CN108510150B - 一种基于边缘计算的纺纱cps及其实时任务处理方法 - Google Patents
一种基于边缘计算的纺纱cps及其实时任务处理方法 Download PDFInfo
- Publication number
- CN108510150B CN108510150B CN201810103895.XA CN201810103895A CN108510150B CN 108510150 B CN108510150 B CN 108510150B CN 201810103895 A CN201810103895 A CN 201810103895A CN 108510150 B CN108510150 B CN 108510150B
- Authority
- CN
- China
- Prior art keywords
- task
- edge calculation
- resource
- node
- edge
- 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
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- 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—Systems or methods specially adapted for 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Multi Processors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于边缘计算的纺纱CPS,包括物理层和信息层,物理层与信息层通过通信层连接实现交互,所述信息层设于云中心,所述云中心的计算和存储资源以边缘计算结点的形式分散到所述物理层的物理实体;边缘计算结点连接物理实体,边缘计算结点还通过通信层连接云中心;通过边缘计算结点处理物理实体的时序实时任务。本发明还提供了基于边缘计算的纺纱CPS的实时任务处理方法。本发明采用边缘计算模式,将纺纱CPS的云中心的计算和存储等资源分散到物理实体附件,基于“就近处理,就近服务”的原则,可以很好地满足纺纱CPS中的实时性要求和安全性要求,降低了任务传输的安全风险,并能节省带宽,适于大范围推广应用。
Description
技术领域
本发明涉及一种基于边缘计算的纺纱CPS及其实时任务处理方法,属于纺纱技术领域。
背景技术
纺纱是将纤维由杂乱无章的状态变为沿着纵向有序排列的加工过程,是典型的多工序、连续型、大规模生产,呈现高速度和大动态特点。纺纱智能工厂其核心是CPS系统(信息物理系统),图1所示为纺纱CPS简图。纺纱CPS的物理空间是纺纱生产车间中涉及纱线生产的人、机、料、法和环等要素构成的。信息空间是物理空间的镜像,并对物理空间中各类数据的处理,不断迭代优化成纺纱设计、工艺、制造和检测的知识库,在提高纱线生产效率、追踪纱线质量和降低生产成本等方面有着重要意义。物理空间与信息空间通过各类智能传感器、FRID、Wi-Fi、Tag等构建的工业物联网实现交互。
纺纱过程中任务处理的实时性要求非常高,任务必须及时处理,不然就会造成流程中断,生产停滞,给企业带来巨大损失。
当前的纺纱CPS一般采用是集中计算模式,其架构如图2所示。在该架构下,纺纱CPS的信息空间一般部署在异地的云中心。纺纱CPS的物理实体产生的实时任务经工业互联网传输到云中心,在云中心被处理后不断形成知识,并产生智能控制决策实现对物理实体的控制。
因为云中心具有强大的计算、分析和处理能力,以资源集中的方式解决纺纱CPS中数据的处理和存储问题。但是,随着生产规模的不断扩大或企业的转型升级,纺纱CPS物理空间的生产设备、各种智能传感器、检测器、嵌入式系统或智能对象的数量也会大大增加,纺纱CPS云计算中心也会面临两大挑战:
实时性要求:首先,纺纱CPS的物理空间会在短时间内产生大量的数据,数据以任务的形式传输到云中心去处理,那么整个制造系统海量实时数据就会以大量的实时任务并发式向云中心发出处理请求,容易造成工业网络拥堵,可靠性难以保证;其次,云计算中心远离制造现场,并且用于通信的带宽有限,容易造成实时任务处理延迟,无法满足其实时性需求。
安全性要求:实时任务在生产设备和云中心之间传输的过程中,受到干扰或者泄露的可能性较大,安全性令人担忧。
综上所述,这种集中计算模式的纺纱CPS缺点非常突出,难以应对纱线高速生产环境下的实时任务处理要求,同时安全性也难以保证。
发明内容
本发明要解决的技术问题是如何满足纺纱CPS中的实时性要求和安全性要求。
为了解决上述技术问题,本发明的技术方案是提供一种基于边缘计算的纺纱CPS,包括物理层和信息层,物理层与信息层通过通信层连接实现交互,所述信息层设于云中心,其特征在于:所述云中心的计算和存储资源以边缘计算结点的形式分散到所述物理层的物理实体;边缘计算结点连接物理实体,边缘计算结点还通过通信层连接云中心;通过边缘计算结点处理物理实体的时序实时任务。
优选地,所述物理层由纺纱生产车间中涉及纱线生产的人、机、料、法、环要素构成。
优选地,所述信息层是物理层的镜像,并对物理层中各类数据进行处理,不断迭代优化成纺纱设计、工艺、制造和检测的知识库。
优选地,所述通信层为工业互联网。
优选地,每个物理实体独有边缘计算结点或多个物理实体共有边缘计算结点。
更优选地,通过边缘计算结点处理某个物理实体的实时任务或者多个物理实体的实时任务。
优选地,所述边缘计算结点由以下模块构成:
任务代理模块:用于检测任务,以此判断是直接传动到云中心还是进入缓冲队列;
任务缓冲区:用于接受符合条件的相关任务;
任务调度模块:用于调度任务缓冲区中的任务;
资源监控模块:用于监控本地边缘计算结点的资源以及通过与外结点交互窗口监控其他边缘计算结点的资源和云中心资源,为资源配置模块提供基本依据;
资源配置模块:用于给已调度的任务调配资源;
通信与接口:是本地边缘计算结点与外结点交互的通道,通过该通道能够监控外结点资源情况,同时也能够接受外结点监控本地资源;
生产参数重新配置模块:用于根据资源配置模块及相关任务处理的实际需要,对生产过程参数进行动态配置;
任务代理模块、任务缓冲区、任务调度模块依次连接,任务代理模块还连接云中心,任务调度模块连接资源监控模块和资源配置模块,资源配置模块连接通信与接口、生产参数重新配置模块。
优选地,所述边缘计算结点e的模型如下:
e
=(m,s,fmax,b,pmax,trTime,task-agent,task_buffer,CRpool,interaction_window)
其中,m、task_buffer表示边缘计算结点的内存和实时任务缓冲区;s、fmax、pmax、task_agent、CRpool分别表示边缘计算结点的CPU计算速度、CPU最大频率、最大功耗、实时任务代理和资源池;b、trTime分别表示边缘计算结点的带宽和数据从该边缘计算节点到云中心的传输时间;interaction_window表示该边缘计算结点与其它边缘计算结点交互的窗口;
整个纺纱CPS物理层中边缘计算结点的集合E={e1,e2,…,en},n为边缘计算结点的总个数。
更优选地,设CRpooli表示任意一个边缘计算结点ei的资源池,即该边缘计算结点ei所有的资源总和,则有
CRpooli={ri1,ri2,…,rim},i∈[1,n];
其中,rik表示资源块,k∈[0,m],m为该边缘计算结点ei的资源块的个数。
进一步地,所述资源块rik=(mik,sik,fik,bik,pik,cik),i∈[1,n];
其中,mik、sik、fik、bik、pik分别是边缘计算结点ei分配给每个资源块的内存、CPU计算速度、CPU频率、带宽和功率;cik是资源CPU的状态。
更进一步地,所述资源CPU的状态包括运行或者就绪。
更进一步地,所述任务t的模型如下:
t=(length,comeTime,startTime,endTime,runTime,turnRoundTime)
其中,length是任务的长度;comeTime是任务的到达时间;startTime、endTime分别是任务被运行的前后时间;runTime是任务被执行的时间;tunRoundTime是任务周转时间。
本发明还提供了上述的基于边缘计算的纺纱CPS的实时任务处理方法,其特征在于,包括如下步骤:
步骤1:边缘计算结点接受任务;
步骤2:任务代理;
查看任务规模,若该任务的规模大于或等于设定的任务规模阈值,则直接将该任务传送到云中心;否则进入步骤3;
步骤3:任务进入任务缓冲区,等待任务调度;
步骤4:执行任务调度;
步骤5:根据资源监控情况,调配资源给已经调度的任务;
步骤6:输出资源调配结果。
优选地,所述步骤3~步骤5的具体过程如下:任务进入任务缓冲区;当任务缓冲区中有任务时,执行:调度某一个任务;如果本地资源满足该任务的需求,那么将资源调配给该任务,并执行该任务;否则,搜索本边缘计算结点的邻近边缘计算结点,执行:如果有资源满足该任务的需求,那么将资源调配给该任务,并执行该任务;然后继续处理下一个任务;否则,该任务送到云中心去处理。
本发明采用边缘计算模式,将纺纱CPS的云中心的计算和存储等资源分散到物理实体附件,基于“就近处理,就近服务”的原则,可以很好地满足纺纱CPS中的实时性要求和安全性要求,降低了任务传输的安全风险,并能节省带宽,适于大范围推广应用。
附图说明
图1为纺纱CPS简图;
图2为传统的纺纱CPS集中计算模式架构图;
图3是本实施例提供的纺纱CPS边缘计算模式的1-1ECN架构图;
图4是本实施例提供的纺纱CPS边缘计算模式的n-1ECN架构图;
图5是边缘计算结点组成及处理任务图;
图6是纺纱CPS中实时任务示意及被处理过程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。
将纺纱CPS的云中心的计算和存储等资源分散到物理实体附件,本着“就近处理,就近服务”的原则来解决传统集中计算模式的纺纱CPS存在的实时性和安全性难以保证的问题,这就是边缘计算的主要思想。
1、基于边缘计算的纺纱智能制造CPS
本发明将云中心的功能迁移到物理实体附近,针对纺纱生产的特点,有1-1ECN和n-1ECN两种边缘计算模式,其中核心为分布式的边缘计算节点,它着重有限任务的计算和通信。
1-1 ECN边缘计算模式:如图3所示,每个物理实体独有边缘计算结点,梳棉机对应了梳棉机边缘计算节点,细纱机对应细纱机边缘计算结点,等等。ECN(边缘计算结点)之间包括通信和协商机制。
n-1 ECN边缘计算模式:如图4所示,多个物理实体共有边缘计算结点,这种模式使得现场布置更少的计算节点,但是计算和调度的复杂性将增加。
采用何种模式,取决于具体的应用场景。例如,根据高速环锭纺纱生产车间,在梳棉阶段可以选择1-1 ECN模式,在并条-粗纱-细纱阶段可以选择n-1ECN模式,实现物理实体单独连接一个边缘计算结点和多个物理实体共享一个边缘计算结点相结合的形式。对某个边缘计算结点来说,任务可以是某个实体的时序实时任务或者是多个实体的时序实时任务。
2、纺纱边缘计算结点构成
一个纺纱边缘计算结点包括了该制造单元的基本要素,如任务、工艺要求、资源需求和质量等,如图5所示,纺纱边缘计算节点由以下模块构成:
任务代理模块:用于检测任务规模,以此判断是直接传动到云中心还是进入缓冲队列;图5中,t1、t2、……、tn表示各任务;
任务缓冲区:用于接受符合条件的相关任务;
任务调度模块:用于调度任务缓冲区中的任务;
资源监控模块:用于监控本地边缘计算结点的资源以及通过与外结点交互窗口监控其他边缘计算结点的资源和云中心资源,为资源配置模块提供基本依据;
资源配置模块:用于给已调度的任务调配资源;图5中,R1、R2、……、Rk是给任务配置的资源块。
通信与接口:是本地边缘计算结点与外结点交互的通道,通过该窗口可以监控外结点资源情况,同时也接受外结点监控本地资源。
生产参数重新配置模块:用于根据资源配置模块及相关任务处理的实际需要,对生产过程参数进行动态配置。
任务代理模块、任务缓冲区、任务调度模块依次连接,任务代理模块还连接云中心,任务调度模块连接资源监控模块和资源配置模块,资源配置模块连接通信与接口、生产参数重新配置模块。
3、边缘计算结点模型
本发明中的边缘计算结点是连接纺纱CPS中物理实体,并具有存储、计算和联网能力的智能体。
定义1:边缘计算结点
e
=(m,s,fmax,b,pmax,trTime,task_agent,task_buffer,CRpool,interaction_window)
定义1是描述边缘计算结点的十元组,其中m,task_buffer表示边缘计算结点的内存(GB)和实时任务缓冲区(MB),这是跟存储相关的;s,fmax,pmax,task_agent,CRpool分别表示边缘计算结点的CPU计算速度(MIPS)、CPU最大频率(MHz)、最大功耗(W)、实时任务代理(s)和资源池,这是与计算相关的;b,trTime分别表示边缘计算结点的带宽(Mb/s)和数据从该节点到云中心的传输时间(s),这是跟联网传输相关的;interaction_window表示边缘计算结点与其他边缘计算结点交互的窗口。
定义2:边缘计算结点的集合E={e1,e2,…,en},n为边缘计算结点的个数。
定义2是描述整个纺纱CPS物理空间中所有边缘计算结点的集合。
4、边缘计算结点资源模型
定义3:边缘计算结点ei的资源池CRpooli={ri1,ri2,…,rim},i∈[1,n],m为该结点资源块的个数。
定义3是描述任意一个边缘计算结点ei的资源池,即该结点所有的资源总和,其中rik(k∈[0,m])是每一个资源块。
定义4:资源块rik=(mik,sik,fik,bik,pik,cik),i∈[1,n]。
定义4是描述任意一个边缘计算结点中的资源块的五元组,其中mik,sik,fik,bik,pik分别是边缘计算结点ei分配给每个资源块的内存、CPU计算速度、CPU频率、带宽和功率;cik是资源CPU的状态:运行或者就绪。
5、任务(Task)模型
在纺纱CPS中,用户动态地提交独立的任务。
定义5:任务
t=(length,comeTime,startTime,endTime,runTime,turnRoundTime)。
定义5是描述一个任务的六元组:length是任务的长度(S);comeTime是任务的到达时间;startTime,endTime分别是任务被运行的前后时间;runTime是任务被执行的时间;tunRoundTime是任务周转时间。任务的结构示意及被处理过程如图5所示。
定义6:任务集合T={t1,t2,…,tp}。
定义6是描述一个边缘计算结点接收的任务集合;其中,tj(j∈[1,p])是每一个任务;p为某一时接收任务的个数。
6、基于边缘计算的实时任务处理
1)实时任务处理过程
基于边缘计算的CPS实时任务的处理过程如下:
步骤1:接受任务;
步骤2:任务代理:根据行为处理模型处理任务,即查看任务规模,若其大于或等于设定的任务规模阈值,则直接被传送到云中心;否则进入步骤3;
步骤3:任务进入任务缓冲区,等待任务调度;
步骤4:任务调度,按调度算法调度任务;
步骤5:根据资源监控情况,调配资源给已经调度的任务;
步骤6:输出资源调配结果。
2)实时任务处理的算法设计
结合图6,根据实时任务处理的过程,设计实时任务处理的算法如下:
输出:每个任务分配的资源块。
具体过程:
(1)任务缓冲区清零,任务规模设定为最大任务规模;
(2)当任务集中有新任务到达时,执行:
(3)读取任务长度;
(4)如果任务长度超过任务规模,那么该任务直接送到云中心处理;
(5)否则该任务进入任务缓冲区。
(6)当任务缓冲区中有任务时,执行:
(7)用调度算法选择某一个任务;
(8)如果本地资源满足该任务的需求,那么将资源调配给该任务,并执行该任务;
(9)否则,开始搜索本边缘计算结点的邻近边缘计算结点,执行:
(10)如果有资源满足该任务的需求,那么将资源调配给该任务,并执行该任务;
(11)处理下一个任务;
(12)否则,该任务送到云中心去处理。
以上所述,仅为本发明的较佳实施例,并非对本发明任何形式上和实质上的限制,应当指出,对于本技术领域的普通技术人员,在不脱离本发明方法的前提下,还将可以做出若干改进和补充,这些改进和补充也应视为本发明的保护范围。凡熟悉本专业的技术人员,在不脱离本发明的精神和范围的情况下,当可利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对上述实施例所作的任何等同变化的更动、修饰与演变,均仍属于本发明的技术方案的范围内。
Claims (9)
1.一种基于边缘计算的纺纱CPS系统,包括物理层和信息层,物理层与信息层通过通信层连接实现交互,所述信息层设于云中心,其特征在于:所述云中心的计算和存储资源以边缘计算结点的形式分散到所述物理层的物理实体;边缘计算结点连接物理实体,边缘计算结点还通过通信层连接云中心;通过边缘计算结点处理物理实体的实时任务;
所述边缘计算结点由以下模块构成:
任务代理模块:用于检测任务,以此判断是直接传动到云中心还是进入缓冲队列;
任务缓冲区:用于接受符合条件的相关任务;
任务调度模块:用于调度任务缓冲区中的任务;
资源监控模块:用于监控本地边缘计算结点的资源以及通过与外结点交互窗口监控其他边缘计算结点的资源和云中心资源,为资源配置模块提供基本依据;
资源配置模块:用于给已调度的任务调配资源;
通信与接口:是本地边缘计算结点与外结点交互的通道,通过该通道能够监控外结点资源情况,同时也能够接受外结点监控本地资源;
生产参数重新配置模块:用于根据资源配置模块及相关任务处理的实际需要,对生产过程参数进行动态配置;
任务代理模块、任务缓冲区、任务调度模块依次连接,任务代理模块还连接云中心,任务调度模块连接资源监控模块和资源配置模块,资源配置模块连接通信与接口、生产参数重新配置模块。
2.如权利要求1所述的一种基于边缘计算的纺纱CPS系统,其特征在于:每个物理实体独有边缘计算结点或多个物理实体共有边缘计算结点。
3.如权利要求2所述的一种基于边缘计算的纺纱CPS系统,其特征在于:通过边缘计算结点处理某个物理实体的实时任务或者多个物理实体的实时任务。
4.如权利要求1~3任一项所述的一种基于边缘计算的纺纱CPS系统,其特征在于:所述边缘计算结点e的模型如下:
e=(m,s,fmax,b,pmax,trTime,task_agent,task_buffer,CRpool,interaction_window)
其中,m、task_buffer表示边缘计算结点的内存和实时任务缓冲区;s、fmax、pmax、task_agent、CRpool分别表示边缘计算结点的CPU计算速度、CPU最大频率、最大功耗、实时任务代理和资源池;b、trTime分别表示边缘计算结点的带宽和数据从该边缘计算节点到云中心的传输时间;interaction_window表示该边缘计算结点与其它边缘计算结点交互的窗口;
整个纺纱CPS系统物理层中边缘计算结点的集合E={e1,e2,...,en},n为边缘计算结点的总个数。
5.如权利要求4所述的一种基于边缘计算的纺纱CPS系统,其特征在于:设CRpooli表示任意一个边缘计算结点ei的资源池,即该边缘计算结点ei所有的资源总和,则有:
CRpooli={ri1,ri2,...,rim},i∈[1,n]
其中,rik表示资源块,k∈[1,m],m为该边缘计算结点ei的资源块的个数。
6.如权利要求5所述的一种基于边缘计算的纺纱CPS系统,其特征在于:所述资源rik=(mik,sik,fik,bik,pik,cik),i∈[1,n];
其中,mik、sik、fik、bik、pik分别是边缘计算结点ei分配给每个资源块的内存、CPU计算速度、CPU频率、带宽和功率;cik是资源CPU的状态。
7.如权利要求1所述的一种基于边缘计算的纺纱CPS系统,其特征在于:所述任务t的模型如下:
t=(length,comeTime,startTime,endTime,runTime,turnRoundTime)
其中,length是任务的长度;comeTime是任务的到达时间;startTime、endTime分别是任务被运行的前后时间;runTime是任务被执行的时间;turnRoundTime是任务周转时间。
8.一种如权利要求1~7任一项所述的基于边缘计算的纺纱CPS系统的实时任务处理方法,其特征在于,包括如下步骤:
步骤1:边缘计算结点接受任务;
步骤2:任务代理;
查看任务规模,若该任务的规模大于或等于设定的任务规模阈值,则直接将该任务传送到云中心;否则进入步骤3;
步骤3:任务进入任务缓冲区,等待任务调度;
步骤4:执行任务调度;
步骤5:根据资源监控情况,调配资源给已经调度的任务;
步骤6:输出资源调配结果。
9.如权利要求8所述的一种基于边缘计算的纺纱CPS系统的实时任务处理方法,其特征在于:所述步骤3~步骤5的具体过程如下:任务进入任务缓冲区;当任务缓冲区中有任务时,执行:调度某一个任务;如果本地资源满足该任务的需求,那么将资源调配给该任务,并执行该任务;否则,搜索本边缘计算结点的邻近边缘计算结点,执行:如果有资源满足该任务的需求,那么将资源调配给该任务,并执行该任务;然后继续处理下一个任务;否则,该任务送到云中心去处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810103895.XA CN108510150B (zh) | 2018-02-01 | 2018-02-01 | 一种基于边缘计算的纺纱cps及其实时任务处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810103895.XA CN108510150B (zh) | 2018-02-01 | 2018-02-01 | 一种基于边缘计算的纺纱cps及其实时任务处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108510150A CN108510150A (zh) | 2018-09-07 |
CN108510150B true CN108510150B (zh) | 2021-09-21 |
Family
ID=63375253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810103895.XA Active CN108510150B (zh) | 2018-02-01 | 2018-02-01 | 一种基于边缘计算的纺纱cps及其实时任务处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510150B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109388116B (zh) * | 2018-10-31 | 2021-08-20 | 金蝶软件(中国)有限公司 | 一种生产管理方法、物联网管理系统及相关设备 |
CN110580019B (zh) * | 2019-07-24 | 2021-03-02 | 湖州因迈科技有限公司 | 一种面向边缘计算的设备调取方法与装置 |
CN111324428B (zh) * | 2019-09-20 | 2023-08-22 | 杭州海康威视系统技术有限公司 | 任务分配方法、装置、设备和计算机可读存储介质 |
CN110717664B (zh) * | 2019-09-30 | 2023-06-27 | 西安邮电大学 | 基于移动边缘计算的面向服务生产过程的cps生产系统 |
CN112365658A (zh) * | 2020-09-21 | 2021-02-12 | 国网江苏省电力有限公司信息通信分公司 | 一种基于边缘计算的充电桩资源分配方法 |
CN112853560B (zh) * | 2020-12-31 | 2021-11-23 | 盐城师范学院 | 一种基于环锭纺纱线质量的全局工序共享控制系统及方法 |
CN112866341B (zh) * | 2020-12-31 | 2022-07-15 | 盐城师范学院 | 用于环锭纺纱cpps的信息传输方法、装置、计算机可读介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107528887A (zh) * | 2017-07-26 | 2017-12-29 | 广州云晫信息科技有限公司 | 一种基于融合统一计算的分布式云系统 |
-
2018
- 2018-02-01 CN CN201810103895.XA patent/CN108510150B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107528887A (zh) * | 2017-07-26 | 2017-12-29 | 广州云晫信息科技有限公司 | 一种基于融合统一计算的分布式云系统 |
Non-Patent Citations (2)
Title |
---|
一种物联网端到端安全方案;马国峻等;《技术研究》;20171231(第10期);第13-21页 * |
面向智能棉纺生产的CPS架构及其关键技术;殷士勇等;《东华大学学报》;20171031;第43卷(第5期);第681-687页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108510150A (zh) | 2018-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510150B (zh) | 一种基于边缘计算的纺纱cps及其实时任务处理方法 | |
US11507430B2 (en) | Accelerated resource allocation techniques | |
Zhou et al. | Edge-enabled two-stage scheduling based on deep reinforcement learning for internet of everything | |
Xu et al. | Energy-aware inference offloading for DNN-driven applications in mobile edge clouds | |
Guo et al. | Energy-efficient and delay-guaranteed workload allocation in IoT-edge-cloud computing systems | |
Guo et al. | Toward intelligent task offloading at the edge | |
Li et al. | Throughput maximization of delay-aware DNN inference in edge computing by exploring DNN model partitioning and inference parallelism | |
El‐Hasnony et al. | Leveraging mist and fog for big data analytics in IoT environment | |
Billet et al. | From task graphs to concrete actions: a new task mapping algorithm for the future internet of things | |
CN106130960B (zh) | 盗号行为的判断系统、负载调度方法和装置 | |
Yin et al. | Real-time task processing method based on edge computing for spinning CPS | |
Lee et al. | An SDN-based packet scheduling scheme for transmitting emergency data in mobile edge computing environments | |
Xue et al. | EdgeLD: Locally distributed deep learning inference on edge device clusters | |
Ming et al. | Edge-based video surveillance with graph-assisted reinforcement learning in smart construction | |
Xu et al. | An improved binary PSO-based task scheduling algorithm in green cloud computing | |
Xu et al. | Enhancing Kubernetes Automated Scheduling with Deep Learning and Reinforcement Techniques for Large-Scale Cloud Computing Optimization | |
Lin et al. | A realization of cyber-physical manufacturing control system through Industrial Internet of Things | |
Li et al. | Delay-aware DNN inference throughput maximization in edge computing via jointly exploring partitioning and parallelism | |
Lin | Toward an AI-enabled SDN-based 5G & IoT network | |
Gao et al. | Ocdst: Offloading chained dnns for streaming tasks | |
Wu et al. | Optimizing network performance of computing pipelines in distributed environments | |
de Oliveira et al. | An energy-aware data cleaning workflow for real-time stream processing in the internet of things | |
Aung et al. | Data processing model for mobile IoT systems | |
Xu et al. | Software defined industrial network: architecture and edge offloading strategy | |
Chen et al. | Accelerating dnn inference by edge-cloud collaboration |
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 |