CN111695803A - 事件驱动智能制造服务的运行监控与跟踪方法及系统 - Google Patents
事件驱动智能制造服务的运行监控与跟踪方法及系统 Download PDFInfo
- Publication number
- CN111695803A CN111695803A CN202010517332.2A CN202010517332A CN111695803A CN 111695803 A CN111695803 A CN 111695803A CN 202010517332 A CN202010517332 A CN 202010517332A CN 111695803 A CN111695803 A CN 111695803A
- Authority
- CN
- China
- Prior art keywords
- service
- monitoring
- tracking
- event
- intelligent manufacturing
- 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.)
- Pending
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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及工业互联网领域,其实施方式提供了一种事件驱动智能制造服务的运行监控与跟踪系统,其特征在于,所述系统包括:操作单元库,所述操作单元库包括定义好的智能制造服务中的操作单元,所述操作单元采用图式描述;中间模型库,用于存储若干中间模型,所述中间模型用于将所述智能制造服务处理为所需的监控与跟踪模型;监控与跟踪模型库,用于存储经处理后得到的智能制造服务的监控与跟踪模型。同时还提供了对应的一种事件驱动智能制造服务的运行监控与跟踪方法,以及对应的存储介质。本发明提供的实施方式应用于工业互联网领域的事件驱动智能制造服务的运行监控与跟踪中。
Description
技术领域
本发明涉及工业互联网领域,特别涉及一种事件驱动智能制造服务的运行监控与跟踪方法、一种事件驱动智能制造服务的运行监控与跟踪系统以及对应的存储介质。
背景技术
随着制造与服务的深度融合,产品逐步被产品服务系统替代,将工业互联网技术引入制造服务研究成为学术界关注的热点之一。从服务中获取更多价值成为制造企业的共识,同时工业互联网与人工智能也是智能服务设计的关键技术。服务型制造、云制造、智慧制造等新工业革命举措以颠覆性技术为依托,成为中国制造重要的战略选择。智能服务是制造服务理论的重要对象,对于智能服务的设计主要包括功能设计和流程设计,由于服务设计与社会、环境、企业等因素密切相关,特别是高品质特征需要工业互联网技术的支撑。工业互联网深刻影响着制造业,它是基于开放、全球化的网络,将设备、人和数据分析连接起来,用过对大数据的利用与分析,升级工业领域的智能化,降低能耗,提升效率。智能制造服务的运行监控与跟踪密不可分,监控为跟踪策略的制定提供工业大数据,跟踪是监控的重要应用之一,并且智能制造服务运行过程离不开监控与跟踪。现有技术中的智能制造服务的运行监控与跟踪技术,多是根据制造服务流程进行对应的设计,没有考虑其中的事件驱动因素,不能全面监控和跟踪智能制造服务的流程。
发明内容
有鉴于此,本发明旨在提出一种事件驱动智能制造服务的运行监控与跟踪方法及系统,在应用工业互联网技术的基础上,实现智能制造服务运行的跟踪。
在本发明的第一方面,提供了一种事件驱动智能制造服务的运行监控与跟踪系统,所述系统包括:操作单元库,所述操作单元库包括定义好的智能制造服务中的操作单元,所述操作单元采用图式描述;中间模型库,用于存储若干中间模型,所述中间模型用于将所述智能制造服务处理为所需的监控与跟踪模型;监控与跟踪模型库,用于存储经处理后得到的智能制造服务的监控与跟踪模型。
优选的,所述定义好的智能制造服务中的操作单元包括以下内容:运行事件、运行触发时间、运行状态、运行点和运行约束集。
优选的,所述定义好的智能制造服务中的操作单元为:
O(tk)i,j=<E(tk)i,j,t(tk)i,j,E(tk)i,j+1,t(tk)i,j+1,S(tk)i,j,T(tk)i,j,M(k)i>,
t∈{1,v,p,w}
式中,O(tk)i,j表示在规定智能制造服务服务节点上的以图式描述的操作单元,j为该服务节点上根据实际执行状态分解的单操作个数;E(tk)i,j表示智能制造服务服务在服务节点上的操作动作事件;t(tk)i,j表示引起智能制造服务的服务操作动作事件触发时间点;E(tk)i,j+1表示智能制造服务在服务节点上的下一个操作动作事件;t(tk)i,j+1表示引起下一个智能制造服务的服务操作动作事件触发时间点;S(tk)i,j表示智能制造服务服务在服务节点上的操作动作事件发生后的稳定工作状况;T(tk)i,j表示智能制造服务的服务状态持续时间间隔;M(k)i表示智能制造服务的服务节点;t∈{1,v,p,w}表示单操作的触发时间依赖于服务资源v、服务执行者p、服务操作w。
优选的,所述中间模块库包括:事件分析模型,用于分析所述操作单元的所述域,设计监控参数,确定属性和结果;动作时序监控模型,用于基于所述操作单元,得到所述智能制造服务的动作时序监控模型;过程跟踪模型,用于将所述动作时序监控模型映射为跟踪事件集,确定所述跟踪事件集中的事件的跟踪内容,得到所述监控与跟踪模型。
优选的,所述事件分析模型包括:价值域事件分析子模型、内容域事件分析子模型和流程域事件分析子模型;所述动作时序监控模型包括:价值域动作时序监控子模型、内容域动作时序监控子模型和流程域动作时序监控子模型;所述过程跟踪模型包括:价值域过程跟踪子模型、内容域过程跟踪子模型和流程域过程跟踪子模型。
在本发明的第二方面,还提供了一种事件驱动智能制造服务运行的监控与跟踪方法,所述方法包括:将所述智能制造服务分解为若干服务操作,通过所述服务操作选择操作单元,采用选择的所述操作单元重构所述智能制造服务的流程;将所述服务操作按域进行归类并定义监控事件,将同类的服务操作按时序连接为监控事件流,并将所述监控事件流映射为跟踪事件集,建模得到监控与跟踪模型。
优选的,将所述智能制造服务分解为若干服务操作,包括:以所述智能制造服务的服务资源输入为起点,通过若干个服务操作,输出服务实施完成为终点;每个所述服务操作包括入缓存、在服务、出缓存的过程状态,所述服务操作之间以资源转换进行连接。
优选的,将所述服务操作按所属的域进行归类,包括:将所述服务操作归类于价值域、内容域和流程域中的一者。
优选的,所述将同类的服务操作按时序连接为监控事件流,包括:在所述智能制造服务的监控事件的基础上,通过单个操作服务的时序单元和时序流来确定每个监控事件的单元要素,并连接所述操作服务,获得智能制造服务的所述监控事件流。
优选的,所述将所述监控事件流映射为跟踪事件集,包括:将所述监控事件流映射为跟踪事件集,确定所述跟踪事件集中的事件的跟踪内容,采用图式建模方法,得到所述监控与跟踪模型。
本发明第三方面,还提供一种计算机可读存储介质,所述存储介质中存储有指令,当其在计算机上运行时,使得计算机执行前述的事件驱动智能制造服务运行的监控与跟踪方法。
通过本发明提供的上述技术方案,具有以下有益效果:本发明通过对于智能制造服务的事件进行操作单元定义和多个域的分域分析,使智能制造服务的流程分解后更贴近实际的场景,反映各个操作之间的状态和转换。本发明提供的系统,能够使用户利用定义好的操作单元库,更方便地对智能制造服务进行流程分解,并提供多种分析模型,使用户能够对智能制造服务建立起匹配的监控与跟踪模型。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施方式及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明一种实施方式提供的事件驱动智能制造服务运行的监控与跟踪系统的结构示意图;
图2是本发明一种实施方式提供的事件驱动智能制造服务运行的监控与跟踪系统的结构详图;
图3是本发明一种实施方式提供的智能制造服务运行的价值域跟踪示意图;
图4是本发明一种实施方式提供的智能制造服务运行的内容域跟踪示意图;
图5是本发明一种实施方式提供的智能制造服务运行的流程域跟踪示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施方式及实施方式中的特征可以相互组合。
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
图1是本发明一种实施方式提供的事件驱动智能制造服务运行的监控与跟踪系统的结构示意图,如图1所示。一种事件驱动智能制造服务的运行监控与跟踪系统,所述系统包括:
操作单元库,所述操作单元库包括定义好的智能制造服务中的操作单元,所述操作单元采用图式描述;中间模型库,用于存储若干中间模型,所述中间模型用于将所述智能制造服务处理为所需的监控与跟踪模型;监控与跟踪模型库,用于存储经处理后得到的智能制造服务的监控与跟踪模型。
根据智能制造服务运行过程中不同的决策要求可以定义不同的监控模型,一般采用物联网技术采集工业大数据,设计不同的大数据分析模型与算法。针对服务企业、制造企业、终端用户来监控智能制造服务运行各有侧重,比如服务企业主要监控具体服务事件的执行状况、服务操作的效果如何、服务节点选择的粒度大小等;制造企业主要监控具体产品的工序执行状况、产品的质量指标、产品装配的工艺流程等;终端用户主要监控产品功能实现、服务体验效果、智能制造服务效益等。本实施方式提供的系统为软件形式,用户采用本软件对智能制造服务进行分解和处理,最终得到所需的监控与跟踪模型。
下面仅以智能制造服务运行的跟踪需要来构建监控模型,应用RFID技术获取智能制造服务运行数据,采用RFID监控模式和图式描述方法进行形式化表达,基于图式描述操作单元的智能制造服务运行监控模型。图2是本发明一种实施方式提供的事件驱动智能制造服务运行的监控与跟踪系统的结构详图,如图2所示。
1)智能制造服务图式描述操作单元。基于“事件-触发时间-状态”的图式模型,来建立智能制造服务图式描述操作单元,这些操作单元是智能制造服务运行的基本活动,可以是产品生产工序,可以是服务操作动作,也可以是智能制造服务单元活动等。
2)智能制造服务操作转换状态。某次智能制造服务的服务操作流由若干个服务操作构成,每个服务操作包括入缓存、在服务、出缓存等过程。智能制造服务流以服务资源输入为起点,通过若干个服务操作,输出服务实施完成为终点,两个智能制造服务操作之间以资源转换来连接,每个智能制造服务操作以“事件-触发时间-状态”来描述。
3)智能制造服务运行监控。从智能制造服务运行的价值域、内容域、流程域分别设计监控参数以及监控指标与标准,针对服务企业、制造企业、终端用户的需求进行监控策略制定,以智能制造服务运行跟踪实现智能服务运行数据的实时传递,实时共享与实时决策。
在本发明提供的一种实施方式中,所述定义好的智能制造服务中的操作单元包括以下内容:运行事件、运行触发时间、运行状态、运行点和运行约束集。以及进一步的,所述定义好的智能制造服务中的操作单元为:
O(tk)i,j=<E(tk)i,j,t(tk)i,j,E(tk)i,j+1,t(tk)i,j+1,S(tk)i,j,T(tk)i,j,M(k)i>,
t∈{1,v,p,w}
式中,O(tk)i,j表示在规定智能制造服务服务节点上的以图式描述的操作单元,j为该服务节点上根据实际执行状态分解的单操作个数;E(tk)i,j表示智能制造服务服务在服务节点上的操作动作事件;t(tk)i,j表示引起智能制造服务的服务操作动作事件触发时间点;E(tk)i,j+1表示智能制造服务在服务节点上的下一个操作动作事件;t(tk)i,j+1表示引起下一个智能制造服务的服务操作动作事件触发时间点;S(tk)i,j表示智能制造服务服务在服务节点上的操作动作事件发生后的稳定工作状况;T(tk)i,j表示智能制造服务的服务状态持续时间间隔;M(k)i表示智能制造服务的服务节点;t∈{1,v,p,w}表示单操作的触发时间依赖于服务资源v、服务执行者p、服务操作w。
以及,所述中间模块库包括:事件分析模型,用于分析所述操作单元的所述域,设计监控参数,确定属性和结果;动作时序监控模型,用于基于所述操作单元,得到所述智能制造服务的动作时序监控模型;过程跟踪模型,用于将所述动作时序监控模型映射为跟踪事件集,确定所述跟踪事件集中的事件的跟踪内容,得到所述监控与跟踪模型。进一步的,所述事件分析模型包括:价值域事件分析子模型、内容域事件分析子模型和流程域事件分析子模型;所述动作时序监控模型包括:价值域动作时序监控子模型、内容域动作时序监控子模型和流程域动作时序监控子模型;所述过程跟踪模型包括:价值域过程跟踪子模型、内容域过程跟踪子模型和流程域过程跟踪子模型。
在本发明提供的一种实施方式中,还提供了一种事件驱动智能制造服务运行的监控与跟踪方法,所述方法包括:
将所述智能制造服务分解为若干服务操作,通过所述服务操作选择操作单元,采用选择的所述操作单元重构所述智能制造服务的流程;将所述服务操作按域进行归类并定义监控事件,将同类的服务操作按时序连接为监控事件流,并将所述监控事件流映射为跟踪事件集,建模得到监控与跟踪模型。
进一步的,将所述智能制造服务分解为若干服务操作,包括:以所述智能制造服务的服务资源输入为起点,通过若干个服务操作,输出服务实施完成为终点;每个所述服务操作包括入缓存、在服务、出缓存的过程状态,所述服务操作之间以资源转换进行连接。以及,将所述服务操作按所属的域进行归类,包括:将所述服务操作归类于价值域、内容域和流程域中的一者。以及所述将同类的服务操作按时序连接为监控事件流,包括:在所述智能制造服务的监控事件的基础上,通过单个操作服务的时序单元和时序流来确定每个监控事件的单元要素,并连接所述操作服务,获得智能制造服务的所述监控事件流。以及,所述将所述监控事件流映射为跟踪事件集,包括:将所述监控事件流映射为跟踪事件集,确定所述跟踪事件集中的事件的跟踪内容,采用图式建模方法,得到所述监控与跟踪模型。
以下通过完整的实施方式对前述的系统和方法进行说明,以供本领域技术人员理解和实施。
智能制造服务运行的价值域、内容域、流程域等可以通过统一的监控模型来采集工业大数据,以支持智能制造服务运行过程的控制。为了实现智能制造服务运行的跟踪,首先要构建智能制造服务的监控模型。首先,事件驱动的智能制造服务运行图式描述操作单元定义如下:
智能制造服务的监控模型可以根据不同的需求来建立,一般以事件驱动作为模型的基本策略,可以采用智能制造服务运行图式描述的形式化方法来实现。智能制造服务运行图式描述操作单元相关内容定义如下。
1)智能制造服务运行事件。智能制造服务运行过程中,发生在特定时间点上的动作,该动作引起状态变化。记为E(k)i,j,表示智能制造服务运行任务分解的单操作在制造服务节点上的操作服务。
2)智能制造服务运行触发时间。智能制造服务运行过程中,引起动作事件发生变化的特定时间点。记为t(k)i,j,表示智能制造服务运行任务分解产生的单操作转换动作触发的时间。
3)智能制造服务运行状态。智能制造服务运行过程中,保持在一定时间内不变的动作状况。记为S(k)i,j,表示智能制造服务运行任务产生的单操作转换的结果。状态的时间起始于终止点分别是触发时间t(k)i,j、t(k)i,j+1。
4)智能制造服务运行点。智能制造服务运行过程中,单操作转换在特定制造服务节点上的实体动作服务点,以事件-触发时间-状态来描述。智能制造服务运行点可以形式化说明服务操作和转换操作等。
5)智能制造服务运行约束集。智能制造服务运行过程中,针对监控所规定的约束集合。由于监控事件的不确定性,下面只给出几个基本的约束。
(1)某批次服务的服务数是一段特定时间内某种服务的服务总次数,服务批k的服务次数集合记为Bk={B1,B2,…,Bi,…}=<Nk,Dk>,其中,Bk表示服务数标识变量,Nk表示该批次服务的服务数目,Dk表示服务流。
(2)服务流是一段特定时间内,将某批次服务划分为若干段连续时间内的服务,每个连续时间段内的服务数是服务流。服务流记为Dk={Dk,1,Dk,2,…,Dk,m,…Dk,Nk},其中,Dk,1等表示服务集合元素,Dk,m=<Nk,m,Lk>,Nk,m表示该服务的操作数,Lk表示服务转换。
(3)服务批k的服务转换Lk是服务流中两次服务之间的服务资源与服务区域的改变,具体定义根据智能制造服务情况来描述。
因此,在智能制造服务运行的服务节点上,基于“事件-触发时间-状态”的图式描述操作单元定义为
O(tk)i,j=<E(tk)i,j,t(tk)i,j,E(tk)i,j+1,t(tk)i,j+1,S(tk)i,j,T(tk)i,j,M(k)i>,
t∈{1,v,p,w}(9-5)
式中,O(tk)i,j表示在规定智能制造服务服务节点上的图式描述操作单元,j为该服务节点上根据实际执行状态分解的单操作个数;E(tk)i,j表示智能制造服务服务在服务节点上的操作动作事件;t(tk)i,j表示引起智能制造服务的服务操作动作事件触发时间点;E(tk)i,j+1表示智能制造服务在服务节点上的下一个操作动作事件;t(tk)i,j+1表示引起下一个智能制造服务的服务操作动作事件触发时间点;S(tk)i,j表示智能制造服务服务在服务节点上的操作动作事件发生后的稳定工作状况;T(tk)i,j表示智能制造服务的服务状态持续时间间隔;M(k)i表示智能制造服务的服务节点;t∈{1,v,p,w}表示单操作的触发时间依赖于服务资源v、服务执行者p、服务操作w等。
其次,基于图式描述操作单元的智能制造服务运行监控模型构建如下:
智能制造服务的运行跟踪建模。智能制造服务的运行跟踪是服务企业、制造企业、终端用户实现智能制造服务的关键步骤,基于物联网技术的过程跟踪以RFID事件过程监控为基础,采用图式描述方法来建模。在分析了智能制造服务运行的价值域、内容域、流程域事件定义之后,可以应用这些事件来跟踪智能制造服务运行的基本状况。
(一)智能制造服务运行的价值域跟踪
智能制造服务运行价值域跟踪主要关注需求获取、价值确定、价值配置、价值实现、利润共享等事件,这些事件可以细分为不同的具体事件,作为智能制造服务运行价值域跟踪的事件集。事件驱动的智能制造服务运行跟踪首先需要定义价值域事件的属性与结果,经过价值域动作时序监控模型映射为智能制造服务运行价值域跟踪事件集,再定义跟踪时间、执行者、位置集、状态集等,建立智能制造服务运行价值域的过程跟踪模型。图3是本发明一种实施方式提供的智能制造服务运行的价值域跟踪示意图,如图3所示。
1)事件驱动的智能制造服务运行价值域分析。在价值域中,跟踪事件围绕智能制造服务的价值创造与价值分配展开,可以设计不同的跟踪事件来监控需要的参数,达成价值域的智能制造服务运行决策,跟踪事件通过属性与结果来描述。
2)智能制造服务运行价值域动作时序监控模型。在定义智能制造服务运行价值域监控事件的基础上,通过智能制造服务单操作的时序单元和时序流来确定每个监控事件的单元要素,以“事件-触发时间-状态”图式模型为基础,进行智能制造服务动作时序单元连接。将智能制造服务事件执行过程转换为多操作甘特图,通过多操作之间的串联、并联、条件等方式连接单操作,获得智能制造服务运行域的多操作监控事件流。
3)智能制造服务运行价值域过程跟踪模型。以智能制造服务价值域监控模型为基础,将运行价值域多操作监控事件流映射为运行价值域跟踪事件集,确定智能制造服务运行价值域过程跟踪的核心内容。同时围绕跟踪事件定义每个单操作的跟踪时间、跟踪执行者、跟踪位置集、跟踪状态集等,最后依据跟踪事件的单操作顺序,采用智能制造服务多操作RFID过程跟踪模型图式建模方法,建立智能制造服务运行价值域的过程跟踪模型。
(二)智能制造服务运行的内容域跟踪
智能制造服务运行内容域跟踪主要关注性能映射、产品设计、服务规划、系统实现、内容耦合等事件,这些事件可以细分为不同的具体事件,作为智能制造服务运行内容域跟踪的事件集。与智能制造服务运行的价值域跟踪过程类似,通过定义运行内容域事件的属性与结果,经过内容域动作时序监控模型映射为智能制造服务运行内容域跟踪事件集,再定义跟踪时间、执行者、位置集、状态集等,建立智能制造服务运行内容域的过程跟踪模型。图4是本发明一种实施方式提供的智能制造服务运行的内容域跟踪示意图,如图4所示。
1)事件驱动的智能制造服务运行内容域分析。在内容域中,跟踪事件围绕智能制制造服务的产品设计与服务规划展开,可以设计不同的跟踪事件来监控需要的参数,将产品与服务融合过程的核心内容事件通过属性与结果来描述,确定监控事件。
2)智能制造服务运行内容域动作时序监控模型。在定义智能制造服务运行内容域监控事件的基础上,应用“事件-触发时间-状态”图式模型方法进行智能制造服务动作时序单元连接。将智能制造服务事件执行过程转换为多操作甘特图,通过多操作之间的串联、并联、条件等方式连接单操作,获得智能制造服务内容域的多操作监控事件流。
3)智能制造服务运行内容域过程跟踪模型。以智能制造服务内容域监控模型为基础,将运行内容域多操作监控事件流映射为运行内容域跟踪事件集,确定智能制造服务运行内容域过程跟踪的核心内容。并定义每个单操作的跟踪时间、跟踪执行者、跟踪位置集、跟踪状态集等,最后采用智能制造服务多操作RFID过程跟踪模型图式建模方法建立智能制造服务运行内容域的过程跟踪模型。
(三)智能制造服务运行的流程域跟踪
智能制造服务运行流程域跟踪主要关注资源调度、产品生产、服务实施、系统运作、流程协调等事件,这些事件可以细分为不同的具体事件,作为智能制造服务运行流程域跟踪的事件集。与智能制造服务运行的价值域跟踪过程类似,通过定义运行流程域事件的属性与结果,经过流程域动作时序监控模型映射为智能制造服务运行内容域跟踪事件集,再定义跟踪时间、执行者、位置集、状态集等,建立智能制造服务运行流程域的过程跟踪模型。图5是本发明一种实施方式提供的智能制造服务运行的流程域跟踪示意图,如图5所示。
1)事件驱动的智能制造服务运行流程域分析。在流程域中,跟踪事件围绕智能制造服务的产品生产与服务实施展开,可以设计不同的跟踪事件来监控需要的参数,以流程域跟踪事件的属性与结果来描述智能制造服务的集成与协同。
2)智能制造服务运行流程域动作时序监控模型。在定义智能制造服务运行流程域监控事件的基础上,通过智能制造服务单操作的时序单元和时序流来确定每个监控事件的单元要素,并以多操作之间的串联、并联、条件等方式连接单操作,获得智能制造服务流程域的多操作监控事件流。
3)智能制造服务运行流程域过程跟踪模型。以智能制造服务流程域监控模型为基础,将运行流程域多操作监控事件流映射为运行流程域跟踪事件集,同时定义每个单操作的跟踪时间、跟踪执行者、跟踪位置集、跟踪状态集等,最后采用智能制造服务多操作RFID过程跟踪模型图式建模方法,建立智能制造服务运行流程域的过程跟踪模型。
本申请的实施方式已经应用到高铁装备生产企业生产线上,在专利的利用过程中极大的为企业节约了成本,提高了企业的生产管理水平,帮助企业解决了生产制造过程中的质量把控与生产数据追溯。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种事件驱动智能制造服务的运行监控与跟踪系统,其特征在于,所述系统包括:
操作单元库,所述操作单元库包括定义好的智能制造服务中的操作单元,所述操作单元采用图式描述;
中间模型库,用于存储若干中间模型,所述中间模型用于将所述智能制造服务处理为所需的监控与跟踪模型;
监控与跟踪模型库,用于存储经处理后的智能制造服务的监控与跟踪模型。
2.根据权利要求1所述的系统,其特征在于,所述定义好的智能制造服务中的操作单元,包括以下内容:
运行事件、运行触发时间、运行状态、运行点和运行约束集。
3.根据权利要求2所述的系统,其特征在于,所述定义好的智能制造服务中的操作单元为:
O(tk)i,j=<E(tk)i,j,t(tk)i,j,E(tk)i,j+1,t(tk)i,j+1,S(tk)i,j,T(tk)i,j,M(k)i>,
t∈{1,v,p,w}
式中,O(tk)i,j表示在规定智能制造服务服务节点上的以图式描述的操作单元,j为该服务节点上根据实际执行状态分解的单操作个数;E(tk)i,j表示智能制造服务服务在服务节点上的操作动作事件;t(tk)i,j表示引起智能制造服务的服务操作动作事件触发时间点;E(tk)i,j+1表示智能制造服务在服务节点上的下一个操作动作事件;t(tk)i,j+1表示引起下一个智能制造服务的服务操作动作事件触发时间点;S(tk)i,j表示智能制造服务服务在服务节点上的操作动作事件发生后的稳定工作状况;T(tk)i,j表示智能制造服务的服务状态持续时间间隔;M(k)i表示智能制造服务的服务节点;t∈{1,v,p,w}表示单操作的触发时间依赖于服务资源v、服务执行者p、服务操作w。
4.根据权利要求1所述的系统,其特征在于,所述中间模块库包括:
事件分析模型,用于分析所述操作单元所属的域,设计监控参数,确定属性和结果;
动作时序监控模型,用于基于所述操作单元,得到所述智能制造服务的动作时序监控模型;
过程跟踪模型,用于将所述动作时序监控模型映射为跟踪事件集,确定所述跟踪事件集中的事件的跟踪内容,得到所述监控与跟踪模型。
5.根据权利要求4所述的系统,其特征在于,
所述事件分析模型包括:价值域事件分析子模型、内容域事件分析子模型和流程域事件分析子模型;
所述动作时序监控模型包括:价值域动作时序监控子模型、内容域动作时序监控子模型和流程域动作时序监控子模型;
所述过程跟踪模型包括:价值域过程跟踪子模型、内容域过程跟踪子模型和流程域过程跟踪子模型。
6.一种事件驱动智能制造服务运行的监控与跟踪方法,其特征在于,所述方法包括:
将所述智能制造服务分解为若干服务操作,通过所述服务操作选择操作单元,采用选择的操作单元重构所述智能制造服务的流程;
将所述服务操作按域进行归类并定义监控事件,将同类的服务操作按时序连接为监控事件流,并将所述监控事件流映射为跟踪事件集,建模得到监控与跟踪模型。
7.根据权利要求6所述的方法,其特征在于,将所述智能制造服务分解为若干服务操作,包括:
以所述智能制造服务的服务资源输入为起点,通过若干个服务操作,输出服务实施完成为终点;每个所述服务操作包括入缓存、在服务、出缓存的过程状态,所述服务操作之间以资源转换进行连接。
8.根据权利要求6所述的方法,其特征在于,将所述服务操作按所属的域进行归类,包括:
将所述服务操作归类于价值域、内容域和流程域中的一者。
9.根据权利要求8所述的方法,其特征在于,所述将同类的服务操作按时序连接为监控事件流,包括:
在所述智能制造服务的监控事件的基础上,通过单个操作服务的时序单元和时序流来确定每个监控事件的单元要素,并连接所述操作服务,获得智能制造服务的所述监控事件流。
10.根据权利要求9所述的方法,其特征在于,所述将所述监控事件流映射为跟踪事件集,包括:
将所述监控事件流映射为跟踪事件集,确定所述跟踪事件集中的事件的跟踪内容,采用图式建模方法,得到所述监控与跟踪模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010517332.2A CN111695803A (zh) | 2020-06-09 | 2020-06-09 | 事件驱动智能制造服务的运行监控与跟踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010517332.2A CN111695803A (zh) | 2020-06-09 | 2020-06-09 | 事件驱动智能制造服务的运行监控与跟踪方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111695803A true CN111695803A (zh) | 2020-09-22 |
Family
ID=72479899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010517332.2A Pending CN111695803A (zh) | 2020-06-09 | 2020-06-09 | 事件驱动智能制造服务的运行监控与跟踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111695803A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633784A (zh) * | 2021-03-10 | 2021-04-09 | 武汉慧联无限科技有限公司 | 一种物联网的业务功能快速搭建方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020138571A1 (en) * | 2000-07-10 | 2002-09-26 | Jean-Marc Trinon | System and method of enterprise systems and business impact management |
CN102982430A (zh) * | 2012-11-05 | 2013-03-20 | 西安交通大学 | 利用rfid对在制品物流进行实时跟踪的图式建模方法 |
CN103888287A (zh) * | 2013-12-18 | 2014-06-25 | 北京首都国际机场股份有限公司 | 信息系统一体化运维监控服务预警平台及其实现方法 |
CN104021448A (zh) * | 2014-06-19 | 2014-09-03 | 湖北工业大学 | 一种面向云制造的业务流程及协同交易控制方法 |
CN107766205A (zh) * | 2017-10-10 | 2018-03-06 | 武汉大学 | 一种面向微服务调用过程跟踪的监控系统及方法 |
CN111210108A (zh) * | 2019-12-19 | 2020-05-29 | 深圳供电局有限公司 | 一种电力物资供应链的绩效管控模型 |
-
2020
- 2020-06-09 CN CN202010517332.2A patent/CN111695803A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020138571A1 (en) * | 2000-07-10 | 2002-09-26 | Jean-Marc Trinon | System and method of enterprise systems and business impact management |
CN102982430A (zh) * | 2012-11-05 | 2013-03-20 | 西安交通大学 | 利用rfid对在制品物流进行实时跟踪的图式建模方法 |
CN103888287A (zh) * | 2013-12-18 | 2014-06-25 | 北京首都国际机场股份有限公司 | 信息系统一体化运维监控服务预警平台及其实现方法 |
CN104021448A (zh) * | 2014-06-19 | 2014-09-03 | 湖北工业大学 | 一种面向云制造的业务流程及协同交易控制方法 |
CN107766205A (zh) * | 2017-10-10 | 2018-03-06 | 武汉大学 | 一种面向微服务调用过程跟踪的监控系统及方法 |
CN111210108A (zh) * | 2019-12-19 | 2020-05-29 | 深圳供电局有限公司 | 一种电力物资供应链的绩效管控模型 |
Non-Patent Citations (2)
Title |
---|
彭江英: "工程训练", 华中科技大学出版社, pages: 241 - 244 * |
江平宇等: "一种基于射频识别技术的过程跟踪形式化图式推演建模方法及其生产应用研究", vol. 51, no. 20, pages 9 - 17 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633784A (zh) * | 2021-03-10 | 2021-04-09 | 武汉慧联无限科技有限公司 | 一种物联网的业务功能快速搭建方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11086688B2 (en) | Managing resource allocation in a stream processing framework | |
Schulte et al. | Elastic Business Process Management: State of the art and open challenges for BPM in the cloud | |
Vera-Baquero et al. | Real-time business activity monitoring and analysis of process performance on big-data domains | |
Zur Mühlen et al. | Business process analytics | |
Van der Aalst et al. | Processes meet big data: Connecting data science with process science | |
Lodhi et al. | Business process improvement framework and representational support | |
Estruch et al. | Event-driven manufacturing process management approach | |
Jun et al. | Cloud-based big data analytics platform using algorithm templates for the manufacturing industry | |
Metzger et al. | Realizing self-adaptive systems via online reinforcement learning and feature-model-guided exploration | |
Khan et al. | A holistic view of the IoT process from sensors to the business value | |
Salehi | Role of Artificial Intelligence on Agile Planning and Organizational Performance in the ICT Industry | |
CN111695803A (zh) | 事件驱动智能制造服务的运行监控与跟踪方法及系统 | |
Kang et al. | Multi-agent based beam search for intelligent production planning and scheduling | |
Metz | The Concept of a Real-time Enterprise in Manufacturing: Design and Implementation of a Framework Based on EDA and CEP | |
Li et al. | Using intelligent prediction machine and dynamic workflow for banking customer satisfaction in IoT environment | |
Xu et al. | Digital Twins as software and service development ecosystems in industry 4.0: towards a research agenda | |
Konrad et al. | Enabling fast ramp-up of assembly lines through context-mapping of implicit operator knowledge and machine-derived data | |
Lamghari | Process Mining: Basic Definitions and Concepts | |
Scholz-Reiter et al. | UML as a basis to model autonomous production systems | |
CN111680918A (zh) | 智能制造服务流程确定方法及系统 | |
Marinkovic et al. | Digital Twins for Internal Transport Systems: Use Cases, Functions, and System Architecture | |
Schiendorfer et al. | Abstraction of heterogeneous supplier models in hierarchical resource allocation | |
Kabzeva et al. | Model-based relationship management for service networks | |
Ghabri et al. | A hybrid approach to implement data driven optimization into production environments | |
Schüler et al. | Measuring network effects of digital industrial platforms: towards a balanced platform performance management |
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 |