CN109190798A - 一种云制造服务组合优选方法 - Google Patents
一种云制造服务组合优选方法 Download PDFInfo
- Publication number
- CN109190798A CN109190798A CN201810888462.XA CN201810888462A CN109190798A CN 109190798 A CN109190798 A CN 109190798A CN 201810888462 A CN201810888462 A CN 201810888462A CN 109190798 A CN109190798 A CN 109190798A
- Authority
- CN
- China
- Prior art keywords
- index
- service
- level
- cloud manufacturing
- combination
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000000203 mixture Substances 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000013442 quality metrics Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001195 anabolic effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 102220017114 rs150867836 Human genes 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or 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)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种云制造服务组合优选方法,包括服务组合服务质量指标体系的建立,模糊综合评价法的改进以及服务组合优选方案的实现;服务组合QoS指标体系由时间、可组合性、质量、可用性、可靠性、成本六大目标构成;通过层次分析法改进了模糊综合评价法;利用灰色关联度对云制造服务进行了组合优选。本发明所提供的一种云制造服务组合优选方法,建立了云制造服务的评价体系并进行了各项指标权重的确定,能够从复杂多样的云制造服务组合方案中优选出最佳的组合方案,以满足云制造用户个性化的服务需求,为云制造服务需求者资源的索取提供了参考。
Description
技术领域
本发明涉及一种云制造服务组合优选方法,属于工业软件运营技术领域。
背景技术
目前,制造业面临着转型升级,而“孤岛”现象在制造领域还普遍存在,即一些中小型企业由于资源瓶颈难以完成一些订单需求,而对于大型企业或研究院所,又存在着大量的高精资源处于闲置状态,造成资源的浪费。因此,各个资源利用者皆期望各取所需:资源需求者迫切希望从外部获得资源的租用,而资源拥有者也急切地想提高资源利用率,实现资源服务的增值。
针对这种需求,云制造平台中服务的数量将不断扩展,为充分利用制造云中的资源服务,避免云平台中资源同样也出现闲置的可能,云服务根据制造需求进行服务组合形成不同粒度的服务,将为不同需求者提供个性化的服务。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种云制造服务组合优选方法,以对云制造平台中的服务组合进行优选,根据用户的个性化需求提供服务组合方案推荐,为云制造需求者服务的选择提供参考。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种云制造服务组合优选方法,包括步骤如下:
步骤1:建立服务组合服务质量指标体系;
步骤2:通过改进的模糊综合评价法来确定服务质量各个指标的权重;
步骤3:服务组合优选方案的实现,利用灰色关联度对不同的服务组合方案进行比较,选择灰色关联度最小的为最优服务组合方案。
作为优选方案,所述服务组合是根据任务需求的模式,从云制造服务池中选择按功能聚集的资源,形成具有逻辑关系的一系列云制造组合服务,以供任务发布者按需租用。
作为优选方案,所述服务组合服务质量指标体系由时间、可组合性、质量、可用性、可靠性、成本六个一级指标构成,各一级指标由若干个二级指标构成;所述时间二级指标包括:获取服务所需时间、服务响应时间、可占用服务时间;所述可组合性二级指标包括:服务成功组合次数、服务组合故障率;所述质量二级指标包括:包括:服务使用频次、服务满意度;所述可用性二级指标包括:服务能力度、服务可用性;所述可靠性二级指标包括:服务时效性、服务来源的可靠性;所述成本二级指标包括:服务获取成本、服务使用成本、服务维护成本。
作为优选方案,所述步骤2包括如下步骤:
步骤2.1:确定评价因素集:建立评价因素集G={G1,G2,…,Gm},G为某一级指标,G1、G2、…、Gm为m个二级指标;
步骤2.2:评价矩阵:建立评估矩阵其行代表G的m个二级指标,列代表m个二级指标在n个等级的隶属度,隶属度通过用户及专家评估确定;
步骤2.3:权重确定:采用层次分析法确定各个二级指标的权重值为C=(c11,c21,…,cm1)。
步骤2.4:综合评价指标:最终的综合评价指标D由权重矩阵C和评价矩阵R共同决定,公式如下:
矩阵D中各列元素代表某一级指标G对于n个等级的隶属度;根据指标G在各个等级中的隶属度确定其重要程度,最终预估确定各个一级指标在QoS评估中的权重值
作为优选方案,所述n=5,隶属度分为{非常重要、重要、一般重要、无关紧要、不重要}五个等级,根据五个等级的专家人数投票比例确定其值。
作为优选方案,所述步骤3包括如下步骤:
步骤3.1:数据预处理,以F代表各个指标,利用规范化方法对数据进行规范化处理,指标F的规范化处理如下:
对于负指标:所述负指标包括:时间的一级指标和二级指标、成本的一级指标和二级指标;
对于正指标:所述正指标包括:可组合性的一级指标和二级指标、质量的一级指标和二级指标、可用性的一级指标和二级指标、可靠性的一级指标和二级指标;
其中Fij代表第i个任务的第j个子任务选中的服务指标;
步骤3.2:对服务组合服务质量一级指标进行数据预处理,预处理后的各个指标值记为xk(g),即第k个组合在第g个一级指标处的指标值,令:
xk(g)=(xk(T),xk(Co),xk(Q),xk(U),xk(R),xk(C))
=(xk(1),xk(2),xk(3),xk(4),xk(5),xk(6))
其中,xk(1),xk(2),xk(3),xk(4),xk(5),xk(6)是经过数据处理后的服务质量QoS指标值;
步骤3.3:求取差序列Δk(g):
Δk(g)=|xk(g)-1|Δk(g)=(Δk(1),Δk(2),Δk(3),Δk(4),Δk(5),Δk(6))
步骤3.4:计算灰色关联系数ξk(g):
其中,λ为分辨系数,作用是提高灰色关联系数ξk(g)间的差异,λ∈(0,1);
步骤3.5:计算加权灰色关联度δk:
其中,p=6,即QoS六大指标;W=(W1,W2,…,Wl,…,W6)代表QoS六大指标的权重,δk代表第k个服务组合的灰色关联度,其值越小则表示该组合越优。
作为优选方案,所述λ=0.5。
有益效果:本发明提供的一种云制造服务组合优选方法,通过建立QoS指标对组合进行评估,以层次分析法改进模糊综合评价法对QoS各个指标进行权重的确定,利用灰色关联度对组合方案进行优选,以确定最佳组合方案,使用户能够在海量多样的云制造资源中组合出理想的方案,以满足自身个性化的服务需求。
附图说明
图1为本发明云制造服务组合QoS指标体系;
图2为本发明实施例1模具制造生产过程图;
图3为本发明云制造服务组合路径基本结构。
具体实施方式
下面结合附图对本发明作更进一步的说明。
一种云制造服务组合优选方法,包括步骤如下:
步骤1:建立服务组合服务质量(QoS)指标体系;
步骤2:通过改进的模糊综合评价法来确定服务质量各个指标的权重;
步骤3:服务组合优选方案的实现。所述服务组合是根据任务需求的模式,从云制造服务池中选择按功能聚集的资源,形成具有逻辑关系的一系列云制造组合服务,以供任务发布者按需租用,利用灰色关联度对不同的服务组合方案进行比较,选择最优服务组合方案。
如图1所示,服务组合服务质量QoS指标体系由时间(T)、可组合性(Co)、质量(Q)、可用性(U)、可靠性(R)、成本(C)六个一级指标构成,各一级指标由若干个二级指标构成。所述时间二级指标包括:获取服务所需时间、服务响应时间、可占用服务时间;所述可组合性二级指标包括:服务成功组合次数、服务组合故障率;所述质量二级指标包括:包括:服务使用频次、服务满意度;所述可用性二级指标包括:服务能力度、服务可用性;所述可靠性二级指标包括:服务时效性、服务来源的可靠性;所述成本二级指标包括:服务获取成本、服务使用成本、服务维护成本。
模糊综合评价法通过结合层次分析法进行了改进以确定QoS各个指标的权重,权重确定包括以下步骤:
步骤2.1:确定评价因素集:建立评价因素集G={G1,G2,…,Gm},G为某一级指标,G1、G2、…、Gm为m个二级指标。
步骤2.2:评价矩阵:建立评估矩阵其行代表G的m个二级指标,列代表m个二级指标在n个等级的隶属度,这里隶属度通过用户及专家评估确定,例如n=5时,可以分为{非常重要、重要、一般重要、无关紧要、不重要}五个等级,根据五个等级的专家人数投票比例确定其值。
例如,有100人对可占用服务时间T3进行投票评估,50人认为T3非常重要,35人认为T3重要,15人认为T3一般重要,无人认为T3无关紧要和不重要,则r31=0.5,r32=0.35,r33=0.15,r34=r35=0,故
步骤2.3:权重确定:采用层次分析法确定各个二级指标的权重值为C=(c11,c21,…,cm1)。
步骤2.4:综合评价指标:最终的综合评价指标D由权重矩阵C和评价矩阵R共同决定,公式如下:
矩阵D中各列元素代表某一级指标G对于n个等级的隶属度。根据指标G在各个等级中的隶属度确定其重要程度,最终预估确定各个一级指标在QoS评估中的权重值
云制造服务组合优选通过灰色关联法实现,具体步骤如下:
步骤3.1:数据预处理,以F代表各个指标,利用规范化方法对数据进行规范化处理,指标F的规范化处理如下:
对于负指标(成本型指标):负指标包括:时间的一级指标和二级指标、成本的一级指标和二级指标;
对于正指标(效益型指标):正指标包括:可组合性的一级指标和二级指标、质量的一级指标和二级指标、可用性的一级指标和二级指标、可靠性的一级指标和二级指标;
其中Fij代表第i个任务的第j个子任务选中的服务指标。
以负指标时间T和正指标质量Q为例,利用规范化方法对数据进行规范化处理,其他指标按照其指标类型同理进行规范化,时间T和质量Q的规范化处理如下:
负指标(成本型指标):
正指标(效益型指标):
其中Tij与Qij代表第i个任务的第j个子任务选中的服务的时间和质量指标。
步骤3.2:对服务组合服务质量一级指标进行数据预处理,预处理后的各个指标值记为xk(g),即第k个组合在第g个一级指标处的指标值,令:
xk(g)=(xk(T),xk(Co),xk(Q),xk(U),xk(R),xk(C))
=(xk(1),xk(2),xk(3),xk(4),xk(5),xk(6))
其中,xk(1),xk(2),xk(3),xk(4),xk(5),xk(6)是经过数据处理后的服务质量QoS指标值。
步骤3.3:求取差序列Δk(g):
Δk(g)=|xk(g)-1|Δk(g)=(Δk(1),Δk(2),Δk(3),Δk(4),Δk(5),Δk(6))
步骤3.4:计算灰色关联系数ξk(g):
其中,λ为分辨系数,作用是提高灰色关联系数ξk(g)间的差异,λ∈(0,1),一般取λ=0.5。
步骤3.5:计算加权灰色关联度δk:
其中,p=6,即QoS六大指标;W=(W1,W2,…,Wl,…,W6)代表QoS六大指标的权重,根据综合评价指标得到。δk代表第k个服务组合的灰色关联度,其值越小则表示该组合越优。
实施例1:
以模具制造为例,某汽车品牌委托几个子公司为其生产汽车保险杠,子公司同时向云制造平台提出模具申请,模具制造是一个具有多功能需求的复杂任务,需要数量众多的子任务共同完成,每个子任务都可以调用云服务候选集中的某个云服务来完成。例如,模具设计可以选择4#公司的加工服务(CS1(2)),模具零件加工可以选择5#公司的加工服务(CS4(1)),模具装配可以选择22#公司的加工服务(CS7(2))等,选取模具制造几个重要的环节来分析云制造服务组合过程,如图2所示。
利用灰色关联法,综合模具制造的各个QoS进行组合优选,上述模具制造过程包含九个子任务,假设每个子任务STj只包含两个候选服务CSj(1)和CSj(2),则服务组合将有29即512种组合方案,经过二级指标加权计算,各个候选服务的QoS一级指标值如表1所示。
表1候选服务CSj(k)的各QoS指标值
云服务组合路径可以描述为以下四种基本结构,分别为串联结构、并联结构、选择结构和循环结构,如图3所示,其中CS代表候选服务,表2给出了各个服务组合的各个QoS指标值计算方式。
表2不同组合结构QoS指标计算表达式
其中,q(i,j,k)为0-1变量,当任务Ti中的子任务STi j选中服务时,q(i,j,k)=1,否则,q(i,j,k)=0;pj为选择结构中某候选服务CSj被选择的概率,满足ω为循环结构中候选服务集循环使用的次数。上述表达式是针对某一任务Ti的QoS计算表达式,当子任务为混合形式时,可以通过上述表达式组合计算混合形式的QoS中各个指标值。本实例中共有512种组合方式,部分组合计算结果如表3所示。
表3各服务组合的QoS指标值
根据步骤3.1对表3的各服务组合QoS指标值进行规范化处理,根据步骤2.4确定的各个一级指标的权重值Wl=(0.239,0.076,0.123,0.183,0.136,0.243),最后计算各个服务组合的加权灰色关联度δj,部分服务组合的关联数据如表4所示。
表4各服务组合的加权灰色关联度δj
根据各个服务组合的加权灰色关联度δj的计算结果,组合“211122111”对应的δj=0.4239最小,即该组合方案与最劣组合方案关联度最小,故优选候选服务组合为“CS1(2),CS2(1),CS3(1),CS4(1),CS5(2),CS6(2),CS7(1),CS8(1),CS9(1)”,对应各个候选公司。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种云制造服务组合优选方法,其特征在于:包括步骤如下:
步骤1:建立服务组合服务质量指标体系;
步骤2:通过改进的模糊综合评价法来确定服务质量各个指标的权重;
步骤3:服务组合优选方案的实现,利用灰色关联度对不同的服务组合方案进行比较,选择灰色关联度最小的为最优服务组合方案。
2.根据权利要求1所述的一种云制造服务组合优选方法,其特征在于:所述服务组合是根据任务需求的模式,从云制造服务池中选择按功能聚集的资源,形成具有逻辑关系的一系列云制造组合服务,以供任务发布者按需租用。
3.根据权利要求1所述的一种云制造服务组合优选方法,其特征在于:所述服务组合服务质量指标体系由时间、可组合性、质量、可用性、可靠性、成本六个一级指标构成,各一级指标由若干个二级指标构成;所述时间二级指标包括:获取服务所需时间、服务响应时间、可占用服务时间;所述可组合性二级指标包括:服务成功组合次数、服务组合故障率;所述质量二级指标包括:包括:服务使用频次、服务满意度;所述可用性二级指标包括:服务能力度、服务可用性;所述可靠性二级指标包括:服务时效性、服务来源的可靠性;所述成本二级指标包括:服务获取成本、服务使用成本、服务维护成本。
4.根据权利要求1所述的一种云制造服务组合优选方法,其特征在于:所述步骤2包括如下步骤:
步骤2.1:确定评价因素集:建立评价因素集G={G1,G2,…,Gm},G为某一级指标,G1、G2、…、Gm为m个二级指标;
步骤2.2:评价矩阵:建立评估矩阵其行代表G的m个二级指标,列代表m个二级指标在n个等级的隶属度,隶属度通过用户及专家评估确定;
步骤2.3:权重确定:采用层次分析法确定各个二级指标的权重值为C=(c11,c21,…,cm1);
步骤2.4:综合评价指标:最终的综合评价指标D由权重矩阵C和评价矩阵R共同决定,公式如下:
矩阵D中各列元素代表某一级指标G对于n个等级的隶属度;根据指标G在各个等级中的隶属度确定其重要程度,最终预估确定各个一级指标在QoS评估中的权重值
5.根据权利要求4所述的一种云制造服务组合优选方法,其特征在于:所述n=5,隶属度分为{非常重要、重要、一般重要、无关紧要、不重要}五个等级,根据五个等级的专家人数投票比例确定其值。
6.根据权利要求1所述的一种云制造服务组合优选方法,其特征在于:所述步骤3包括如下步骤:
步骤3.1:数据预处理,以F代表各个指标,利用规范化方法对数据进行规范化处理,指标F的规范化处理如下:
对于负指标:所述负指标包括:时间的一级指标和二级指标、成本的一级指标和二级指标;
对于正指标:所述正指标包括:可组合性的一级指标和二级指标、质量的一级指标和二级指标、可用性的一级指标和二级指标、可靠性的一级指标和二级指标;
其中Fij代表第i个任务的第j个子任务选中的服务指标;
步骤3.2:对服务组合服务质量一级指标进行数据预处理,预处理后的各个指标值记为xk(g),即第k个组合在第g个一级指标处的指标值,令:
xk(g)=(xk(T),xk(Co),xk(Q),xk(U),xk(R),xk(C))
=(xk(1),xk(2),xk(3),xk(4),xk(5),xk(6))
其中,xk(1),xk(2),xk(3),xk(4),xk(5),xk(6)是经过数据处理后的服务质量QoS指标值;
步骤3.3:求取差序列Δk(g):
Δk(g)=|xk(g)-1|Δk(g)=(Δk(1),Δk(2),Δk(3),Δk(4),Δk(5),Δk(6))
步骤3.4:计算灰色关联系数ξk(g):
其中,λ为分辨系数,作用是提高灰色关联系数ξk(g)间的差异,λ∈(0,1);
步骤3.5:计算加权灰色关联度δk:
其中,p=6,即QoS六大指标;W=(W1,W2,…,Wl,…,W6)代表QoS六大指标的权重,δk代表第k个服务组合的灰色关联度,其值越小则表示该组合越优。
7.根据权利要求6所述的一种云制造服务组合优选方法,其特征在于:所述λ=0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810888462.XA CN109190798B (zh) | 2018-08-06 | 2018-08-06 | 一种云制造服务组合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810888462.XA CN109190798B (zh) | 2018-08-06 | 2018-08-06 | 一种云制造服务组合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190798A true CN109190798A (zh) | 2019-01-11 |
CN109190798B CN109190798B (zh) | 2021-11-30 |
Family
ID=64920756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810888462.XA Active CN109190798B (zh) | 2018-08-06 | 2018-08-06 | 一种云制造服务组合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190798B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059942A (zh) * | 2019-04-02 | 2019-07-26 | 南京邮电大学 | 一种基于模糊多目标优化的云制造资源服务优化调度方法 |
CN114580911A (zh) * | 2022-03-04 | 2022-06-03 | 重庆大学 | 现场-工厂混合服务及资源调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933627A (zh) * | 2015-06-26 | 2015-09-23 | 江南大学 | 机床产品制造系统的能效组合评价方法 |
CN105574625A (zh) * | 2014-10-10 | 2016-05-11 | 普华讯光(北京)科技有限公司 | 一种基于1stOPT回归分析的多元非线性质量综合评价系统及方法 |
CN105704250A (zh) * | 2016-04-19 | 2016-06-22 | 福建船政交通职业学院 | 一种面向云制造的资源集成管理方法 |
US20170046798A1 (en) * | 2014-11-28 | 2017-02-16 | Exnodes Inc. | Distributed wafer information processing |
KR20170087584A (ko) * | 2016-01-20 | 2017-07-31 | 한국전자통신연구원 | 고객 맞춤 제품 생산을 위한 스마트 제조 시스템 및 방법 |
-
2018
- 2018-08-06 CN CN201810888462.XA patent/CN109190798B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105574625A (zh) * | 2014-10-10 | 2016-05-11 | 普华讯光(北京)科技有限公司 | 一种基于1stOPT回归分析的多元非线性质量综合评价系统及方法 |
US20170046798A1 (en) * | 2014-11-28 | 2017-02-16 | Exnodes Inc. | Distributed wafer information processing |
CN104933627A (zh) * | 2015-06-26 | 2015-09-23 | 江南大学 | 机床产品制造系统的能效组合评价方法 |
KR20170087584A (ko) * | 2016-01-20 | 2017-07-31 | 한국전자통신연구원 | 고객 맞춤 제품 생산을 위한 스마트 제조 시스템 및 방법 |
CN105704250A (zh) * | 2016-04-19 | 2016-06-22 | 福建船政交通职业学院 | 一种面向云制造的资源集成管理方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110059942A (zh) * | 2019-04-02 | 2019-07-26 | 南京邮电大学 | 一种基于模糊多目标优化的云制造资源服务优化调度方法 |
CN110059942B (zh) * | 2019-04-02 | 2022-08-30 | 南京邮电大学 | 一种基于模糊多目标优化的云制造资源服务优化调度方法 |
CN114580911A (zh) * | 2022-03-04 | 2022-06-03 | 重庆大学 | 现场-工厂混合服务及资源调度方法 |
CN114580911B (zh) * | 2022-03-04 | 2023-07-25 | 重庆大学 | 现场-工厂混合服务及资源调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109190798B (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Beikkhakhian et al. | The application of ISM model in evaluating agile suppliers selection criteria and ranking suppliers using fuzzy TOPSIS-AHP methods | |
Yang et al. | Multiple attribute decision-making methods for the dynamic operator allocation problem | |
Wu et al. | Evaluation the drivers of green supply chain management practices in uncertainty | |
Shen et al. | Multi-criteria task assignment in workflow management systems | |
CN106357739B (zh) | 一种针对批量云服务请求的两阶段组合与调度方法 | |
CN111178624B (zh) | 一种新产品需求预测的方法 | |
Liu et al. | How sustainable is smart PSS? An integrated evaluation approach based on rough BWM and TODIM | |
CN106228286A (zh) | 一种针对人工客服工作质量评估的数据分析方法 | |
CN104881609A (zh) | 一种复杂软件系统软件单元可信性评估方法 | |
Chu et al. | A manufacturing resource allocation method with knowledge-based fuzzy comprehensive evaluation for aircraft structural parts | |
CN104008428B (zh) | 产品服务需求预测和资源优选配置方法 | |
CN108197848A (zh) | 一种基于直觉模糊理论的电能质量综合评估方法及装置 | |
CN106992942A (zh) | 一种基于资源负载与用户需求的sdn资源定价方法 | |
CN109559033A (zh) | 一种面向云设计制造模式的社交化团队成员优选方法 | |
CN109190798A (zh) | 一种云制造服务组合优选方法 | |
CN108805471A (zh) | 基于复合系统作用关系分析的水资源承载能力评价方法 | |
Chang | Constructing an intelligent shoe production plant using a green supply chain and knowledge management | |
CN105550813A (zh) | 一种基于价值网络的机械装备云服务资源的商业评价方法 | |
Mahapatara et al. | A novel multi-criteria decision making approach for selection of reverse manufacturing alternative | |
CN107844999A (zh) | 基于拍卖机制的网络租车车辆资源分配及定价方法 | |
CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及系统 | |
Tang et al. | A fuzzy AHP approach for service vendor selection under uncertainty | |
Fung et al. | A quality-engineering-based approach for conceptual product design | |
CN115907719A (zh) | 充电站分级运维管理方法及装置 | |
Gholamveisy et al. | A Hybrid GRA-VIKOR Approach for Prioritization of Sales Management Outsourcing Risks (Case: energy company) |
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 |