CN110400085A - 信息处理方法、信息处理装置和信息处理系统 - Google Patents
信息处理方法、信息处理装置和信息处理系统 Download PDFInfo
- Publication number
- CN110400085A CN110400085A CN201910689290.8A CN201910689290A CN110400085A CN 110400085 A CN110400085 A CN 110400085A CN 201910689290 A CN201910689290 A CN 201910689290A CN 110400085 A CN110400085 A CN 110400085A
- Authority
- CN
- China
- Prior art keywords
- information
- model
- scheduling
- production
- production factors
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 51
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 254
- 238000005457 optimization Methods 0.000 claims abstract description 91
- 239000000463 material Substances 0.000 claims abstract description 59
- 238000005516 engineering process Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 6
- 239000000047 product Substances 0.000 description 62
- 238000010586 diagram Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 244000003240 Caesalpinia gilliesii Species 0.000 description 1
- 235000014161 Caesalpinia gilliesii Nutrition 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000003821 menstrual periods Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003466 welding Methods 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
- G06Q10/06—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
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本公开提供了一种信息处理方法，包括：获取生产要素信息，并接收来自于所述云端的产品物料关联信息，所述生产要素信息包括从所述边缘端采集的以下至少一种信息：生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息，所述产品物料关联信息为所述云端基于待提供产品关联信息生成的；利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息；以及基于所述待优化调度信息来优化生产调度。本公开还提供了一种信息处理装置、以及一种信息处理系统。
Description
技术领域
本公开涉及一种信息处理方法、信息处理装置和信息处理系统。
背景技术
随着用户对产品的个性化需求日益增强，工业品制造已经逐渐从大规模、同质化的批量制造向大规模个性化定制制造的模式发展，用户连制造(Client-to-manufacturer，简称C2M)模式逐渐成为了主流。现有的制造体系可以基于部署在企业专有云的制造执行系统采用制造执行系统(Manufacturing Execution System，简称MES)的生产调度模式，执行统一的计划、调度、排产安排，并基于企业专有云实现调度指令的上传下达。但是，此类生产调度模式只具备在较长时间轴(当日及月度)的范围内开展计划排程与生产调度的能力。针对细化到现场级、车间级的生产制造过程的计划排程与生产调度，在当前主流的生产调度模式，更多的仍是依靠现场调度长的经验和人员之间的沟通，对于某些个性化定制程度较高的行业，显著降低了企业计划排产的准确性和时效性。
发明内容
本公开的一个方面提供了一种用于边缘云计算的服务器端的信息处理方法，以提升企业计划排产的准确性和时效性，所述边缘云计算架构包括云端、边缘端、服务器端，所述服务器端分别与所述云端和所述边缘端相连，所述方法可以包括如下操作。首先，获取生产要素信息，并接收来自于所述云端的产品物料关联信息。其中，所述生产要素信息包括从所述边缘端采集的以下至少一种信息：生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息，所述产品物料关联信息为所述云端基于待提供产品关联信息生成的，所述生产要素信息为生产所述待提供产品所需的要素信息。然后，利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息。接着，基于所述待优化调度信息来优化生产调度。
本公开实施例提供的信息处理方法，可实时获取生产要素信息，如生产现场各种运行数据，同时在云端提供的产品物料关联信息和准实时调度框架下，实现实时调度的边缘端调度方法，以实现在C2M模式下对现有准实时生产调度模式的补充，提升企业计划排产的准确性和时效性。
可选地，所述调度优化模型可以通过以下方式构建。首先，提取应用场景的多个生产要素，以获得多个生产要素模型，以及，提取应用场景的调度过程，以获得生产要素调度概率模型。然后，基于所述生产要素模型和所述生产要素调度概率模型确定调度优化模型。接着，训练所述调度优化模型，确定模型参数。这样可以采用基于边缘端时序数据和产线运行机理协同建模的方法，构建针对生产线运行的高精度数字镜像，以实现通过在数字镜像环境中，对实体世界生产任务的仿真。便于实现多订单并行环境下，边缘端对云端的调度决策的实时协同寻优，并与现场级生产要素实现准实时同步。
可选地，所述方法还可以包括如下操作，在获得所述多个生产要素模型和所述生产要素调度概率模型之后，封装所述生产要素模型和所述生产要素调度概率模型，获得多个模型组件。相应地，所述基于所述生产要素模型和所述生产要素调度概率模型确定调度优化模型可以包括如下操作：首先，提供所述多个模型组件，然后，分别设置所述多个模型组件的初始参数，接着，响应于用户操作，拼接所述多个模型组件，获得所述调度优化模型。这样可以支持设备、生产工艺过程等生产要素模型的可视化配置，支持典型生产制造过程的零代码或低代码，可实现拖拽式部署。因而可以实现在边缘端支持全过程的可视化仿真交互。
可选地，所述生产要素模型可以为有限状态机模型。所述产品物料关联信息包括产品物料清单，所述待优化调度信息包括要素负载信息。这样可以将复杂的离散制造物理变化过程简化为基于有限状态机模型的数字镜像系统，将离散制造产线的调度模型简化为基于离散制造关键要素的概率密度函数，通过基于模糊集的双重验证机制，显著提高了优化调度模型的精准度，并有助于提升智能制造系统的容错能力。
可选地，所述训练所述调度优化模型，确定模型参数可以包括如下操作。首先，使用产品物料关联信息和生产要素信息的历史数据，以及对应的待优化调度标定信息训练所述调度优化模型，获得模型初始参数。然后，在生产过程中利用接收的产品物料关联信息和生产要素信息，以及对应的待优化调度标定信息优化所述模型初始参数，以确定模型参数。这样可以不断基于产线的生产要素信息对所述调度优化模型进行持续优化，使其能随着产线的生产要素信息不断的迭代优化。
可选地，所述边缘云计算架构还包括与所述云端相连的客户端，所述待提供产品关联信息包括来自于所述客户端的订单信息。所述服务器端通过中间件与多个边缘端相连，所述获取生产要素信息包括：所述服务器端至少通过所述中间件从所述多个边缘端获取生产要素信息。通过以上方式可以获取实时的生产要素信息和产品物料关联信息。
本公开的另一个方面提供了一种信息处理装置，包括信息获取模块、优化信息获得模块和优化模块。其中，所述信息获取模块用于获取生产要素信息，并接收来自于所述云端的产品物料关联信息，所述生产要素信息包括从所述边缘端采集的以下至少一种信息：生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息，所述产品物料关联信息为所述云端基于待提供产品关联信息生成的。所述优化信息获得模块用于利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息。所述优化模块用于基于所述待优化调度信息来优化生产调度。
可选地，所述装置还可以包括模型构建模块。该模型构建模块可以包括提取单元、模型确定单元和模型训练单元。其中，所述提取单元用于提取应用场景的多个生产要素，以获得多个生产要素模型，以及，提取应用场景的调度过程，以获得生产要素调度概率模型。所述模型确定单元用于基于所述生产要素模型和所述生产要素调度概率模型确定调度优化模型。所述模型训练单元用于训练所述调度优化模型，确定模型参数。
可选地，所述装置还可以包括可视化模块，该可视化模块用于在获得所述多个生产要素模型和所述生产要素调度概率模型之后，封装所述生产要素模型和所述生产要素调度概率模型，获得多个模型组件。相应地，所述模型确定单元可以包括组件提供子单元、参数设置子单元和组件拼接子单元。其中，所述组件提供子单元用于提供所述多个模型组件，所述参数设置子单元用于分别设置所述多个模型组件的初始参数，所述组件拼接子单元用于响应于用户操作，拼接所述多个模型组件，获得所述调度优化模型。
可选地，所述生产要素模型为有限状态机模型。所述产品物料关联信息包括产品物料清单，所述待优化调度信息包括要素负载信息。
可选地，所述模型训练单元可以包括模型初始化子单元和模型优化子单元。其中，所述模型初始化子单元用于使用产品物料关联信息和生产要素信息的历史数据，以及对应的待优化调度标定信息训练所述调度优化模型，获得模型初始参数。所述模型优化子单元用于在生产过程中利用接收的产品物料关联信息和生产要素信息，以及对应的待优化调度标定信息优化所述模型初始参数，以确定模型参数。
可选地，所述信息获取模块包括第一获取单元和第二获取单元。其中，所述第一获取单元用于接收来自于所述云端的产品物料关联信息，该产品物料关联信息是所述云端基于来自于所述客户端的订单信息生成的。所述第二获取单元用于至少通过中间件从多个边缘端获取生产要素信息，其中，该中间件分别与所述服务器端以及多个边缘端通讯连接。
本公开的另一方面提供了一种信息处理系统，可以包括多个边缘端、服务器端和云端。其中，所述多个边缘端用于获得生产要素信息，所述生产要素信息包括生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息中的至少一种。所述服务器端分别与云端和所述边缘端相连，被配置为用于实现：首先，接收来自于所述边缘端的生产要素信息，并接收来自于所述云端的产品物料关联信息，然后，利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息，接着，基于所述待优化调度信息优化生产调度。
可选地，所述系统还可以包括分别与所述边缘端以及所述服务器端相连的中间件，该中间件用于将来自于所述边缘端的生产要素信息发送给所述服务器端。
可选地，所述系统还可以包括客户端，该客户端用于向云端发送订单信息。相应地，所述云端用于基于来自客户端的所述订单信息生成产品物料关联信息，并发送给所述服务器端。
本公开的另一方面提供了一种电子设备，该电子设备可以包括一个或多个处理器和计算机可读存储介质。该计算机可读存储介质用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
附图说明
为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：
图1示意性示出了根据本公开实施例的信息处理方法、信息处理装置和信息处理系统的应用场景；
图2示意性示出了根据本公开实施例的可以应用信息处理方法、信息处理装置和信息处理系统的示例性系统架构；
图3示意性示出了根据本公开实施例的信息处理方法的流程图；
图4示意性示出了根据本公开实施例的调度优化模型构建方法的流程图；
图5示意性示出了根据本公开实施例的调度优化模型的训练方法的流程图；
图6示意性示出了根据本公开实施例的利用可视化模型组件搭建调度优化模型的示意图；
图7示意性示出了根据本公开实施例的信息处理装置框图；
图8示意性示出了根据本公开实施例的信息处理系统的框图；
图9示意性示出了根据本公开另一实施例的信息处理系统的框图；
图10示意性示出了根据本公开实施例的信息处理系统功能示意图；以及
图11示意性示出了根据本公开实施例的电子设备的框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
随着规模、个性化定制带来的C2M模式加速发展的趋势不可逆，传统制造业现行的生产调度模式由于难以适应用户快速变化的个性化需求和生产制造订单的快速切换，不仅造成了传统的生产调度体制机制无法满足要求，而且对于某些个性化定制程度较高的行业，企业被迫重新采取人工排产的模式以确保物料的准时到达、要素流转的安全可控以及产品的准时生产。这显著降低了工业企业计划排产的准确性和时效性，导致企业利润空间受到了进一步的挤压，生产过程精益化和敏捷化程度大幅降低。针对C2M模式下，云端MES排产调度时效性无法满足个性化定制需求的问题，亟需一种可实时获取生产现场运行数据、同时在MES系统提供的准实时调度框架下，实现实时调度的边缘端调度方法及系统，以实现在C2M模式下对现有准实时生产调度模式的补充。
本公开的实施例提供了一种信息处理方法、信息处理装置和信息处理系统。该方法包括要素获取过程和调度优化过程。在要素获取过程中，获取生产要素信息，并接收来自于所述云端的产品物料关联信息。在获取要素之后，进入调度优化过程，利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息，这样就基于所述待优化调度信息来优化生产调度。
图1示意性示出了根据本公开实施例的信息处理方法、信息处理装置和信息处理系统的应用场景。需要注意的是，图1所示仅为可以应用本公开实施例的场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，以工厂为例进行说明，工厂中有多台设备10、20、30、40、50等，设备10、20、30、40、50可以根据预设的工艺参数等按照调度信息进行生产，一个操作员可以操作一台或多台设备，如操作员a负责操作设备10、20，操作员b负责操作设备30，操作员c负责操作40、50。当然，可以由多个操作员对同一个设备进行操作，例如，流水线等。此外，工厂中可以存在多个传感器以监测环境信息，如通过温度传感器60监测温度信息，通过湿度传感器70监测湿度信息。这些信息为生产相关的生产要素信息，如设备状态、员工属性信息和温湿度信息等都可以存储在服务器80中，并可以实时更新，以便于服务器80基于这些实时获取的生产要素对待加工产品进行排产。
图2示意性示出了根据本公开实施例的可以应用信息处理方法、信息处理装置和信息处理系统的示例性系统架构。需要注意的是，图2所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图2所示，根据该实施例的系统架构100可以包括边缘端101、边缘端102、边缘端103，网络104、服务器105、云端106和客户端107、客户端108。网络104用以在边缘端101、边缘端102、边缘端103、服务器105、云端106和客户端107、客户端108之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
边缘端101、边缘端102、边缘端103具有多种状态信息和属性信息等，且状态信息随时可能发生改变，边缘端101、边缘端102、边缘端103可以通过各种传感器等采集上述信息并发送给服务器105。
用户可以使用客户端107、客户端108通过网络104与云端106交互，以接收或发送消息等。客户端107、客户端108上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
边缘端101、边缘端102、边缘端103可以是如工厂中的可采集各种状态信息和属性信息的各种电子设备，包括但不限于生产加工设备、检测设备、老化设备、终端电脑控制终端等等。
服务器105可以设置在工厂现场的终端服务器，也可以是设置在远程的各种服务器，在此不做限定。
云端106可以是提供各种服务的服务器集群等，例如对用户利用边缘端101、边缘端102、边缘端103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的订单、信息、或数据等)反馈给客户端107、客户端108，并把基于订单等信息生成的产品物料清单相关信息发送给服务器105。
需要说明的是，本公开实施例所提供的信息处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的信息处理装置一般可以设置于服务器105中。应该理解，边缘端、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的边缘端、网络和服务器。
图3示意性示出了根据本公开实施例的信息处理方法的流程图。
本公开实施例提供了用于在边缘云计算的服务器端的信息处理方法，所述边缘云计算架构包括云端、边缘端、服务器端，所述服务器端分别与所述云端和所述边缘端相连。如图3所示，该方法包括操作S301～S305。
在操作S301，获取生产要素信息，并接收来自于所述云端的产品物料关联信息，所述生产要素信息包括从所述边缘端采集的以下至少一种信息：生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息，所述产品物料关联信息为所述云端基于待提供产品关联信息生成的。
在本实施例中，可以通过各种传感器实时监测各边缘端的状态等信息，如生产设备信息、生产环境信息、生产工艺信息等。生产人员属性信息可以人为录入的信息，如熟练度、稳定度、性别、年龄等。生产人员属性信息也可以是由设备自动检测得到的，例如，通过体温检测设备自动对各工位的生产人员进行体温测试、通过对图像传感器采集的生产人员图像进行分析以得到生产人员精神状态等。这些信息可以辅助更合理的进行自动排产和调度。
产品物料关联信息可以为所述云端基于待提供产品关联信息生成的，如产品物料清单(BOOM)等。
在一个具体实施例中，所述边缘云计算架构还包括与所述云端相连的客户端，所述待提供产品关联信息包括来自于所述客户端的订单信息。
所述服务器端通过中间件与多个边缘端相连，所述获取生产要素信息可以包括：所述服务器端至少通过所述中间件从所述多个边缘端获取生产要素信息。例如，可以通过多种(如超过20种)系统总线和工控协议，支持典型离散制造的下料、机加、热处理、焊接、厂内物流等主要生产设备的数据采集。系统总线可以是工业标准体系结构(IndustryStandard Architecture，简称ISA)总线、外部设备互连(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。
在操作S303，利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息。
该调度优化模型的输入可以为所述产品物料关联信息和所述生产要素信息，输出可以为待优化调度信息。例如，哪个操作员的任务量需要进行调整、哪台设备的待加工产品需要进行数量调整或加工顺序调整等。
例如，该调度优化模型可以是基于生产要素模型等构建的，生产要素模型可以为有限状态机模型。具体地，可以将复杂的离散制造物理变化过程简化为基于有限状态机模型的数字镜像系统，将离散制造产线的调度模型简化为基于离散制造关键要素的概率密度函数，这样就可以将实际的生产线抽象成多个生产要素模型，以便于基于多个生产要素模型构建调度优化模型，进而得到待优化调度信息。
在操作S305，基于所述待优化调度信息来优化生产调度。
具体地，可以利用MES系统排出基于较长时间轴的生产计划框架，利用上述待优化调度信息对该生产计划框架进行协同寻优，实现边缘端的实时排产调度。例如，可基于对现场各生产设备的负载的实时感知，实现对最近闲置资源的调度和应用，可显著减少现场级计算资源的冗余，有效盘活存量资产，减少计算开销。
本公开实施例提供的信息处理方法针对当前C2M模式下，小批量、多品种、高并发和频繁出现插单、混线生产模式等情形下，对现场级、车间级的人、设备、物料的灵活机动、时变的要求，利用部署于边缘端的服务器端，根据云端接收的订单的动态变化，可实现对现场、车间级别生产要素进行实时调整。此外，可准时应对因插单、混线、故障等不确定性造成的对既有生产节拍的扰动，有效增强工业现场对计划排产不确定性的应对能力，减少由于云端决策时延带来的无法准时响应风险，使传统离散制造模式能具备更好地柔性，更好地满足当前大规模个性化定制的生产制造需要。
此外，还可以将基于待优化调度信息确定的调度指令下达到产线，同时将生产日志记录并上报相关系统以及便于企业进行决策，如上报MES系统等。
在另一个实施例中，可以构建针对生产线运行的，基于有限状态机模型高精度数字镜像。通过在数字孪生环境中，对实体世界生产任务的仿真，实现多订单并行环境下，边缘端调度决策的实时协同寻优，并与现场级生产要素实现准实时同步。
图4示意性示出了根据本公开实施例的调度优化模型构建方法的流程图。
如图4所示，构建所述调度优化模型可以包括操作S401～操作S405。
在操作S401，提取应用场景的多个生产要素，以获得多个生产要素模型，以及，提取应用场景的调度过程，以获得生产要素调度概率模型。
具体地，可以预先构建一个模型库，然后，根据具体应用场景确定所需的模型等，这样可以从模型库导入相应的协议适配、数据清洗和对应的场景、机理、要素模型等。
其中，模型库中的每个模型是通过如提取应用场景的多个生产要素、提取应用场景的调度过程等得到的多个生产要素组件的数字镜像模型，每个模型被配置有初始参数。
例如，可将复杂的离散制造物理变化过程简化为基于有限状态机模型的数字镜像系统，将离散制造产线的调度模型简化为基于离散制造关键要素的概率密度函数，通过基于模糊集的双重验证机制，显著提高了调度优化模型的精准度，显著提升智能制造系统的容错能力。具体地，所述生产要素模型可以为有限状态机模型，所述产品物料关联信息可以包括产品物料清单，所述待优化调度信息可以包括要素负载信息，这样便于根据要素负载信息对各要素的调度信息进行协同优化。如生产要素模型可以如表1所示。
表1生产要素模型
如表1所示，当前状态B和条件Y的组合指示下一个状态C。
生产要素调度概率模型可以如生产要素模型1调用生产要素模型2的调用概率为90％等。
在操作S403，基于所述生产要素模型和所述生产要素调度概率模型确定调度优化模型。
例如，可通过生产要素模型、生产要素调度概率模型、数据与工艺装备模型、产品模型、场景模型以及机理模型等工业数字孪生核心元素的结合，实现对资源、计划、人员、工位、供应链、能耗、设备、检验检测、车间整体的数字镜像构建。
在操作S405，训练所述调度优化模型，确定模型参数。
在本实施例中，可以利用具有待优化调度标注信息的调度数据训练所述调度优化模型。此外，还可以基于生产过程中产生的调度数据和对应的调度结果(如哪些调度数据可以还可以进行进一步优化)优化所述调度优化模型。
图5示意性示出了根据本公开实施例的调度优化模型的训练方法的流程图。
如图5所示，所述训练所述调度优化模型，确定模型参数可以包括操作S501～操作S503。
在操作S501，使用产品物料关联信息和生产要素信息的历史数据，以及对应的待优化调度标定信息训练所述调度优化模型，获得模型初始参数。
例如，可以利用开发人员收集的包括产品物料关联信息和生产要素信息的历史数据训练调度优化模型。可选的，该包括产品物料关联信息和生产要素信息的历史数据为从当前场景中(如当前工厂)得到的。
在操作S503，在生产过程中利用接收的产品物料关联信息和生产要素信息，以及对应的待优化调度标定信息优化所述模型初始参数，以确定模型参数。
例如，可以通过迭代优化等方式对模型进行优化。例如，利用生产过程中产生的调度数据和对应的调度结果对模型进行迭代优化，这样可以使得该模型的输出结果越来越趋近于生产过程中需要进行优化的调度信息。
在另一个实施例中，所述方法还可以包括如下操作。
在获得所述多个生产要素模型和所述生产要素调度概率模型之后，封装所述生产要素模型和所述生产要素调度概率模型，获得多个模型组件。
相应地，所述基于所述生产要素模型和所述生产要素调度概率模型确定调度优化模型可以包括如下操作。
首先，提供所述多个模型组件。例如，可以由服务器端给终端提供模型库，模型库中包括多个模型组件，由终端将模型库中常用和当前场景相关的模型组件展示给用户。当然，也可以由用户输入模型标识等从模型库中寻找所需的模型组件。
然后，分别设置所述多个模型组件的初始参数。需要说明的是，该初始参数可以是服务器端自动为模型组件配置的初始参数，如可以是基于多个工厂的历史数据训练得到的初始参数。也可以是由用户根据经验等自行设置的初始参数。此外，生产要素模型的初始参数可以为动态可调的。例如，生产人员的效率存在周期性波动，基于生产人员的历史数据获取周期性规律(如经期等对生产效率的影响)，基于周期性规律动态调整模型初始参数。又例如，生产设备存在周期性的成品率波动，该成品率波动与季节相关或空气湿度相关，可以基于季节或空气湿度等动态调整生产要素模型的初始参数。
接着，响应于用户操作，拼接所述多个模型组件，获得所述调度优化模型。由于生成了可视化的模型组件，支持通过拖拽等操作方式的生产要素模型等拼接操作，有效提升了模型搭建的便捷度。
图6示意性示出了根据本公开实施例的利用可视化模型组件搭建调度优化模型的示意图。
如图6所示，方框可以为人机交互界面，用户可以根据当前场景确定所需的生产要素模型，并进行拼接以构建调度优化模型。如当前场景包括1个传感器和6个设备，可以由多个操作员进行操作。其中，传感器1采集信息会发送给设备2、设备4和设备7，设备2和设备3的加工件需要设备5进行下一步加工，设备4和设备5的加工件需要设备6进行下一步加工，设备6的加工件需要设备7进行下一步加工，这样就可以通过拖拽和参数配置等方式搭建该调度优化模型。其中，不同的操作员操作同一设备时，该同一设备的参数等可以不同，具体可以根据操作员的属性等进行配置。以上所示的利用可视化模型组件搭建调度优化模型仅为示例性说明，不能理解为对本公开的限定。
本公开的实施例支持设备、过程等生产要素模型的可视化配置，支持典型生产制造过程的零代码或低代码，可拖拽式部署。在边缘的服务器端(如终端服务器)支持全过程的可视化仿真交互。
相应地，本公开还提供了与上述信息处理方法相应地信息处理装置。图7示意性示出了根据本公开实施例的信息处理装置框图。
如图7所示，该信息处理装置700可以包括信息获取模块710、优化信息获得模块720和优化模块730。
其中，所述信息获取模块710用于获取生产要素信息，并接收来自于所述云端的产品物料关联信息，所述生产要素信息包括从所述边缘端采集的以下至少一种信息：生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息，所述产品物料关联信息为所述云端基于待提供产品关联信息生成的。
所述优化信息获得模块720用于利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息。
所述优化模块730用于基于所述待优化调度信息来优化生产调度。
此外，所述装置700还可以包括模型构建模块。
该模型构建模块可以包括提取单元、模型确定单元和模型训练单元。
其中，所述提取单元用于提取应用场景的多个生产要素，以获得多个生产要素模型，以及，提取应用场景的调度过程，以获得生产要素调度概率模型。
所述模型确定单元用于基于所述生产要素模型和所述生产要素调度概率模型确定调度优化模型。
所述模型训练单元用于训练所述调度优化模型，确定模型参数。
在另一个实施例中，所述装置700还可以包括可视化模块。
该可视化模块用于在获得所述多个生产要素模型和所述生产要素调度概率模型之后，封装所述生产要素模型和所述生产要素调度概率模型，获得多个模型组件。
相应地，所述模型确定单元可以包括组件提供子单元、参数设置子单元和组件拼接子单元。
其中，所述组件提供子单元用于提供所述多个模型组件。
所述参数设置子单元用于分别设置所述多个模型组件的初始参数。
所述组件拼接子单元用于响应于用户操作，拼接所述多个模型组件，获得所述调度优化模型。
例如，所述生产要素模型为有限状态机模型。所述产品物料关联信息包括产品物料清单，所述待优化调度信息包括要素负载信息。
在一个实施例中，所述模型训练单元可以包括模型初始化子单元和模型优化子单元。
其中，所述模型初始化子单元用于使用产品物料关联信息和生产要素信息的历史数据，以及对应的待优化调度标定信息训练所述调度优化模型，获得模型初始参数。
所述模型优化子单元用于在生产过程中利用接收的产品物料关联信息和生产要素信息，以及对应的待优化调度标定信息优化所述模型初始参数，以确定模型参数。
例如，所述信息获取模块710包括第一获取单元和第二获取单元。
其中，所述第一获取单元用于接收来自于所述云端的产品物料关联信息，该产品物料关联信息是所述云端基于来自于所述客户端的订单信息生成的。
所述第二获取单元用于至少通过中间件从多个边缘端获取生产要素信息，其中，该中间件分别与所述服务器端以及多个边缘端通讯连接。
根据本公开的实施例，信息获取模块710、优化信息获得模块720和优化模块730等可以执行的操控，可以参见上面的描述，这里不再重复。
根据本公开的实施例的模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，信息获取模块710、优化信息获得模块720和优化模块730中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，信息获取模块710、优化信息获得模块720和优化模块730中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，信息获取模块710、优化信息获得模块720和优化模块730中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
本公开的另一方面提供了一种信息处理系统，图8示意性示出了根据本公开实施例的信息处理系统的框图。
如图8所示，该信息处理系统可以包括多个边缘端810、服务器端820和云端830。
其中，所述多个边缘端810用于获得生产要素信息，所述生产要素信息包括生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息中的至少一种。
所述服务器端820分别与云端830和所述边缘端810相连，被配置为用于实现：首先，接收来自于所述边缘端810的生产要素信息，并接收来自于所述云端830的产品物料关联信息，然后，利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息，接着，基于所述待优化调度信息优化生产调度。
图9示意性示出了根据本公开另一实施例的信息处理系统的框图。
如图9所示，所述系统还可以包括分别与所述边缘端810以及所述服务器端820相连的中间件910，该中间件910用于将来自于所述边缘端810的生产要素信息发送给所述服务器端820。
在另一个实施例中，所述系统还可以包括客户端920，该客户端920用于向云端830发送订单信息。相应地，所述云端830用于基于来自客户端920的所述订单信息生成产品物料关联信息，并发送给所述服务器端820。
图10示意性示出了根据本公开实施例的信息处理系统功能示意图。
如图10所示，可以基于现场确定生产要素相关信息，如传感器、工业仪表、生产设备、生产人员、物料等。然后对这些生产要素相关信息进行抽象，并对生产制造所需的生产工艺、产品、场景、机理等进行抽象，得到生产要素模型、工艺装备模型、产品模型、场景模型、机理模型等，并获取这些模型所需的算法库。这些模型可以应用于多种不同场景，如不同工厂的仿真建模等。接着，可以构建针对具体场景的调度优化模型，并将采集的数据和相关协议等输入调度优化模型以得到调度优化信息，进而基于此优化产线调度。
其中，终端可以基于消息队列遥测传输(Message Queuing Telemetry，简称MQTT)、串行通信协议(如Modbus)、现场总线(Profibus)、RS232串口和RS485串口中至少一种，将生产要素信息发送给服务器端。
图11示意性示出了根据本公开实施例的电子设备的框图。图11示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示，以所述电子设备为终端服务器为例进行说明，所述终端服务器1100包括：一个或多个处理器1110和计算机可读存储介质1120。该终端服务器可以执行根据本公开实施例的方法。
具体地，处理器1110例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1110还可以包括用于缓存用途的板载存储器。处理器1110可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质1120，例如可以是非易失性的计算机可读存储介质，具体示例包括但不限于：磁存储装置，如磁带或硬盘(HDD)；光存储装置，如光盘(CD-ROM)；存储器，如随机存取存储器(RAM)或闪存等等。
计算机可读存储介质1120可以包括程序1121，该程序1121可以包括代码/计算机可执行指令，其在由处理器1110执行时使得处理器1110执行根据本公开实施例的方法或其任何变形。
程序1121可被配置为具有例如包括计算机程序模块的计算机程序代码。例如，在示例实施例中，程序1121中的代码可以包括一个或多个程序模块，例如包括程序模块1121A、程序模块1121B、……。应当注意，程序模块的划分方式和个数并不是固定的，本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合，当这些程序模块组合被处理器1110执行时，使得处理器1110可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例，处理器1110可以与计算机可读存储介质1120进行交互，来执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例，信息获取模块1110、优化信息获得模块1120和优化模块1130中的至少一个可以实现为参考图11描述的程序模块，其在被处理器1110执行时，可以实现上面描述的相应操作。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
尽管已经参照本公开的特定示例性实施例示出并描述了本公开，但是本领域技术人员应该理解，在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以对本公开进行形式和细节上的多种改变。因此，本公开的范围不应该限于上述实施例，而是应该不仅由所附权利要求来进行确定，还由所附权利要求的等同物来进行限定。
Claims (10)
1.一种用于在边缘云计算的服务器端的信息处理方法，所述边缘云计算架构包括云端、边缘端、服务器端，所述服务器端分别与所述云端和所述边缘端相连，所述方法包括：
获取生产要素信息，并接收来自于所述云端的产品物料关联信息，所述生产要素信息包括从所述边缘端采集的以下至少一种信息：生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息，所述产品物料关联信息为所述云端基于待提供产品关联信息生成的；
利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息；以及
基于所述待优化调度信息来优化生产调度。
2.根据权利要求1所述的方法，其中，所述调度优化模型通过以下方式构建：
提取应用场景的多个生产要素，以获得多个生产要素模型，以及，提取应用场景的调度过程，以获得生产要素调度概率模型；
基于所述生产要素模型和所述生产要素调度概率模型确定调度优化模型；以及
训练所述调度优化模型，确定模型参数。
3.根据权利要求2所述的方法，还包括：
在获得所述多个生产要素模型和所述生产要素调度概率模型之后，封装所述生产要素模型和所述生产要素调度概率模型，获得多个模型组件；
所述基于所述生产要素模型和所述生产要素调度概率模型确定调度优化模型包括：
提供所述多个模型组件；
分别设置所述多个模型组件的初始参数；以及
响应于用户操作，拼接所述多个模型组件，获得所述调度优化模型。
4.根据权利要求2所述的方法，其中：
所述生产要素模型为有限状态机模型；以及
所述产品物料关联信息包括产品物料清单，所述待优化调度信息包括要素负载信息。
5.根据权利要求2所述的方法，其中，所述训练所述调度优化模型，确定模型参数包括：
使用产品物料关联信息和生产要素信息的历史数据，以及对应的待优化调度标定信息训练所述调度优化模型，获得模型初始参数；以及
在生产过程中利用接收的产品物料关联信息和生产要素信息，以及对应的待优化调度标定信息优化所述模型初始参数，以确定模型参数。
6.根据权利要求1所述的方法，其中：
所述边缘云计算架构还包括与所述云端相连的客户端，所述待提供产品关联信息包括来自于所述客户端的订单信息；以及
所述服务器端通过中间件与多个边缘端相连，所述获取生产要素信息包括：所述服务器端至少通过所述中间件从所述多个边缘端获取生产要素信息。
7.一种信息处理装置，包括：
信息获取模块，用于获取生产要素信息，并接收来自于所述云端的产品物料关联信息，所述生产要素信息包括从所述边缘端采集的以下至少一种信息：生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息，所述产品物料关联信息为所述云端基于待提供产品关联信息生成的；
优化信息获得模块，用于利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息；以及
优化模块，用于基于所述待优化调度信息来优化生产调度。
8.一种信息处理系统，包括：
多个边缘端，用于获得生产要素信息，所述生产要素信息包括生产设备信息、生产人员属性信息、生产环境信息、生产工艺信息中的至少一种；以及
服务器端，分别与云端和所述边缘端相连，被配置为用于实现：
接收来自于所述边缘端的生产要素信息，并接收来自于所述云端的产品物料关联信息；
利用调度优化模型处理所述产品物料关联信息和所述生产要素信息，获得待优化调度信息；以及
基于所述待优化调度信息优化生产调度。
9.根据权利要求8所述的系统，还包括：
分别与所述边缘端以及所述服务器端相连的中间件，用于将来自于所述边缘端的生产要素信息发送给所述服务器端。
10.根据权利要求8所述的系统，还包括：
客户端，用于向云端发送订单信息；以及
云端，用于基于来自客户端的所述订单信息生成产品物料关联信息，并发送给所述服务器端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910689290.8A CN110400085B (zh) | 2019-07-29 | 2019-07-29 | 信息处理方法、信息处理装置和信息处理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910689290.8A CN110400085B (zh) | 2019-07-29 | 2019-07-29 | 信息处理方法、信息处理装置和信息处理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110400085A true CN110400085A (zh) | 2019-11-01 |
| CN110400085B CN110400085B (zh) | 2022-04-22 |
Family
ID=68326362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910689290.8A Active CN110400085B (zh) | 2019-07-29 | 2019-07-29 | 信息处理方法、信息处理装置和信息处理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110400085B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111625562A (zh) * | 2019-12-13 | 2020-09-04 | 温南夫 | 流程化数据处理系统 |
| CN113298202A (zh) * | 2021-04-19 | 2021-08-24 | 绍兴电力设备有限公司 | 一种线缆行业管理系统 |
| CN113420954A (zh) * | 2021-05-08 | 2021-09-21 | 中国电建集团华东勘测设计研究院有限公司 | 基于机理模型的工程管理业务信息化方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003056480A2 (de) * | 2001-12-22 | 2003-07-10 | Abb Research Ltd. | Verfahren und system zur dynamischen, modellbasierten planung und optimierung von produktionsprozessen, sowie zur ablaufplanerstellung |
| CN101303749A (zh) * | 2008-06-19 | 2008-11-12 | 上海交通大学 | 面向客户需求的车间作业调度方法 |
| CN101364292A (zh) * | 2008-09-18 | 2009-02-11 | 浙江工业大学 | 一种asp模式下企业间生产调度优化方法 |
| CN103824136A (zh) * | 2014-03-13 | 2014-05-28 | 西安工业大学 | 一种mes动态车间调度制造执行系统 |
| CN108009739A (zh) * | 2017-12-14 | 2018-05-08 | 沈阳工业大学 | 一种智能机加车间生产计划与调度一体化方法 |
-
2019
- 2019-07-29 CN CN201910689290.8A patent/CN110400085B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003056480A2 (de) * | 2001-12-22 | 2003-07-10 | Abb Research Ltd. | Verfahren und system zur dynamischen, modellbasierten planung und optimierung von produktionsprozessen, sowie zur ablaufplanerstellung |
| CN101303749A (zh) * | 2008-06-19 | 2008-11-12 | 上海交通大学 | 面向客户需求的车间作业调度方法 |
| CN101364292A (zh) * | 2008-09-18 | 2009-02-11 | 浙江工业大学 | 一种asp模式下企业间生产调度优化方法 |
| CN103824136A (zh) * | 2014-03-13 | 2014-05-28 | 西安工业大学 | 一种mes动态车间调度制造执行系统 |
| CN108009739A (zh) * | 2017-12-14 | 2018-05-08 | 沈阳工业大学 | 一种智能机加车间生产计划与调度一体化方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111625562A (zh) * | 2019-12-13 | 2020-09-04 | 温南夫 | 流程化数据处理系统 |
| CN113298202A (zh) * | 2021-04-19 | 2021-08-24 | 绍兴电力设备有限公司 | 一种线缆行业管理系统 |
| CN113420954A (zh) * | 2021-05-08 | 2021-09-21 | 中国电建集团华东勘测设计研究院有限公司 | 基于机理模型的工程管理业务信息化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110400085B (zh) | 2022-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12056485B2 (en) | Edge computing platform | |
| US11184422B1 (en) | Industrial controller system and interactive graphical user interfaces related thereto | |
| US10007513B2 (en) | Edge intelligence platform, and internet of things sensor streams system | |
| US20170242935A1 (en) | User interface component for managing and presenting data corresponding to industrial assets | |
| CN111562769A (zh) | 用于工业数字孪生的ai扩展和智能模型验证 | |
| Costa et al. | Fasten iiot: An open real-time platform for vertical, horizontal and end-to-end integration | |
| CN110400085A (zh) | 信息处理方法、信息处理装置和信息处理系统 | |
| US7643892B2 (en) | Historian integrated with MES appliance | |
| WO2017123784A1 (en) | Related table notifications | |
| US11675605B2 (en) | Discovery, mapping, and scoring of machine learning models residing on an external application from within a data pipeline | |
| US20210105183A1 (en) | Systems and methods for autonomous creation of a domain specific industrial internet of things gateway using a conversational interface | |
| US11163586B1 (en) | Automated configuration of application program instance | |
| CN110019044A (zh) | 大数据集群准实时Yarn任务监控分析方法 | |
| US11797722B2 (en) | Method and system for optimizing shipping methodology for 2-directional floor joists | |
| CN109376430A (zh) | 装配式建筑施工管理方法 | |
| Vanhove et al. | Tengu: An experimentation platform for big data applications | |
| CN113728342A (zh) | 用于配置用于监控工业过程和工业资产的监控系统的方法 | |
| CN117114909A (zh) | 一种核算规则引擎构建方法、装置、设备及存储介质 | |
| Li et al. | Evaluation of the logistic model of the reconfigurable manufacturing system based on generalised stochastic Petri nets | |
| CN114757157B (zh) | 用于生成航空器工包的方法、装置、设备和介质 | |
| US20180173740A1 (en) | Apparatus and Method for Sorting Time Series Data | |
| CN111104031B (zh) | 一种面向用户的数据更新方法、装置、电子设备及存储介质 | |
| Pöchgraber et al. | Digital Twin Preparation for the Prototyping Phase, a Use Case | |
| Mohammad et al. | Systematic development of smart factory using CONSENS | |
| US20230128173A1 (en) | Modularized digital twin creation for physical infrastructure of computing environment |
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 |