会的服务, 进行网络改造升级, 加强硬件建设, 对服务器、工作站等硬件设备进行采购, 建立虚拟服务器, 建设沈鼓集团的数据中心, 建立大型存储及异地备份系统。
3) “商业服务模式”是根据集团云应用方式的转变, 建立沈鼓信息化应用新的商业模式
(1) 应用软件在线租用服务
云制造平台中包括ERP、MES、协同办公系统 (OA) 、物料编码系统、供应商管理平台等管理类软件、还包括流场、热场分析计算、力学分析计算等设计研发软件, 以及CAD/CAM等工具软件, 为各公司提供各自需要的应用服务。
(2) 运维及托管服务
提供服务器及存储器数据中心服务, 提供7X24运维服务, 提供数据安全和备份管理。实现专业化服务, 专业化采购, 整合软硬件资源, 避免各子公司低水平开发和重复投入, 实现信息化资金分期投入, 快速见效。
4 建设意义
本项目将全面提高沈鼓集团信息化应用水平、提高企业产品的创新设计能力和加工制造水平, 提高市场占有率、降低产品成本, 促进制造企业信息化应用的发展, 还将获得的较大的社会效益。
4.1 为制造业带来新的信息化应用理念和工业生产方式
“云制造”不仅可以在沈鼓实现, 而且将会通过地域性的建设和应用, 带动先进的信息技术、制造技术以及新兴物联网技术等更加有效地交叉融合, 形成强大的、统一的社会资源, 为制造业带来新的信息化应用理念和工业生产方式。同时, 也为IT服务提供新的服务内容, 带动“制造即服务、服务即产品”的新的运营模式。
4.2 促进云制造从理论到实践, 推动“云”落地
沈鼓集团的云制造平台, 是我国在“云”思想和“云”概念的具体践行, 实施后必将极大促进我国正在进行的“云计算”和“云制造”从理论到实践, 从概念到内容落地的具体化, 更可以从中总结和积累大量的经验和教训, 进而指导和完善我国制造业环境下“云”的建设方法和实现策略。
4.3 为建设沈阳市两化融合服务中心及云制造服务平台提供经验
云制造为制造业信息化提供了一种崭新的理念与模式, 其未来具有巨大的发展空间。在沈鼓“云制造”取得经验的基础上, 将会提供面向中小企业的公共服务平台, 为其提供产品设计、工艺、制造、采购和营销业务服务, 提供信息化知识、产品、解决方案、应用案例等资源, 促进中小企业发展, 为国家和辽沈地区两化融合做出贡献, 促进沈阳先进装备制造企业的快速发展。
参考文献
[1]李伯虎, 张霖, 王时龙, 等.云制造--面向服务的网络化制造新模式[J].计算机集成制造系统, 2010, 16 (1) :1-7, 16.
[2]孙晓, 张秀芝, 王秀英.面向企业集团的制造资源网络化共享平台[J].吉林大学学报, 2009, 39 (1) :222-226.
云制造服务需求解析技术研究 篇8
云计算技术作为新一代服务计算技术,凭借其按需服务、资源虚拟化及为用户提供多粒度多尺度的按需服务能力等特点,得到了广泛关注与快速发展。云制造[1]是在云计算基础上以“按需服务”为核心的新型网络化制造模式,其利用资源虚拟化及多粒度、多尺度的访问控制手段,面向资源共享及任务协同目标,以分布、异构和多控制域的资源或资源聚合为云节点,透明、简捷、灵活地构建开放、动态地协同工作支持环境,同时提供通用、标准和规范的制造服务。
客户需求多粒度解析是保证云制造运行的关键技术。在云制造中,客户需求多样性且贯穿整个产品生产周期,客户需求解析的好坏直接关系客户对服务的满意度。客户需求信息一般涉及产品的整体特性,包括产品的性能、价格、交货期以及其他个性化需求,有些需求是模糊的,甚至是矛盾的需求,将客户需求信息转化为云制造系统所“理解”的多粒度语义调度信息是本文研究的重点。目前国内外很多学者研究了客户需求解析的方法。荷兰的Hofer.A.P等人[2]根据客户需求,在已有产品的基础上,根据需求差异,对产品进行局部、简单的修改或变异,经过整理、归类后形成了“产品族”。加拿大的Cariaga.I等人[3]在建立用户需求索引的基础上,通过数据封装分析(Data Envelopment Analysis,DEA)发现用户对产品设计更改的需求。桂林电子科技大学的刘夫云等[4]提出采用语义web构建客户需求框架,然后以此为基础采用推理机对客户信息进行推理,最终获取客户需求的方法。重庆大学的但斌等人[5]主要针对模糊的客户需求,首先构造模糊客户需求本体和产品族实例本体,然后基于本体映射的方法,通过相似度算法,获取准确的客户需求。西安交通大学的延鹏等人[6]提出了一种客户需求映射方法,将客户需求参数映射到产品模块属性参数,从而得到满足客户需求的产品配置。按需服务是云制造的主要特征,云资源提供给用户的是多种粒度的资源属性,云制造客户需求解析需同时面向客户个性化需求和云资源属性需求。上述研究主要从产品整体性能出发,限定解析对象,分析客户需求,获得标准化的客户需求,并未考虑资源的多粒度属性,显然已经不能适应云制造客户服务需求解析的需求,本文针对这一问题,结合云制造多粒度、多尺度等特点,采用语义web构建以客户需求为目标的多粒度云制造资源参数本体,建立一套共享的术语和信息表示结构,减少信息转换的难度和工作量,为客户需求信息提供了一个统一的模式,在此基础上通过Jean推理机对客户需求进行推理,从而得到具体、规范、全面的客户需求信息。
1 云制造资源本体框架
1.1 云制造资源类型
云制造资源指涉及制造行业的一切活动和产品生命周期的物理资源(如加工设备、计算设备、数据文档)和信息资源(如设备能力信息、信誉评价、领域知识)的总称[7]。云资源具有多样性、异构性、分布性、抽象性和自主性等[8]特点,其资源构成如表1所示。从客户需求出发并根据云制造资源的特点,云资源的语义描述需保证以下要求。
1)关联性:云资源应具有语义信息和领域知识含义,满足资源匹配、调度、搜索、异构资源间的融合与重构等要求。
2)唯一性:同类资源的语义描述有且仅有唯一的描述。
3)一致性:保证新加入资源能被准确的描述且与现有资源描述不冲突。
综上所述,以客户需求为中心的云制造资源的描述需要很强的信息表达能力和逻辑推理能力,本文采用Web Ontology Language(OWL)描述云制造资源本体框架,OWL是W3C推荐的语义互联网中本体描述语言的标准[9],以资源建模框架标准(RDFS)作为概念模型框架[10],采用描述逻辑(Descri Ption Logic DL)进行服务过程中的逻辑关系表达和关系推理,可形象化的将无序数据变为计算机“理解”的有序知识,具有很强的信息表达能力和逻辑推理能力。
1.2 多粒度云制造资源本体框架
根据云资源的分类及特点,设定云资源基本描述模型(P、C、T),Property为资源的属性,包含云资源名称、性能、功能及组成部分等信息;Cost为该资源的成本;Time为制造该资源的时间。如图1所示为云制造资源本体框架,对云资源进行多粒度分解,将资源分解至制造过程中云平台所能提供的最小制造元(即云平台能提供的最小制造能力),最小制造元随着云平台的制造能力而改变。云制造本体建模过程[11]如下。
1)定义云资源类及层次关系。从资源分解中抽出类及层次的关系。其中,类对应本体体系中的class;对象对应本体体系中的Instance或Individual。
2)定义云资源类之间的关系。主要是聚合关系,对应本体体系中的Object Property。
3)定义云资源属性。包括资源的名称、值、功能以及其他。对应本体体系中的Datetype Property。
2 基于Jean推理机的客户需求分析
2.1 Jean推理机
Jean由HP Labs开发的基于Java的开放源代码语义web工具包[12],为解析和推理owl本体提供推理引擎,针对云制造客户服务需求可进行以下两种推理:1)云资源类推理。主要推理云资源之间类的包含、不相交、等价等关系以及云资源本体的一致性检查。2)云资源属性推理。资源属性与资源类之间的关系以及资源属性间的包含关系。
根据云制造资源构成的特点以及客户需求的特点,按照Jean Rules编写以下推理规则:
将上述规则导入Jean推理机,同时将云制造资源中的概念本体(指图1中的云制造、云资源、属性等概念本体)存储为Cloud Manufacturing.owl,把实例本体存储为Cloud Manufacturing.rdf(此处导入本体为图4的LED驱动板的本体),具体代码如图2所示。
Rule1为资源间的属于关系;Rule2与Rule3为均资源间的等价的推理关系;Rule4为资源之间的包含传递关系;Rule5为资源属性的传递关系;Rule6为资源之间的类属关系。由输出可知:1)PCB-Material的子类资源全部输出;2)PCB-Material隐藏属性经推理机变为PCB的属性。
2.2 系统流程图
现构造云制造服务需求解析系统流程图,如图4所示,客户通过平台用户界面提交服务需求,首先通过任务处理器查询知识库,如果有同样的任务需求结果在知识库中,则直接输出任务解析结果;如果没有则继续通过推理机模块对任务进行推理解析,推理所得结果返回给客户以及存储到查询知识库中,领域专家通过API接口输入资源本体。
3 试验验证
本文以产品LED驱动板为例,通过My EclipseJAVA开发软件将云制造资源本体域和对应的规则库与Jean包连接,并在云制造演示平台进行了实验验证。图4为protégé软件构建的LED驱动板实例本体(该软件是斯坦福大学基于Java语言开发的开放源代码的本体编辑软件,拥有友好的界面以及提供大量的知识模型架构用于创建、可视化、操纵各种表现形式的本体,支持插件和基于JAVA的API扩展)。此处LED驱动板分解为PCB尺寸大小、PCB板材、孔径、线宽以及其他组成部分。各个制造元存在“父子”和“兄弟”的关系,“父子”之间存在传递关系,而“兄弟”之间存在互斥关系。
用户在需求界面输入如下需求:1)造价低廉2)产品规格小;3)线距为0.2mm,经推理分析后得到准确规范的客户需求如图5所示,可以看出客户提出的模糊、矛盾的信息被转化为标准、规范、全面的语义信息,取得了较好的结果。1)经推理得出如下产品组合;2)经推理采用PCB双面板且线宽采用最小的0.254mm来节约体积;3)与云制造平台所能提供的最小线距出现矛盾,修改为0.2mm,其他为客户未提出的产品制造信息。
4 结束语
本文重点研究了云制造服务需求多粒度解析方法:从客户需求出发,以云制造资源为目标构建了客户需求本体框架,在此基础上通过Jean推理机对客户需求进行解析,最终获得了多粒度客户需求信息。该方法较好的解决了网络制造中因客户需求解析不准确而导致任务失败的问题,为云制造的运行,提供了有效的解决机制。
摘要：云制造是在云计算基础上发展的一种新型网络化制造模式,按需服务是云制造“制造即服务”理念的重要体现,服务需求解析技术是实现云制造的关键技术。本文针对云制造的特殊性,从客户需求出发,以owl描述语言构建多粒度云制造资源本体,采用描述逻辑进行服务过程中的逻辑关系表达和关系推理,然后基于Jean推理机对客户需求解析,最终获得多粒度客户需求信息,并通过实例进行了验证。
关键词：云制造,多粒度,语义解析,推理机
参考文献
[1]李春泉,尚玉玲,胡春杨.云制造的体系结构及其关键技术研究[J].组合机床与自动化加工技术,2011,(7):104-107.
[2]HOFER A P,HALMANJ I M.The potential of layoutplatforms for modular complex products and systems[J].Journal of EngineeringDesign,2005,16(2):237-255.
[3]Ignacio Cariaga,Tamer El-Diraby,Hesham Osman.Integrating Value Analysis and Quality Function Deploymentfor Evaluating Design Alternatives[J].Canadian MetallurgicalQuarterly,2007,133(10):761-770.
[4]张超,刘夫云,贾焕香.客户需求获取与分析方法研究[J].微电子学与计算机,2010,27(11):64-67.
[5]但斌,姚玲,经有国,张旭梅.基于本体映射面向模糊客户需求的产品配置研究[J].计算机集成制造系统,2010,16(2):225-232.
[6]延鹏,赵丽萍,王冠群,聂庆峰.面向客户需求分析的产品模块化配置方法[J].计算机集成制造系统,2010,16(11):2341-2345.
[7]耿科明,袁方.Jena推理机在基于本体的信息检索中的应用[J].微型机与应用,2005,24(10):62--64.
[8]肖艳秋,等.虚拟制造中协同制造资源建模研究[J].制造业自动化,2012,(3):52-54.
[9]王时龙,宋文艳,康玲,等.云制造环境下制造资源优化配置研究[J].计算机集成制造系统,2012.
[10]贺文锐,何卫平.基于OWL的网络化制造资源建模与应用研究[J].制造技术与机床,2004,(9):114-118.
[11]吴雪娇,柳先辉.基于语义的云制造服务描述[J].计算机与现代化,2012,(1):40-43.