CN117172641A - 基于区块链与数字孪生的生产物流管理平台及实现方法 - Google Patents
基于区块链与数字孪生的生产物流管理平台及实现方法 Download PDFInfo
- Publication number
- CN117172641A CN117172641A CN202311328245.2A CN202311328245A CN117172641A CN 117172641 A CN117172641 A CN 117172641A CN 202311328245 A CN202311328245 A CN 202311328245A CN 117172641 A CN117172641 A CN 117172641A
- Authority
- CN
- China
- Prior art keywords
- resource
- production
- layer
- block chain
- resources
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 289
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000007726 management method Methods 0.000 claims abstract description 141
- 238000005457 optimization Methods 0.000 claims abstract description 60
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000013439 planning Methods 0.000 claims abstract description 24
- 238000013468 resource allocation Methods 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 19
- 238000009826 distribution Methods 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 31
- 238000013461 design Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 18
- 238000012384 transportation and delivery Methods 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 238000004806 packaging method and process Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000005094 computer simulation Methods 0.000 claims description 7
- 238000013210 evaluation model Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 4
- 238000005538 encapsulation Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000007500 overflow downdraw method Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 34
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 13
- 230000007246 mechanism Effects 0.000 description 11
- 230000008901 benefit Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 239000000306 component Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012946 outsourcing Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 239000004801 Chlorinated PVC Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 229920000457 chlorinated polyvinyl chloride Polymers 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000012394 real-time manufacturing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及基于区块链与数字孪生的生产物流管理平台及实现方法,包括广域物理资源层和广域物理资源管理系统;广域物理资源管理系统包括区块链资源管理层、数字孪生映像层、可信智能联动服务层和可信智能联动应用层;广域物理资源层用于管理物理资源和智能IoT设备;区块链资源管理层用于构建基于区块链的生产物流资源管理器;数字孪生映像层在虚拟空间中进行等效数字化;可信智能联动服务层用于提供区块链资源可信度评估、系统优化配置、运作计划和状态监控以及可信追溯服务;可信智能联动应用层用于提供全流程资源配置和动态决策服务。通过本申请,解决了社会化生产物流资源管理中,易造成的信息可信程度弱且运作成本高及可靠性低的问题。
Description
技术领域
本发明属于通信技术领域,尤其涉及基于区块链与数字孪生的生产物流管理平台及实现方法。
背景技术
现阶段客户需求逐渐向“动态化、多样化和个性化”转变。为了应对不断变化的客户需求,生产系统必须适应产品个性化、制造资源分布性、组织分散化和流程复杂性等特征。解决这些挑战的一个关键方式是通过将海量分布的制造资源进行“信息-物联-社交”互联配置,形成高度灵活的社群化制造系统,以满足客户日益增长的个性化需求。这已经成为大多数制造企业必须紧急应对的问题。
在多品种、小批量的社群化制造模式下,由于外部资源的动态性、客户订单的随机性和生产过程的复杂性,核心制造商常常采取外协、外包方式,与外部制造企业进行动态合作,以满足个性化要求。然而,传统的制造资源管理平台存在一些问题。一方面,由于这些平台是由单一的第三方中介集中管理,可能导致平台运作不透明。另一方面,传统的制造资源管理平台上注册的资源主体是分散的、外部的、具有社会化特征的,因此资源的可靠性和履约能力存在差异,彼此之间是陌生的、无业务关联的,导致资源节点之间缺乏信任;同时,社群化制造模式下,分布资源节点间的交易可能是一次性的,这导致一些资源节点可能有短期获利的动机,甚至出现违约跑路和逃避责任问题。这些问题使得分布式制造系统的运作面临着分布信息可信程度低、资源供应的不确定或违约交付等挑战。
在高动态运作环境下,社群化生产系统需要根据动态性影响程度,对生产物流系统的结构配置、联动运作计划做出协调决策和动态控制。个性化需求使得生产系统的资源具有更强的分布性和开放性,在生产物流系统执行过程中,由生产、配送和仓储节点形成的分布式联动制造系统具有更强的耦合效应,常常出现系统配置和运作计划不协调和不一致,从而产生一系列问题,包括动态资源重新配置能力不足、系统运作成本高、系统可靠性低等。
通过分析社群化制造系统运作过程中面临的业务问题,得出现有的技术挑战在于:第一,是关于动态管理开放社会化资源的可信管理平台技术的挑战。面向高动态的个性化需求,制造商必须拥有多种制造能力。然而,对这些制造能力的持续投资,使得制造商面临着高投资成本、高技术门槛和高应用风险,因此他们倾向于采用外协、外包和动态合作的方式来实现生产物流资源的获取。因此,关键问题是如何构建一个可信的区块链资源管理平台,以从海量的、陌生的区块链制造资源中获取高质量、低成本、高可信度的生产物流资源。第二,是开放式生产物流可信联动决策技术的挑战。目前,大多数中小制造企业的信息化改革处于初级阶段,由于组织间信息沟通受到限制,以及可信协同决策与控制技术的缺乏,导致开放式生产物流业务逻辑缺乏动态关联。这限制了分布式制造系统配置、计划制定和执行控制的能力,从而导致开放式生产物流运作效率低下、成本高昂和潜在的中断风险增加。
当前,针对相关技术中的社会化生产物流资源可信联动管理,易造成的分布制造信息可信程度弱、动态制造资源配置能力差、系统运作可靠性低及运作成本高的问题,尚未提出有效的解决方案。
发明内容
本发明的目的是提出基于区块链与数字孪生的生产物流管理平台及实现方法,解决相关技术的社会化生产物流资源可信联动管理,易造成的分布制造信息可信程度弱、动态制造资源配置能力差、系统运作可靠性低及运作成本高的问题,同时克服相关技术中区块链技术和数字孪生技术相互独立的限制,通过采用了区块链资源管理与数字孪生建模技术的整合方式,从而为社会化生产物流资源提供了一个开放、安全、透明且可信的联动管理平台。该平台不仅融合了这两项技术在可信资源管理和实时动态控制方面的长处,还进一步提高了其协同效率。
为了达到上述目的,在本发明提供基于区块链与数字孪生的生产物流管理平台,所述平台包括广域物理资源层和广域物理资源管理系统;其中,所述广域物理资源管理系统包括四层,具体包括区块链资源管理层、数字孪生映像层、可信智能联动服务层和可信智能联动应用层;
所述广域物理资源层用于管理物理资源和智能IoT设备;
所述区块链资源管理层用于对各种物理资源进行可信记录和管理,同时实现物理资源进的注册、发布和监控;
所述数字孪生映像层通过将区块链制造资源在虚拟空间中进行等效数字化,形成标准数字孪生体,并通过业务逻辑、数据关联和交互反馈,构建数字孪生扩展模型;
所述可信智能联动服务层用于为社群化制造节点提供区块链资源可信度评估、系统优化配置、运作计划和状态监控以及可信追溯服务;
所述可信智能联动应用层用于根据终端用户的生产和物流联动应用需求提供全流程资源配置和动态决策服务;
其中,所述基于区块链的生产物流资源管理器,该管理器包括五个核心模块,具体为:
生产物流智能对象创成模块,用于将所有物理资源通过智能IoT设备转化为具备感知、通信和智能处理能力的生产物流智能对象;
制造资源区块链封装模块,用于将所述广域物理资源层的物理资源和智能IoT设备进行标准区块链的形式的封装和表示,并将所述物理资源的关键特征信息和属性记录到区块链上,并与物理资源的唯一标识符进行关联并加密,确保所述物理资源的数据完整性和可信性;
区块链资源注册发布模块,用于管理和维护区块链资源的注册和发布流程;
区块链资源监控模块,用于实时监控和跟踪所述区块链上的物理资源状态;
区块链资源管理,用于全面管理和维护全生命周期的区块链资源。
进一步地,所述物理资源包括硬件资源和软件资源;
所述硬件资源包括现场操作者、装备、物料、车辆和设施;
所述软件资源包括各类决策和服务系统;
所述智能IoT设备包括被动和主动感知对象;
所述被感知对象包括1D/2D条形码、RFID标签、iBeacon标签;
所述主动感知对象包括RFID阅读器、PDA手持终端和各类可穿戴设备,其具有主动的数据生成和收集能力。
进一步地,所述数字孪生映像层,包括:
全要素数据融合模块,用于融合静态属性数据、动态运作数据以及环境数据,获取制造资源的全要素信息,以及将融合后的数据传递至多尺度系统建模模块进行建模;
多尺度系统建模模块,用于利用融合后的数据构建不同层次的数字孪生模型;
系统及环境融生映像模块,用于通过对管理平台的外部环境和内部相互作用进行建模和分析,实时评估平台运行状态并优化整体运作效率;
控制目标映像模块,用于将生产管理系统的目标和控制要求映射到数字孪生模型中。
进一步地,所述静态属性数据包括资源名称和权属;所述动态运作数据包括资源状态和实时位置;所述环境数据包括系统指标物理、网络、系统、经济和市场环境数据。
进一步地,所述不同层次包括资源级、单元级、子系统级和系统级。
进一步地,所述可信智能联动服务层,包括:
区块链资源节点可信评估模块,用于使用融合方法建立可信度综合评估模型并进行可信度分值排名,然后对社群化制造资源节点进行可信度评估;
系统优化配置模块,用于通过分析生产物流任务需求和资源可信度评估,基于多学科设计优化方法为分布式制造系统制定最优的资源配置方案;
可信联动计划模块,用于运作计划服务,协调任务分配、资源调度、时间安排和控制参数;
状态监控及追溯模块,用于实时监测每个执行节点的运作状态和关键信息,并将关键信息存储在区块链网络中。
进一步地,所述关键信息包括资源运行历史、当前设备工作状态、故障和维护记录。
进一步地,所述可信智能联动应用层,包括:
智能生产管理系统模块,用于监控和调度生产过程,并根据用户需求和资源状况制定生产计划,进行任务调度和资源配置;
智能配送管理系统模块,用于管理和调度配送的过程,以及基于用户需求和库存情况制定配送计划,进行订单分配和物流调度;
智能仓储管理系统模块,用于监控货物流转和库存情况,并根据用户需求和仓储计划进行货物存储和出库操作;
可信联动引擎模块,用于集成和协调各模块间的功能和数据,并根据生产系统运行状态实时联动每个模块,解决系统配置、运作计划和执行控制中的不一致性,从而实现对生产系统的高效管理和控制;
可信联动浏览器模块,用于提供可视化展示功能,并与可信联动引擎模块进行交互,终端用户能够直观地了解生产物流状态。
在本发明的另外一方面提供了一种基于区块链与数字孪生的生产物流管理平台实现方法,所述方法包括:
通过广域物理资源层的智能IoT设备收集全要素物理资源的信息,并通过标准注册格式向基于区块链与数字孪生的生产物流管理平台注册,并将注册信息传入区块链资源管理层;
所述区块链资源管理层对物理资源进行可信记录和管理,通过服务封装的形式将物理资源连接到平台上,为数字孪生映像层提供资源信息和区块链资源;
所述数字孪生映像层通过融合区块链资源的静态属性数据、动态运作数据以及环境数据,获取制造资源的全要素信息,然后构建不同层次的数字孪生模型,通过对不同层次的数字孪生模型进行分析,实时评估系统运行状态并优化整体运作效率,同时将将生产管理系统的目标和控制要求映射到数字孪生模型中,通过对多场景下的数字孪生模型进行分析和优化,用于支持平台得出最佳的决策和控制策略;
所述可信智能联动服务层通过调用所述数字孪生映像层的数字孪生模型和区块链资源,对资源节点进行可信度评估,通过多学科设计优化方法为分布式制造系统提供最优的结构配置方案,进一步,该层可实时监控生产和物流各阶段的运作执行,并进行必要的实时协调,确保整个生产物流的顺畅进行;
所述可信智能联动应用层根据所述可信智能联动服务层的监控结果对生产过程进行任务调度和资源配置,再根据用户需求和库存情况制定配送计划,并进行订单分配和物流调度,然后再根据用户需求和仓储计划进行货物存储和出库操作。
进一步地,所述可信度评估通过归一法建立资源节点的可信度综合评估模型并进行可信度分值排名。
本发明的有益技术效果至少在于以下几点:
第一,本发明提供了一种基于区块链和数字孪生的社会化生产物流资源可信联动管理平台的整体框架,克服了相关技术中区块链技术和数字孪生技术相互独立的限制,继承了这两项技术在可信资源管理和实时动态控制方面的优势,实现了生产物流运作过程的可视性、可信性和可追溯性,同时促进社群化制造模式下的生产物流可信联动决策。
第二,本发明为开放的社群化制造环境下的智能制造资源/服务的可信管理和质量评估,提供了一个安全可控的实时制造环境。
第三,本发明实现了制造系统不同级别的区块链资源与虚拟模型的实时同步更新,为可信联动管理平台提供全面实时资源信息和可信联动决策支持。
第四,本发明提供了一种典型的开放式生产物流可信联动服务,包括区块链资源节点的可信度评估、BCPL系统配置服务、BCPL运作计划服务和基于区块链的过程监控与可信追溯,为分布式制造系统的配置、运作计划和可信追溯提供了创新技术支撑。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明实施例一的基于区块链和数字孪生的社会化生产物流资源可信联动管理平台的整体框架图;
图2是本发明实施例一的基于区块链的生产物流资源管理器图;
图3是本发明实施例一的基于数字孪生的多尺度虚拟映像模型(以叉车为例)图;
图4是本发明实施例一的面向区块链资源的动态可信度评估逻辑图;
图5是本发明实施例一的基于目标级联分析法(ATC)的区块链生产物流资源优化框架图;
图6是本发明实施例一的基于层级式ATC方法的协调优化流程图;
图7是本发明实施例一的基于区块链的产品质量可信追溯图;
图8是本发明实施例一的社会化生产物流资源可信管理平台运行模式图;
图9是本发明实施例二的社会化生产物流资源可信管理平台的实时信息环境搭建图;
图10是本发明实施例二的生产物流可信管理平台的典型运作流程。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
实施例一
如图1所示,公开了基于区块链和数字孪生的社会化生产物流资源可信联动管理平台(后面简称:平台),所述平台包括广域物理资源层和广域物理资源管理系统;其中,所述广域物理资源管理系统包括四层,具体包括区块链资源管理层、数字孪生映像层、可信智能联动服务层和可信智能联动应用层;广域物理资源层用于管理物理资源和智能IoT设备;区块链资源管理层用于对各种物理资源进行可信记录和管理,并对智能物理资源进行注册、发布和监控;数字孪生映像层通过将区块链制造资源在虚拟空间中进行等效数字化,形成标准数字孪生体,同时通过业务逻辑、数据关联和交互反馈,构建数字孪生扩展模型;可信智能联动服务层用于为社群化制造节点提供区块链资源可信度评估、系统优化配置、运作计划和状态监控以及可信追溯服务;可信智能联动应用层用于根据终端用户的生产和物流联动应用需求提供全流程资源配置和动态决策服务。
区块链资源和物理资源在本发明中是相关的,物理资源通常指的是实际的、具体的、可触摸的实体资源,如设备、机器、原材料、产品等。区块链资源主要是用于记录和管理物理资源的静态属性和运作状态信息,以提高物理资源的可信度、可追溯性和管理效率。
在本发明实施例中,所述广域物理资源层的主要功能是统一管理分布式制造系统中客观存在的全要素物理和智能物联网设备(也就是智能IoT设备)。这些制造资源主要包括硬件资源和软件资源。
其中,硬件资源包括现场操作者、装备、物料、车辆和设施等。软件资源包括各类决策和服务系统,如企业资源计划系统、制造执行系统、运输管理系统和仓储管理系统等。
智能IoT设备包括被动和主动感知对象,用来收集制造资源的实时信息,如1D/2D条形码、RFID标签、RFID阅读器、PDA手持终端和各类可穿戴设备等。这些物理资源可能来自不同的资源提供者或运营商,并通过标准注册格式向管理平台注册。
在本发明实施例中,所述区块链资源管理层通过区块链技术和智能网关技术构建区块链资源管理平台,对各种底层的物理资源进行可信记录和有效管理,实现物理资源的注册、发布和监控。通过服务封装的形式连接到管理平台上,为数字孪生映像层提供可信、全面的资源信息。
优选地,数字孪生映像层可以根据需求调用该层的区块链资源,实现生产和物流的可信联动运作。此外,为了实现底层物理资源的可信管控,区块链资源管理层提出了基于区块链的智能网关操作系统(Blockchain-based Smart Gateway Operating System,BSGOS),作为一个创新的基于云的可信轻量级中间件。
具体地,基于区块链的智能网关操作系统(BSGOS)具备数字孪生(Digital Twin,DT)定义、配置、执行和数据上链的功能。它结合了区块链技术和智能网关的特点,为分布式生产物流环境的物联网设备提供可信的中间件支持,为各种物联网设备的“即插即用”管理提供支持。
BSGOS包括可信硬件和可信软件两个部分,可信硬件(如区块链智能网关)结合了区块链技术和智能网关(如固定边缘网关和移动边缘网关)的特点,为分布式生产物流环境下各种物联网设备以“即插即用(Plug and Play)”方式进行管理提供可信的中间件支持。这些网关是由计算模块和通信模块组成,如区块链模组、蓝牙、蜂窝网络和GPS等。它们主要负责执行IoT和区块链的功能,如数据收集、过滤、传输、数据验证和数据区块生成等。可信软件(如通信协议,云资产代理和数据分析服务)从多源异构数据(如“人-机-物”数据和运作数据等)中传输和提取有价值的信息。同时,BSGOS具有DT定义,DT配置,DT执行和数据上链的功能。对于数据上链,它的功能主要通过区块链封装模块将智能生产物流(PL)资源的关键特征信息和属性(如资源的身份标识、规格参数、生产历史及权属等)记录在区块链中,并为每个智能生产物流对象赋予唯一的资源标识符,通过区块链的不可篡改性和分布式共识机制,使得不同制造节点可以在整个制造链中追溯和验证数据的来源和完整性,增强了数据的可信度、完整性和共享的可控性。
所述区块链资源管理层中,如图2所示,基于区块链的生产物流资源管理器包含五个功能模块,包括物理智能对象的创成、制造资源区块链封装、区块链资源注册发布、区块链资源监控和区块链资源管理。区块链资源管理层通过上述模块可实现对底层制造资源的可信记录、发布、监控和管理。这为上层的数字孪生层和平台服务层提供了可靠的资源和运作信息支持,并促进了生产物流系统的可信联动运作。
物理智能对象的创成:通过各类智能IoT技术(如智能标签、RFID阅读器和可穿戴设备等),将制造环境中的所有物理资源改造为具有感知、通信和智能处理能力的PL智能对象,使其可以与其他智能对象、网络或云平台进行交互和通信,
所述制造资源区块链封装模块,负责将底层的制造资源以标准区块链的形式进行封装和表示。这个过程涉及将资源的关键特征信息和属性,如资源的身份标识、规格参数、生产历史及权属等,记录到区块链上,并与资源的唯一标识符进行关联并加密。通过区块链的不可篡改性和分布式共识机制,确保资源数据的完整性和可信性。
其中,所述唯一标识符是用于区分和识别物理资源的一个独特的字符串或数字序列。在基于区块链与数字孪生的生产物流管理平台的上下文中,唯一标识符的目的是确保每个物理资源都可以被准确、一致地识别,从而避免混淆或误操作。唯一标识符是一个独特的、不可重复的字符串、数字或符号组合,用于在一个特定的数据集或系统中准确地识别一个物体或实体。它不应该与其他任何物理资源的标识符相同,以确保每个资源都可以被单独识别。此外,为了安全性和隐私考虑,当这些标识符被存储在区块链或其他公共数据库中时,它们应该与其他关键信息一起进行加密处理。唯一标识符来源:
制造商分配:许多物理设备在制造时都会被分配一个出厂序列号或其他唯一编号。
平台自动生成:当物理资源被添加到管理平台时,系统可以自动生成一个唯一ID。
RFID/NFC标签:这些标签通常包含一个唯一的ID,可以被扫描设备读取。
二维码/条形码:当被扫描时,它们可以提供一个唯一的识别码。
IoT设备ID:智能IoT设备通常有一个内置的、不可更改的设备ID。
所述区块链资源注册发布模块用于管理和维护区块链资源的注册和发布过程。资源提供者可以将其资源信息注册到区块链上,并通过智能合约定义资源的访问规则和权限。注册后,资源可以被其他参与者查询和调用,实现资源的共享和交互。同时,资源的发布过程也包括将资源的静态数据和运作信息进行存储和传播,以便其他资源使用者更好地了解和使用这些资源。
所述区块链资源监控模块负责对区块链上的资源进行实时监控和跟踪。通过物联网设备和区块链网络的数据采集,监控模块可以获取资源运行的实时状态和异常情况,以避免或降低对生产-物流运作的不利影响。资源监控信息包括资源的位置、属性、状态以及与其他资源的关联等信息。监控模块可以通过实时数据分析和智能算法实现资源的实时监管和异常检测,为资源管理者制定最佳的资源配置计划提供决策支持和优化建议。
所述区块链资源管理模块是整个区块链资源管理层的核心模块,负责管理和维护全生命周期的区块链资源。这包括资源的创建、更新、删除等操作,以及对资源的访问控制和权限管理。管理模块通过智能合约和区块链共识机制,确保资源的合法性和可信性,并提供接口供上层应用层调用和集成。
在本发明实施例中,所述数字孪生映像层是通过数字孪生技术将区块链制造资源在虚拟空间中数字化等效表示为标准的数字孪生体,通过业务逻辑、数据关联和交互反馈形成多尺度、多学科、多物理量的数字孪生扩展模型,为上层提供全面实时资源信息和可信联动决策支持,可帮助分析和优化生产系统的运行状态和效率。
具体地,该层包括四个模块:
全要素数据融合模块,用于融合静态属性数据、动态运作数据以及环境数据,获取制造资源的全要素信息,以及将融合后的数据传入多尺度系统建模模块进行建模;
多尺度系统建模模块,用于利用利用资源的全要素信息构建多层次、多尺度的数字孪生模型,包括不同层次,如资源级、单元级、子系统级和系统级的系统建模。通过深入了解系统运行和层次关系,提供准确的分析和预测,支持后续决策。
系统及环境融生映像模块,用于通过对生产系统的外部环境和内部相互作用进行建模和分析,包括复杂系统结构关系、运作环境等因素。通过综合考虑系统和环境影响,此模块可实时评估系统运行状态并优化整体运作效率。
具体地,外部环境通常指的是管理平台所处的外部条件和因素,这些因素可能直接或间接影响着平台的运行。外部环境包括市场客户需求、行业竞争状况、法规政策、供应链情况、天气条件等。这些因素都可以对管理平台的效率和决策产生影响。
内部通常指的是管理平台内部的组成部分(包括硬件、软件、生产资源、操作者等)和运作机制,包括平台的运作模式、资源利用率、生产流程等。
其中,所述建模是指是以数字孪生技术模拟或表示实际系统或环境的特征和行为。在这个情境下,建模可能包括创建数学模型、仿真模型或者其他类型的模型,以描述管理平台的外部环境和内部互动。这些模型可以用来更好地理解平台的运行情况。
控制目标映像模块,用于将生产管理系统的目标和控制要求映射到数字孪生模型中,描述和评估系统运行状态。通过不同的多目标权重比例表达控制目标,如运作成本、服务时间、生产效率和系统可靠性等,可灵活平衡不同控制目标之间的关系。通过多场景下对孪生模型进行分析和优化,可为管理者提供最佳的决策和控制策略支持。。
在本发明实施例中,所述可信智能联动服务层作为可信联动管理平台的核心服务层,其功能主要是生产、配送和仓库等社群化制造节点提供区块链资源节点可信度评估、系统优化配置、运作计划制定和状态监控&可信追溯服务。这些核心决策服务离不开区块链大数据平台的实时信息支撑。大数据存储与共享、大数据分析与处理、大数据计算与挖掘以及大数据管理与可视化作为区块链大数据平台的核心组成部分,为该层的各种服务模块提供数据存储、分析、计算和可视化支持。通过调用下层的区块链资源数据和数字孪生映像模型,该层可以为各个子系统制定对应的软/硬件资源搭配组合和执行计划。
具体地,该层主要包括,区块链资源节点可信评估模块、系统优化配置模块、可信联动计划模块和状态监控及追溯模块;
区块链资源节点可信评估模块,负责对社群化制造资源节点进行可信度评估。通过综合考虑区块链资源管理平台中制造资源的历史性能、资源提供者履约记录、未来预约信息以及成本等多维因素,基于归一法建立可信度综合评估模型并进行可信度分值排名,其中,可信度评估工作可由智能合约定期完成。它确保遴选出可信度达标的资源节点,保证生产系统运作的可靠性,为可信制造环境下形成新型合作关系的核心结构提供资源支撑。
具体地,使用“归一法”建立资源节点的可信度综合评估模型的具体应用如下:
数据预处理:首先,对各个资源节点的原始评估数据进行预处理,消除数据中的噪声和异常值,确保数据的准确性。
特征权重分配:根据每个特征对于可信度的重要性,为每个特征分配一个权重。这可以通过专家打分、熵权法或其他相关方法来实现。
归一化处理:为了消除各个特征之间的量纲和数值范围差异,对每个特征进行归一化处理。具体地,对于每一个特征值,使用以下公式进行归一化:
其中,x′是归一化后的特征值,x是原始特征值,min(x)和max(x)分别是该特征的最小值和最大值。
综合评估得分计算:根据归一化后的特征值和各特征的权重,计算每个资源节点的综合评估得分。具体地,综合评估得分是归一化后的特征值与其对应权重的加权和。
排序与分类:根据综合评估得分,对所有资源节点进行排序,得到可信度的分值排名。根据需要,还可以将资源节点分为不同的可信度等级,如“高可信”、“中高可信”“中可信”和“低可信”。
通过上述步骤,利用归一法建立了一个全面、客观和科学的资源节点可信度综合评估模型,为决策者提供了关于资源节点可信度的清晰和直观的参考
系统优化配置模块,在下层的区块链资源实时信息和数字孪生模型分析结果的支撑下,通过分析PL任务需求、资源可信度评估和其他约束,基于多学科设计优化方法(Multidisciplinary Design Optimization,MDO)为各个社群化制造节点制定最优的资源配置方案,实现物理资源的动态分配和配置优化,从而提高资源利用效率和生产系统的生产效率。
其中,所述多学科设计优化方法(如目标级联分析法,Analytical TargetCascading,ATC)是一种非现有技术的大系统协调优化算法,用于解决制造系统的资源配置问题。所述多学科设计优化方法的特点包括以下几个方面:
目标层次:该算法采用了分层的目标结构,其中每个层次都对应着一组优化目标。这些目标可以包括最小化成本、最小化交货时间、最大化可靠性、最大化资源利用率等等。每个目标层次都与生产物流任务需求和资源可信度评估关联。
级联分析:算法通过级联分析的方式,逐步考虑和处理不同的目标层次。在每个层次,算法会尝试优化与该层次相应的一个或多个目标。然后,通过将这些目标的结果传递到下一个层次,逐步构建一个综合性的、多目标的优化方案。资源配置算法的核心任务是确定最优的资源配置方案,以满足生产物流任务需求并考虑资源的可信度评估。这包括决定如何分配不同类型的资源(例如人力、机器、时间等)以满足生产需求。
可信度评估算法考虑了资源的可信度评估,这意味着它不仅仅关注了资源的数量和可用性,还考虑了资源的可信度和可靠性。这有助于确保分配的资源在实际运作中能够可靠地满足任务需求。
总的来说,所述目标级联分析法是一种多目标的、分层的、级联分析的优化算法,用于在考虑资源的可信度的前提下,确定最优的资源配置方案,以满足生产物流任务需求,。通过这种算法,可以更好地平衡不同的生产物流目标,优化资源利用,并确保在不同的环境条件下实现最佳的系统配置。这种算法可能是针对特定的制造系统和环境需求而开发的,因此可能会根据具体情况有所变化。由于该协调算法是一种分布式决策方法,它克服了集中式决策方法(如All-in-one,一体式优化)存在的无决策权的限制,可以在区块链可信数据共享的前提下,设立隐私保护屏障,以保证不同决策层面的信息共享,同时保持各制造主体的的决策自主权,各制造主体形成一个或多个可靠的“社群”,从而进一步提高平台上各个制造主体运作的可信度、可靠性和可持续性。
可信联动计划模块,在系统资源优化配置结果支撑下,并由区块链资源及其数字孪生模型的实时运作数据驱动,面向最终用户为生产、配送和仓储等特定环节的任务提供智能、可信和联动运作计划服务,使得生产和物流各阶段根据实时动态性,在任务分配、资源调度、时间安排和控制参数等方面实现协调,以确保生产系统各环节之间能够可信、高效运作并满足生产要求。
状态监控及追溯模块,嵌入了数据分析模型和工具的区块链数据库,能够实时监测每个执行节点的运作状态和关键参数。通过物联网和区块链技术,将各个环节的资源运行状态和其他关键信息,存储在不可篡改的区块链网络中,包括资源运行历史、当前设备工作状态、故障和维护记录等,同时系统性能指标、环境信息等也存储在其中。此方式确保了数据的透明性和可信性,这有助于实时评估生产系统的运行状态。终端用户可在此模块上实时查询资源当前或历史状态,自动生成预警信息并采取相应的措施,实现精准、及时的状态监控和可信追溯,以确保制造过程的实时可见性和可靠性。
具体地,所述运作状态指的是每个执行节点(通常是制造节点或其他生产物流中的关键节点)的实时操作状态和关键信息。这些运作状态和关键信息可能包括以下内容:
生产进度和完成情况:监控节点的生产进度,包括已完成的任务数量、剩余任务数量、任务完成时间等。
设备状态:跟踪生产设备的状态,例如机器是否正常运行、是否存在故障、设备的运行速度等。
任务分配和调度信息:记录节点被分配的任务、任务的优先级、任务的截止日期等信息。
物料和库存信息:监测节点所需的原材料或零部件的库存情况,以及是否需要重新订购或重新补充。
质量控制信息:如果适用,监控生产质量和质量控制参数,以确保产品符合质量标准。
资源可用性:检查节点所需的资源(如人力、机器、工具等)的可用性,以确保它们足够支持任务的执行。
异常信息:记录任何异常事件或问题,例如生产中断、设备故障、质量问题等。
时间戳和历史记录:记录每个状态的时间戳,以便后续的追溯和审查。这有助于构建节点运作的完整历史记录。
通过监测和记录这些关键信息,状态监控及追溯模块能够实时跟踪执行节点的运作状态,以便进行实时的决策、监管和追溯。这对于确保生产物流系统的正常运作、及时发现和解决问题以及提高整体效率都非常重要。存储这些信息在区块链网络中的好处之一是其不可篡改性和透明性,可以确保信息的可信度和安全性。
在本发明一个实施例中,所述可信智能联动应用层为最终用户提供生产和物流联动运作的应用服务需求。该层的功能主要利用可信联动控制机制和协调优化智能算法,根据用户需求、可信资源状态和约束条件,调用该层中内嵌的优化配置和计划制定技术,为用户提供全流程的资源配置和动态决策服务。该层包括两个上下两层,下层包括三个核心应用服务,智能生产管理模块、智能配送管理系统和智能仓储管理模块。上层包括可信联动引擎和可信联动浏览器。
具体地,智能生产管理系统模块,系统负责生产过程的监控和调度,根据用户需求和资源状况制定生产计划,并进行任务调度和资源配置。它向可信联动引擎提供生产状态和资源信息,并接收引擎发送的优化指令,以实现生产过程的优化和高效运行。
智能配送管理系统模块,负责配送过程的管理和调度,基于用户需求和库存情况制定配送计划,并进行订单分配和物流调度。它向可信联动引擎提供配送状态和库存信息,并接收引擎发送的优化指令,以实现配送过程的优化和及时交付;
智能仓储管理系统模块,负责仓储操作和库存管理,监控货物流转和库存情况,并根据用户需求和仓储计划进行货物存储和出库操作。它向可信联动引擎提供仓储状态和库存信息,并接收引擎发送的优化指令,以实现仓储过程的优化和空间利用效率。这些管理系统共同协作,通过与引擎的交互,实现生产、配送和仓储过程的优化和高效运作。
所述可信联动浏览器模块作为用户界面与可信联动引擎之间进行数据交互和指令传递,而可信联动引擎作为核心服务层,与智能生产管理系统、智能配送管理系统和智能仓储管理系统之间进行信息交互和指令传递,并协调各个管理系统之间的协作,以实现生产系统的高效管理和控制。
可信联动引擎模块,负责集成和协调各智能管理模块的功能和数据,根据生产系统运行状态实时联动每个子系统在配置、计划和执行中的不一致,以实现对生产系统的高效管理和控制,以满足制造商的生产和物流需求。该模块包含三个主要功能:可信联动控制器、可信联动优化器、可信数据管理器。
具体地,所述可信联动控制器基于生产物流任务、可信资源运行状态和约束,该模块内嵌的可信联动控制机制用于确保各个子系统可按照制定的资源配置和执行计划进行协同工作,并实时监测生产系统的运行状态,及时、精准的触发不同子系统之间建立动态协作关系,以保持系统运行的可靠性和一致性。
所述可信联动优化器模块为多个子系统之间的可信联动决策提供定量的目标级联分析算法(ATC),为各制造节点提供最优的联动配置和联动计划,以提高生产效率、资源利用率和响应能力。
所述可信数据管理器模块负责管理和处理生产系统中产生的大量数据,并确保数据的可信性、一致性和安全性。同时负责多源异构数据与可信联动引擎之间的数据格式转换,并调用下层区块链大数据平台功能,以支持决策制定和系统运行的需求。
在本发明实施例中,实现社会化生产物流资源可信联动管理平台的第二关键技术,区块链资源的数字孪生化建模,如图3所示,用于实现生产系统不同级别区块链资源与虚拟模型的实时同步更新,基于数字孪生技术将区块链资源在数字空间中数字化等效表示为标准的数字孪生体,过业务逻辑、数据关联和交互反馈形成多尺度、多学科、多物理量的数字孪生扩展模型,为上层提供全面实时资源信息和可信联动决策支持。
所述区块链资源的数字孪生化建模是通过全要素数据融合模块获取区块链资源的多源多维数据,包括静态属性数据(如资源名称、权属)、动态运作数据(如资源状态、实时位置)以及环境数据(系统指标物理、网络、系统、经济和市场环境数据),以支持不同层次的数字孪生模型的构建。区块链资源从不同层次可划分为资源级、单元级、子系统级和系统级,而不同级别的DT运作需要不同的信息集合的支撑,并以不同的频率与目的进行同步和更新,确保数字空间中的不同对象状态与物理世界中保持一致。本文以资源级别的PL对象中的叉车为例,图3下部分展示了基于XML文件的同步信息共享模型模板。它包括一组适当的信息集合(例如对象ID、资产类型、品牌、规格、能力、所有者、位置、质量和当前状态等)。通过数字孪生同步共享模型,可实现物理部分与数字表示的实时同步更新,为上层的可信智能联动服务层提供精准、全面的数据和模型支撑。
其中,所述环境数据的来源为:
物理环境数据:
温度:例如,工厂或仓库的室内温度。
湿度:空气中的水分含量。
振动:由于设备运行或其他外部因素导致的振动。
噪音水平:在工作区域的背景噪音。
照明条件:例如,光线强度或光源类型。
网络环境数据:
网络延迟:数据包从发送到接收所需的时间。
网络带宽:可用的数据传输速率。
数据丢包率:在传输过程中丢失的数据包的比率。
网络连接状态:例如,是否存在断开连接或连接不稳定的情况。
系统环境数据:
系统负载:系统当前的工作量或请求量。
资源使用情况:例如,CPU、内存、存储和带宽的使用情况。
系统故障或错误日志:记录系统中出现的任何异常或错误。
操作环境数据:
人员流动:例如,工厂或仓库中人员的移动模式或密度。
设备状态:例如,设备是否正在运行、待机或关闭。
物料库存:例如,仓库中的物料数量或位置。
经济和市场环境数据:
供应链状态:例如,供应商的交货时间或物料价格。
市场需求:例如,特定产品的市场需求或价格趋势。
本发明实施例还提供了一种基于区块链与数字孪生的生产物流管理平台架构的应用方法流程图,所述方法可以由本发明实施例提供的基于区块链与数字孪生的生产物流管理平台架构执行,本发明实施例提供的方法包括:
通过广域物理资源层智能物联网设备收集广域物理资源的信息,并通过标准注册格式向平台注册,并将注册信息传入区块链资源管理层;
所述区块链资源管理层对物理资源进行可信记录和管理,通过服务封装的形式将物理资源连接到区块链资源管理平台上,为数字孪生映像层提供资源信息和区块链资源;
所述数字孪生映像层通过融合区块链资源的静态属性数据、动态运作数据以及环境数据,获取制造资源的全要素信息,然后构建不同层次的数字孪生模型,通过对不同层次的数字孪生模型进行分析,实时评估系统运行状态并优化整体运作效率,同时将将生产管理系统的目标和控制要求映射到数字孪生模型中,通过对多场景下的数字孪生模型进行分析和优化,得出最佳的决策和控制策略支持;
具体地,所述数字孪生映像层通过融合不同的数据来构建数字孪生模型多数据预处理的步骤为:
首先,对来自不同源的数据进行预处理,包括数据清洗、缺失值填充和数据标准化,以确保数据的质量和一致性。
特征提取与选择:基于统计分析和机器学习技术,从原始数据中提取关键特征,并选择对模型建设最具代表性的特征进行后续融合。
数据对齐与同步:由于数据可能来自不同的时间戳或频率,需要进行时间序列的对齐和同步,确保数据在同一时间点是一致的。
融合算法应用:采用多种数据融合算法,如加权平均、卡尔曼滤波和深度学习模型,对数据进行高级融合,提取更深层次的信息和知识。
后处理与验证:融合后的数据进行后处理,如数据平滑和异常值检测,并通过与实际情况的对比进行验证,确保数据融合的准确性和可靠性。
通过上述方法和技术,数字孪生映像层能够有效地融合来自不同源的数据,为数字孪生模型的构建提供全面、准确和实时的数据支持。
所述可信智能联动服务层通过调用所述数字孪生映像层的数字孪生模型和所述区块链资源,对资源节点进行可信度评估,通过多学科设计优化方法为分布式制造系统提供最优的系统配置方案,协调并监控整个生产和物流阶段;
所述可信智能联动应用层根据所述可信智能联动服务层的监控结果对生产过程进行任务调度和资源配置,再根据用户需求和库存情况制定配送计划,并进行订单分配和物流调度,然后再根据用户需求和仓储计划进行货物存储和出库操作。
其中,对于可信度评估,如图4所示,本发明提出了一种区块链资源节点的可信度评估器,具体的,该评估器通过区块链平台将交易评价信息的进行上链记录并全网广播,以保证制造资源交易记录的真实性和准确性。一般的服务质量(Quality of Service,QoS)指标有多个影响因素构成,如服务成本、服务时间等。本文通过综合考虑区块链资源管理平台中制造资源节点的历史性能(资源历史评分)、资源提供者履约记录(资源提供者信誉)、未来预约信息(预约次数)以及成本等多维因素。然而,由于各个影响因素单位和范围相差较大,我们从全局角度建立区块链资源QoS指标并进行归一化处理。这里将区块链资源QoS指标描述为QoS效用,在本实施例中称之为可信度。该评估器可确保遴选出可信度达标的可信资源节点,保证生产系统运作的可靠性,为可信制造环境下形成新型联盟合作关系的核心系统结构提供进化型区块链资源支撑。
具体地,所述区块链生产物流(Blockchain Production Logistics,BCPL)系统配置服务模块用于对不断变化的PL任务需求进行PL资源服务的优化配置。该模块内嵌了一种支持多单元协同优化的MDO方法,规避了集中式决策(All-in-One,AIO)优化方法(如遗传算法,GA)的缺点,因为一体化优化方法将资源服务的固定服务参数考虑到单个集中式优化模型中,而且它一般忽视资源服务单元的独立决策权和业务数据隐私问题,导致求解精度低、速度慢,优化结果难以满足现实需求。而多学科设计优化方法和区块链技术,可有效规避上述决策权集中和隐私安全问题。
所述的BCPL系统配置服务模块,考虑到生产物流资源是以层级式管理方式进行组织,本实施例采用了一种分布协调优化方法—目标级联分析法(ATC)。它是一种利用并行计算思想解决非集中式、层次结构协调的复杂系统优化问题的新型多学科设计优化方法,与其他优化方法相比,ATC具有“并行优化、级数不限、严格收敛”等优势,通过将顶层系统级的总体设计目标分解至下层多个子系统,通过系统级优化和子系统优化的多次迭代,最终收敛出一个最优的系统设计方案。所述ATC方法,保证了分布式决策子系统的决策权下放和数据隐私。
所述BCPL系统配置服务模块设计了一个基于ATC的区块链生产物流资源优化框架,如图5所示。区块链生产物流资源代表基于区块链的各种生产物流资源,而BC-R/SRC模块是区块链资源服务的注册中心。atcEditor模块作为与PL服务请求者进行通信的接口,即它可以根据PL任务需求、优化目标以及系统当前可用资源状态信息转换为基于PL Service的ATC优化模型。atcEngine模块通过IoT技术收集实时运作信息,以支持PL资源服务的协调和优化。atcEditor和atcEngine联合工作,以提供区块链生产物流系统配置服务(BCPLSCS)和区块链生产物流运作计划服务(BCPLOPS)。
所述BCPLSCS的运行流程如下。当接收到用户的PL任务请求时,管理者通过alcEditor封装的智能合约集(如订单价值评估合约,OVEC和系统资源评估合约,SRAC)来评估订单价值和系统资源的可用性,当判断都为肯定响应时,则从BC-R/SRC中调用适合的PL服务形成PL系统的组成部分。这里以一种三级的PL执行系统进行讨论。系统的顶层为系统级服务,是整个系统面向客户需求的响应。第二层为子系统服务,主要包括三类计划管理部门,即包括生产子系统、配送子系统和仓储子系统。底层的是生产单元服务,主要包括生产设备、车辆和仓库等物理资源,这些资源由上级的部门进行管理。在确定相应的系统结构后,为每个构成要素设定供应资源标准,例如资源数量、资源可信度和使用时间等。atcEditor中的智能合约(如配置计划验证合约,CPVC)基于上述搜索标准获取候选的
生产物流智能对象(Production Logistics Smart Object,PLSO)集合,将他们放入到系统相应的元素中,形成初始的系统结构并发送给atcEngine。atcEngine模块收集基于区块链的分布式生产物流资源的实时状态,并形成相应的服务能力模型,通过其中的智能合约(如配置计划优化合约,CPOC)协调优化这些能力模型,以获得可满足客户需求的最优的PL系统配置方案。
所述BCPLOPS模块在优化配置结果的基础上,根据实时执行状态制定相应的初始计划和修正计划,以更好的协调配置的资源完成动态生产物流任务。该模块封装了生产物流可信联动运行机制,它是实现生产物流可信联动的定性方法。该机制通过引入区块链和智能合约技术,来保证开放式生产环境下的数据安全和可信的自动化协作。智能合约是由预置事件(如特定任务、特定时间)触发,可自动响应事件并执行相应操作的程序,可为开放生产物流节点的可信联动运作提供一种透明、安全、智能的交互协作方式。该联动机制主要包括两个阶段。
1)初始计划阶段。在服务开始前,平台根据接收到的生产物流任务、资源实时状态和约束,调用内嵌的系统资源评估合约(SRAC)和运作计划优化合约(OPOC)模块,为系统制定当日最优的生产物流运作计划,包括每个子系统的资源分配、时间安排与任务排序等。
2)修正计划阶段。在服务执行后,通过状态监控模块实时获取每个执行子系统的动态信息。联动控制器根据动态性干扰评估合约(DDEC)评估动态性影响范围,通过自修正计划合约(SCPC)自动触发精准、及时的控制措施。例如当动态性小于某一阈值时,则执行原计划;当属于轻度动态性时,一般采用子系统内部重调度;当属于中度动态性时,一般通过子系统之间进行重调度来解决;当属于重度动态性时,此时控制器会通过平台重新调用外部区块链资源,来消除动态性影响。通过上述控制逻辑,以保证系统在面向动态性时,能够以最经济、最快速的方式来减少甚至消除动态性的影响。需要注意的是,由于系统的重新配置通常是昂贵的,只有在通过重调度方式无法解决或者产生无法接受的后果时(如严重交付延迟),而且区块链资源可用时,进行系统的重配置才是必要的。
所述BCPLOPS模块内嵌了可信联动优化器封装的ATC算法,如图6所示,当生产系统出现中度及以上扰动时(如紧急插单或订单取消)时,生产和物流节点必须可信、高效合作,以确保客户订单的顺利交付。该算法作为一种解决大规模复杂耦合问题的MDO方法,具有多级、层级式的优化结构,因此适用于解决具有独立决策权要求的联动决策问题。图6描述了基于ATC的联动决策框架,它包含两个核心基础模块:(1)优化设计模块Pi,j;(2)分析模块ri,j(x)。
所述ATC算法针对某制造集团企业的成品入库流程中的“生产-配送-仓储”联动运作过程,它有以下特点:(1)根据动态的客户需求,平台通过动态组织企业自有制造资源和外部区块链资源节点来完成PL任务。此外,各制造节点具有独立的决策权,他们之间共享的业务敏感信息需要保证一定的隐私;(2)尽管生产、配送和仓储子系统可能隶属于不同的企业,他们的目标和约束各不相同,然而他们在运作时间上紧密关联的。比如生产节点每个生产批次订单的下线时间将会影响配送节点的取/送货的路径与作业顺序,而每个配送批次订单的入库时间也会影响后续仓库节点货位的分配顺序,这是耦合变量(3)对于整个生产系统而言,管理者需要保证整个成品入库流程运作可靠、顺畅的前提下,最大程度地降低系统运作成本。因此,三者之间的决策需要进行协调。
基于上述特点,生产、配送和仓储之间的联动决策可以被分解为三层的非线性规划问题。(1)基于客户订单的交付需求,按照生产流程运行逻辑将DSPS划分为具有多个分布式、层次性结构的静态ATC目标级联协调优化模型,系统级将设计变量分配给仓储、配送和生产子系统;(2)在满足各自约束条件下,仓储、配送和生产子系统独立计算出与/>偏差尽可能最小的最优解/>(3)评估系统级获得的最优设计变量是否符合系统级松弛因子的一致性约束,若符合,则输出分布式制造系统的协同优化决策结果;(4)通过ATC协调模型的迭代优化,使得仓储、配送、生产三个子系统协调优化后的最优解与顶层系统级设计目标趋于一致,当满足系统级一致性约束或达到最大迭代次数时,输出全局最优结果,从而获得资源可信度达标且具有最低系统运作成本的解决方案。
所述基于区块链的过程监控与可信追溯模块用于平台各利益方能够迅速而有效地了解事件的构成要素和时序,并在正确的时间获得正确的信息,从而实现高效、可靠的生产物流管理。该模块主要包括订单过程可信监控和产品质量可信追溯两个模块。
所述订单过程可信监控模块用于管理者能够快速发现并处理生产、配送和仓储等环节的扰动事件,保证订单执行全流程的透明化和可信性,从而实现客户订单的准时、快速交付。基于区块链技术的不可篡改性和分布式存储特性,平台中各节点根据共识算法对新订单进行全网广播认证,并将认证结果存储到区块链网络中,以实时记录订单执行过程中的关键节点状态,从而实现生产物流订单的全流程监控。具体而言,在接收到客户订单后,首先将订单中的产品类别分解为相应的生产订单。通过企业资源计划(ERP)适配器分析新生产订单中产品所需要的物料清单(BOM),同时实时检测物料库存状态,确定新的物料需求订单和物流任务。进一步,企业根据生产计划和物流任务执行生产和物流过程,并将检验合格的生产订单及时入库。最后,根据客户订单的交付期和交付方式安排配送卡车进行发货。在上述订单执行过程中,管理者可以在“订单可视化浏览器”中输入订单时间戳信息,便可监控到区块链记录的该订单信息。通过分析区块中保存的订单生产信息、订单流通信息、订单产品组件信息和订单合约等,管理者能够快速发现并处理生产、配送和仓储等环节的扰动事件,保证订单执行全流程的透明化和可信性,从而实现客户订单的准时、快速交付。
在本实施例中,所述产品质量可信追溯模块用于快速发现有质量问题的产品,通过追溯质量缺陷的源头节点和根本原因,提升制造商产品的质量管理能力。如图7所示,管理者可以在“产品可视化浏览器”中输入特定产品的属性信息(如产品编号、产品名称和产品批次等)进行查询,通过检索区块链分布式数据库中的信息,可以获取产品的制造商、产品的零部件批号、产品生产时间/空间位置、产品质量检验信息和物流信息等。这些数据通过物联网技术在生产、配送和仓储环节等增值节点处进行实时收集,并记录在区块链中,形成可信的、永久的、不可篡改的产品全生命周期链式记录。中间件企业信息系统(EIS)将这些数据传输到区块链网络中。当系统监测到质量异常事件时,首先会分析产品批次清单,以获得有质量缺陷的产品批次、缺陷产品的零部件批次以及责任源头节点等信息。通过智能合约(如缺陷处理合约,DHC),系统会自动将事件的紧急信息提供给生产者、消费者和其他相关利益方,从而在客户与有关利益方之间建立起跨时空、低成本、高效率的互信关系。这使得客户与有关利益方通过平台能够轻松追踪成品质量过程,并及时精准地发现问题的源头并快速处理。这样一方面提高了客户的满意度,另一方面帮助企业降低生产和物流运作成本,显著提升了企业的管理效率。
在实施例中,所述社会化生产物流资源可信管理平台运行模式用于明确平台中各利益方的运行特征,如图8所示。所述可信联动管理平台是在生产服务系统(PnSS)运行模式的理念下设计。该平台引入了区块链技术的密码学和分布式共识机制,以确保平台数据的安全性和隐私,不同参与节点可以放心地共享敏感的业务数据,不必担心数据泄露或篡改,同时提升了不同组织节点的可信协作能力。该平台主要涉及三类利益相关者:资源使用者(制造商)、资源提供者和平台运营者。实施该服务平台的好处可以从三个利益相关方的角度进行描述。
所述第一利益相关方,资源使用者。资源使用者一般指制造商。面向随机的、个性化的客户需求时,在日常运作时,他们需要平台上的区块链资源灵活供应和可信的联动决策技术支持。资源使用者通过在平台上购买或者租赁方式来享受PL物流服务,从而降低各类软硬件PL资源的投资成本和应用风险。他们可以通过平台与其他资源提供者进行可信交互和沟通,并协商资源价格、服务内容和交付方式等,以达成双方的可靠共识。双方交易完成后,平台利用区块链技术保证交易信息的可追溯性和不可篡改性,增强资源使用者对合作交易的信心。资源提供者通过平台提供的软硬件资源结合的整体解决方案,实现了广域资源的可信协同交互,并获得系统配置和运作决策服务。
所述第二利益相关方,资源提供者。资源提供者提供的资源主要包括PL设备、信息软件、工业物联网设备等。首先,平台的支撑使得资源提供者在消费者使用阶段仍保持资源的所有权,打破了传统的资源所有权和使用权的“一元结构”,实现了所有权和使用权的分离。这种服务方式提升了闲置PL资源的配置能力,为资源提供者带来持续性的租金收益和附加服务收益。其次,资源提供者在平台上能够提供创新且专业化的生产服务,以及实惠且高质量的产品,从而扩大市场业务份额,并因此获得良好的信誉。当制造商需要租赁物理资源时,具有良好信誉的资源提供者将被优先选择。最后,资源在使用的全生命周期中产生的业务数据,将会为制造商的生产运作管理和产品质量改进提供重要的数据支撑。
所述第三利益相关方,平台运营者:他们是负责平台的日常运营和服务支持,并对区块链资源进行评估与管理。他们承担的职责:首先,平台运营者除了负责平台日常的正常运营外,他们还管理平台上资源提供者和资源使用者之间的关系,通过平台提供的资源注册与可信度评估模块,确保资源的可信度和可靠性。他们还负责资源的分配与调度,使闲置的区块链资源能够有效利用和共享。其次,平台运营者还提供技术支持、及时响应用户需求等服务支持。此外,平台运营者通过收取平台用户一定的费用来维持平台的可持续运营。最后,基于整合的生产物流实时运作信息,他们可以为资源使用者提供资源节点可信度评估、物理资源系统配置和可信联动决策服务,以提高客户的满意度并创造出更大的经济价值。
实施例二
如图9所示,本发明面向某制造集团企业的现实需求,开发了基于区块链和数字孪生的社会化生产物流资源可信联动管理平台。该平台的主要技术细节和功能模块如下:系统架构:平台的主体部分采用B/S(浏览器/服务器)架构,为用户提供Web界面。PDA或移动设备部分采用C/S(客户端/服务器)架构;开发环境:前端开发语言为Vue.js;区块链部分采用Go语言开发,使用Visual Studio Code作为IDE,非区块链部分为Java开发,使用Eclipse作为IDE;数据库:区块链数据库为Level DB,传统数据库为Oracle 19c,确保与所选的区块链平台(Hyperledger Fabric)兼容;运行环境:平台部署在云服务商AWS上,在在Linux环境中运行;使用Docker进行容器化,配合Kubernetes进行容器编排和部署;安全性:数据传输使用TLS/SSL确保安全性;身份验证使用JWT(JSON Web Token);授权使用OAuth 2.0框架。该平台主要被分为7个模块,包括智能生产计划模块、智能PDA执行模块、叉车装载模块、仓库管理模块、制造资源注册模块、基本数据管理模块和报表管理模块。如图10所示,该平台的主要运作流程是:生产物流资源的封装与孪生、订单接收、生产物流系统资源的优化配置、生产物流系统的运作计划制定、成品下线绑盘、成品配送、成品排库、动态性监控、系统联动响应和系统运行状态分析。
平台经过企业应用后,提高了实时优化决策能力,包括PL系统优化配置和动态干扰后的可信联动决策。这有助于降低公司的运营成本,并提高生产运作的总体效率。一方面,公司通过动态租赁方式享受平台提供的PL资源和决策服务。这减轻了公司在硬件投资和土地使用方面的压力,并降低一次性资源投入所带来的购置和维护成本。另一方面,公司通过平台改变了传统的决策方式(如传统工具&人工经验),平台中基于多源可信数据和多学科优化算法为用户提供智能决策支持,在动态干扰下采用社会化生产物流可信联动运行机制执行PL任务,这提高了决策的科学性和精准性,降低了决策失误的风险。
附表1
/>
参考附表1可以看出,统计数据显示了这些改进的效果。其中,降低了客户订单的平均交付周期和平均运作成本,提高了仓库的空间利用率和生产-物流协同率。这些改进显著提高了公司生产物流运作管理能力,增强了合作伙伴和潜在客户的信任度,进一步促使了客户量和业务量的增加,公司的出货量也明显增加。同时,提升了企业成品物流运作的可见性和可追溯性。生产物流运作过程中的关键PL资源几乎都已经使用数字孪生技术进行了虚拟化,实现了生产物流过程在数字空间的实时可见性。
应用测试结果验证了平台对公司生产运作的积极影响,通过平台实现了生产物流资源的灵活供应和多子系统之间的可信联动决策,显著提升了动态个性化需求下生产物流运作的响应能力,提高了生产管理效率和绩效指标,使企业能够在竞争激烈的市场环境中保持核心竞争力,实现可持续发展。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
尽管已经示出和描述了本发明的实施例,本领域技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由权利要求及其等同物限定。
结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器,但在替换方案中,该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合,例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。
结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中,存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中,处理器和存储介质可作为分立组件驻留在用户终端中。
在一个或多个示例性实施例中,所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品,则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者,其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定,这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如,如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来,则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟,其中盘(disk)往往以磁的方式再现数据,而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的,且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此,本公开并非旨在被限定于本文中所描述的示例和设计,而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
Claims (10)
1.基于区块链与数字孪生的生产物流管理平台,其特征在于,所述平台包括广域物理资源层和广域物理资源管理系统;其中,所述广域物理资源管理系统包括四层,具体包括区块链资源管理层、数字孪生映像层、可信智能联动服务层和可信智能联动应用层;
所述广域物理资源层用于管理物理资源和智能IoT设备;
所述区块链资源管理层用于构建基于区块链的生产物流资源管理器对各种物理资源进行可信记录和管理,并对物理资源进行注册、发布和监控;
所述数字孪生映像层通过将区块链制造资源在虚拟空间中进行等效数字化,形成标准数字孪生体,同时通过业务逻辑、数据关联和交互反馈,构建数字孪生扩展模型;
所述可信智能联动服务层用于为社群化制造节点提供区块链资源可信度评估、系统优化配置、运作计划和状态监控以及可信追溯服务;
所述可信智能联动应用层用于根据终端用户的生产和物流联动应用需求提供全流程资源配置和动态决策服务;
其中,所述基于区块链的生产物流资源管理器,还包括:
生产物流智能对象创成模块,用于将所有物理资源通过智能IoT设备改造为具有感知、通信和智能处理能力的生产物流智能对象;
制造资源区块链封装模块,用于构建基于区块链的智能网关操作系统,以标准区块链的形式封装和表示所述广域物理资源层的物理资源和智能IoT设备,并将所述物理资源的关键特征信息和属性记录到区块链中,并与物理资源的唯一标识符进行关联并进行加密处理,用于确保所述物理资源的数据完整性、可信性和安全性;
区块链资源注册发布模块,用于管理和维护区块链资源的注册和发布过程;
区块链资源监控模块,用于实时监控和跟踪所述区块链上的物理资源;
区块链资源管理,用于管理和维护全生命周期的区块链资源。
2.根据权利要求1所述的基于区块链与数字孪生的生产物流管理平台,其特征在于,所述物理资源包括硬件资源和软件资源;
所述硬件资源包括现场操作者、装备、物料、车辆和设施;
所述软件资源包括各类决策支持和服务系统;
所述智能IoT设备包括被动和主动感知对象;
所述被感知对象包括1D/2D条形码、RFID标签和iBeacon标签;
所述主动感知对象指的是具有主动的数据生成和收集功能的对象,包括RFID阅读器、PDA(Personal Digital Assistant)手持终端和工业可穿戴设备。
3.根据权利要求1所述的基于区块链与数字孪生的生产物流管理平台,其特征在于,所述数字孪生映像层,包括以下组件:
全要素数据融合模块,用于融合静态属性数据、动态运作数据以及环境数据,以获取制造资源的全要素信息,并将融合后的数据传递给多尺度系统建模模块,以进行数字孪生建模;
多尺度系统建模模块,用于利用融合后的数据构建不同层次的数字孪生模型;
系统及环境融生映像模块,用于通过对管理平台的外部环境和内部相互作用进行建模和分析,以实时评估平台运行状态并优化整体运作效率;
控制目标映像模块,用于将生产管理系统的目标和控制要求映射到数字孪生模型中。
4.根据权利要求3所述的基于区块链与数字孪生的生产物流管理平台,其特征在于,所述静态属性数据包括资源名称和权属信息;所述动态运作数据包括资源状态和实时位置;所述环境数据包括物理、网络、系统、经济和市场环境数据。
5.根据权利要求3所述的基于区块链与数字孪生的生产物流管理平台,其特征在于,所述不同层次包括资源级、单元级、子系统级和系统级。
6.根据权利要求1所述的基于区块链与数字孪生的生产物流管理平台,其特征在于,所述可信智能联动服务层,具有以下组件:
区块链资源节点可信评估模块,用于使用融合方法建立可信度综合评估模型并进行可信度分值排名,然后对社群化制造资源节点进行可信度评估;
系统优化配置模块,用于通过分析生产物流任务需求和资源可信度评估情况,基于多学科设计优化方法为各个制造节点制定最优的资源配置方案;
可信联动计划模块,用于负责协调任务分配、运作计划、资源调度、时间安排和控制参数;
状态监控及追溯模块,用于实时监测每个执行节点的运作状态,并将关键信息存储在区块链网络中。
7.根据权利要求6所述的基于区块链与数字孪生的生产物流管理平台,其特征在于,所述关键信息包括资源运行历史、当前设备工作状态、故障和维护记录。
8.根据权利要求1所述的基于区块链与数字孪生的生产物流管理平台,其特征在于,所述可信智能联动应用层,包括以下组件:
智能生产管理系统模块,用于监控和调度生产过程,并根据用户需求和资源状况制定生产计划,进行任务调度和资源配置;
智能配送管理系统模块,用于管理和调度配送的过程,以及基于用户需求和库存情况制定配送计划,进行订单分配和物流调度;
智能仓储管理系统模块,用于监控货物流转和库存情况,并根据用户需求和仓储计划进行货物存储和出库操作
可信联动引擎模块,用于整合协调模块间的功能和数据,并根据生产系统运行状态,实时确保每个模块在配置、计划和执行中的一致性,实现对生产系统的高效管理和控制;
可信联动浏览器模块,用于可视化展示和与可信联动引擎模块进行交互。
9.基于区块链与数字孪生的生产物流管理平台实现方法,其特征在于,包括:
通过广域物理资源层收集物理资源和智能物联网设备收集的信息,并通过标准注册格式向基于区块链与数字孪生的生产物流管理平台注册,并将注册信息传入区块链资源管理层;
所述区块链资源管理层对物理资源进行可信记录和管理,通过服务封装的形式将物理资源连接到平台上,为数字孪生映像层提供安全可靠的资源信息和区块链资源;
所述数字孪生映像层通过融合区块链资源的静态属性数据、动态运作数据以及环境数据,获取制造资源的全要素信息,然后构建不同层次的数字孪生模型,通过对不同层次的数字孪生模型进行分析,用于实时评估系统运行状态并优化整体运作效率,同时将生产管理系统的目标和控制要求映射到数字孪生模型中,通过对多场景下的数字孪生模型进行分析和优化,支持平台做出最佳的决策和控制策略;
所述可信智能联动服务层通过调用所述数字孪生映像层的数字孪生模型和所述区块链资源,对资源节点进行可信度评估,通过多学科设计优化方法提供最优的资源配置方案,并在生产和物流的各个阶段进行协调并监控;
所述可信智能联动应用层根据所述可信智能联动服务层的监控结果数据对生产过程进行任务调度和资源配置,再根据用户需求和库存情况制定配送计划,并进行订单分配和物流调度,然后再根据用户需求和仓储计划进行货物存储和出库操作,同时集成和协调模块间的功能和数据,并根据生产系统运行状态实时联动每个模块在配置、计划和执行中的不一致,实现对生产系统的高效管理和控制。
10.根据权利要求9所述的基于区块链与数字孪生的生产物流管理平台实现方法,其特征在于,所述可信度评估通过归一法建立资源节点的可信度综合评估模型,将不同的评估指标转化为统一的可信度分值,并进行可信度分值排名。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311328245.2A CN117172641A (zh) | 2023-10-13 | 2023-10-13 | 基于区块链与数字孪生的生产物流管理平台及实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311328245.2A CN117172641A (zh) | 2023-10-13 | 2023-10-13 | 基于区块链与数字孪生的生产物流管理平台及实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117172641A true CN117172641A (zh) | 2023-12-05 |
Family
ID=88939621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311328245.2A Pending CN117172641A (zh) | 2023-10-13 | 2023-10-13 | 基于区块链与数字孪生的生产物流管理平台及实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117172641A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829862A (zh) * | 2024-03-04 | 2024-04-05 | 贵州联广科技股份有限公司 | 一种基于互联互通的数据源追溯方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325816A (zh) * | 2021-08-03 | 2021-08-31 | 山东捷瑞数字科技股份有限公司 | 面向工业互联网的数字孪生体数据管理方法 |
CN115129004A (zh) * | 2022-06-12 | 2022-09-30 | 西北工业大学 | 一种基于边缘计算和数字孪生的智能生产系统及方法 |
CN115699050A (zh) * | 2019-11-05 | 2023-02-03 | 强力价值链网络投资组合2019有限公司 | 价值链网络控制塔和企业管理平台 |
CN116112175A (zh) * | 2022-12-23 | 2023-05-12 | 北京邮电大学 | 基于区块链的数字孪生网络的业务处理方法、装置及介质 |
-
2023
- 2023-10-13 CN CN202311328245.2A patent/CN117172641A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115699050A (zh) * | 2019-11-05 | 2023-02-03 | 强力价值链网络投资组合2019有限公司 | 价值链网络控制塔和企业管理平台 |
CN113325816A (zh) * | 2021-08-03 | 2021-08-31 | 山东捷瑞数字科技股份有限公司 | 面向工业互联网的数字孪生体数据管理方法 |
CN115129004A (zh) * | 2022-06-12 | 2022-09-30 | 西北工业大学 | 一种基于边缘计算和数字孪生的智能生产系统及方法 |
CN116112175A (zh) * | 2022-12-23 | 2023-05-12 | 北京邮电大学 | 基于区块链的数字孪生网络的业务处理方法、装置及介质 |
Non-Patent Citations (1)
Title |
---|
周达坚等: "数字孪生驱动的工业园区"产-运-存"联动决策架构、模型与方法", 《计算机集成制造系统》, pages 1576 - 1590 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829862A (zh) * | 2024-03-04 | 2024-04-05 | 贵州联广科技股份有限公司 | 一种基于互联互通的数据源追溯方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Leng et al. | Blockchain-empowered sustainable manufacturing and product lifecycle management in industry 4.0: A survey | |
He et al. | Internet-of-things enabled supply chain planning and coordination with big data services: Certain theoretic implications | |
US7574379B2 (en) | Method and system of using artifacts to identify elements of a component business model | |
Lin et al. | An innovative machine learning model for supply chain management | |
Cordeiro et al. | Theoretical proposal of steps for the implementation of the Industry 4.0 concept | |
Zampou et al. | Towards a framework for energy-aware information systems in manufacturing | |
Sang et al. | Predictive maintenance in industry 4.0 | |
Yoon et al. | Smart Factory Information Service Bus (SIBUS) for manufacturing application: requirement, architecture and implementation | |
CN101114355A (zh) | 用于基于组件商业模型的企业组合管理的方法和系统 | |
CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
Ren et al. | Cloud manufacturing platform: operating paradigm, functional requirements, and architecture design | |
Zorrilla et al. | A reference framework for the implementation of data governance systems for industry 4.0 | |
CN117172641A (zh) | 基于区块链与数字孪生的生产物流管理平台及实现方法 | |
CN115860529A (zh) | 基于工业互联网的供应链碳核算系统 | |
Li et al. | Manufacturing services collaboration: connotation, framework, key technologies, and research issues | |
CN114386986A (zh) | 一种产品全生命周期数据的追溯平台 | |
Chen et al. | Research to key success factors of intelligent logistics based on IoT technology | |
Zhang et al. | A pattern-recognition-based algorithm and case study for clustering and selecting business services | |
Voulgaridis et al. | Digital product passports as enablers of digital circular economy: a framework based on technological perspective | |
Niavis et al. | Trusted dbl: A blockchain-based digital twin for sustainable and interoperable building performance evaluation | |
CN117744914A (zh) | 基于bim的施工数字化管理方法、平台及计算机设备 | |
US20140149186A1 (en) | Method and system of using artifacts to identify elements of a component business model | |
CN113706101B (zh) | 电网项目管理智能系统架构及方法 | |
CN116186387A (zh) | 一种基于产品数据源的物料标识解析系统 | |
Cancian et al. | Towards a capability and maturity model for collaborative Software-as-a-Service |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |