基于双前沿面数据包络分析的云制造服务功能匹配

针对云制造环境下功能匹配过程中属性权重需提前确定,进而影响匹配精度的问题,提出了一种基于本体相似度的双前沿面数据包络分析(DEA)匹配方法,该方法根据总体几何平均相似度进行服务排序,并自动生成属性权重。首先,为了提高匹配效率,从基本信息、类型、状态及功能四方面对云制造服务与需求进行描述;然后,引入信息量并改进相似度计算方法,提出基于概念语义距离、信息量和概念层次顺序的本体概念综合语义相似度计算方法;在此基础上,运用双前沿面DEA模型衡量总体效率,以此进行服务排序;最后通过算例证明了该方法的可行性。所提方法为改善云制造服务功能匹配效果提供了参考。

基于改进Gale-Shapley算法的云制造供需双向选择研究

针对传统云制造交易机制下以需求方偏好为中心,而缺乏对资源提供方需求偏好考虑的问题,提出了一种基于改进Gale-Shapley算法的云制造双向选择机制。该机制通过将供需双方给出的不同评价数据类型转化为联系数,并利用数据集成算子集成得到双方间的综合满意度排序,然后由需求方根据排序结果提出交易申请并与提供方达成暂时交易状态,根据双方的需求偏好,经过多轮匹配,最终找到满意的交易对象。通过实验验证了该机制的有效性,并对比了两种交易机制下双方对交易对象的满意度评价,结果表明改进后的交易机制在满足需求方需求偏好的前提下,能够很大程度提高提供方对交易对象的满意度。

基于CiteSpace的国内云制造研究热点与发展趋势分析

借助CiteSpace软件对2010年至2022年发表在中国知网核心期刊上的云制造领域文献进行文献计量分析,通过对发文量、发文作者、发文机构、研究热点与研究前沿的分析,旨在对国内云制造领域的研究现状与研究趋势进行梳理。研究发现:云制造文献数量在2010年至2012年呈现出井喷现象,此后经历了反复下降上升的波动趋势;云制造文献主要来源于计算机领域相关期刊;国内云制造高产作者之间与研究机构之间合作关系较为紧密,呈现高度专业化的现象;近十三年来国内云制造领域研究内容可分为云制造平台构建、云制造模式及应用研究以及云制造服务,其中云制造服务是当前该领域的研究热点与趋势,且云制造服务研究视角逐渐从服务需求方扩展到服务供需双方。

基于改进NSGA-Ⅲ算法的云制造服务组合优化

为解决云制造环境下复杂制造任务的服务组合问题,促进云制造模式的良性发展,构建综合考虑服务需求方、云制造平台和服务提供方三方利益的多目标服务组合优化模型。基于反向学习机制和多目标种群自适应进化机制改进NSGA-Ⅲ算法,并将该算法应用于多目标服务组合优化模型求解。通过比较NSGA-Ⅲ算法与改进NSGA-Ⅲ算法的各个方向适应度的均值和方差,验证了后者在求解多目标服务组合优化问题上的有效性。

基于图卷积的云制造服务编码算法

随着云制造模式及相关技术的发展,越来越多的服务提供者在云平台上发布并提供云服务业务。客户如何在大量功能相似、服务质量相近的云制造服务中检索并选择合适的云服务,已成为云平台运行过程中的难题。将服务关系与服务特征相结合,将制造过程中的协作关系引入服务哈希编码,对制造服务生成二进制编码,提出一种基于图卷积的云制造服务编码检索算法,通过采用汉明距离等方法度量服务间相似性,筛选服务候选集,提高算法效率。实验结果表明:该算法能够准确、有效地为服务平台上的客户提供良好的制造服务候选集。

基于不完全信息博弈的云制造群智能优化方法

为解决云制造过程中云平台经营方与需求方之间的不完全信息以及相互竞争制约的关系导致制造服务难以抉择的问题,提出了一种基于不完全信息博弈模型的云制造群智能优化方法。以各自理性追求自身收益函数最大化为目标,针对需求方与云平台之间的利益竞争关系建立了基于不完全信息的静态博弈模型,并提出了需求方与云平台之间的竞争规则,通过海萨尼转换引入自然,将其转换为完全信息下的动态博弈得到贝叶斯扩展式,并证明了贝叶斯纳什均衡的存在性和唯一性。提出了一种基于高斯函数与扰动策略更新的粒子群算法对上述模型进行求解。仿真结果表明:改进算法相对其他算法有较快的收敛速度与较高的云制造系统总收益,不完全信息博弈模型能够兼顾不同类型的需求方提高云制造系统的总收益。

云制造下小批量定制产品的服务组合双层优选方法

为解决云制造环境下小批量定制产品的服务组合优选问题,提出一种以加工特征作为任务粒度的资源服务组合双层优选方法。该方法首先构建了需求—特征图谱、制造资源供应图谱对供需两方信息进行描述与存储;然后设立加工合格率、满意度评价值、交付按时率、供应偏好值4个指标,并依托变异系数法进行赋权来初筛供应商,实现一层优选;最后建立了以工艺总成本、工艺总时间及总碳排放作为优化目标,特征间的优先级关系作为约束的优化模型,并使用融入次候选集变异算子的改进遗传算法NSGA-Ⅲ对其进行求解,完成二层优选。通过对实例结果的工艺流动顺序分析验证了该方法的可行性,并证明了改进后的算法求解效果更佳。

云制造环境下分布式制造资源的优化配置

针对云制造环境下分布式制造资源的优化配置问题,对制造资源需求方所提交的任务进行形式化描述以及复杂任务细化分解;改进了传统的多目标粒子群优化算法,提出融合多策略的多目标优化算法,解决云制造环境下制造资源的多目标优化配置问题;基于综合评价策略,进一步优选配置方案。通过对分布式制造工厂进行仿真实验,验证了融合多策略的多目标优化算法的合理性和优越性。

云制造环境下面向多任务协同的机床装备资源动态调度方法

针对云服务环境下支持多任务协同运行的机床装备资源易受紧急插单、系统故障、质量异常等不确定高频扰动影响,致使云制造服务难以高效、稳定运行的问题,提出一种面向多任务协同的机床装备资源动态调度方法。通过应用非线性工艺规划理论,建立了一个包括最小时间、成本、能耗、负载均衡度及最优服务质量和可靠性为约束目标的调度模型,并采用改进遗传变邻域算法对其求解。同时,基于生产随机扰动致使调度方案动态偏离的问题,提出一种基于事件驱动和周期性重调度的动态调度策略,以支持云制造服务的协同优化运行;最后通过仿真案例验证该模型及算法的可行性和适用性。

基于改进型哈里斯鹰算法的云制造服务组合优化方法研究

云制造环境下,云平台以制造服务组合的形式为个性化需求提供按需服务,可显著提升订单响应速度与提高资源利用率。采用哈里斯鹰算法构建制造服务组合,针对制造服务间物流转运问题,建立独特的编码与解码机制。为解决该算法存在早熟收敛问题,引入Logistic一维混沌系统,设计非线性逃逸能量更新机制和3种邻域搜索策略。通过实验验证了改进后的哈里斯鹰算法在解决云制造服务组合优化问题时具有显著优越性。

基于工业互联网的云制造虚拟仿真实训基地建设探索——以常州信息职业技术学院为例

由于信息技术的快速发展,国家对职业教育人才的培养模式也在逐步发生变革。利用现代信息技术推动人才培养模式改革,满足学生多样化学习需求,大力推进“互联网+”“智能+”教育新形态,成为当下职业教育变革的主要路径。虚拟仿真实训基地建设可以营造良好信息化育人环境,将实际生产场景融入信息化教学,实现以实带虚、以虚助实、虚实结合目标,提高学生学习质量,有效突破教学设备使用成本高、台(套)数不能满足整班教学需求的困境。

云制造环境下基于遗传算法的人力资源优化配置研究

基于要实现企业目标的最大化,人力资源的合理配置的目的,采用了云制造环境,提出了基于遗传算法的人力资源优化配置方法。该研究针对人力资源优化配置模型,设置七条假设。构建生产总效益和人岗匹配度两个目标函数并设置约束条件,将实际问题转化为数学模型。利用遗传算法求解人力资源优化配置模型,得出最佳配置方案。结果表明,所研究方法应用下,配置方案的生产总效益更大,人岗匹配度更高,由此说明该方法配置的人力资源方案更为合理。

“大数据与云制造”课程教学探索与实践

“大数据与云制造”作为一门将制造技术与信息技术深度融合的课程,对拓展学生创新思维,构建具有时代特征的智能制造知识体系具有重要意义。基于机械工程专业学科背景,探索了“大数据与云制造”课程的课程组织、教学模型、课程内容设计与考核等环节,通过将大数据和云制造两个维度技术融入其中,并围绕理论教学内容引入行业典型实践案例,优化教学环节和教学活动,以提高学生从大数据与云制造角度分析和解决复杂工程问题的能力和信心,为“新工科”背景下本科课程建设与探索提供参考。

考虑用户满意度的云制造资源群智能优化决策方法

针对云制造资源分配中面临的资源配置低效、制造服务选择非最优的问题,提出了考虑用户满意度的云制造资源群智能优化决策方法。对云制造过程分别建立了时间、成本、服务质量及其对应满意度的多目标模型,通过改进粒子群算法对其进行求解,采用基于主客观赋权法的多准则妥协解决策评价体系选取最优解。为了克服粒子群早熟收敛,融合切比雪夫滤波器和速度二阶振荡改进算法,同时为了反应客观数据的对比强度,客观赋权法引入变异系数。最后仿真阐明,改进算法相对其他算法的解集更广泛,收敛性更好,并验证了模型与决策方法的有效性。

云制造模式下机械产品自动化智能服务系统的构建

现阶段的常用的机械产品自动有限元分析法均无法实现服务的高效性和敏捷性。研究首先给出云制造的产品参数化建模优化过程,最后借助正则文法构建有限元分析模型。分类阈值分别为0.4和0.6,结合正则文法的有限元分析模型的精准率分别为0.85和0.86。对比其他模型,研究所给出的FEA模型在具有更高的运行效率和性能,在自动化智能服务系统的设计和实现中提供科学技术。

基于改进人工蜂群算法的云制造服务组合优化方法

为提高云制造服务组合的流程寻优质量、效率和稳定性,提出一种基于改进人工蜂群算法的云制造服务组合优化方法。首先,建立了云制造服务组合场景下的3种服务协同质量计算方法;然后,构建了一种融合服务协同质量的云制造服务组合优化模型;最后,设计了一种具有多搜索策略岛屿模型的人工蜂群算法,实现最优云制造服务组合流程的求解。实验结果表明,所提算法在组合流程的寻优质量、效率和稳定性方面均优于当前流行的人工蜂群改进算法和其他群智能算法。

云制造环境下工业机器人远程监控系统设计与实现

考虑到当前针对云制造监控系统的研究比较缺乏,以及已有远程监控系统可扩展性和灵活性不足等问题,以基于深度强化学习的工业机器人智能抓取为应用场景,设计和开发了一个基于微服务架构的面向云制造的远程监控系统,对监控系统进行了需求分析和系统设计,实现了对工业机器人智能抓取过程的远程监控。测试表明系统能够满足云制造中资源提供者、平台运营者和服务使用者三类用户对工业机器人的监控需求。

考虑云制造服务协同的多用户任务调度优化

云制造系统中有各种不同的分布式制造服务,而以往对制造服务调度的研究忽略了服务提供企业间的协同效应。为考虑云制造服务社会属性对服务协同的影响,从合作与竞争的角度建立了云服务间协同效应的测度模型。进而,以最大化平均用户满意度及最大化云服务协同效应为优化目标,构建了双目标云服务选择与调度模型。基于灰狼优化算法设计了一种灰狼优化模拟退火混合算法(GWO-SA)对该模型进行优化求解。使用算例进行测试并与其他多目标优化算法比较,仿真结果表明了该模型的有效性和GWO-SA算法的高效性。

蚁群BP神经网络在云制造知识服务组合优化中的应用

为实现针对复杂零件在云制造环境下知识资源的服务组合优化,建立了以QoS服务需求为优化目标的服务组合优化模型。首先,利用灰色关联分析对制造资源进行预处理以减小知识资源搜索范围,降低搜索成本。其次,利用改进的蚁群算法对知识资源进行全局优化分析,以提高匹配速度。最后,利用蚁群BP神经网络算法对解空间中最优解进行再次优化以提高知识服务组合的学习效率和学习精度。实验结果表明,灰色关联分析、改进的蚁群算法以及BP神经网络的使用,可缩短知识服务的搜索时间,提高匹配精确度,有效解决知识服务组合优化问题。

面向个性化LED照明设备定制的云制造应用研究

目前,LED照明设备企业对于个性化定制尚有制造资源不足、信息化水平不高、经营管理落后等问题。为了能够提高定制生产水平以满足用户各方面的个性化需求,结合云制造概念及技术,尝试将云制造应用在LED照明设备制造领域中,提出LED照明设备制造云模式,进行平台架构、工作流程设计以及平台的搭建,并且通过个性化定制产品质量模糊综合评价法验证该平台的必要性。