CN111399450A - 一种云端制造信息平台 - Google Patents

一种云端制造信息平台 Download PDF

Info

Publication number
CN111399450A
CN111399450A CN202010174159.0A CN202010174159A CN111399450A CN 111399450 A CN111399450 A CN 111399450A CN 202010174159 A CN202010174159 A CN 202010174159A CN 111399450 A CN111399450 A CN 111399450A
Authority
CN
China
Prior art keywords
robot
manufacturing
decision
scheduling scheme
information
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Withdrawn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
CN202010174159.0A
Other languages
English (en)
Inventor
黄东
秦小林
刘竟成
陈震宇
林小光
杨涌
黄海松
刘期烈
唐飞
龙华
杨峥
刘万平
王小明
吕健
刘苡村
唐奎
刘贲
王紫阳
冯涛
徐涛
张伟
王万涛
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 CN202010174159.0A priority Critical patent/CN111399450A/zh
Publication of CN111399450A publication Critical patent/CN111399450A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

一种云端制造信息平台，通过采用云端制造平台应用系统、数据迁移与分析支撑平台、工业互联网支撑平台、异构业务接口、云端制造信息管理系统功能模块层、云端制造信息模型层和云端制造信息采集监控层，实现高效的制造信息管理与服务。

Description

一种云端制造信息平台
技术领域
本发明涉及自动化领域。
背景技术
传统企业的互联网与智能制造改造，是互联网在传统制造业的深度整合应用，为互联网+时代的核心领域，是两化融合的新高度。目前全球已经处于以行业变革来重构市场竞争格局的关键时期，发达国家已经率先行动、快速布局。目前全球主要有德国、美国、中国等国家在大力推进互联网与智能制造战略。智能制造是针对传统机械制造的信息化、自动化改造，其是由智能化的机器和人类共同构成的人机结合系统，其高度柔性化和集成化的制造程序，对制造全环节进行实时分析、梳理、判断和决策，降低人为干预等过程导致的效率低下和不稳定性，同时归集、存放、整理、共享相关制造知识。智能制造包括人工智能技术、并行工程、信息网络技术、虚拟制造技术、自律能力构筑、人机一体化、自组织和超柔性等。是未来社会多样性的核心驱动力，未来制造企业必将都是智能化制造企业。智能制造系统包括设计子系统、计划子系统、生产子系统、监控子系统等四大系统。随着云系统的使用，有必要建立云端制造信息平台。
发明内容
本发明所要解决的技术问题是：通过建立云端制造平台应用系统、数据迁移与分析支撑平台、工业互联网支撑平台、异构业务接口、云端制造信息管理系统功能模块层、云端制造信息模型层和云端制造信息采集监控层，实现高效的制造信息管理与服务。
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、建立云端制造平台；
B、建立基于加工时间的资源优化模型。
所述步骤A中，云端制造信息平台包括云端制造平台应用系统、数据迁移与分析支撑平台、工业互联网支撑平台、异构业务接口、云端制造信息管理系统功能模块层、云端制造信息模型层和云端制造信息采集监控层；数据迁移与分析支撑平台包括功能层和存储层，功能层包含分析控制层和逻辑功能层，分析控制层包含能耗状态分析与决策、设备状态分析与决策、质量状态分析与决策、物流状态分析与决策、环境状态分析与决策，逻辑功能层包含信息管理中间件、数据过滤、数据清洗、数据镜像、数据挖以及中间件控制台，存储层包含云端数据库、制造基础信息、过滤规则库、事件数据库和质量管理规则库；云端制造平台应用系统包括经销商管理系统DMS、质量管理系统QMS、智能仓储管理系统WMS、运输管理系统TMS、供应商管理系统SRM和生产管理系统MES；云端制造信息系统功能模块层包括：制造信息融合、制造信息预估、制造模型优化和制造条件匹配；云端制造信息模型层包括：任务期望、物料属性和关联制造要素，任务期望包含任务强度的空间分布、任务强度的时间分布和任务间的耦合强度，关联制造要素包括机床状态、机器人负荷、机器人状态、机器人空间分布和机器人时间分布，物料属性包括属性信息、对物料的制造要求、加工工艺和物料的能耗期望，属性信息包含共同属性和专属属性；云端制造信息采集监控层包含物料信息采集、制造过程信息采集和任务设备状态信息采集，物料信息采集包括物料编号、物料类型、物料形状、下料尺寸、资料号、工艺卡号、物料报废率和物料合格率，制造过程信息采集包括机床编号、工人编号、制造完成时间、制造起始时间、机器人编号和工人成本，任务与设备状态采集包括温度与湿度、使用寿命、能耗状态和折旧系数；分析控制层针对应用环境的管理和决策支持的需求，在逻辑功能层对所需要的数据进行提取，并经统计计算，为决策提供相应支持结果，并由系统用户将决策指令向下层反馈传输直到作用于云端制造信息系统功能模块层；分析控制层基于相关数据，产生生产管理的决策支持信息，并由系统用户根据决策支持信息制定相应管理决策转化为可供下达的生产调整或改善的决策，基于云端制造的精细化管控，生产计划、设计、制造与管理的生产资源的属性多样化和结构复杂化，存在资源重复和冗余，资源冗余指在资源配置过程中不影响资源关键属性但是会对配置速度和准确性造成影响的多余的和重复性特征，如图1所示。
所述步骤B中，建立基于加工时间的资源优化模型，
Figure BDA0002410225070000031
其中Tijm为车间i的第j个机器人对零件m的加工时间，Cijm为车间i的第j个机器人对零件m上的加工完成时间，Sij为车间i的第j个机器人开始加工的允许时间，Tij为表示车间i的机器人j的加工时间，Em为零件m的单位加工时间能耗费用，Zm为零件m加工失败的费用，Sp为机器人p单位时间的折旧成本，Xijmp为车间i的第j个机器人对零件m加工，且零件m由工人p操作完成为1，反之为0，Fihkp为表示车间i的第h个机器人在零件k由工人p进行操作加工的完成时间，η为资源冗余系数，Sihkp为车间i的第h个机器人对零件k由工人p操作加工的开始时间，Rijabm为零件m上机器人j和b的决策变量，i和b都对零件m加工时，如果车间i的第j个机器人先于车间a的第b个机器人处理，则Rijabm＝1，反之为0；进行等效工程求解，具体为：a.将待调度的机床、机器人、待加工的任务和物料作为调度方案中的变量,输入初始化数据，包括作业调度模型中的车间数量与分布，每个车间对应的机器人集合、机床参数、工人参数、约束参数；b.调度方案的数目为n，调度方案的类别上限为Smax＝L，调度方案的迁入率函数最大值I，迁出率最大值E，全局迁移率P；b.初始化调度方案作业调度系统中的机床、机器人和待加工的任务和物料的H值，H为生产环境温度、湿度、机床和机器人使用寿命与折旧系数、故障率以及物料的合格率的集合，根据应用需求对其进行匹配，产生元素数目为n的H值；c.根据H和目标函数F和G，计算基本解和基本可行解；d.对于每个调度方案，根据c中的F和G，计算其对应的模糊估计值
Figure BDA0002410225070000041
其中A为基本可行解数目，B为基本解数目，模糊估计值小的调度方案放在前面，若模糊估计值相同，则人工成本小的调度方案排在前面，获得排序后的调度方案类型n1；e.将排序后的调度方案序号设为解决方案的优劣排序，设调度方案类别数量上限为Smax＝L,则Sr＝Smax-r,r＝1,2,...,n,r为排序后的标号，根据每个调度方案，相应迁入率
Figure BDA0002410225070000042
和迁出率
Figure BDA0002410225070000043
f.根据迁入率和迁出率，对机床、机器人和任务、物料进行迁移操作，获得改良后的调度方案类型n2；g.融合调度方案类型n1和n2，形成数量为2n的调度方案类别w；h.计算w中调度方案个体对应的分目标函数值；j.选择排序靠前的n个调度方案构成新一代调度方案类别n3；i.判断是否达到最大迭代次数，如果是，则结束运算，输出结果，否则迭代次数加1，转向c，机床、机器人和任务、物料编码进行迁移和交替操作，产生改良后调度方案类别。
附图说明
图1云端制造信息平台示意图
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，云端制造信息平台包括云端制造平台应用系统、数据迁移与分析支撑平台、工业互联网支撑平台、异构业务接口、云端制造信息管理系统功能模块层、云端制造信息模型层和云端制造信息采集监控层；数据迁移与分析支撑平台包括功能层和存储层，功能层包含分析控制层和逻辑功能层，分析控制层包含能耗状态分析与决策、设备状态分析与决策、质量状态分析与决策、物流状态分析与决策、环境状态分析与决策，逻辑功能层包含信息管理中间件、数据过滤、数据清洗、数据镜像、数据挖以及中间件控制台，存储层包含云端数据库、制造基础信息、过滤规则库、事件数据库和质量管理规则库；云端制造平台应用系统包括经销商管理系统DMS、质量管理系统QMS、智能仓储管理系统WMS、运输管理系统TMS、供应商管理系统SRM和生产管理系统MES；云端制造信息系统功能模块层包括：制造信息融合、制造信息预估、制造模型优化和制造条件匹配；云端制造信息模型层包括：任务期望、物料属性和关联制造要素，任务期望包含任务强度的空间分布、任务强度的时间分布和任务间的耦合强度，关联制造要素包括机床状态、机器人负荷、机器人状态、机器人空间分布和机器人时间分布，物料属性包括属性信息、对物料的制造要求、加工工艺和物料的能耗期望，属性信息包含共同属性和专属属性；云端制造信息采集监控层包含物料信息采集、制造过程信息采集和任务设备状态信息采集，物料信息采集包括物料编号、物料类型、物料形状、下料尺寸、资料号、工艺卡号、物料报废率和物料合格率，制造过程信息采集包括机床编号、工人编号、制造完成时间、制造起始时间、机器人编号和工人成本，任务与设备状态采集包括温度与湿度、使用寿命、能耗状态和折旧系数；分析控制层针对应用环境的管理和决策支持的需求，在逻辑功能层对所需要的数据进行提取，并经统计计算，为决策提供相应支持结果，并由系统用户将决策指令向下层反馈传输直到作用于云端制造信息系统功能模块层；分析控制层基于相关数据，产生生产管理的决策支持信息，并由系统用户根据决策支持信息制定相应管理决策转化为可供下达的生产调整或改善的决策，基于云端制造的精细化管控，生产计划、设计、制造与管理的生产资源的属性多样化和结构复杂化，存在资源重复和冗余，资源冗余指在资源配置过程中不影响资源关键属性但是会对配置速度和准确性造成影响的多余的和重复性特征，如图1所示。
第二步，建立基于加工时间的资源优化模型，
Figure BDA0002410225070000061
其中Tijm为车间i的第j个机器人对零件m的加工时间，Cijm为车间i的第j个机器人对零件m上的加工完成时间，Sij为车间i的第j个机器人开始加工的允许时间，Tij为表示车间i的机器人j的加工时间，Em为零件m的单位加工时间能耗费用，Zm为零件m加工失败的费用，Sp为机器人p单位时间的折旧成本，Xijmp为车间i的第j个机器人对零件m加工，且零件m由工人p操作完成为1，反之为0，Fihkp为表示车间i的第h个机器人在零件k由工人p进行操作加工的完成时间，η为资源冗余系数，Sihkp为车间i的第h个机器人对零件k由工人p操作加工的开始时间，Rijabm为零件m上机器人j和b的决策变量，i和b都对零件m加工时，如果车间i的第j个机器人先于车间a的第b个机器人处理，则Rijabm＝1，反之为0；进行等效工程求解，具体为：a.将待调度的机床、机器人、待加工的任务和物料作为调度方案中的变量,输入初始化数据，包括作业调度模型中的车间数量与分布，每个车间对应的机器人集合、机床参数、工人参数、约束参数；b.调度方案的数目为n，调度方案的类别上限为Smax＝L，调度方案的迁入率函数最大值I，迁出率最大值E，全局迁移率P；b.初始化调度方案作业调度系统中的机床、机器人和待加工的任务和物料的H值，H为生产环境温度、湿度、机床和机器人使用寿命与折旧系数、故障率以及物料的合格率的集合，根据应用需求对其进行匹配，产生元素数目为n的H值；c.根据H和目标函数F和G，计算基本解和基本可行解；d.对于每个调度方案，根据c中的F和G，计算其对应的模糊估计值
Figure BDA0002410225070000071
其中A为基本可行解数目，B为基本解数目，模糊估计值小的调度方案放在前面，若模糊估计值相同，则人工成本小的调度方案排在前面，获得排序后的调度方案类型n1；e.将排序后的调度方案序号设为解决方案的优劣排序，设调度方案类别数量上限为Smax＝L,则Sr＝Smax-r,r＝1,2,...,n,r为排序后的标号，根据每个调度方案，相应迁入率
Figure BDA0002410225070000072
和迁出率
Figure BDA0002410225070000073
f.根据迁入率和迁出率，对机床、机器人和任务、物料进行迁移操作，获得改良后的调度方案类型n2；g.融合调度方案类型n1和n2，形成数量为2n的调度方案类别w；h.计算w中调度方案个体对应的分目标函数值；j.选择排序靠前的n个调度方案构成新一代调度方案类别n3；i.判断是否达到最大迭代次数，如果是，则结束运算，输出结果，否则迭代次数加1，转向c，机床、机器人和任务、物料编码进行迁移和交替操作，产生改良后调度方案类别。
一种云端制造信息平台，通过建立云端制造平台应用系统、数据迁移与分析支撑平台、工业互联网支撑平台、异构业务接口、云端制造信息管理系统功能模块层、云端制造信息模型层和云端制造信息采集监控层，实现高效的制造信息管理与服务。

Claims (8)

1.一种云端制造信息平台，云端制造信息平台包括云端制造平台应用系统、数据迁移与分析支撑平台、工业互联网支撑平台、异构业务接口、云端制造信息管理系统功能模块层、云端制造信息模型层和云端制造信息采集监控层；数据迁移与分析支撑平台包括功能层和存储层，功能层包含分析控制层和逻辑功能层，分析控制层包含能耗状态分析与决策、设备状态分析与决策、质量状态分析与决策、物流状态分析与决策、环境状态分析与决策，逻辑功能层包含信息管理中间件、数据过滤、数据清洗、数据镜像、数据挖以及中间件控制台，存储层包含云端数据库、制造基础信息、过滤规则库、事件数据库和质量管理规则库。
2.根据权利要求1的方法，其特征在于：云端制造平台应用系统包括经销商管理系统DMS、质量管理系统QMS、智能仓储管理系统WMS、运输管理系统TMS、供应商管理系统SRM和生产管理系统MES。
3.根据权利要求1的方法，其特征在于：云端制造信息系统功能模块层包括：制造信息融合、制造信息预估、制造模型优化和制造条件匹配；云端制造信息模型层包括：任务期望、物料属性和关联制造要素，任务期望包含任务强度的空间分布、任务强度的时间分布和任务间的耦合强度，关联制造要素包括机床状态、机器人负荷、机器人状态、机器人空间分布和机器人时间分布，物料属性包括属性信息、对物料的制造要求、加工工艺和物料的能耗期望，属性信息包含共同属性和专属属性。
4.根据权利要求1的方法，其特征在于：云端制造信息采集监控层包含物料信息采集、制造过程信息采集和任务设备状态信息采集，物料信息采集包括物料编号、物料类型、物料形状、下料尺寸、资料号、工艺卡号、物料报废率和物料合格率，制造过程信息采集包括机床编号、工人编号、制造完成时间、制造起始时间、机器人编号和工人成本，任务与设备状态采集包括温度与湿度、使用寿命、能耗状态和折旧系数。
5.根据权利要求1的方法，其特征在于：分析控制层针对应用环境的管理和决策支持的需求，在逻辑功能层对所需要的数据进行提取，并经统计计算，为决策提供相应支持结果，并由系统用户将决策指令向下层反馈传输直到作用于云端制造信息系统功能模块层；分析控制层基于相关数据，产生生产管理的决策支持信息，并由系统用户根据决策支持信息制定相应管理决策转化为可供下达的生产调整或改善的决策。
6.根据权利要求1的方法，其特征在于：基于云端制造的精细化管控，生产计划、设计、制造与管理的生产资源的属性多样化和结构复杂化，存在资源重复和冗余，资源冗余指在资源配置过程中不影响资源关键属性但是会对配置速度和准确性造成影响的多余的和重复性特征。
7.建立基于加工时间的资源优化模型，
Figure FDA0002410225060000021
Figure FDA0002410225060000022
Cabm-Cijm-2Tabm≥0,Xijm＝Xabm＝1,Rijabm＝1
Fihkp+Sij≥2Sihkp
Cijm≥2Tijm,Xijm＝1,
Figure FDA0002410225060000023
Figure FDA0002410225060000024
其中Tijm为车间i的第j个机器人对零件m的加工时间，Cijm为车间i的第j个机器人对零件m上的加工完成时间，Sij为车间i的第j个机器人开始加工的允许时间，Tij为表示车间i的机器人j的加工时间，Em为零件m的单位加工时间能耗费用，Zm为零件m加工失败的费用，Sp为机器人p单位时间的折旧成本，Xijmp为车间i的第j个机器人对零件m加工，且零件m由工人p操作完成为1，反之为0，Fihkp为表示车间i的第h个机器人在零件k由工人p进行操作加工的完成时间，η为资源冗余系数，Sihkp为车间i的第h个机器人对零件k由工人p操作加工的开始时间，Rijabm为零件m上机器人j和b的决策变量，i和b都对零件m加工时，如果车间i的第j个机器人先于车间a的第b个机器人处理，则Rijabm＝1，反之为0。
8.根据权利要求7的方法，其特征在于：进行等效工程求解，具体为：a.将待调度的机床、机器人、待加工的任务和物料作为调度方案中的变量,输入初始化数据，包括作业调度模型中的车间数量与分布，每个车间对应的机器人集合、机床参数、工人参数、约束参数；b.调度方案的数目为n，调度方案的类别上限为Smax＝L，调度方案的迁入率函数最大值I，迁出率最大值E，全局迁移率P；b.初始化调度方案作业调度系统中的机床、机器人和待加工的任务和物料的H值，H为生产环境温度、湿度、机床和机器人使用寿命与折旧系数、故障率以及物料的合格率的集合，根据应用需求对其进行匹配，产生元素数目为n的H值；c.根据H和目标函数F和G，计算基本解和基本可行解；d.对于每个调度方案，根据c中的F和G，计算其对应的模糊估计值
Figure FDA0002410225060000031
其中A为基本可行解数目，B为基本解数目，模糊估计值小的调度方案放在前面，若模糊估计值相同，则人工成本小的调度方案排在前面，获得排序后的调度方案类型n1；e.将排序后的调度方案序号设为解决方案的优劣排序，设调度方案类别数量上限为Smax＝L,则Sr＝Smax-r,r＝1,2,...,n,r为排序后的标号，根据每个调度方案，相应迁入率
Figure FDA0002410225060000032
和迁出率
Figure FDA0002410225060000033
f.根据迁入率和迁出率，对机床、机器人和任务、物料进行迁移操作，获得改良后的调度方案类型n2；g.融合调度方案类型n1和n2，形成数量为2n的调度方案类别w；h.计算w中调度方案个体对应的分目标函数值；j.选择排序靠前的n个调度方案构成新一代调度方案类别n3；i.判断是否达到最大迭代次数，如果是，则结束运算，输出结果，否则迭代次数加1，转向c，机床、机器人和任务、物料编码进行迁移和交替操作，产生改良后调度方案类别。
CN202010174159.0A 2020-03-13 2020-03-13 一种云端制造信息平台 Withdrawn CN111399450A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010174159.0A CN111399450A (zh) 2020-03-13 2020-03-13 一种云端制造信息平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010174159.0A CN111399450A (zh) 2020-03-13 2020-03-13 一种云端制造信息平台

Publications (1)

Publication Number Publication Date
CN111399450A true CN111399450A (zh) 2020-07-10

Family

ID=71432477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010174159.0A Withdrawn CN111399450A (zh) 2020-03-13 2020-03-13 一种云端制造信息平台

Country Status (1)

Country Link
CN (1) CN111399450A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102185726A (zh) * 2011-06-03 2011-09-14 黄东 一种提高信息栅格系统中的业务资源管理能力的方法
CN103473630A (zh) * 2013-08-26 2013-12-25 黄东 一种信息栅格系统中的业务资源管理方法
CN111385153A (zh) * 2020-03-13 2020-07-07 黄东 一种制造云的服务质量评价体系
CN111416848A (zh) * 2020-03-13 2020-07-14 黄东 一种工业云的资源管理机制
CN113992769A (zh) * 2021-10-26 2022-01-28 重庆斯欧智能科技研究院有限公司 一种工业互联网信息交换方法
CN114118767A (zh) * 2021-11-23 2022-03-01 重庆斯欧智能科技研究院有限公司 一种工业要素对象信息生命周期管理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102185726A (zh) * 2011-06-03 2011-09-14 黄东 一种提高信息栅格系统中的业务资源管理能力的方法
CN103473630A (zh) * 2013-08-26 2013-12-25 黄东 一种信息栅格系统中的业务资源管理方法
CN111385153A (zh) * 2020-03-13 2020-07-07 黄东 一种制造云的服务质量评价体系
CN111416848A (zh) * 2020-03-13 2020-07-14 黄东 一种工业云的资源管理机制
CN113992769A (zh) * 2021-10-26 2022-01-28 重庆斯欧智能科技研究院有限公司 一种工业互联网信息交换方法
CN114118767A (zh) * 2021-11-23 2022-03-01 重庆斯欧智能科技研究院有限公司 一种工业要素对象信息生命周期管理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯卫娇: "面向云制造服务的制造执行系统", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
吴定会: "生物地理学算法求解柔性车间作业调度问题", 《计算机工程与应用》 *

Similar Documents

Publication Publication Date Title
Van Brussel et al. A conceptual framework for holonic manufacturing: Identification of manufacturing holons
CN110084405B (zh) 吞吐柔性智能装配物流路径规划方法
CN110058573B (zh) 吞吐柔性智能装配物流路径规划平台
Zhou et al. Reinforcement learning with composite rewards for production scheduling in a smart factory
CN112327621B (zh) 一种基于蚁群算法的柔性生产线自适应控制系统及方法
Isnaini et al. Review of computer-aided process planning systems for machining operation–future development of a computer-aided process planning system–
Tehrani Nik Nejad et al. Multi agent architecture for dynamic incremental process planning in the flexible manufacturing system
Nagar et al. An AHP-based approach for the selection of HFMS: an Indian perspective
Shakeri et al. An overview on smart scheduling in MES: in the context of industry 4.0
CN107463151B (zh) 一种复杂曲面加工多维知识云协同服务方法
Fatima et al. The Manufacturing Executing System instead of ERP as shop floor management
Raharno et al. Jumping to Industry 4.0 through process design and managing information for smart manufacturing: Configurable virtual workstation
Sun et al. Digital twin for energy-efficient integrated process planning and scheduling
CN111399450A (zh) 一种云端制造信息平台
MIDILLI et al. Value Stream Mapping with Simulation to Optimize Stock Levels: Case Study.
Rajamanickam et al. Fourth Industrial Revolution: Industry 4.0
Macherki et al. The Q-Holon: A quadridimensional holon to design and operate an adaptive and scalable architecture for CPPS
Li et al. Digital twin-based virtual reconfiguration method for mixed-model robotic assembly line
Basu et al. Pivoting lean manufacturing through Industry 4.0 in the Indian context
CN113792927A (zh) 基于遗传算法的航空航天柔性产品工序优化方法
Yang et al. Condition-Based Preventive Maintenance Optimization Approach for Multiple Industrial Robotics with Stochastic Mission
Sugimura et al. A study on integrated process planning and scheduling system for holonic manufacturing
Zhongyi et al. Automated planning and scheduling system for the composite component manufacturing workshop
Sun et al. A real-time production scheduling method for RFID-enabled semiconductor back-end shopfloor environment in industry 4.0
CN117215275B (zh) 一种基于遗传编程的柔性车间大规模动态双效调度方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200710