CN114757448A - 一种基于数据空间模型的制造环节间最优价值链构建方法 - Google Patents

一种基于数据空间模型的制造环节间最优价值链构建方法 Download PDF

Info

Publication number
CN114757448A
CN114757448A CN202210647495.1A CN202210647495A CN114757448A CN 114757448 A CN114757448 A CN 114757448A CN 202210647495 A CN202210647495 A CN 202210647495A CN 114757448 A CN114757448 A CN 114757448A
Authority
CN
China
Prior art keywords
manufacturing
data
value
optimal
value chain
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
Application number
CN202210647495.1A
Other languages
English (en)
Other versions
CN114757448B (zh
Inventor
牛东晓
余敏
杜若芸
孙丽洁
李明钰
斯琴卓娅
纪正森
杨晓龙
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202210647495.1A priority Critical patent/CN114757448B/zh
Publication of CN114757448A publication Critical patent/CN114757448A/zh
Application granted granted Critical
Publication of CN114757448B publication Critical patent/CN114757448B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种基于数据空间模型的制造环节间最优价值链构建方法，属于制造业管理技术领域，在各个制造环节上设置数据采集点，对数据采集点的数据进行收集，汇总和分析；计算各数据采集点关键因素的模糊权重，对于所述模糊权重低于阈值权重的数据采集点进行取消，保留所述模糊权重不小于阈值权重的数据采集点；从被保留下来的数据采集点所处的制造环节上接收价值信息，监视制造环节间的价值链，针对价值链的数据规划问题，进行随机模拟推理，并结合期望值进行寻优计算，求解出使目标函数最优解；根据所述数据规划目标函数的最优解触发制造环节控制，以便得到制造环节间的最优价值链。

Description

一种基于数据空间模型的制造环节间最优价值链构建方法
技术领域
本发明涉及制造业管理技术领域，尤其涉及一种基于数据空间模型的制造环节间最优价值链构建方法。
背景技术
随着工业时代的到来，制造业逐步在向智能制造的目标靠近。制造业是我国的支柱性产业，在中国经济由高速增长向高质量发展转型的阶段，伴随着制造企业的转型升级，智能制造结合大数据，实现信息化、数字化、智能化网络协同运行，打通各业务流程，消除业务系统之间的信息孤岛，实现数据资源共享，提升整体的业务管理水平。在大数据环境下将虚拟价值链和实体价值链进行结合分析，研究制造企业内外协同策略构建新的价值链模型，可提高制造企业价值链核心竞争力和战略价值增值点。
在互联互通的网络化时代随时都产生着大量的数据，随着数据挖掘与数据融合技术的发展，从繁杂的大数据中挖掘对企业在供应，生产，营销，服务方面有利信息，有助于推动企业更好的安排生产调度任务，满足客户的需求。大数据应用的核心是为企业提供决策，减少各种不确定性因素的发生。这在很大程度上也对企业的文化，战略和组织结构起到了一定的推动作用。企业在拥有足够多的数据的基础上，采用不同的数据分析模型与统计方法得出精确的决策结论，作为企业的主导文化。
基于数据驱动的商业模式，产业链合作使得企业在社会化合作，网络化协同生产成为了现实。利用大数据平台和技术，企业在组织方面可以更好的协调客户和潜在消费者，商业合作伙伴及企业内各部门的业务活动，在动态变化的环境中进行快速的反应。利用大数据和协同理论，对企业的价值链进行分析和定位已经显得十分必要。
制造业多价值链可以概括为制造及协作企业在生产经营过程中为共同提高自身价值，从生产、供应、营销和服务等多方面以合作形式展开的一系列增值活动。其中，多价值链主要指生产价值链、供应价值链、营销价值链和服务价值链。以生产过程作为核心业务的核心价值流，构成了企业内部的核心价值链，而供应、营销和服务作为辅助，构成了企业外部的次要价值链。在制造业多价值链协同数据空间中，每条价值链之中的数据流并不是独立存在的，而是相互交融和协同的。一方面，内部价值链的数据流要充分利用外部价值链数据流，如企业在生产产品时要考虑到自身生产能力，同时结合外部营销服务所产生的品牌吸引力，才能对产量做出最准确的判断，避免不必要的损失；另一方面，外部的供应、营销、服务价值链数据流之间也存在相互调用的现象，如营销价值链数据中良好的营销策略或服务价值链中对产品故障的准确预测都可以有效促进供应价值链中产品的库存优化及生产调度，从而提高产品的供应能力，降低供应成本。
在制造企业中，协同效应反映了协同进化的程度，企业内部本身就有很多的资源，将这些资源进行低成本甚至无成本的运用到企业其他部门或者其他环节形成协同效应共享企业内的有形资源和无形资源，有助于提高企业内的协作效率。如何衡量企业的价值链协同对企业是否有成效是十分重要的。
例如专利文献CN201280046180.6, 性能评估系统及其方法,提供用于获得对于工厂的已验证的性能解决方案的能量审核系统和方法。该系统和方法获得工厂数据用于计算一个或多个性能度量。使用性能度量、可调谐过程模型和优化器而产生初始基准。规则引擎然后用于基于动态输入对初始基准和当前性能度量应用规则并且用于产生输出。决策分析模块然后用于使用what-if分析来验证该输出是否满足动态输入的要求。如果满足要求，则输出作为已验证的性能解决方案而提供。如果未满足要求，则基准演进并且重复验证步骤。但是该技术方案仍未能正确衡量企业的价值链协同对企业是否有成效。
例如专利文献CN201310617070.7，新技术的云计算环境下不确定数据源的工作流视图构造，基于分布式计算的云基础服务，使得计算和存储资源可以快速弹性伸缩，用户可以随时购买无限制的应用服务资源，通过提供不同级别的度量服务，如存储、使用次数、使用时间等，来控制和优化系统资源，所有资源的使用情况都得到监控和统计；系统提供足够的订制选项，用户可以按需订制自己的服务并选择不同的计费模式，无须服务提供商干预；系统在设计上利用共享的数据存储基础架构，注重可扩展、可管理、可拆分、数据隔离，从而为每一个租户提供彼此隔离并且独立的逻辑空间，多个租户之间共享系统计算及存储资源，并提供充分的安全保障；提供多个平台应用服务组件，例如元数据管理、流程管理、安全服务、策略管理及数据分析服务，这些服务可以通过组合和建模提供更高级的服务。但是该技术方案仍未能利用大数据和协同理论，对企业的价值链进行分析和定位。
发明内容
为了解决上述技术问题，本发明提出了一种基于数据空间模型的制造环节间最优价值链构建方法，在各个制造环节上设置数据采集点，对数据采集点的数据进行收集，汇总和分析；
计算各个数据采集点关键因素的模糊权重：对各个关键因素的重要程度进行q次评价，每次评价分别用最优评价指标、中等评价指标以及保守评价指标表示，则第m次模糊评价集
Figure 100002_DEST_PATH_IMAGE002
，其中
Figure 100002_DEST_PATH_IMAGE004
分别为第m次评价的最优评价指标、中等评价指标以及保守评价指标，1≤m≤q；
q次评价的权重集为E=(e1，e2，…，eq)，对q次评价进行集结，集结后得到模糊评价矩阵
Figure 100002_DEST_PATH_IMAGE006
为：
Figure 100002_DEST_PATH_IMAGE008
；其中，
Figure 100002_DEST_PATH_IMAGE010
分别为第1、2、q次模糊评价集；
则最优评价矩阵
Figure 100002_DEST_PATH_IMAGE012
、中等评价矩阵
Figure 100002_DEST_PATH_IMAGE014
以及保守评价矩阵
Figure 100002_DEST_PATH_IMAGE016
分别为：
Figure 100002_DEST_PATH_IMAGE018
；其中，
Figure 100002_DEST_PATH_IMAGE020
分别为第1、2、q次最优评价指标；
Figure 100002_DEST_PATH_IMAGE022
；其中，
Figure 100002_DEST_PATH_IMAGE024
分别为第1、2、q次中等评价指标；
Figure 100002_DEST_PATH_IMAGE026
；其中，
Figure 100002_DEST_PATH_IMAGE028
分别为第1、2、q次保守评价指标；
关键因素i的模糊评价指标di为：
Figure 100002_DEST_PATH_IMAGE030
；
若关键因素共有n个，则得到模糊评价指标集D：
D=(d1，…，di，…，dn)；
对模糊评价指标集D进行标准化处理，得到各个数据采集点关键因素的模糊权重集W：
W=(w1，…，wi，…，wn),
其中wi为关键因素i的模糊权重，
Figure 100002_DEST_PATH_IMAGE032
；
对于所述模糊权重低于阈值权重的数据采集点进行取消，保留所述模糊权重不小于阈值权重的数据采集点；
从被保留下来的数据采集点所处的制造环节上接收价值信息，监视制造环节间的价值链；
针对所述制造环节间的价值链的数据规划问题，进行随机模拟推理，通过寻优计算对数据规划目标函数的最优解进行求解，具体包括：接收数据参数，确定所述制造环节间的价值链的数据规划规模，通过对数据参数进行设定以处理不同数据规划规模的大小；依据数据规划规模大小，在不同时间段动态提取数据参数的分布特征，随机生成特征各异的代表N个时间段的N维参数集T，去除参数集T内重复元素，将参数集内各参数按升序排序，得出NM类模式，将NM作为最优随机模拟迭代次数；通过适应算法求解数据规划目标函数E的最优解：
Figure 100002_DEST_PATH_IMAGE034
；
其中，
Figure 100002_DEST_PATH_IMAGE036
为迭代函数，对参数集T内的参数进行迭代，先生成多个随机解，选择其中一部分最优解作为新的解的集合，然后循环迭代，直至迭代次数r为NM或者直至没有最优解产生；
根据所述数据规划目标函数的最优解触发制造环节控制，以便得到制造环节间的最优价值链。
进一步地，通过估计各个制造环节的价值产生能力，计算单个制造环节的价值在所有制造环节的总成本中的占比，以识别高价值制造环节和低价值制造环节。
进一步地，为每一个制造环节设置占比阈值，将每个制造环节的价值在所有制造环节的总成本中的占比与所设置的占比阈值进行比较，以检测超过所设置的占比阈值的制造环节，并发送警报和报告，以中断或修改供给基础设施的服务。
进一步地，跨多地区跟踪制造环节间的价值链，以获得整体的价值链空间视图。
进一步地，获取各个制造环节的价值，当对制造环节进行改变和添加时，使得在管理各个制造环节过程中保持信息的同步，并将同步信息进行推送，从而启用对受管制造环节的监视。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的数据空间模型的整体结构示意图。
图2为本发明的以数据点服务单元为中心的相关各个制造环节的数据传输示意图。
图3为本发明的制造环节间最优价值链构建方法流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本发明的具体实施例附图中，为了更好、更清楚的描述系统中的各元件的工作原理，表现所述装置中各部分的连接关系，只是明显区分了各元件之间的相对位置关系，并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
基于制造业多价值链协同的数据空间模型，用于表示各制造环节之间的价值链关系以及关于制造环节的价值策略。
如图1所示，为本发明的数据空间模型的整体结构示意图，数据空间模型包括：由信息管理系统、同步系统和引擎系统形成的管理系统，通过数据空间模型命令和控制操作管理系统的启动。
信息管理系统包括：数据编译单元、数据点服务单元和价值响应单元。
数据点服务单元，用于配置相关数据采集点，以及对数据采集点采集的数据进行收集、汇总和分析。配置相关数据点是指在各个制造环节上设置数据采集点。
数据点服务单元构成了数据空间模型最初的数据来源，包括该以数据点服务单元为中心的相关各个制造环节，能够提供各类数据信息，如图2所示。
数据点服务单元可以从应用程序接收对数据采集点采集的数据类型的请求，并且响应于此，返回该数据采集点，按照请求采集对应数据类型的数据，或订阅在满足某些条件或规则时自动报告该数据采集点的数据。
本实施例中，数据点服务单元通过计算关键因素的模糊权重集，进行数据采集点的筛选，进一步对保留的数据采集点的数据进行收集、汇总和分析。
具体地，选取影响各数据采集点的关键因素，对各关键因素赋权，采用模糊评价对关键因素权重进行确定。
具体方法如下:
就各关键因素的重要程度进行q次评价，分别用模糊评价指标
Figure DEST_PATH_IMAGE038
表示各关键因素的重要程度，上述参数分别为第m次评价的最优评价指标、中等评价指标以及保守评价指标，1≤m≤q，则第m次评价的模糊评价集
Figure DEST_PATH_IMAGE039
。
q次评价的权重集为E=(e1，e2，…，eq)，对q次评价指标进行集结，集结后得到模糊评价矩阵
Figure 766674DEST_PATH_IMAGE006
为：
Figure 887077DEST_PATH_IMAGE008
；其中，
Figure 322606DEST_PATH_IMAGE010
分别为第1、2、q次模糊评价集；
则最优评价矩阵
Figure 389920DEST_PATH_IMAGE012
、中等评价矩阵
Figure 735450DEST_PATH_IMAGE014
以及保守评价矩阵
Figure 213705DEST_PATH_IMAGE016
分别为：
Figure 11897DEST_PATH_IMAGE018
；其中，
Figure 882901DEST_PATH_IMAGE020
分别为第1、2、q次最优评价指标；
Figure 82938DEST_PATH_IMAGE022
；其中，
Figure 732094DEST_PATH_IMAGE024
分别为第1、2、q次中等评价指标；
Figure 17582DEST_PATH_IMAGE026
；其中，
Figure 426697DEST_PATH_IMAGE028
分别为第1、2、q次保守评价指标；
通过如下公式获得关键因素i的模糊评价指标di：
Figure 605875DEST_PATH_IMAGE030
；
若关键因素共有n个，则可以得到模糊评价指标集D：
D=(d1，…，di，…，dn)；
对模糊评价指标集D进行标准化处理，得到各数据采集点关键因素的模糊权重集W：
W=(w1，…，wi，…，wn)，其中wi为关键因素i的模糊权重，
Figure 832457DEST_PATH_IMAGE032
。
对于关键因素的模糊权重低于阈值权重的数据采集点进行取消，保留关键因素的模糊权重不小于阈值权重的数据采集点。
价值响应单元，从被保留下来的数据采集点所处的制造环节上接收该制造环节的价值。
价值响应单元估计各个制造环节的价值产生能力，一旦接收到相关制造环节的价值，就监视制造环节间的价值链。
价值响应单元包括：价值关系跟踪模块和阈值管理模块。
价值关系跟踪模块，用于分析并跟踪制造环节间的价值链关系。
该价值关系跟踪模块通过估计各个制造环节的价值产生能力，计算单个制造环节产生的价值在所有制造环节的总成本中的占比，以识别高价值制造环节和低价值制造环节，从而分析制造环节间的价值链。所有制造环节的总成本是通过在给定时段内汇总每个制造环节的生产成本来获得。
在优选实施例中，价值关系跟踪模块能够跨多地区跟踪制造环节间的价值链，以获得整体的价值链空间视图。
阈值管理模块，被提供来为每一个制造环节设置占比阈值，即单个制造环节的价值在所有制造环节的总成本中的占比阈值，并且将在每个制造环节的价值在所有制造环节的总成本中的占比与所设置的占比阈值进行比较，以检测超过所设置的占比阈值的制造环节，并向监视和报告单元（未视出）发送警报和报告，以中断或修改供给基础设施的服务。
信息管理系统中还包括数据编译单元，用于数据集成，并为数据存储和查询提供公共接口。
数据集成是把不同来源、格式、特点性质的数据在逻辑上或物理上有机地集中，从而为企业提供全面的数据共享，主要解决数据的分布性和异构性的问题。主要包括数据空间中数据接入、数据采集、文件采集、数据清洗、数据抽取、数据生成和数据汇聚等处理过程。数据存储的意义在于将数据有效的收集和留存，通过对多源异构数据标准化的处理，实现海量数据储存的流程化与可实施化。
在信息管理系统中，数据存储的形式也具有很大的兼容性，包括RDBMS、XML、文本系统、图像系统、列式数据库及分布式系统等多种储存方式。
本实施例中，数据编译单元还包括管理数据集的驱动组件，驱动组件可以包括与被管理的数据采集点的通信、命令等的协议有关的信息，使得驱动组件可以提供从被管理的数据采集点接收数据并进行数据规范化处理。
同步系统，用于获取各个制造环节的价值，使各个制造环节的价值在信息管理系统与引擎系统之间保持同步。当对制造环节进行改变和添加时，制造环节的价值与引擎系统同步。同步系统将同步信息推到引擎系统以启用对受管制造环节的监视。
数据空间模型还包括引擎系统，引擎系统能够根据需要注册和注销多个制造环节。引擎系统包括协议服务单元、触发引擎和模拟引擎。
协议服务单元，提供多个制造环节和引擎系统之间的通信。在驻留在引擎系统上的客户端应用程序和驻留在每个制造环节上的网关应用程序之间建立终端控制协议网络路由，从而使用适用于TCP传输的格式将每个制造环节上的网关应用程序发送到引擎系统上的客户端应用程序。
触发引擎，被提供根据制造环节间的价值链的数据规划目标函数的最优解触发制造环节控制，以便得到制造环节间的最优价值链。
模拟引擎，针对制造环节间的价值链的数据规划问题，进行随机模拟推理，并结合期望值进行寻优计算，求解出使数据规划目标函数的最优解，从而启动触发引擎。
模拟引擎由三部分模块构成，分别是模拟次数推理模块、适应度计算模块和寻优模块。其中模拟次数推理模块用以计算数据规划过程中随机模拟的最优迭代次数；适应度计算模块用以进行目标函数的计算；寻优模块通过寻优计算对规划问题的最优方案进行求解。
模拟次数推理模块接收数据编译单元的数据参数，确定制造环节间的价值链的数据规划规模，通过对数据参数进行设定以处理不同数据规划规模的大小，适应度计算模块依据数据规划规模大小，在不同时间段动态提取数据参数的分布特征，随机生成特征各异的代表N个时间段的N维参数集T，去除参数集T内重复元素，将参数集内各参数按升序排序，得出NM类模式，将NM作为最优随机模拟迭代次数。
寻优模块通过适应算法求解数据规划目标函数E的最优解：
Figure 746186DEST_PATH_IMAGE034
；
其中，
Figure 671243DEST_PATH_IMAGE036
为迭代函数，对参数集T内的参数进行迭代，先生成一定量的随机解，例如A个，对A个随机解进行计算，选择其中一部分最优解作为新的解的集合，例如a个，a≤A,然后循环迭代，直至迭代次数r为NM或者直至没有最优解产生。
如图3所示，为制造环节间最优价值链构建方法流程图，具体包括：
在各个制造环节上设置数据采集点，根据对数据采集点采集数据类型的请求，对数据采集点的数据进行收集，汇总和分析；
计算各数据采集点关键因素的模糊权重，对于所述模糊权重低于阈值权重的数据采集点进行取消，保留所述模糊权重不小于阈值权重的数据采集点；
从被保留下来的数据采集点所处的制造环节上接收价值信息，监视制造环节间的价值链；
针对所述制造环节间的价值链的数据规划问题，进行随机模拟推理，通过寻优计算对数据规划目标函数的最优解进行求解；
根据所述数据规划目标函数的最优解触发制造环节控制，以便得到制造环节间的最优价值链。
在优选实施例中，所述通过寻优计算对数据规划目标函数的最优解进行求解，具体包括：
接收数据参数，确定所述制造环节间的价值链的数据规划规模，通过对数据参数进行设定以处理不同数据规划规模的大小；
依据数据规划规模大小，在不同时间段动态提取数据参数的分布特征，随机生成特征各异的代表N个时间段的N维参数集T，去除参数集T内重复元素性，将参数集内各参数按升序排序，得出NM类模式，将NM作为最优随机模拟迭代次数。
在优选实施例中，通过估计各个制造环节的价值产生能力，计算单个制造环节产生的价值在所有制造环节的总成本中的占比，以识别高价值制造环节和低价值制造环节。
在优选实施例中，为每一个制造环节设置占比阈值，将在每个制造环节中的价值在所有制造环节的总成本中的占比与所设置的占比阈值进行比较，以检测超过所设置的占比阈值的制造环节，并发送警报和报告，以中断或修改供给基础设施的服务。
在优选实施例中，跨多地区跟踪制造环节间的价值链，以获得整体的价值链空间视图。
在优选实施例中，获取各个制造环节的价值，当对制造环节进行改变和添加时，使得在管理各个制造环节过程中保持信息的同步，并将同步信息进行推送，从而启用对受管制造环节的监视。
本发明的制造环节间的构建最优价值链的模型优化方法，可以构建基于价值链大数据的制造环节故障预测预警模型和价值追溯模型。在供应、营销和服务各自的阶段中优化推广，以产品故障预测预警模型为例，可通过深度学习模型来深入分析历史故障样本中的故障特征、历史产品状态以及产品基本信息之间的关联关系，通过数据驱动挖掘产品故障背后的机理，并定量分析产品基本特征与故障之间的关联关系，构建基于半监督学习的预警模型。
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实施例所述的流程或功能。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，或者通过所述计算机可读存储介质进行传输。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含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(solid state disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于数据空间模型的制造环节间最优价值链构建方法，其特征在于：
在各个制造环节上设置数据采集点，对数据采集点的数据进行收集，汇总和分析；
计算各个数据采集点关键因素的模糊权重：对各个关键因素的重要程度进行q次评价，每次评价分别用最优评价指标、中等评价指标以及保守评价指标表示，则第m次模糊评价集
Figure DEST_PATH_IMAGE002
，其中
Figure DEST_PATH_IMAGE004
分别为第m次评价的最优评价指标、中等评价指标以及保守评价指标，1≤m≤q；
q次评价的权重集为E=(e1，e2，…，eq)，对q次评价进行集结，集结后得到模糊评价矩阵
Figure DEST_PATH_IMAGE006
为：
Figure DEST_PATH_IMAGE008
；其中，
Figure DEST_PATH_IMAGE010
分别为第1、2、q次模糊评价集；
则最优评价矩阵
Figure DEST_PATH_IMAGE012
、中等评价矩阵
Figure DEST_PATH_IMAGE014
以及保守评价矩阵
Figure DEST_PATH_IMAGE016
分别为：
Figure DEST_PATH_IMAGE018
；其中，
Figure DEST_PATH_IMAGE020
分别为第1、2、q次最优评价指标；
Figure DEST_PATH_IMAGE022
；其中，
Figure DEST_PATH_IMAGE024
分别为第1、2、q次中等评价指标；
Figure DEST_PATH_IMAGE026
；其中，
Figure DEST_PATH_IMAGE028
分别为第1、2、q次保守评价指标；
关键因素i的模糊评价指标di为：
Figure DEST_PATH_IMAGE030
；
若关键因素共有n个，则得到模糊评价指标集D：
D=(d1，…，di，…，dn)；
对模糊评价指标集D进行标准化处理，得到各个数据采集点关键因素的模糊权重集W：
W=(w1，…，wi，…，wn),
其中wi为关键因素i的模糊权重，
Figure DEST_PATH_IMAGE032
；
对于所述模糊权重低于阈值权重的数据采集点进行取消，保留所述模糊权重不小于阈值权重的数据采集点；
从被保留下来的数据采集点所处的制造环节上接收价值信息，监视制造环节间的价值链；
针对所述制造环节间的价值链的数据规划问题，进行随机模拟推理，通过寻优计算对数据规划目标函数的最优解进行求解，具体包括：接收数据参数，确定所述制造环节间的价值链的数据规划规模，通过对数据参数进行设定以处理不同数据规划规模的大小；依据数据规划规模大小，在不同时间段动态提取数据参数的分布特征，随机生成特征各异的代表N个时间段的N维参数集T，去除参数集T内重复元素，将参数集内各参数按升序排序，得出NM类模式，将NM作为最优随机模拟迭代次数；通过适应算法求解数据规划目标函数E的最优解：
Figure DEST_PATH_IMAGE034
；
其中，
Figure DEST_PATH_IMAGE036
为迭代函数，对参数集T内的参数进行迭代，先生成多个随机解，选择其中一部分最优解作为新的解的集合，然后循环迭代，直至迭代次数r为NM或者直至没有最优解产生；
根据所述数据规划目标函数的最优解触发制造环节控制，以便得到制造环节间的最优价值链。
2.根据权利要求1所述的制造环节间最优价值链构建方法，其特征在于，通过估计各个制造环节的价值产生能力，计算单个制造环节的价值在所有制造环节的总成本中的占比，以识别高价值制造环节和低价值制造环节。
3.根据权利要求2所述的制造环节间最优价值链构建方法，其特征在于，为每一个制造环节设置占比阈值，将每个制造环节的价值在所有制造环节的总成本中的占比与所设置的占比阈值进行比较，以检测超过所设置的占比阈值的制造环节，并发送警报和报告，以中断或修改供给基础设施的服务。
4.根据权利要求3所述的制造环节间最优价值链构建方法，其特征在于，跨多地区跟踪制造环节间的价值链，以获得整体的价值链空间视图。
5.根据权利要求1所述的制造环节间最优价值链构建方法，其特征在于，获取各个制造环节的价值，当对制造环节进行改变和添加时，使得在管理各个制造环节过程中保持信息的同步，并将同步信息进行推送，从而启用对受管制造环节的监视。
CN202210647495.1A 2022-06-09 2022-06-09 一种基于数据空间模型的制造环节间最优价值链构建方法 Active CN114757448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210647495.1A CN114757448B (zh) 2022-06-09 2022-06-09 一种基于数据空间模型的制造环节间最优价值链构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210647495.1A CN114757448B (zh) 2022-06-09 2022-06-09 一种基于数据空间模型的制造环节间最优价值链构建方法

Publications (2)

Publication Number Publication Date
CN114757448A true CN114757448A (zh) 2022-07-15
CN114757448B CN114757448B (zh) 2022-08-16

Family

ID=82336684

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210647495.1A Active CN114757448B (zh) 2022-06-09 2022-06-09 一种基于数据空间模型的制造环节间最优价值链构建方法

Country Status (1)

Country Link
CN (1) CN114757448B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117057631A (zh) * 2023-10-10 2023-11-14 江苏宏宝工具有限公司 工具钳的生产智能控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101369321A (zh) * 2008-09-28 2009-02-18 武汉理工大学 桥梁生命周期环境影响的模糊综合评价方法
CN102116841A (zh) * 2011-01-04 2011-07-06 复旦大学 基于模型量化的fpga互联结构评估方法
CN106101252A (zh) * 2016-07-01 2016-11-09 何钟柱 基于大数据和可信计算的信息安全风险防护系统
CN106127260A (zh) * 2016-07-04 2016-11-16 北京交通大学 一种新颖的多源数据模糊聚类算法
CN106557882A (zh) * 2016-11-29 2017-04-05 国网山东省电力公司电力科学研究院 基于多维度风险评价指标的电力用户筛选方法及系统
CN109147949A (zh) * 2018-08-16 2019-01-04 辽宁大学 一种基于分类回归树来用于检测教师亚健康状态的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101369321A (zh) * 2008-09-28 2009-02-18 武汉理工大学 桥梁生命周期环境影响的模糊综合评价方法
CN102116841A (zh) * 2011-01-04 2011-07-06 复旦大学 基于模型量化的fpga互联结构评估方法
CN106101252A (zh) * 2016-07-01 2016-11-09 何钟柱 基于大数据和可信计算的信息安全风险防护系统
CN106127260A (zh) * 2016-07-04 2016-11-16 北京交通大学 一种新颖的多源数据模糊聚类算法
CN106557882A (zh) * 2016-11-29 2017-04-05 国网山东省电力公司电力科学研究院 基于多维度风险评价指标的电力用户筛选方法及系统
CN109147949A (zh) * 2018-08-16 2019-01-04 辽宁大学 一种基于分类回归树来用于检测教师亚健康状态的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵世宜: "基于新型模型原理的产品数字化设计研究与应用", 《工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117057631A (zh) * 2023-10-10 2023-11-14 江苏宏宝工具有限公司 工具钳的生产智能控制方法及系统
CN117057631B (zh) * 2023-10-10 2024-01-16 江苏宏宝工具有限公司 工具钳的生产智能控制方法及系统

Also Published As

Publication number Publication date
CN114757448B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
US11196637B2 (en) Systems and methods for modeling and simulating an IoT system
US10896203B2 (en) Digital analytics system
KR101732319B1 (ko) 목표 지향적 빅데이터 비즈니스 분석 프레임워크
CN103336790A (zh) 基于Hadoop的邻域粗糙集快速属性约简方法
JP2017536604A (ja) ノンテクニカルロスを同定するための機械学習の利用
CN114640581B (zh) 一种基于数字孪生的算力网络处理方法及装置
CN103336791A (zh) 基于Hadoop的粗糙集快速属性约简方法
US11561950B2 (en) System and method for facilitating an objective-oriented data structure and an objective via the data structure
WO2023108967A1 (zh) 基于隐私保护计算和跨组织的联合信用评分方法及装置
CN114666224A (zh) 业务资源容量动态分配方法、装置、设备及存储介质
CN114757448B (zh) 一种基于数据空间模型的制造环节间最优价值链构建方法
CN113360353B (zh) 一种测试服务器和云平台
CN117172641A (zh) 基于区块链与数字孪生的生产物流管理平台及实现方法
Simon et al. IT landscape management using network analysis
CN116956994A (zh) 业务平台扩容预测方法及装置
CN115577646A (zh) 基于多源异构数据的数据建模方法、装置、设备和介质
Li Supply Chain Efficiency and Effectiveness Management Using Decision Support Systems
CN106651145A (zh) 备件管理系统及方法
Borissova et al. Selection of ERP via cost-benefit analysis under uncertainty conditions
US20230267007A1 (en) System and method to simulate demand and optimize control parameters for a technology platform
CN117151496B (zh) 一种企业架构对齐方法、装置、设备及存储介质
CN117151934B (zh) 一种配电网不停电作业项目多维聚类分析方法及装置
US11862972B2 (en) Collaborative service provisioning of distributed energy resources
CN117827462B (zh) 基于云计算的财务报告分析整合方法及系统
US20220066802A1 (en) System and method to simulate demand and optimize control parameters for a technology platform

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