CN107944698B - 面向云制造的制造需求与设备能力归一化建模方法 - Google Patents
面向云制造的制造需求与设备能力归一化建模方法 Download PDFInfo
- Publication number
- CN107944698B CN107944698B CN201711173874.7A CN201711173874A CN107944698B CN 107944698 B CN107944698 B CN 107944698B CN 201711173874 A CN201711173874 A CN 201711173874A CN 107944698 B CN107944698 B CN 107944698B
- Authority
- CN
- China
- Prior art keywords
- manufacturing
- shape
- matrix
- equal
- model
- 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.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 280
- 238000000034 method Methods 0.000 title claims abstract description 121
- 230000008569 process Effects 0.000 claims abstract description 88
- 238000010606 normalization Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 90
- 238000013507 mapping Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 13
- 239000000463 material Substances 0.000 claims description 12
- 230000003746 surface roughness Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000003754 machining Methods 0.000 claims description 6
- 229910052739 hydrogen Inorganic materials 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/101—Collaborative creation, e.g. joint development of products or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种面向云制造的制造需求与设备能力归一化建模方法,在建立设备制造能力模型和零件制造需求模型的基础上,引入特征工序路线,通过直觉模糊算法对设备资源组和云任务制造需求进行匹配,构建了面向云制造的制造需求—设备能力归一化模型。结合云制造的特点,综合考虑零件与设备的多样性和制造工艺的复杂性、人力参与因素和资源能力的可量化性因素,对需求和能力进行特征建模,建立云制造任务与设备能力之间的映射关系,提高了后续制造资源智能搜索以及云制造服务组合优化匹配的效率和能力,云制造服务平台能够从众多的制造资源中快速有效的选择出满足制造需求的制造资源,降低制造成本,提高产品质量,实现制造资源高效共享和优化配置。
Description
技术领域
本发明属于云制造技术领域,具体的涉及一种面向云制造的制造需求与设备能力归一化建模方法。
背景技术
随着信息技术迅速发展,以应用服务提供商、制造网格、敏捷制造、全球化制造等为代表的网络化制造模式,日渐成为制造业企业应对知识经济、制造全球化、快速响应市场需求、提高企业竞争力等目标的一类先进制造模式。虽然网络化制造在资源服务化建模与封装、资源配置与调度、协同设计、工作流管理等领域取得了一定成果,但其无论在技术上还是运营模式上还存在着缺乏完善的运营服务模式、不能实现动态智能的制造资源共享与分配、缺少终端物理设备智能接入实现技术、没有有效的安全解决技术和手段等瓶颈问题,导致网络化制造的资源服务提供者和资源服务需求企业无法取得显著的经济效益,制约了网络化制造进一步推广与发展。针对当前制造业信息化发展和应用过程中遇到的瓶颈问题,结合云计算、物联网、面向服务的技术、高性能计算技术等理念和新技术,提出了一种面向服务的、高效低耗和基于知识的网络化制造新模式——云制造(Cloud manufacturing,CMfg),并已在学术界和工业界都得到了广泛的认可。它将各类制造资源和制造能力虚拟化、服务化,构成制造资源和制造能力池,并进行统一的、集中的智能化管理和经营,实现智能化、多方共赢、普适化和高效的共享和协同,通过云制造系统为制造全生命周期过程提供可随时获取的、按需使用的、安全可靠的和优质廉价的服务。
云制造充分融合了现有先进的制造模式,以及信息科技最新的研究成果,特别是云计算技术,突出体现并拓展了云计算所秉承的“一切皆服务”思想,将制造全生命周期过程所涉及制造资源都封装成了制造云服务,通过服务提供者(Service Provider)、服务请求者(Service Requester)和服务管理平台(Service Management Platform)三个基本角色的交互,完成服务的发布、查找、组合、绑定和调用等活动。即,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。在云制造模式中实现制造能力的按需使用与流通,其基础是制造需求和制造能力的建模与封装,其中制造需求被封装成订单,制造能力被封装成服务发布到云制造平台。云制造平台面对数据量巨大的订单和服务,需要实现两者的智能匹配,从而实现制造能力的按需使用。因此,云制造平台的关键技术在于制造需求和制造能力能够动态协同。
发明内容
有鉴于此,本发明的目的在于提供一种面向云制造的制造需求与设备能力归一化建模方法,能够满足云制造环境下制造需求和制造能力自动匹配的要求,提高模型对云制造的实际情况的表达程度,从而提高云制造中制造需求与设备能力匹配的效率,改善制造任务的资源寻优配置,提升产业链协作能力,从而降低制造成本,提高产品质量。
为达到上述目的,本发明提供如下技术方案:
一种面向云制造的制造需求与设备能力归一化建模方法,包括如下步骤:
步骤一、设备能力建模:构建以机床为核心的基于特征的设备制造能力模型,以能力特征的形式加以描述和呈现,从而保证零件制造需求与设备制造能力的匹配计算的有效性;
步骤二、制造需求建模:分别从商务需求维和技术需求维分析云任务制造需求,构建基于特征的零件制造需求模型,以详细了解云制造任务中零部件加工制造信息,并获取其中关键零部件特征加工需求及制约工序;
步骤三、特征工序路线获取:将零件的形状特征映射到已有工艺路线的各个工序中形成以特征工序为单元的新工艺路线,其中,特征工序由工序名称和属于该工序的零件形状特征组成;
步骤四、归一化模型:在所述步骤一建立的设备制造能力模型和所述步骤二建立的零件制造需求模型的基础上,引入所述步骤三获取的特征工序路线和特征工序,构建了面向云制造的制造需求-设备能力归一化模型,采用直觉模糊算法,并通过直觉模糊矩阵建立设备资源组和云任务制造需求的映射关系,提高后续制造资源智能搜索以及云制造服务组合优化匹配的效率和能力。
进一步,所述步骤一中,将设备制造能力模型分为基本特征和可加工形状特征,其中,基本特征包括可加工材料特征、商务特征、基础信息特征和加工环境特征,构建设备制造能力模型的基本特征矩阵为:
其中,R*_C表示可加工材料特征向量,R*_W表示设备基础信息特征向量,R*_H表示加工环境特征向量,R*_T表示商务特征向量,*表示当前属性不存在,默认缺省值为0,为实现设备制造能力模型的分块矩阵表示;
可加工形状特征包括形状种类、尺寸参数、尺寸精度、表面精度、形状精度、定向精度和定位精度,构建设备制造能力模型的可加工形状特征矩阵为:
其中,R=(R1j,R2j,…,R7j)T(1≤j≤n)表示设备的第j个可加工状形特征向量,Rij(其中1≤i≤7;1≤j≤n)为第j个可加工形状特征的第i个属性;
Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度}为可加工形状特征属性集合,Qi=(Ri1,Ri2,…,Rin)(其中1≤i≤7)表示可加工形状特征矩阵的第i个特征属性向量;
根据基本特征矩阵和可加工形状特征矩阵,则第i个设备制造能力矩阵Vi表示成如下的分块矩阵形式:
Vi=[V*_R|V_RT]。
进一步,所述步骤二中,将零件制造需求模型分为基本需求特征和零件形状特征,其中,基本需求特征包括零件材料特征、零件基础特征、零件环境特征和零件商务特征,构建零件制造需求模型的基本需求特征矩阵为:
其中,S*_C代表零件材料特征向量,S*_W代表零件基础特征向量,S*_H代表零件环境特征向量;S*_T代表零件商务特征向量,*表示当前属性不存在,默认缺省值为0,为实现制造需求模型的分块矩阵表示;
零件形状特征包括形状种类、尺寸参数、尺寸精度、表面粗糙度、形状精度、定向精度和定位精度,构建零件制造需求模型的零件形状特征矩阵为:
其中,S=(S1j,S2j,…,S7j)T(1≤j≤n)表示零件的第j个形状特征向量,Sij(其中1≤i≤7;1≤j≤n)为第j个零件形状特征的第i个属性;
Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度}为零件形状特征属性集合,Qi=(Ri1,Ri2,…,Rin)(其中1≤i≤7)表示形状特征矩阵的第i个特征属性向量;
根据基本需求特征矩阵和零件形状特征矩阵,则第i个零件制造需求矩阵Mi表示成如下的分块矩阵形式:
Mi=[M*_S|M_ST]。
进一步,所述步骤三中,根据零件的形状特征映射到已有工艺路线的各个工序中形成的以特征工序为单元的新工艺路线,则设某一特征工序中有m个主特征,则该特征工序表示为7×m维矩阵:
M_F=(F1,F2,…,Fm)
其中,Fi(1≤i≤m)为形状特征向量,与零件制造需求模型中的零件形状特征含义相同,即Fi=(F1i,F2i,…,F7i)T(1≤i≤m)包含7个属性值,7个属性值记作Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度},各个属性权重为并且满足归一化要求:则特征工序矩阵表示为:
进一步,所述步骤四中,归一化模型的构建方法如下:
步骤41、建立基本特征映射关系:设V*_Rp=(R*_C,R*_W,R*_H,R*_T)为第p个设备的基本特征矩阵,M*_Sq=(S*_C,S*_W,S*_H,S*_T)为云任务制造需求中第q个零件的制造需求模型的基本需求特征矩阵,引入直觉模糊算法,则用如下直觉模糊集规范化描述基本特征的映射关系:
其中,AIJ表示所述设备制造能力模型的基本特征矩阵的元素R*_JI与所述零件制造需求模型的基本需求特征矩阵的元素S*_JI之间的直觉模糊数,μIJ、νIJ分别表示R*_JI与S*_JI的隶属度和非隶属度,R*_JI和S*_JI必须满足R*_JI∈S*_JI(1≤I≤m,J∈{C,W,H,T}),否则AIJ=<0,1>。
步骤42、建立形状特征映射关系:根据特征工艺路线建立形状特征的映射匹配,设V_Rp=(R1,R2,…,Rn)为n个候选设备能力矩阵中的第p个设备的可加工形状特征矩阵,M_Fq=(F1,F2,…,Fm)为云任务制造需求中某一零件的第q个工序的特征工序的特征工序矩阵,则形状特征的映射关系为:
其中,Aij=<μij,νij>表示特征工序矩阵的元素Fij与设备制造能力模型的可加工形状特征矩阵的元素Rik之间的直觉模糊数,μij、νij分别表示Fij与Rik的隶属度和非隶属度,Fij和Rik必须满足Fij∈Rik(1≤i≤7,1≤j≤m,1≤k≤n),否则Aij=<0,1>;
根据基本特征映射关系和形状特征的映射关系,将矩阵A*_S(q,p)和矩阵A_S(q,p)组合为分块矩阵,则云制造环境下的的制造需求和设备能力归一化模型表示为:
A(q,p)=[A*_S|A_ST]。
本发明的有益效果在于:
本发明面向云制造的制造需求与设备能力归一化建模方法,具有以下优点:
1)提出了设备制造能力模型的构建方法,构建了以机床为核心的基于特征的设备制造能力模型,综合考察机床及其配套工装夹具、刀具、辅助、运行状态、操作者人员水平等信息,并以能力特征的形式加以描述和呈现,从而保证零件制造需求与设备制造能力的匹配计算的有效性;
2)提出了零件制造需求模型的构建方法,通过构建基于特征的零件制造需求模型,可以详细了解云制造任务中零部件加工制造信息,并获取其中关键零部件特征加工需求及制约工序,为后续制造需求-能力匹配做准备;
3)将零件的形状特征映射到已有工艺路线的各个工序中形成以特征工序为单元的新工艺路线,得到零件的特征工序路线,以达到零件制造需求到工艺路线的转换,以实现与设备制造能力模型之间的匹配;
4)构建了面向云制造的制造需求-设备能力归一化模型,采用映射匹配机制,通过直觉模糊算法对制造资源和任务需求进行匹配,提高了后续制造资源智能搜索以及云制造服务组合优化匹配的效率和能力;
综上,本发明在传统的物理属性建模方法基础上,结合云制造的特点,综合考虑零件与设备的多样性和制造工艺的复杂性、人力参与因素和资源能力的可量化性因素,对资源进行建模,建立一个基于特征的制造需求—制造能力归一化模型,然后根据归一化模型对制造需求与制造能力进行映射匹配,提高了后续制造资源智能搜索以及云制造服务组合优化匹配的效率和能力,云制造服务平台能够从而能够从众多的制造资源中快速有效的选择出满足制造需求的制造资源,降低制造成本,提高产品质量,实现制造资源高效共享和优化配置。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为基于特征的设备制造能力模型的原理框图;
图2为云制造任务需求的需求模型的原理框图;
图3为零件制造需求模型的原理框图;
图4为归一化模型的原理框图;
图5为本发明面向云制造的制造需求与设备能力归一化建模方法的原理框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
本实施例的面向云制造的制造需求与设备能力归一化建模方法,包括如下步骤:
步骤一、设备能力建模:设备能力建模指的是对设备资源组所具有的制造能力的描述与评价。对于制造企业而言,指的是零件加工过程中所需的生产要素,包括设备、刀具、量具、夹具、辅具等生产工艺资源,其中最为主要的是设备资源。本实施例构建了以机床为核心的基于特征的设备制造能力模型,综合考察机床及其配套工装夹具、刀具、辅助、运行状态、操作者人员水平等信息,并以能力特征的形式加以描述和呈现,从而保证零件制造需求与设备制造能力的匹配计算的有效性。
如图1所示,本实施例将设备制造能力模型分为基本特征和可加工形状特征,其中,基本特征包括可加工材料特征、商务特征、基础信息特征和加工环境特征,从宏观角度综合反映了设备的基本制造信息,构建设备制造能力模型的基本特征矩阵为:
其中,R*_C表示可加工材料特征向量,R*_W表示设备基础信息特征向量,R*_H表示加工环境特征向量,R*_T表示商务特征向量,*表示当前属性不存在,默认缺省值为0,为实现设备制造能力模型的分块矩阵表示;
可加工形状特征包括形状种类、尺寸参数、尺寸精度、表面精度、形状精度、定向精度和定位精度,从微观角度将设备所能加工的各个形状的全部制造能力信息进行封装,是设备能力模型的基本能力单元。构建设备制造能力模型的可加工形状特征矩阵为:
其中,R=(R1j,R2j,…,R7j)T(1≤j≤n)表示设备的第j个可加工状形特征向量,Rij(其中1≤i≤7;1≤j≤n)为第j个可加工形状特征的第i个属性;
Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度}为可加工形状特征属性集合,Qi=(Ri1,Ri2,…,Rin)(其中1≤i≤7)表示可加工形状特征矩阵的第i个特征属性向量;
根据基本特征矩阵和可加工形状特征矩阵,则第i个设备制造能力矩阵Vi表示成如下的分块矩阵形式:
Vi=[V*_R|V_RT]。
步骤二、制造需求建模:制造需求建模是获取云制造任务信息最直接的方式,是制造需求和制造能力匹配的基础。用户将云制造任务提交到云平台上的时候,快速的提取并建立云制造任务的制造需求信息,便于企业接到云制造任务时,迅速进入到云制造任务评估阶段,能够正确快速的理解用户需求,并基于对企业自身生产能力的正确认识,合理估计当前企业能力下对于云制造任务的加工能力满足度、制造环境满足度、实验检测满足度、交货时间满足度、制造成本满足度等信息。
如图2所示,本实施例分别从商务需求维和技术需求维分析云任务制造需求,构建基于特征的零件制造需求模型,以详细了解云制造任务中零部件加工制造信息,并获取其中关键零部件特征加工需求及制约工序。
如图3所示,本实施例将零件制造需求模型分为基本需求特征和零件形状特征,其中,基本需求特征包括零件材料特征、零件基础特征、零件环境特征和零件商务特征,构建零件制造需求模型的基本需求特征矩阵为:
其中,S*_C代表零件材料特征向量,S*_W代表零件基础特征向量,S*_H代表零件环境特征向量;S*_T代表零件商务特征向量,*表示当前属性不存在,默认缺省值为0,为实现制造需求模型的分块矩阵表示;
零件形状特征包括形状种类、尺寸参数、尺寸精度、表面粗糙度、形状精度、定向精度和定位精度,构建零件制造需求模型的零件形状特征矩阵为:
其中,S=(S1j,S2j,…,S7j)T(1≤j≤n)表示零件的第j个形状特征向量,Sij(其中1≤i≤7;1≤j≤n)为第j个零件形状特征的第i个属性;
Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度}为零件形状特征属性集合,Qi=(Ri1,Ri2,…,Rin)(其中1≤i≤7)表示形状特征矩阵的第i个特征属性向量;
根据基本需求特征矩阵和零件形状特征矩阵,则第i个零件制造需求矩阵Mi表示成如下的分开矩阵形式:
Mi=[M*_S|M_ST]。
步骤三、特征工序路线获取:特征工艺路线是连接零件制造需求和设备制造能力模型的中间桥梁,是工序-设备匹配的基础。由于零件制造需求模型中形状特征的成型方式不只一种,直接进行零件制造需求-设备制造能力匹配会导致工序设计过于分散,不满足生产工序集中原则;同时由于过程特征信息的缺失,使得中间工序与设备匹配计算困难。采用了特征工艺路线和特征工序的概念。本文中所谓特征工艺路线,是指将零件的形状特征映射到已有工艺路线的各个工序中形成的以特征工序为单元的新工艺路线。其中,特征工序是由工序名称和属于本工序的零件形状特征组成的。特征工艺路线的设计主要有两种形式,一是通过各个形状特征的工艺链,建立基于规则的特征映射技术,实现工艺路线向特征工艺路线的转变,二是在工艺设计师的辅助下,采用人机交互方式实现特征工艺路线设计。
由于特征工序由零件形状特征映射到已有工序而形成的以特征工序为单元新的工艺路线。则采用相似的数学语言描述及定义,设某一特征工序中有m个主特征,则该特征工序表示为7×m维矩阵:
M_F=(F1,F2,…,Fm)
其中,Fi(1≤i≤m)为形状特征向量,与零件制造需求模型中的零件形状特征含义相同,即Fi=(F1i,F2i,…,F7i)T(1≤i≤m)包含7个属性值,7个属性值记作Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度},各个属性权重为并且满足归一化要求:则特征工序矩阵表示为:
步骤四、归一化模型:在所述步骤一建立的设备制造能力模型和所述步骤二建立的零件制造需求模型的基础上,引入所述步骤三获取的特征工序路线和特征工序,构建了面向云制造的制造需求-设备能力归一化模型,实现对“零件制造需求-设备制造能力”匹配的判断,如图4所示。云制造资源的拥有者和需求者可以为此模型动态的添加设备能力信息和资源需求信息,然后将此信息发送到云端进行存储和处理。当云端Agent收到任务信息之后采用映射机制,采用直觉模糊算法,并通过直觉模糊矩阵建立设备资源组和云任务制造需求的映射关系,提高后续制造资源智能搜索以及云制造服务组合优化匹配的效率和能力。
本实施例的归一化模型的构建方法如下:
步骤41、建立基本特征映射关系:设V*_Rp=(R*_C,R*_W,R*_H,R*_T)为第p个设备的基本特征矩阵,M*_Sq=(S*_C,S*_W,S*_H,S*_T)为云任务制造需求中第q个零件的制造需求模型的基本需求特征矩阵,引入直觉模糊算法,则用如下直觉模糊集规范化描述基本特征的映射关系:
其中,AIJ表示所述设备制造能力模型的基本特征矩阵的元素R*_JI与所述零件制造需求模型的基本需求特征矩阵的元素S*_JI之间的直觉模糊数,μIJ、νIJ分别表示R*_JI与S*_JI的隶属度和非隶属度,R*_JI和S*_JI必须满足R*_JI∈S*_JI(1≤I≤m,J∈{C,W,H,T}),否则AIJ=<0,1>。
具体的,R*_JI与S*_JI的隶属度和非隶属度的计算方法如下:
1)当模型基本特征元素为选择型隶属关系时,此时S*_JI取值为单一指标,设S*_JI=x;R*_JI为某一取值区间,设R*_JI=X={x1,x2,…};则S*_JI关于R*_JI的隶属度函数为:
非隶属度函数为:
2)当模型基本特征元素为区间型隶属关系时,此时S*_JI取值为单一指标,设S*_JI=l;R*_JI为某一取值区间,设R*_JI=[L1,L2];则S*_JI关于R*_JI的隶属度函数为:
非隶属度函数为:
步骤42、建立形状特征映射关系:根据特征工艺路线建立形状特征的映射匹配,设V_Rp=(R1,R2,…,Rn)为n个候选设备能力矩阵中的第p个设备的可加工形状特征矩阵,M_Fq=(F1,F2,…,Fm)为云任务制造需求中第q零件的某一特征工序的特征工序矩阵,则形状特征的映射关系为:
其中,Aij=<μij,νij>表示特征工序矩阵的元素Fij与设备制造能力模型的可加工形状特征矩阵的元素Rik之间的直觉模糊数,μij、νij分别表示Fij与Rik的隶属度和非隶属度,Fij和Rik必须满足Fij∈Rik(1≤i≤7,1≤j≤m,1≤k≤n),否则Aij=<0,1>。
具体的,Fij与Rik的隶属度和非隶属度的计算方法与R*_JI与S*_JI的隶属度和非隶属度的计算方法相同,不再一一累述。
根据基本特征映射关系和形状特征的映射关系,将矩阵A*_S(q,p)和矩阵A_S(q,p)组合为分块矩阵,则云制造环境下的的制造需求和设备能力归一化模型表示为:
A(q,p)=[A*_S|A_ST]。
本实施例面向云制造的制造需求与设备能力归一化建模方法,具有以下优点:
1)提出了设备制造能力模型的构建方法,构建了以机床为核心的基于特征的设备制造能力模型,综合考察机床及其配套工装夹具、刀具、辅助、运行状态、操作者人员水平等信息,并以能力特征的形式加以描述和呈现,从而保证零件制造需求与设备制造能力的匹配计算的有效性;
2)提出了零件制造需求模型的构建方法,通过构建基于特征的零件制造需求模型,可以详细了解云制造任务中零部件加工制造信息,并获取其中关键零部件特征加工需求及制约工序,为后续制造需求-能力匹配做准备;
3)将零件的形状特征映射到已有工艺路线的各个工序中形成以特征工序为单元的新工艺路线,得到零件的特征工序路线,以达到零件制造需求到工艺路线的转换,以实现与设备制造能力模型之间的匹配;
4)构建了面向云制造的制造需求-设备能力归一化模型,采用映射匹配机制,通过直觉模糊算法对制造资源和任务需求进行匹配,提高了后续制造资源智能搜索以及云制造服务组合优化匹配的效率和能力;
综上,本发明在传统的物理属性建模方法基础上,结合云制造的特点,综合考虑零件与设备的多样性和制造工艺的复杂性、人力参与因素和资源能力的可量化性因素,对资源进行建模,建立一个基于特征的制造需求—制造能力归一化模型,然后根据归一化模型对制造需求与制造能力进行映射匹配,提高了后续制造资源智能搜索以及云制造服务组合优化匹配的效率和能力,云制造服务平台能够从而能够从众多的制造资源中快速有效的选择出满足制造需求的制造资源,降低制造成本,提高产品质量,实现制造资源高效共享和优化配置。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (4)
1.一种面向云制造的制造需求与设备能力归一化建模方法,其特征在于:包括如下步骤:
步骤一、设备能力建模:构建以机床为核心的基于特征的设备制造能力模型,以能力特征的形式加以描述和呈现,从而保证零件制造需求与设备制造能力的匹配计算的有效性;
步骤二、制造需求建模:分别从商务需求维和技术需求维分析云任务制造需求,构建基于特征的零件制造需求模型,以详细了解云制造任务中零部件加工制造信息,并获取其中关键零部件特征加工需求及制约工序;
步骤三、特征工序路线获取:将零件的形状特征映射到已有工艺路线的各个工序中形成以特征工序为单元的新工艺路线,其中,特征工序由工序名称和属于该工序的零件形状特征组成;
步骤四、归一化模型:在所述步骤一建立的设备制造能力模型和所述步骤二建立的零件制造需求模型的基础上,引入所述步骤三获取的特征工序路线和特征工序,构建了面向云制造的制造需求-设备能力归一化模型,采用直觉模糊算法,并通过直觉模糊矩阵建立设备资源组和云任务制造需求的映射关系,提高后续制造资源智能搜索以及云制造服务组合优化匹配的效率和能力;
所述步骤一中,将设备制造能力模型分为基本特征和可加工形状特征,其中,基本特征包括可加工材料特征、商务特征、基础信息特征和加工环境特征,构建设备制造能力模型的基本特征矩阵为:
其中,R*_C表示可加工材料特征向量,R*_W表示设备基础信息特征向量,R*_H表示加工环境特征向量,R*_T表示商务特征向量,*表示当前属性不存在,默认缺省值为0,为实现设备制造能力模型的分块矩阵表示;
可加工形状特征包括形状种类、尺寸参数、尺寸精度、表面精度、形状精度、定向精度和定位精度,构建设备制造能力模型的可加工形状特征矩阵为:
其中,R=(R1j,R2j,…,R7j)T 表示设备的第j个可加工状形特征向量,Rij为第j个可加工形状特征的第i个属性,其中1≤i≤7,1≤j≤n;
Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度}为可加工形状特征属性集合,Qi=(Ri1,Ri2,…,Rin)表示可加工形状特征矩阵的第i个特征属性向量,其中,1≤i≤7;
根据基本特征矩阵和可加工形状特征矩阵,则第i个设备制造能力矩阵Vi表示成如下的分块矩阵形式:
Vi=[V*_R|V_RT]。
2.根据权利要求1所述面向云制造的制造需求与设备能力归一化建模方法,其特征在于:所述步骤二中,将零件制造需求模型分为基本需求特征和零件形状特征,其中,基本需求特征包括零件材料特征、零件基础特征、零件环境特征和零件商务特征,构建零件制造需求模型的基本需求特征矩阵为:
其中,S*_C代表零件材料特征向量,S*_W代表零件基础特征向量,S*_H代表零件环境特征向量;S*_T代表零件商务特征向量,*表示当前属性不存在,默认缺省值为0,为实现制造需求模型的分块矩阵表示;
零件形状特征包括形状种类、尺寸参数、尺寸精度、表面粗糙度、形状精度、定向精度和定位精度,构建零件制造需求模型的零件形状特征矩阵为:
其中,S=(S1j,S2j,…,S7j)T 表示零件的第j个形状特征向量,且1≤j≤n;Sij,为第j个零件形状特征的第i个属性,且1≤i≤7,1≤j≤n;
Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度}为零件形状特征属性集合,Qi=(Ri1,Ri2,…,Rin)表示形状特征矩阵的第i个特征属性向量,其中1≤i≤7;
根据基本需求特征矩阵和零件形状特征矩阵,则第i个零件制造需求矩阵Mi表示成如下的分块矩阵形式:
Mi=[M*_S|M_ST]。
3.根据权利要求2所述面向云制造的制造需求与设备能力归一化建模方法,其特征在于:所述步骤三中,根据零件的形状特征映射到已有工艺路线的各个工序中形成的以特征工序为单元的新工艺路线,则设某一特征工序中有m个主特征,则该特征工序表示为7×m维矩阵:
M_F=(F1,F2,…,Fm)
其中,Fi为形状特征向量,与零件制造需求模型中的零件形状特征含义相同,即Fi=(F1i,F2i,…,F7i)T 包含7个属性值,7个属性值记作Q={Q1,Q2,Q3,Q4,Q5,Q6,Q7}={形状种类,尺寸参数,尺寸精度,表面粗糙度,形状精度,定向精度,定位精度},其中,1≤i≤m;各个属性权重为其中i=1,2,…,7,并且满足归一化要求:则特征工序矩阵表示为:
4.根据权利要求3所述面向云制造的制造需求与设备能力归一化建模方法,其特征在于:所述步骤四中,归一化模型的构建方法如下:
步骤41、建立基本特征映射关系:设V*_Rp=(R*_C,R*_W,R*_H,R*_T)为第p个设备的基本特征矩阵,M*_Sq=(S*_C,S*_W,S*_H,S*_T)为云任务制造需求中某一零件制造需求模型的第q个工序的基本需求特征矩阵,引入直觉模糊算法,则用如下直觉模糊集规范化描述基本特征的映射关系:
其中,AIJ=<μIJ,νIJ>表示所述设备制造能力模型的基本特征矩阵的元素R*_JI与所述零件制造需求模型的基本需求特征矩阵的元素S*_JI之间的直觉模糊数,μIJ、νIJ分别表示R*_JI与S*_JI的隶属度和非隶属度,R*_JI和S*_JI必须满足R*_JI∈S*_JI,1≤I≤m,J∈{C,W,H,T},否则AIJ=<0,1>;
步骤42、建立形状特征映射关系:根据特征工艺路线建立形状特征的映射匹配,设V_RP=(R1,R2,…,Rn)为n个候选设备能力矩阵中的第p个设备的可加工形状特征矩阵,M_Fq=(F1,F2,…,Fm)为云任务制造需求中某一零件的第q个工序的特征工序矩阵,则形状特征的映射关系为:
其中,Aij=<uij,vij>表示特征工序矩阵的元素Fij与设备制造能力模型的可加工形状特征矩阵的元素Rik之间的直觉模糊数,uij、vij分别表示Fij与Rik的隶属度和非隶属度,Fij和Rik必须满足Fij∈Rik(1≤i≤7,1≤j≤m,1≤k≤n),否则Aij=<0,1>;
根据基本特征映射关系和形状特征的映射关系,将矩阵A*_S(q,p)和矩阵A_S(q,p)组合为分块矩阵,则云制造环境下的制造需求和设备能力归一化模型表示为:
A(q,p)=[A*_S|A_ST]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711173874.7A CN107944698B (zh) | 2017-11-22 | 2017-11-22 | 面向云制造的制造需求与设备能力归一化建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711173874.7A CN107944698B (zh) | 2017-11-22 | 2017-11-22 | 面向云制造的制造需求与设备能力归一化建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107944698A CN107944698A (zh) | 2018-04-20 |
CN107944698B true CN107944698B (zh) | 2021-12-10 |
Family
ID=61930692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711173874.7A Active CN107944698B (zh) | 2017-11-22 | 2017-11-22 | 面向云制造的制造需求与设备能力归一化建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107944698B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447349B (zh) * | 2018-10-29 | 2022-04-19 | 浙江财经大学 | 一种面向网络化相关性感知的制造服务供应链优化方法 |
CN110138687B (zh) * | 2019-05-14 | 2022-03-22 | 合肥工业大学 | 一种考虑信任度的云制造资源匹配方法 |
CN110910025A (zh) * | 2019-11-28 | 2020-03-24 | 苏州安永数据科技有限公司 | 基于机械零部件图纸的加工派单方法 |
CN113313370A (zh) * | 2021-05-21 | 2021-08-27 | 北京工业大学 | 一种基于加工制造粒度的企业生产资源合理配置云制造方法 |
CN114253232B (zh) * | 2021-12-01 | 2023-05-26 | 中国电子科技集团公司第二十九研究所 | 一种生产线中加工工位的配置方法及系统 |
CN117474229A (zh) * | 2023-10-10 | 2024-01-30 | 江苏井初科技有限公司 | 一种应用数据分析的城市智能监控控制系统及方法 |
CN118134115B (zh) * | 2024-05-06 | 2024-09-10 | 深圳市众翔奕精密科技有限公司 | 应用于电子辅料加工下的安全管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360462A (zh) * | 2011-09-30 | 2012-02-22 | 北京理工大学 | 基于云制造的虚拟资源模型及其建模方法 |
CN102780765A (zh) * | 2012-06-27 | 2012-11-14 | 浙江大学 | 一种基于性能融合的云制造服务资源匹配与组合方法 |
CN103473407A (zh) * | 2013-09-04 | 2013-12-25 | 重庆大学 | 一种云制造环境下机床装备服务能力建模方法 |
-
2017
- 2017-11-22 CN CN201711173874.7A patent/CN107944698B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102360462A (zh) * | 2011-09-30 | 2012-02-22 | 北京理工大学 | 基于云制造的虚拟资源模型及其建模方法 |
CN102780765A (zh) * | 2012-06-27 | 2012-11-14 | 浙江大学 | 一种基于性能融合的云制造服务资源匹配与组合方法 |
CN103473407A (zh) * | 2013-09-04 | 2013-12-25 | 重庆大学 | 一种云制造环境下机床装备服务能力建模方法 |
Non-Patent Citations (2)
Title |
---|
"基于本体的云制造资源及加工任务建模";董朝阳 等;《组合机床与自动化加工技术》;20150630(第6期);第155-156页 * |
"面向机械加工云制造服务平台关键技术研究";郭亮;《中国博士学位论文全文数据库 工程科技II辑》;20150415;第12,47-48,69-73页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107944698A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107944698B (zh) | 面向云制造的制造需求与设备能力归一化建模方法 | |
CN105183767B (zh) | 一种基于企业网络的企业业务相似度计算方法与系统 | |
Xu et al. | Computer-aided process planning–A critical review of recent developments and future trends | |
CN105469204A (zh) | 深度融合大数据分析技术的重装制造企业综合评价系统 | |
Li et al. | Production task queue optimization based on multi-attribute evaluation for complex product assembly workshop | |
Sahu et al. | Appraisal of CNC machine tool by integrated MULTI-MOORA-IVGN circumferences: An empirical study | |
CN110489749B (zh) | 一种智能办公自动化系统的业务流程优化方法 | |
CN103226743A (zh) | 基于trl的航空装备技术成熟度评估信息处理方法 | |
CN111191821A (zh) | 一种基于知识图谱驱动的设备资源配置优化方法 | |
CN105335785B (zh) | 一种基于向量运算的关联规则挖掘方法 | |
CN109636168A (zh) | 一种基于本体语义的云平台调度资源智能匹配方法 | |
Sen et al. | Extension of PROMETHEE for robot selection decision making: Simultaneous exploration of objective data and subjective (fuzzy) data | |
CN113888142B (zh) | 一种申报企业信息的项目智能管理方法及系统 | |
CN111126865A (zh) | 一种基于科技大数据的技术成熟度判断方法和系统 | |
Tao et al. | Research on marketing management system based on independent ERP and business BI using fuzzy TOPSIS | |
Kafashi et al. | Automated setup planning in CAPP: a modified particle swarm optimisation-based approach | |
Duan et al. | A novel cutting tool selection approach based on a metal cutting process knowledge graph | |
Ereshko et al. | Digital platforms clustering model | |
CN111368060B (zh) | 对话机器人的自学习方法、装置、系统、电子设备及介质 | |
CN106649551A (zh) | 基于cbr有限元模板的检索方法 | |
CN112445905A (zh) | 一种信息处理方法和装置 | |
Xiang et al. | Research on ECBOM modeling and energy consumption evaluation based on BOM multi-view transformation | |
Kashevarova | Technological development modeling based on patent analysis: Review of the state-of-the-art | |
Zhang et al. | Automatic generation method of 3D process models for shaft parts based on volume decomposition | |
Wu et al. | Research on cost forecasting based on the BIM and neural network |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |