CN111385153A - 一种制造云的服务质量评价体系 - Google Patents

一种制造云的服务质量评价体系 Download PDF

Info

Publication number
CN111385153A
CN111385153A CN202010174319.1A CN202010174319A CN111385153A CN 111385153 A CN111385153 A CN 111385153A CN 202010174319 A CN202010174319 A CN 202010174319A CN 111385153 A CN111385153 A CN 111385153A
Authority
CN
China
Prior art keywords
service
resources
data
unit
computing
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.)
Withdrawn
Application number
CN202010174319.1A
Other languages
English (en)
Inventor
黄东
陈震宇
刘竟成
杨涌
秦小林
于万钦
刘期烈
章建方
王小明
黄海松
王平
杨峥
唐飞
龙华
刘万平
林小光
吕健
刘苡村
唐奎
刘贲
王紫阳
冯涛
张伟
王万涛
徐涛
谭钧译
黄浩俭
陶汉君
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202010174319.1A priority Critical patent/CN111385153A/zh
Publication of CN111385153A publication Critical patent/CN111385153A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5003—Managing SLA; Interaction between SLA and QoS
    • H04L41/5009—Determining service level performance parameters or violations of service level contracts, e.g. violations of agreed response time or mean time between failures [MTBF]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • 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

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Algebra (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种制造云的服务质量评价策略，通过建立制造云服务模型和制造云的服务质量评价体系，实现制造云资源高效管理。

Description

一种制造云的服务质量评价体系
技术领域
本发明涉及通信网络领域。
背景技术
制造业是国民经济和国防安全的重要支柱，是一个国家工业化的战略性产业。中国政府已将“制造业信息化”作为其实现新型工业化道路的战略举措。制造业信息化是指以信息(采集、传递、加工、处理、应用)技术为核心，将信息技术、建模与仿真技术、现代管理技术、设计/生产/实验技术、系统工程技术及产品相关的专业技术综合运用于企业(或集团)产品研制的全系统、全生命周期活动中，集成优化其中的三要素(人/组织、经营管理、技术)及四流(信息流、物流、价值流、知识流)，进而改善企业(或集团)产品及其开发时间、质量、成本、服务、环境清洁和知识含量，以增强企业(或集团)的市场竞争能力，实现企业(或集团)的跨越式发展。
制造业信息化的发展总趋势是集成化、数字化、智能化、敏捷化、网络化、绿色化和服务化。当前“服务、资源环境、知识创新”正成为制造业核心竞争力的关键因素。中国在2009年已成为仅次于美国的全球第二大工业制造国，但是仍未能成为制造强国。“中国制造”的总体水平仍处于国际产业分工价值链的低端，创新能力比较弱，并且受到资源环境的严重制约。基于现状，中国制造业必须尽快突破，实现向“服务型制造”和“中国创造”的转变。
基于高速发展的信息技术，本文提出“一种基于知识、面向服务的高效低耗网络化智能制造新模式—云制造”。云制造技术的研究与应用将会加速推进中国制造业信息化向网络化、智能化和服务化方向发展，从而将中国制造业信息化提升到新的高度和水平。
云计算作为一种新的服务化计算模式，近年来正在产业界兴起并逐步走向成熟。云计算是一种基于互联网的计算新模式，通过云计算平台把大量的高度虚拟化的计算资源管理起来，组成一个大的资源池，用来统一提供服务，通过互联网上异构、自治的服务形式为个人和企业用户提供按需随时获取的计算服务。云计算的运营模式是由专业计算机和网络公司(即第三方服务运行商)来搭建计算机存储、计算服务中心，把资源虚拟化为“云”后集中存储起来，为用户提供各种服务。不难推论，若将“制造资源”代以“计算资源”,云计算的计算模式和运营模式将可以为制造业信息化所用，为制造业信息化走向服务化、高效低耗提供一种可行的新思路。
制造资源包括制造全生命周期活动中的各类制造设备(如机床、加工中心、计算设备)及制造过程中的各种模型、数据、软件、领域知识等。为了实现制造资源的虚拟化、优化调度和协同互联，我们还可融合语义Web、嵌入式系统技术、物联网、高效能计算等新技术。语义Web的发展为基于知识的智能计算奠定了基础。嵌入式技术的快速发展为实现终端物理设备智能接入提供了使能技术。物联网技术在RFID、传感器等技术的支持下快速发展，有望促进各类物与物之间的互联。另外，高性能计算机的应用和高性能计算技术的发展为求解复杂的制造问题和开展大规模协同制造也提供了可能性，如图1所示。
因此，有必要建立制造云的服务质量评价策略。
发明内容
本发明所要解决的技术问题是：建立制造云服务模型和制造云的服务质量评价体系，实现制造云资源高效管理。
本发明为解决上述技术问题所采用的技术方案包括以下步骤：
A、建立制造云服务模型；
B、建立制造云的服务质量评价体系。
所述步骤A中，建立制造云服务模型，其由数据支撑资源、网络资源、服务评价单元和计算资源构成；网络资源包括节点容量资源、逻辑链路资源、切换资源，逻辑链路是通过将若干物理链路进行分解或重组构成，切换资源包括链路切换和网络设备切换；数据支撑资源分为数据整合单元、数据存储单元、数据分析单元、平台服务单元、计算任务单元；计算资源包括细粒度计算单元、粗粒度计算单元，细粒度计算单元在计算效能方面优于粗粒度计算单元，但会增加通信开销；如图1所示，数据整合单元包括关系数据库数据抽取、实时数据采集、文件数据采集和数据库实时复制；数据存储单元包括关系数据存储、分布式数据库存储和分布式文件存储；计算任务单元包括批量计算、流计算、实时计算和查询计算任务；数据分析单元包括统计分析、多维数据分析和数据挖掘；平台服务单元包括存储服务、计算服务、分析服务和展现服务；管理单元根据可高效资源分配机制对网络资源、计算资源进行按需优化调节，并采用变分自编码机神经网络对网络资源、计算资源的下一变化状态进行预测，如图2所示。
所述步骤B中，建立制造云的服务质量评价体系，具体为：a.弹性服务能力,包括网络资源服务能力和计算资源服务能力的弹性；b.生命周期，指在应用环境与需求变化时，现有网络与计算配置能够继续使用的能力，若网络与与计算配置改变，将会产生开销；c.互操作能力：指被若干计算单元服务的应用可相互选择其他计算单元；d.容错能力：当某一计算单元的一个任务失败或异常，影响运行在同一计算单元的其他任务的程度；e.数据逻辑稳定性：在运行的物理环境变化条件下，数据支撑资源保持稳定运行的能力；f代价开销：网络资源和计算资源的使用代价；g.资源匹配：包括(1)网络资源与计算资源间的匹配；(2)网络资源和计算资源与数据支撑资源间的匹配；(3)能耗与应用的优化匹配，如图2所示，弹性服务能力和数据逻辑稳定性受单位空间中的细粒度计算与粗粒度计算单元的分布密度，和逻辑链路的数目的影响，当细粒度计算单元和逻辑链路的数目越多时，弹性服务能力和数据逻辑稳定性越强，但使用开销越大；互操作能力、容错能力和数据逻辑稳定性与受单位空间中的切换资源数目影响，当切换资源越多时，上述三者能力越强，但开销代价越大；制造云支撑的服务包括数据计算和数据传输，当以数据计算为主数据传输为辅时，其服务质量评价指标优先级依次为：数据逻辑稳定性>容错能力>弹性服务能力>互操作能力>生命周期>>资源匹配>代价开销；当以数据传输为主数据计算为辅时，其服务质量评价指标优先级依次为：弹性服务能力>生命周期>数据逻辑稳定性>容错能力>互操作能力>资源匹配>代价开销；网络资源与计算资源间的匹配包括：单位空间中的节点资源和逻辑链路资源构成的单位空间中的网络容量与单位空间的计算能力匹配，单位空间中的分配给网络资源与计算资源的能量需平衡，处于动态环境中的网络资源与计算资源状态变换所需开销需平衡；网络资源和计算资源与数据支撑资源间的匹配包括：批量计算、流计算、实时计算和查询计算任务与细粒度计算单元和粗粒度计算分布密度的匹配；存储服务、计算服务、分析服务和展现服务与逻辑链路的带宽分配、链路的建立和释放开销以及链路切换频率间的匹配；网络服务质量与数据整合单元、数据分析单元和平台服务单元间在服务的优先级、服务时间分配、交替服务顺序间的匹配；建立能耗与应用的优化匹配优化模型：
Figure BDA0002410262010000041
其中Pm为系统分配给子应用m的能量，Ri为每类应用i实际得到的传输速率，Ptotal为网络接入端的最大发射功率，Hsm为子应用m上的信道增益，σm2为子应用m的平均噪声功率，Psm为分配给子应用m的能量，Bm为分配给子应用m的带宽，应用类别i＝1为数据整合应用，i＝2为数据存储应用，i＝3为计算任务应用，i＝4为平台服务应用，4类应用包含18类子应用，
Figure BDA0002410262010000042
为18类子应用的信道容量期望和,pi为Ri的出现概率，服从泊松分布。
附图说明
图1制造云系统示意图
图2制造云服务模型示意图
具体实施方式
为达到上述目的，本发明的技术方案如下：
第一步，建立制造云服务模型，其由数据支撑资源、网络资源、服务评价单元和计算资源构成；网络资源包括节点容量资源、逻辑链路资源、切换资源，逻辑链路是通过将若干物理链路进行分解或重组构成，切换资源包括链路切换和网络设备切换；数据支撑资源分为数据整合单元、数据存储单元、数据分析单元、平台服务单元、计算任务单元；计算资源包括细粒度计算单元、粗粒度计算单元，细粒度计算单元在计算效能方面优于粗粒度计算单元，但会增加通信开销；如图1所示，数据整合单元包括关系数据库数据抽取、实时数据采集、文件数据采集和数据库实时复制；数据存储单元包括关系数据存储、分布式数据库存储和分布式文件存储；计算任务单元包括批量计算、流计算、实时计算和查询计算任务；数据分析单元包括统计分析、多维数据分析和数据挖掘；平台服务单元包括存储服务、计算服务、分析服务和展现服务；管理单元根据可高效资源分配机制对网络资源、计算资源进行按需优化调节，并采用变分自编码机神经网络对网络资源、计算资源的下一变化状态进行预测，如图1所示。
第二步，建立制造云的服务质量评价体系，具体为：a.弹性服务能力,包括网络资源服务能力和计算资源服务能力的弹性；b.生命周期，指在应用环境与需求变化时，现有网络与计算配置能够继续使用的能力，若网络与与计算配置改变，将会产生开销；c.互操作能力：指被若干计算单元服务的应用可相互选择其他计算单元；d.容错能力：当某一计算单元的一个任务失败或异常，影响运行在同一计算单元的其他任务的程度；e.数据逻辑稳定性：在运行的物理环境变化条件下，数据支撑资源保持稳定运行的能力；f代价开销：网络资源和计算资源的使用代价；g.资源匹配：包括(1)网络资源与计算资源间的匹配；(2)网络资源和计算资源与数据支撑资源间的匹配；(3)能耗与应用的优化匹配；弹性服务能力和数据逻辑稳定性受单位空间中的细粒度计算与粗粒度计算单元的分布密度，和逻辑链路的数目的影响，当细粒度计算单元和逻辑链路的数目越多时，弹性服务能力和数据逻辑稳定性越强，但使用开销越大；互操作能力、容错能力和数据逻辑稳定性与受单位空间中的切换资源数目影响，当切换资源越多时，上述三者能力越强，但开销代价越大；制造云支撑的服务包括数据计算和数据传输，当以数据计算为主数据传输为辅时，其服务质量评价指标优先级依次为：数据逻辑稳定性>容错能力>弹性服务能力>互操作能力>生命周期>>资源匹配>代价开销；当以数据传输为主数据计算为辅时，其服务质量评价指标优先级依次为：弹性服务能力>生命周期>数据逻辑稳定性>容错能力>互操作能力>资源匹配>代价开销；网络资源与计算资源间的匹配包括：单位空间中的节点资源和逻辑链路资源构成的单位空间中的网络容量与单位空间的计算能力匹配，单位空间中的分配给网络资源与计算资源的能量需平衡，处于动态环境中的网络资源与计算资源状态变换所需开销需平衡；网络资源和计算资源与数据支撑资源间的匹配包括：批量计算、流计算、实时计算和查询计算任务与细粒度计算单元和粗粒度计算分布密度的匹配；存储服务、计算服务、分析服务和展现服务与逻辑链路的带宽分配、链路的建立和释放开销以及链路切换频率间的匹配；网络服务质量与数据整合单元、数据分析单元和平台服务单元间在服务的优先级、服务时间分配、交替服务顺序间的匹配；建立能耗与应用的优化匹配优化模型：
Figure BDA0002410262010000071
其中Pm为系统分配给子应用m的能量，Ri为每类应用i实际得到的传输速率，Ptotal为网络接入端的最大发射功率，Hsm为子应用m上的信道增益，
Figure BDA0002410262010000072
为子应用m的平均噪声功率，Psm为分配给子应用m的能量，Bm为分配给子应用m的带宽，应用类别i＝1为数据整合应用，i＝2为数据存储应用，i＝3为计算任务应用，i＝4为平台服务应用，4类应用包含18类子应用，
Figure BDA0002410262010000073
为18类子应用的信道容量期望和,pi为Ri的出现概率，服从泊松分布。
本发明提出了一种制造云的服务质量评价体系，通过建立制造云服务模型和制造云的服务质量评价体系，实现制造云资源高效管理。

Claims (9)

1.一种制造云的服务质量评价体系，通过建立制造云服务模型和制造云的服务质量评价体系，实现制造云资源高效管理，具体为：
A.建立制造云服务模型，其由数据支撑资源、网络资源、服务评价单元和计算资源构成；网络资源包括节点容量资源、逻辑链路资源、切换资源，逻辑链路是通过将若干物理链路进行分解或重组构成，切换资源包括链路切换和网络设备切换；数据支撑资源分为数据整合单元、数据存储单元、数据分析单元、平台服务单元、计算任务单元；计算资源包括细粒度计算单元、粗粒度计算单元，细粒度计算单元在计算效能方面优于粗粒度计算单元，但会增加通信开销；
B.建立制造云的服务质量评价体系，具体为：a.弹性服务能力,包括网络资源服务能力和计算资源服务能力的弹性；b.生命周期，指在应用环境与需求变化时，现有网络与计算配置能够继续使用的能力，若网络与与计算配置改变，将会产生开销；c.互操作能力：指被若干计算单元服务的应用可相互选择其他计算单元；d.容错能力：当某一计算单元的一个任务失败或异常，影响运行在同一计算单元的其他任务的程度；e.数据逻辑稳定性：在运行的物理环境变化条件下，数据支撑资源保持稳定运行的能力；f代价开销：网络资源和计算资源的使用代价；g.资源匹配：包括(1)网络资源与计算资源间的匹配；(2)网络资源和计算资源与数据支撑资源间的匹配；(3)能耗与应用的优化匹配。
2.根据权利要求1的方法，对于所述步骤A其特征在于：数据整合单元包括关系数据库数据抽取、实时数据采集、文件数据采集和数据库实时复制；数据存储单元包括关系数据存储、分布式数据库存储和分布式文件存储；计算任务单元包括批量计算、流计算、实时计算和查询计算任务；数据分析单元包括统计分析、多维数据分析和数据挖掘；平台服务单元包括存储服务、计算服务、分析服务和展现服务。
3.根据权利要求1的方法，对于所述步骤A其特征在于：管理单元根据可高效资源分配机制对网络资源、计算资源进行按需优化调节，并采用变分自编码机神经网络对网络资源、计算资源的下一变化状态进行预测。
4.根据权利要求1的方法，对于所述步骤B其特征在于：弹性服务能力和数据逻辑稳定性受单位空间中的细粒度计算与粗粒度计算单元的分布密度，和逻辑链路的数目的影响，当细粒度计算单元和逻辑链路的数目越多时，弹性服务能力和数据逻辑稳定性越强，但使用开销越大。
5.根据权利要求1的方法，对于所述步骤B其特征在于：互操作能力、容错能力和数据逻辑稳定性与受单位空间中的切换资源数目影响，当切换资源越多时，上述三者能力越强，但开销代价越大。
6.根据权利要求1的方法，对于所述步骤B其特征在于：制造云支撑的服务包括数据计算和数据传输，当以数据计算为主，数据传输为辅时，其服务质量评价指标优先级依次为：数据逻辑稳定性>容错能力>弹性服务能力>互操作能力>生命周期>>资源匹配>代价开销；当以数据传输为主，数据计算为辅时，其服务质量评价指标优先级依次为：弹性服务能力>生命周期>数据逻辑稳定性>容错能力>互操作能力>资源匹配>代价开销。
7.根据权利要求1的方法，对于所述步骤B其特征在于：网络资源与计算资源间的匹配包括：单位空间中的节点资源和逻辑链路资源构成的单位空间中的网络容量与单位空间的计算能力匹配，单位空间中的分配给网络资源与计算资源的能量需平衡，处于动态环境中的网络资源与计算资源状态变换所需开销需平衡。
8.根据权利要求1的方法，对于所述步骤B其特征在于：网络资源和计算资源与数据支撑资源间的匹配包括：批量计算、流计算、实时计算和查询计算任务与细粒度计算单元和粗粒度计算分布密度的匹配；存储服务、计算服务、分析服务和展现服务与逻辑链路的带宽分配、链路的建立和释放开销以及链路切换频率间的匹配；网络服务质量与数据整合单元、数据分析单元和平台服务单元间在服务的优先级、服务时间分配、交替服务顺序间的匹配。
9.根据权利要求1的方法，对于所述步骤B其特征在于：建立能耗与应用的优化匹配优化模型：
Figure FDA0002410260000000031
其中Pm为系统分配给子应用m的能量，Ri为每类应用i实际得到的传输速率，Ptotal为网络接入端的最大发射功率，Hsm为子应用m上的信道增益，
Figure FDA0002410260000000032
为子应用m的平均噪声功率，Psm为分配给子应用m的能量，Bm为分配给子应用m的带宽，应用类别i＝1为数据整合应用，i＝2为数据存储应用，i＝3为计算任务应用，i＝4为平台服务应用，4类应用包含18类子应用，
Figure FDA0002410260000000033
为18类子应用的信道容量期望和,pi为Ri的出现概率，服从泊松分布。
CN202010174319.1A 2020-03-13 2020-03-13 一种制造云的服务质量评价体系 Withdrawn CN111385153A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010174319.1A CN111385153A (zh) 2020-03-13 2020-03-13 一种制造云的服务质量评价体系

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010174319.1A CN111385153A (zh) 2020-03-13 2020-03-13 一种制造云的服务质量评价体系

Publications (1)

Publication Number Publication Date
CN111385153A true CN111385153A (zh) 2020-07-07

Family

ID=71217258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010174319.1A Withdrawn CN111385153A (zh) 2020-03-13 2020-03-13 一种制造云的服务质量评价体系

Country Status (1)

Country Link
CN (1) CN111385153A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111399450A (zh) * 2020-03-13 2020-07-10 黄东 一种云端制造信息平台
CN117151547A (zh) * 2023-10-30 2023-12-01 浙江大学高端装备研究院 一种基于云的智能制造服务供需平衡评估方法和装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106357800A (zh) * 2016-10-21 2017-01-25 黄东 一种基于QoE的云计算服务架构

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106357800A (zh) * 2016-10-21 2017-01-25 黄东 一种基于QoE的云计算服务架构

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
吕明坤等: "基于相关联任务调度的云计算关键技术研究", 《产业与科技论坛》 *
李君等: "工业互联网平台评价指标体系构建与应用研究", 《中国科技论坛》 *
王彪等: "云计算服务质量测评指标体系研究", 《电脑与电信》 *
罗军舟等: "云计算:体系架构与关键技术", 《通信学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111399450A (zh) * 2020-03-13 2020-07-10 黄东 一种云端制造信息平台
CN117151547A (zh) * 2023-10-30 2023-12-01 浙江大学高端装备研究院 一种基于云的智能制造服务供需平衡评估方法和装置
CN117151547B (zh) * 2023-10-30 2024-02-06 浙江大学高端装备研究院 一种基于云的智能制造服务供需平衡评估方法和装置

Similar Documents

Publication Publication Date Title
Lu et al. An effective task scheduling algorithm based on dynamic energy management and efficient resource utilization in green cloud computing environment
Huang et al. Stochastic configuration networks based adaptive storage replica management for power big data processing
Peng et al. Intelligent computation offloading and resource allocation in IIoT with end-edge-cloud computing using NSGA-III
Hao et al. Energy-aware scheduling in edge computing with a clustering method
CN104854563A (zh) 资源使用的自动分析
CN113176875A (zh) 一种基于微服务的资源共享服务平台架构
Ye et al. A framework for QoS and power management in a service cloud environment with mobile devices
Guo et al. Optimization technology in cloud manufacturing
CN111385153A (zh) 一种制造云的服务质量评价体系
CN107294769A (zh) 一种基于5g网络的敏捷化云服务管理系统及其控制方法
Liao et al. Energy consumption optimization scheme of cloud data center based on SDN
Chien et al. A lightweight model with spatial–temporal correlation for cellular traffic prediction in Internet of Things
Xie et al. Loosely coupled cloud robotic framework for QoS-driven resource allocation-based Web service composition
Zhang et al. Quantified edge server placement with quantum encoding in internet of vehicles
He et al. Energy-efficient framework for virtual machine consolidation in cloud data centers
Binh et al. Value-based reinforcement learning approaches for task offloading in delay constrained vehicular edge computing
Cheng et al. A coflow-based co-optimization framework for high-performance data analytics
Zhou et al. EVCT: An efficient VM deployment algorithm for a software-defined data center in a connected and autonomous vehicle environment
CN113014649B (zh) 一种基于深度学习的云物联负载均衡方法、装置及设备
CN103258255A (zh) 一种适用于电网管理系统的知识发现方法
CN111953788A (zh) 一种大型云平台
Mezni et al. Predictive service placement in cloud using deep learning and frequent subgraph mining
Malik et al. Resource management in fog computing using clustering techniques: a systematic study
Nayak et al. Cluster formation algorithm in wsns to optimize the energy consumption using self-organizing map
CN104507150B (zh) 一种基带池内虚拟资源分簇方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200707

WW01 Invention patent application withdrawn after publication