CN114283023B - 一种基于云制造支撑技术的制造管理方法及系统 - Google Patents

Abstract

本发明公开了一种基于云制造支撑技术的制造管理方法及系统，其中，所述方法包括：获得第一用户的应用需求信息；获得第一生产资源信息；获得第一调用指令，根据所述第一调用指令调用资源服务数据库；获得第一资源协同分配结果；获得第一信用度评估结果；生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理。解决了云制造支撑系统的制造管理方案不合理的技术问题，达到了基于云制造支撑系统，智能分析用户的应用需求信息，智能评估生产资源信息并结合用户订单信息，对云制造支撑系统的制造管理方案进行优化的技术效果。

Description

一种基于云制造支撑技术的制造管理方法及系统

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于云制造支撑技术的制造管理方法及系统。

背景技术

云制造是在云计算技术基础上，结合制造领域发展而来的新概念。利用高度发达的互联网、物联网、智能检测自动化制造技术或其他相关技术，在云服务指导下，构建一种具有多层次结构的中间件、资源化、服务化的崭新制造模式。制造将以其“集成化、协同化、敏捷化、绿色化、服务化、智能化”的新经济增长方式，但对与结合云制造的制造管理目前仍在起步阶段，存在云制造管理响应不及时，产品滞后于市场需求，制造管理方案不合理造成的产品的云制造成本高于产品的市场普遍生产成本的问题。

现有技术中存在云制造支撑系统的制造管理方案不合理的技术问题。

发明内容

本申请通过提供了一种基于云制造支撑技术的制造管理方法及系统，解决了云制造支撑系统的制造管理方案不合理的技术问题，达到了基于云制造支撑系统，智能分析用户的应用需求信息，智能评估生产资源信息并结合用户订单信息，对云制造支撑系统的制造管理方案进行优化的技术效果。

鉴于上述问题，本申请提供了一种基于云制造支撑技术的制造管理方法及系统。

第一方面，本申请提供了一种基于云制造支撑技术的制造管理方法，其中，所述方法包括：获得第一用户的应用需求信息；将所述应用需求信息上传至云制造支撑系统，所述云制造支撑系统对所述应用需求信息进行动态检索，获得第一生产资源信息；获得第一调用指令，根据所述第一调用指令调用资源服务数据库；将所述第一生产资源信息和所述资源服务数据库输入资源服务协同模型，获得第一资源协同分配结果；对所述第一资源协同分配结果中的各分配资源进行信用度评估，获得第一信用度评估结果；如果所述第一信用度评估结果满足预设信用度，生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理。

另一方面，本申请提供了一种基于云制造支撑技术的制造管理系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一用户的应用需求信息；第二获得单元，所述第二获得单元用于将所述应用需求信息上传至云制造支撑系统，所述云制造支撑系统对所述应用需求信息进行动态检索，获得第一生产资源信息；第一执行单元，所述第一执行单元用于获得第一调用指令，根据所述第一调用指令调用资源服务数据库；第三获得单元，所述第三获得单元用于将所述第一生产资源信息和所述资源服务数据库输入资源服务协同模型，获得第一资源协同分配结果；第四获得单元，所述第四获得单元用于对所述第一资源协同分配结果中的各分配资源进行信用度评估，获得第一信用度评估结果；第一生成单元，所述第一生成单元用于如果所述第一信用度评估结果满足预设信用度，生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；第二执行单元，所述第二执行单元用于基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理。

第三方面，本申请提供了一种基于云制造支撑技术的制造管理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了基于云制造支撑系统，获取用户需求，对需求信息进行动态检索，结合用户需求对生产资源信息进行调用，并对各分配资源进行信用度评估，使用信用度评估结果生成订单信息发送用户，根据订单信息制定生产供应链分配方案，依据生产供应链分配方案与生产进程信息对云制造支撑系统进行制造管理。解决了云制造支撑系统的制造管理方案不合理的技术问题，达到了基于云制造支撑系统，智能分析用户的应用需求信息，智能评估生产资源信息并结合用户订单信息，对云制造支撑系统的制造管理方案进行优化的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请一种基于云制造支撑技术的制造管理方法的流程示意图；

图2为本申请一种基于云制造支撑技术的制造管理方法的获得第一标准数据集的流程示意图；

图3为本申请一种基于云制造支撑技术的制造管理方法的获得第一标准数据集的流程示意图；

图4为本申请一种基于云制造支撑技术的制造管理方法的获取第二偏移量数值的流程示意图；

图5为本申请一种基于云制造支撑技术的制造管理系统结构示意图；

图6为本申请示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第一执行单元13，第三获得单元14，第四获得单元15，第一生成单元16，第二执行单元17，第五获得单元18，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请通过提供了一种基于云制造支撑技术的制造管理方法及系统，解决了云制造支撑系统的制造管理方案不合理的技术问题，达到了基于云制造支撑系统，智能分析用户的应用需求信息，智能评估生产资源信息并结合用户订单信息，对云制造支撑系统的制造管理方案进行优化的技术效果。

申请概述

本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

云制造的制造管理目前仍在起步阶段，云制造支撑系统的管理方法存在诸多不合理，从市场角度进行分析，存在管理响应不及时问题，会导致产品滞后于市场需求，从生产角度进行分析，存在制造管理方案不合理的问题，会导致产品的云制造成本高于产品的市场普遍生产成本。

现有技术中存在云制造支撑系统的制造管理方案不合理的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供了一种基于云制造支撑技术的制造管理方法，其中，所述方法包括：基于云制造支撑系统，获取用户需求，对需求信息进行动态检索，结合用户需求对生产资源信息进行调用，并对各分配资源进行信用度评估，使用信用度评估结果生成订单信息发送用户，根据订单信息制定生产供应链分配方案，依据生产供应链分配方案与生产进程信息对云制造支撑系统进行制造管理。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请提供了一种基于云制造支撑技术的制造管理方法，其中，所述方法包括：

S100：获得第一用户的应用需求信息；

具体而言，所述第一用户为有服务需求的客户，且所述第一用户有能力为需要的服务进行支付，简单解释说明，云计算与云制造服务相结合，物联网技术的发展，所述第一用户即为云制造所服务的用户，不对云制造所服务对象做具体限制，所述第一用户的应用需求信息可以是寄快递的上门取件服务，也可以是外卖到家服务，获取方式可以是采集所述第一用户的浏览记录，也可以是直接根据所述第一用户的服务申请信息获取所述第一用户的应用需求信息。

S200：需求信息上传至云制造支撑系统，所述云制造支撑系统对所述应用需求信息进行动态检索，获得第一生产资源信息；

具体而言，将所述第一用户的应用需求信息上传至云制造支撑系统，简单说明，所述云制造支撑系统包含一云服务器，所述云服务器用于用户上传用户将需求信息，用户将需求信息发送给所述云服务器，云服务器将用户的应用需求信息同步至云制造支撑系统，所述需求信息上传至云制造支撑系统方案不唯一，所述方案中的需求信息上传至云制造支撑系统是为进行步骤细化，对所述需求信息上传至云制造支撑系统的方式不做限定，所述云制造支撑系统对所述应用需求信息进行动态检索，动态检索要求实时性，用户需求可能会在进行用户深入了解服务内容后有所调整，简单举例说明，第一用户进行订餐到家服务，在进行服务选择过程浏览筛选距离优先，在进行检索第一生产资源信息应首先获取第一用户位置信息，后以位置进行优先筛选条件，结合用户历史服务记录，获取所述第一生产资源信息，所述动态检索服务于用户需求，实时监控用户服务需求并及时优化更新，所述第一生产资源信息可以是需要的生产材料、服务、生产工艺或其他用户需求可能会需要的产品，具体信息依照所述第一用户的应用需求信息进行确定。

S300：获得第一调用指令，根据所述第一调用指令调用资源服务数据库；

具体而言，所述资源服务数据库是所述云制造支撑系统的服务数据库，包括但不限于产品的加工、配送、上门清洁服务或其他服务于所述第一用户的服务，是所述云制造支撑系统可以对所述第一用户提供服务的总集，在已知所述第一用户的应用需求信息，并根据所述第一用户需求信息匹配了第一生产资源信息，使用第一调用指令从所述资源服务数据库调取资源服务，具体调取应配合所述第一用户的需求信息，简单举例说明，所述第一用户需求为空调安装，所述第一生产资源信息对应所述云制造支撑系统录入的家电安装工人信息，对应的所述第一调用指令应该为调取与所述第一用户的位置距离近的空调安装工人的安装工作安排，例中说明只为进行步骤理解，不做具体限制，实际使用过程应结合实际状况进行优化。使用所述第一调用指令，可以有效保证第一用户需求与所述云制造支撑系统服务的匹配。

S400：将所述第一生产资源信息和所述资源服务数据库输入资源服务协同模型，获得第一资源协同分配结果；

具体而言，所述资源服务协同模型为一智能检索优化模型，基于大数据应用进行开发，模型基础为一多层神经网络，不同于普通神经网络，所述多层神经网络更容易收敛，并且有良好的预测性能，具体细节不做展开，使用大数据进行智能检索优化，简单说明，利用大数据获取相关匹配搜索，快速分配并优化相关数据作为训练数据，对所述多层神经网络进行训练，在输出结果趋于收敛状态后，所得即为所述资源服务协同模型，具体进一步细化方案不做展开，所述资源服务协同模型获取方案不唯一，所述方案中的获取资源服务协同模型的方式是为进行步骤细化，对所述资源服务协同模型的获取方式不做限定，将所述第一生产资源信息和所述资源服务数据库输入所述资源服务协同模型，所述资源服务协同模型获取输出，所述输出结果即为所述第一资源协同分配结果。

S500：对所述第一资源协同分配结果中的各分配资源进行信用度评估，获得第一信用度评估结果；

具体而言，所述信用度评估包括但不限于服务次数、服务质量、服务满意度、服务效率，第一调用指令调用资源服务数据库包括多个可以对所述第一用户提供服务的情况下，可以结合信用度对结果进行筛选，筛选后即可得到所述第一信用度评估结果，简单结合实例进行说明，在所述第一用户发起上门取件服务后，确定所述第一用户位置信息，依据所述用户提供的取件申请中的信息，以距离为第一优先筛先因素，将所述取件人员的历史用户服务评价中的服务次数、服务满意度和服务效率进行综合评分后，特别的，所述综合评分依照的指标包括但不限于服务次数、服务满意度和服务效率，所述综合评分所述取件人员服务的第一信用度评估结果。所述第一信用度评估结果应依照服务内容进行具体优化，例中所述只为进行方案理解，不做具体限定。

S600：如果所述第一信用度评估结果满足预设信用度，生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；

具体而言，所述预设信用度是所述第一信用度评估结果进行衡量的标准，所述第一信用度评估结果不低于所述预设信用度，表示所述第一信用度评估结果满足预设信用度，所述第一信用度评估结果低于所述预设信用度，表示所述第一信用度评估结果不满足预设信用度，所述第一用户需求产品的生产、加工、配送或其他需要进行协调配合的步骤进行整合，所得即所述生产供应链分配方案，简单结合上述例中进行说明，所述预设信用度为8.5分，在所述取件人员的综合评分不低于8.5分，表示所述取件人员可以为所述第一用户提供取件服务，在所述取件人员的综合评分低于8.5分，表示所述取件人员无法为所述第一用户提供取件服务。在所述第一信用度评估结果满足预设信用度情况，在生成第一订单信息，所述订单信息包括但不限于服务费用、服务内容、服务时间和提供服务方联系方式，根据所述第一订单信息制定生产供应链分配方案，所述生产供应链分配方案应该具体进一步细化为具体的步骤，将步骤优化整合形成具体的生产供应链分配方案。

S700：基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理。

具体而言，所述生产进程信息可以是具体加工的步骤，也可以是服务的进度，具体依据所述第一用户的应用需求信息，此处不做赘述，获取方式可以使用位置实时跟踪软件、摄像头或其他相关设备进行生产制造监控，设备的确定主要依据所述生产供应链分配方案的具体步骤的特征，具体设备此处不做限定，使用所述生产供应链分配方案进行生产制造，保障了生产制造方案的合理性，所述生产供应链分配方案为使用理论数据所获方案，在具体实时过程可能会有所误差，获得生产进程信息，根据所述生产进程信息进行制造管理，可以实时监控生产供应链分配方案的实施进程，进而获取实际生产过程中的产品数据，可以保障所述生产供应链分配方案的实施效果。

进一步的，如图2所示，本申请还包括：

S710：获得资源服务指标集合，所述资源服务指标集合包括服务设计、服务生产、服务加工；

S720：供应商基于所述资源服务指标集合进行资源发布，获得资源发布信息；

S730：对所述资源发布信息进行特征分类，获得各资源特征类型信息；

S740：按照预定服务标准对所述各资源特征类型信息进行等级评价，获得对应的各资源特征等级信息；

S750：基于所述各资源特征类型信息和所述各资源特征等级信息，构建所述资源服务数据库。

具体而言，获得资源服务指标集合，所述资源服务指标集合包括但不限于服务设计、服务生产、服务加工，所述服务指标集合的具体指标依据所述第一用户需求信息进行进一步优化，此处不做赘述；供应商基于所述资源服务指标集合进行资源发布，获得资源发布信息，不同于用户端，供应商端可以浏览所述资源服务指标集合信息，供应商结合自身供应产品属性进行资源发布，将信息上传至云制造支撑系统的云服务器，云服务器将信息进行同步，所述云制造支撑系统即可获得资源发布信息；对所述资源发布信息进行特征分类，获得各资源特征类型信息，所述资源特征类型信息包括但不限于服务类型、生产类型、生产功能、设计风格；按照预定服务标准对所述各资源特征类型信息进行等级评价，获得对应的各资源特征等级信息，所述供应商可能是全国连锁品质保障的供应商也可能是普通的商贩，进行预定服务标准对供应商进行划分，为后续产品加工方案的合理性提供基础；基于所述各资源特征类型信息和所述各资源特征等级信息，将供应商的信息进行整合，构建所述资源服务数据库，保证了所述资源服务数据库供应资源的可靠性，为生产加工供应充分的材料基础。

进一步的，如图3所示，所述获得第一信用度评估结果，步骤S500还包括：

S510：构建信用度指标集合，所述信用度指标集合包括服务次数、服务质量、服务满意度、服务效率；

S520：按照所述信用度指标集合对所述第一资源协同分配结果进行评分，获得各指标对应的服务评分矩阵；

S530：对所述服务评分矩阵进行归一化处理，构建各标准服务评分矩阵；

S540：基于所述各标准服务评分矩阵的乘积计算结果，获得所述第一信用度评估结果。

具体而言，构建信用度指标集合，所述信用度指标集合包括但不限于服务次数、服务质量、服务满意度、服务效率，具体依照所述第一用户需要的服务进行进一步细化；按照所述信用度指标集合对所述第一资源协同分配结果进行评分，所述指标集合中的不同指标对不同的权重信息，使用不同的指标评分指标数据与对应的指标权重信息获取所述第一资源协同分配结果的评分，将所述评分数据使用矩阵的形式进行表征，即可各指标对应的服务评分矩阵；对所述服务评分矩阵进行归一化处理，所述归一化处理表示将有量纲的表达式变化为无量纲的表达式，成为标量，所述归一化处理可以有效化简计算，进行转换所获数据集即为所述各标准服务评分矩阵；基于所述各标准服务评分矩阵的乘积计算结果，获得所述第一信用度评估结果，保证了运算效率的同时细化各指标参数的对所述第一信用度评估结果的影响，进一步保证了所述第一信用度评估结果的准确性。

进一步的，本申请实施例还包括：

S550：对所述信用度指标集合中的各指标进行关键度分析，获得各指标的关键系数；

S560：根据所述各指标的关键系数，生成关键度修正矩阵；

S570：根据所述关键度修正矩阵对所述各标准服务评分矩阵进行修正计算，获得第二信用度评估结果。

具体而言，对所述信用度指标集合中的各指标进行关键度分析，所述各指标的关键度的分析简单来说就是使用算法，将各指标对所述各标准服务评分的影响做数据表达，即可获得各指标的关键系数；根据所述各指标的关键系数，生成关键度修正矩阵，需要注意对应所述关键度修正矩阵行列式的的行与列，各指标的关键系数对应各指标用户的评分情况；根据所述关键度修正矩阵对所述各标准服务评分矩阵进行修正计算，利用矩阵可以将所述指标的关键系数与所述用户对指标的评分进行合理的计算表达，换句话就是所述指标的关键系数与所述用户对指标的评分之间的关系满足矩阵的分布特征，所以结合所述关键度修正矩阵对所述各标准服务评分矩阵进行修正计算，可以使得所述信用度评估结果更加准确。

进一步的，所述获得各指标的关键系数，步骤S550还包括：

S551：对所述信用度指标集合中的各指标属性进行主成分分析，获得第一降维指标属性；

S552：基于所述第一降维指标属性进行因子分析，获得预定权重分配结果；

S553：根据所述预定权重分配结果，获得各指标的关键系数。

具体而言，对所述信用度指标集合中的各指标属性进行主成分分析，所述主成成分分析是指利用正交变化将一组可能存在相关的变量转化为一组不相关的变量，对所述信用度指标集合中的指标进行主成成分分析，可以降低所述信用度指标集合中的指标的相关性，具体计算过程此处不做赘述，进而获得第一降维指标属性；基于所述第一降维指标属性进行因子分析，所述因子表示相同特征，所述因子分析表示从变量中提取共性因子，简单来说就是从所述第一降维指标属性中提取相同的特征，进而完成所述第一降维指标属性的简化，化简后，即可获取所述预定权重分配结果；根据所述预定权重分配结果，获得各指标的关键系数，基于主成成分分析法，结合因子分析，可以使得所述各指标的关键系数的数据重叠度降低，进而简化后续运算过程。

进一步的，所述对所述信用度指标集合中的各指标属性进行主成分分析，获得第一降维指标属性，步骤S551还包括：

S5511：对所述信用度指标集合中的各指标属性进行去中心化处理后，获得协方差矩阵；

S5512：对所述协方差矩阵进行计算，获得所述第一协方差矩阵的第一特征值和第一特征向量；

S5513：将所述各指标投影到所述第一特征向量，获得第一降维指标属性，其中所述第一降维指标属性为所述各指标降维之后获得的属性信息。

具体而言，对所述信用度指标集合中的各指标属性进行去中心化处理后，所述去中心化是为数据进行多元化管理，所述去中心化不是不要中心，所述去中心化表示每一个节点都有可能成为数据的中心，中心是阶段性变化的，简单来说就是所述信用度指标集合中的各个指标属性都有可能成为所述信用度指标集合数据的中心，可以最大程度保证所述信用度指标集合参与运算，此处不做具体赘述，去中心化后即可获得所述协方差矩阵；对所述协方差矩阵进行计算，获得所述第一协方差矩阵的第一特征值和第一特征向量，此处运算涉及线性代数相关数理学知识的基础变换，不做细化分析；将所述各指标投影到所述第一特征向量，获得第一降维指标属性，所述投影简单来说就是将所述各指标利用所述第一特征向量进行表征，后即可实现所述信用度指标集合的降维，具体计算过程此处不做赘述，其中所述第一降维指标属性为所述各指标降维之后获得的属性信息，所述信用度指标集合到所述第一降维指标属性的过程使用数理学与线代相关变化，所述变化过程可以归纳为对所述信用度指标集合进行降维处理，可以优化运算过程，保证了所述第一降维指标属性的数据可靠性、准确性。

进一步的，如图4所示，本申请还包括：

S760：获得实际资源协同分配结果，基于所述第一资源协同分配结果和所述实际资源协同分配结果的差值，获得第一分配误差度；

S770：基于PSO算法初始化粒子群参数，根据所述第一分配误差度和所述粒子群参数迭代计算粒子群适应度函数；

S780：当达到预设终止条件时，获得所述粒子群适应度函数的第一输出结果，所述第一输出结果包括最优结果粒子；

S790：将所述最优结果粒子映射到所述资源服务协同模型进行优化训练。

具体而言，获得实际资源协同分配结果，简单说明，在实际生产加工过程不可避免存在生产加工的损耗，由于存在损耗且损耗的量存在不可控的波动，所以实际资源协同分配结果往往与要进一步优化；基于所述第一资源协同分配结果和所述实际资源协同分配结果的差值，获得第一分配误差度，所述第一分配误差度是所述第一资源协同分配结果和所述实际资源协同分配结果的差值与所述第一资源协同分配结果之比；基于PSO算法初始化粒子群参数，所述PSO算法是一种进化计算技术(Particle Swarm Optimization粒子群优化算法)简单来说就是可以模拟并不断迭代最终直到平衡或最优状态，保存平衡或最优状；根据所述第一分配误差度和所述粒子群参数迭代计算粒子群适应度函数，所述粒子群适应度函数可以对所述第一资源协同分配结果进行优化，降低所述第一资源协同分配结果的误差；当达到预设终止条件时，获得所述粒子群适应度函数的第一输出结果，所述第一输出结果包括最优结果粒子，简单来说，所述PSO算法停止包含两种可能，一种是粒子得到平衡或最优状态，另一种是超过运算限制，对超过运算限制状况不进行具体分析，所述最优结果粒子即为粒子的最优状态；将所述最优结果粒子映射到所述资源服务协同模型进行优化训练，所述第一资源协同分配结果结合所述最优结果粒子进行优化，进行优化训练后，所述资源服务协同模型的输出的结果将与所述实际资源协同分配结果的差值缩小，进一步提高了所述资源服务协同模型的输出的结果的精准度，可以有效降低所述分配结果与所述实际资源协同分配结果的差值，进一步改善了资源分配不合理进而影响所述生产供应链分配方案的推进的问题。

综上所述，本申请所提供的一种基于云制造支撑技术的制造管理方法及系统具有如下技术效果：

1.由于采用了获得第一用户的应用需求信息；将所述应用需求信息上传至云制造支撑系统，所述云制造支撑系统对所述应用需求信息进行动态检索，获得第一生产资源信息；获得第一调用指令，根据所述第一调用指令调用资源服务数据库；将所述第一生产资源信息和所述资源服务数据库输入资源服务协同模型，获得第一资源协同分配结果；对所述第一资源协同分配结果中的各分配资源进行信用度评估，获得第一信用度评估结果；如果所述第一信用度评估结果满足预设信用度，生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理。本申请通过提供了一种基于云制造支撑技术的制造管理方法及系统，解决了云制造支撑系统的制造管理方案不合理的技术问题，达到了基于云制造支撑系统，智能分析用户的应用需求信息，智能评估生产资源信息并结合用户订单信息，对云制造支撑系统的制造管理方案进行优化的技术效果。

2.由于采用了获取供应商资源与各资源特征类型信息，对资源进行等级评定，基于各资源特征类型信息和各资源特征等级信息，构建资源服务数据库，保证了所述资源服务数据库供应资源的可靠性，为生产加工供应充分的材料基础。

3.由于采用了对信用度指标集合去中心化并使用所获数据构建协方差矩阵，计算特征值与特征向量，并利用特征向量对信用度指标集合进行降维处理，获得降维指标属性，可以优化运算过程，保证了所述第一降维指标属性的数据可靠性、准确性。

4.由于采用了基于PSO算法结合资源协同分配结果和实际资源协同分配结果的差值，构建粒子群适应度函数，进而获取最优结果粒子，利用最优结果粒子对所述资源服务协同模型进行优化，进行优化训练后，所述资源服务协同模型的输出的结果将与所述实际资源协同分配结果的差值缩小，进一步提高了所述资源服务协同模型的输出的结果的精准度，可以有效降低所述分配结果与所述实际资源协同分配结果的差值，进一步改善了资源分配不合理进而影响所述生产供应链分配方案的推进的问题。

实施例二

基于与前述实施例中一种基于云制造支撑技术的制造管理方法相同的发明构思，如图5所示，本申请提供了一种基于云制造支撑技术的制造管理系统，其中，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得第一用户的应用需求信息；

第二获得单元12，所述第二获得单元12用于将所述应用需求信息上传至云制造支撑系统，所述云制造支撑系统对所述应用需求信息进行动态检索，获得第一生产资源信息；

第一执行单元13，所述第一执行单元13用于获得第一调用指令，根据所述第一调用指令调用资源服务数据库；

第三获得单元14，所述第三获得单元14用于将所述第一生产资源信息和所述资源服务数据库输入资源服务协同模型，获得第一资源协同分配结果；

第四获得单元15，所述第四获得单元15用于对所述第一资源协同分配结果中的各分配资源进行信用度评估，获得第一信用度评估结果；

第一生成单元16，所述第一生成单元16用于如果所述第一信用度评估结果满足预设信用度，生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；

第二执行单元17，所述第二执行单元17用于基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理。

进一步的，所述系统包括：

第五获得单元，所述第五获得单元用于获得资源服务指标集合，所述资源服务指标集合包括服务设计、服务生产、服务加工；

第六获得单元，所述第六获得单元用于供应商基于所述资源服务指标集合进行资源发布，获得资源发布信息；

第七获得单元，所述第七获得单元用于对所述资源发布信息进行特征分类，获得各资源特征类型信息；

第八获得单元，所述第八获得单元用于按照预定服务标准对所述各资源特征类型信息进行等级评价，获得对应的各资源特征等级信息；

第一构建单元，所述第一构建单元用于基于所述各资源特征类型信息和所述各资源特征等级信息，构建所述资源服务数据库。

进一步的，所述系统包括：

第二构建单元，所述第二构建单元用于构建信用度指标集合，所述信用度指标集合包括服务次数、服务质量、服务满意度、服务效率；

第九获得单元，所述第九获得单元用于按照所述信用度指标集合对所述第一资源协同分配结果进行评分，获得各指标对应的服务评分矩阵；

第三构建单元，所述第三构建单元用于对所述服务评分矩阵进行归一化处理，构建各标准服务评分矩阵；

第十获得单元，所述第十获得单元用于基于所述各标准服务评分矩阵的乘积计算结果，获得所述第一信用度评估结果。

进一步的，所述系统包括：

第十一获得单元，所述第十一获得单元用于对所述信用度指标集合中的各指标进行关键度分析，获得各指标的关键系数；

第二生成单元，所述第二生成单元用于根据所述各指标的关键系数，生成关键度修正矩阵；

第十二获得单元，所述第十二获得单元用于根据所述关键度修正矩阵对所述各标准服务评分矩阵进行修正计算，获得第二信用度评估结果。

进一步的，所述系统包括：

第十三获得单元，所述第十三获得单元用于对所述信用度指标集合中的各指标属性进行主成分分析，获得第一降维指标属性；

第十四获得单元，所述第十四获得单元用于基于所述第一降维指标属性进行因子分析，获得预定权重分配结果；

第十五获得单元，所述第十五获得单元用于根据所述预定权重分配结果，获得各指标的关键系数。

进一步的，所述系统包括：

第十六获得单元，所述第十六获得单元用于对所述信用度指标集合中的各指标属性进行去中心化处理后，获得协方差矩阵；

第十七获得单元，所述第十七获得单元用于对所述协方差矩阵进行计算，获得所述第一协方差矩阵的第一特征值和第一特征向量；

第十八获得单元，所述第十八获得单元用于将所述各指标投影到所述第一特征向量，获得第一降维指标属性，其中所述第一降维指标属性为所述各指标降维之后获得的属性信息。

进一步的，所述系统包括：

第十九获得单元，所述第十九获得单元用于获得实际资源协同分配结果，基于所述第一资源协同分配结果和所述实际资源协同分配结果的差值，获得第一分配误差度；

第三执行单元，所述第三执行单元用于基于PSO算法初始化粒子群参数，根据所述第一分配误差度和所述粒子群参数迭代计算粒子群适应度函数；

第二十获得单元，所述第二十获得单元用于当达到预设终止条件时，获得所述粒子群适应度函数的第一输出结果，所述第一输出结果包括最优结果粒子；

第四执行单元，所述第四执行单元用于将所述最优结果粒子映射到所述资源服务协同模型进行优化训练。

进一步的，所述系统包括：

示例性电子设备

下面参考图6来描述本申请的电子设备，

基于与前述实施例中一种基于云制造支撑技术的制造管理方法相同的发明构思，本申请还提供了一种基于云制造支撑技术的制造管理系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于云制造支撑技术的制造管理方法。

可选的，本申请中的计算机执行指令也可以称之为应用程序代码，本申请对此不作具体限定。

本申请提供了一种基于云制造支撑技术的制造管理方法，其中，所述方法包括：获得第一用户的应用需求信息；将所述应用需求信息上传至云制造支撑系统，所述云制造支撑系统对所述应用需求信息进行动态检索，获得第一生产资源信息；获得第一调用指令，根据所述第一调用指令调用资源服务数据库；将所述第一生产资源信息和所述资源服务数据库输入资源服务协同模型，获得第一资源协同分配结果；对所述第一资源协同分配结果中的各分配资源进行信用度评估，获得第一信用度评估结果；如果所述第一信用度评估结果满足预设信用度，生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如a，b，或c中的至少一项(个、种)，可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘(SolidState Disk，SSD))等。

本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。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。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (9)

1.一种基于云制造支撑技术的制造管理方法，其特征在于，所述方法包括：

获得第一用户的应用需求信息；

将所述应用需求信息上传至云制造支撑系统，所述云制造支撑系统对所述应用需求信息进行动态检索，获得第一生产资源信息；

获得第一调用指令，根据所述第一调用指令调用资源服务数据库；

将所述第一生产资源信息和所述资源服务数据库输入资源服务协同模型，获得第一资源协同分配结果；

对所述第一资源协同分配结果中的各分配资源进行信用度评估，获得第一信用度评估结果；

如果所述第一信用度评估结果满足预设信用度，生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；

基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理；

获得实际资源协同分配结果，基于所述第一资源协同分配结果和所述实际资源协同分配结果的差值，获得第一分配误差度；

基于PSO算法初始化粒子群参数，根据所述第一分配误差度和所述粒子群参数迭代计算粒子群适应度函数；

当达到预设终止条件时，获得所述粒子群适应度函数的第一输出结果，所述第一输出结果包括最优结果粒子；

将所述最优结果粒子映射到所述资源服务协同模型进行优化训练。

2.如权利要求1所述的方法，其特征在于，所述方案包括：

获得资源服务指标集合，所述资源服务指标集合包括服务设计、服务生产、服务加工；

供应商基于所述资源服务指标集合进行资源发布，获得资源发布信息；

对所述资源发布信息进行特征分类，获得各资源特征类型信息；

按照预定服务标准对所述各资源特征类型信息进行等级评价，获得对应的各资源特征等级信息；

基于所述各资源特征类型信息和所述各资源特征等级信息，构建所述资源服务数据库。

3.如权利要求1所述的方法，其特征在于，所述获得第一信用度评估结果，包括：

构建信用度指标集合，所述信用度指标集合包括服务次数、服务质量、服务满意度、服务效率；

按照所述信用度指标集合对所述第一资源协同分配结果进行评分，获得各指标对应的服务评分矩阵；

对所述服务评分矩阵进行归一化处理，构建各标准服务评分矩阵；

基于所述各标准服务评分矩阵的乘积计算结果，获得所述第一信用度评估结果。

4.如权利要求3所述的方法，其特征在于，所述方法包括：

对所述信用度指标集合中的各指标进行关键度分析，获得各指标的关键系数；

根据所述各指标的关键系数，生成关键度修正矩阵；

根据所述关键度修正矩阵对所述各标准服务评分矩阵进行修正计算，获得第二信用度评估结果。

5.如权利要求4所述的方法，其特征在于，所述获得各指标的关键系数，包括：

对所述信用度指标集合中的各指标属性进行主成分分析，获得第一降维指标属性；

基于所述第一降维指标属性进行因子分析，获得预定权重分配结果；

根据所述预定权重分配结果，获得各指标的关键系数。

6.如权利要求5所述的方法，其特征在于，所述对所述信用度指标集合中的各指标属性进行主成分分析，获得第一降维指标属性，包括：

对所述信用度指标集合中的各指标属性进行去中心化处理后，获得协方差矩阵；

对所述协方差矩阵进行计算，获得所述协方差矩阵的第一特征值和第一特征向量；

将所述各指标投影到所述第一特征向量，获得第一降维指标属性，其中所述第一降维指标属性为所述各指标降维之后获得的属性信息。

7.一种基于云制造支撑技术的制造管理系统，其特征在于，所述系统包括：

第一获得单元，所述第一获得单元用于获得第一用户的应用需求信息；

第二获得单元，所述第二获得单元用于将所述应用需求信息上传至云制造支撑系统，所述云制造支撑系统对所述应用需求信息进行动态检索，获得第一生产资源信息；

第一执行单元，所述第一执行单元用于获得第一调用指令，根据所述第一调用指令调用资源服务数据库；

第三获得单元，所述第三获得单元用于将所述第一生产资源信息和所述资源服务数据库输入资源服务协同模型，获得第一资源协同分配结果；

第四获得单元，所述第四获得单元用于对所述第一资源协同分配结果中的各分配资源进行信用度评估，获得第一信用度评估结果；

第一生成单元，所述第一生成单元用于如果所述第一信用度评估结果满足预设信用度，生成第一订单信息，根据所述第一订单信息制定生产供应链分配方案；

第二执行单元，所述第二执行单元用于基于所述生产供应链分配方案进行生产制造，获得生产进程信息，并根据所述生产进程信息进行制造管理；

第十九获得单元，所述第十九获得单元用于获得实际资源协同分配结果，基于所述第一资源协同分配结果和所述实际资源协同分配结果的差值，获得第一分配误差度；

第三执行单元，所述第三执行单元用于基于PSO算法初始化粒子群参数，根据所述第一分配误差度和所述粒子群参数迭代计算粒子群适应度函数；

第二十获得单元，所述第二十获得单元用于当达到预设终止条件时，获得所述粒子群适应度函数的第一输出结果，所述第一输出结果包括最优结果粒子；

第四执行单元，所述第四执行单元用于将所述最优结果粒子映射到所述资源服务协同模型进行优化训练。

8.一种基于云制造支撑技术的制造管理系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1~6任一项所述方法的步骤。

9.一种计算机程序产品，包括计算机程序和/或指令，其特征在于，该计算机程序和/或指令被处理器执行时实现权利要求1至6中任一项所述方法的步骤。

Images