CN116993112A - 一种基于云制造模式的供应链协同和调度方法及系统 - Google Patents
一种基于云制造模式的供应链协同和调度方法及系统 Download PDFInfo
- Publication number
- CN116993112A CN116993112A CN202311061055.9A CN202311061055A CN116993112A CN 116993112 A CN116993112 A CN 116993112A CN 202311061055 A CN202311061055 A CN 202311061055A CN 116993112 A CN116993112 A CN 116993112A
- Authority
- CN
- China
- Prior art keywords
- manufacturing
- cloud
- task
- scheduling
- subtask
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 491
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004458 analytical method Methods 0.000 claims abstract description 102
- 230000008878 coupling Effects 0.000 claims abstract description 74
- 238000010168 coupling process Methods 0.000 claims abstract description 74
- 238000005859 coupling reaction Methods 0.000 claims abstract description 74
- 238000012795 verification Methods 0.000 claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims description 42
- 230000010354 integration Effects 0.000 claims description 14
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于云制造模式的供应链协同和调度方法及系统,涉及云制造管理领域,其中,所述方法包括:当目标权限验证结果为通过时,生成任务拆解指令,以任务拆解指令对目标云制造任务进行拆解,获得N个制造子任务;以子任务协同度分析结果对N个制造子任务进行耦合集成,生成云制造任务链,云制造任务链包括M个子任务节点,根据任务时限标识,以云制造任务调度通道分别对M个子任务节点进行任务调度,获得M个子任务调度结果;生成目标云制造调度报告,并将通过所述用户端将所述目标云制造调度报告发送至所述目标用户。解决了现有技术中云制造任务的制造商匹配适应度低,导致云制造任务的调度效果差的技术问题。
Description
技术领域
本发明涉及云制造管理领域,具体地,涉及一种基于云制造模式的供应链协同和调度方法及系统。
背景技术
随着云制造模式的广泛应用,云制造任务的数量越来越多,同时,云制造任务向着多样化的方向不断发展,这对云制造任务的协同和调度提出了新的挑战。现有技术中,存在云制造任务的制造商匹配适应度低,导致云制造任务的调度效果差的技术问题。
发明内容
本申请提供了一种基于云制造模式的供应链协同和调度方法及系统。解决了现有技术中云制造任务的制造商匹配适应度低,导致云制造任务的调度效果差的技术问题。达到了提高云制造任务的制造商匹配适应度,提高云制造任务的调度精准性,提升云制造任务的调度质量的技术效果。
鉴于上述问题,本申请提供了一种基于云制造模式的供应链协同和调度方法及系统。
第一方面,本申请提供了一种基于云制造模式的供应链协同和调度方法,其中,所述方法应用于一种基于云制造模式的供应链协同和调度系统,所述系统包括云制造协同调度平台,所述方法包括:以所述云制造协同调度平台的用户端接收目标用户的目标云制造任务,其中,所述目标云制造任务具有唯一对应的任务需求权限标识和任务时限标识;获得目标权限验证结果,其中,所述目标权限验证结果通过以所述任务需求权限标识对所述目标用户进行权限验证获得;当所述目标权限验证结果为通过时,生成任务拆解指令,以所述任务拆解指令对所述目标云制造任务进行拆解,获得N个制造子任务,且,N为大于1的正整数;对所述N个制造子任务进行协同度分析,获得子任务协同度分析结果,并以所述子任务协同度分析结果对所述N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点,且,1<M≤N;根据所述任务时限标识,以所述云制造协同调度平台内的云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个子任务调度结果;生成目标云制造调度报告,并将通过所述用户端将所述目标云制造调度报告发送至所述目标用户,其中,所述目标云制造调度报告通过对所述M个子任务调度结果进行加密获取,且,所述目标云制造调度报告具有对应的解密标识。
第二方面,本申请还提供了一种基于云制造模式的供应链协同和调度系统,其中,所述系统包括云制造协同调度平台,所述系统还包括:目标任务接收模块,所述目标任务接收模块用于以所述云制造协同调度平台的用户端接收目标用户的目标云制造任务,其中,所述目标云制造任务具有唯一对应的任务需求权限标识和任务时限标识;权限验证模块,所述权限验证模块用于获得目标权限验证结果,其中,所述目标权限验证结果通过以所述任务需求权限标识对所述目标用户进行权限验证获得;拆解模块,所述拆解模块用于当所述目标权限验证结果为通过时,生成任务拆解指令,以所述任务拆解指令对所述目标云制造任务进行拆解,获得N个制造子任务,且,N为大于1的正整数;任务耦合集成模块,所述任务耦合集成模块用于对所述N个制造子任务进行协同度分析,获得子任务协同度分析结果,并以所述子任务协同度分析结果对所述N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点,且,1<M≤N;任务调度模块,所述任务调度模块用于根据所述任务时限标识,以所述云制造协同调度平台内的云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个子任务调度结果;调度报告发送模块,所述调度报告发送模块用于生成目标云制造调度报告,并将通过所述用户端将所述目标云制造调度报告发送至所述目标用户,其中,所述目标云制造调度报告通过对所述M个子任务调度结果进行加密获取,且,所述目标云制造调度报告具有对应的解密标识。
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:
通过任务需求权限标识对目标用户进行权限验证,获得目标权限验证结果;当目标权限验证结果为通过时,生成任务拆解指令,以任务拆解指令对目标云制造任务进行拆解,获得N个制造子任务;通过对N个制造子任务进行协同度分析,获得子任务协同度分析结果,并根据子任务协同度分析结果对N个制造子任务进行耦合集成,生成云制造任务链;根据任务时限标识,以云制造任务调度通道分别对云制造任务链内的M个子任务节点进行任务调度,获得M个子任务调度结果;通过对M个子任务调度结果进行加密,生成目标云制造调度报告,并将通过用户端将目标云制造调度报告发送至目标用户。达到了提高云制造任务的制造商匹配适应度,提高云制造任务的调度精准性,提升云制造任务的调度质量的技术效果。
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
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1为本申请一种基于云制造模式的供应链协同和调度方法的流程示意图;
图2为本申请一种基于云制造模式的供应链协同和调度方法中生成云制造任务链的流程示意图;
图3为本申请一种基于云制造模式的供应链协同和调度系统的结构示意图。
具体实施方式
本申请通过提供一种基于云制造模式的供应链协同和调度方法及系统。解决了现有技术中云制造任务的制造商匹配适应度低,导致云制造任务的调度效果差的技术问题。达到了提高云制造任务的制造商匹配适应度,提高云制造任务的调度精准性,提升云制造任务的调度质量的技术效果。
实施例一
请参阅附图1,本申请提供一种基于云制造模式的供应链协同和调度方法,其中,所述方法应用于一种基于云制造模式的供应链协同和调度系统,所述系统包括云制造协同调度平台,所述方法具体包括如下步骤:
以所述云制造协同调度平台的用户端接收目标用户的目标云制造任务,其中,所述目标云制造任务具有唯一对应的任务需求权限标识和任务时限标识;
获得目标权限验证结果,其中,所述目标权限验证结果通过以所述任务需求权限标识对所述目标用户进行权限验证获得;
当所述目标权限验证结果为通过时,生成任务拆解指令,以所述任务拆解指令对所述目标云制造任务进行拆解,获得N个制造子任务,且,N为大于1的正整数;
本申请中的一种基于云制造模式的供应链协同和调度系统包括云制造协同调度平台。云制造协同调度平台包括用户端、云制造任务调度通道、云制造商终端。通过云制造协同调度平台的用户端接收目标用户发送的目标云制造任务。目标用户可以为使用所述一种基于云制造模式的供应链协同和调度系统进行智能化云制造任务调度的任意用户。例如,目标用户可以为具有产品制造需求的企业、个人等。目标云制造任务包括目标用户的产品制造需求,以及该产品制造需求想要达到的目标、效果、功能等。产品制造需求包括产品类型需求信息、产品数量需求信息、产品功能需求等。且,目标云制造任务具有唯一对应的任务需求权限标识和任务时限标识。任务需求权限标识包括目标云制造任务对应的用户需求权限信息。任务时限标识包括由目标用户预先设置确定的目标云制造任务对应的时间范围信息。
通过用户端对目标用户进行权限查询,获得目标权限信息。目标权限信息即为目标用户的权限信息。继而,将目标权限信息与任务需求权限标识进行比较,获得目标权限验证结果。目标权限验证结果包括通过/不通过。当目标权限信息大于/等于任务需求权限标识时,获得的目标权限验证结果为通过。否则,获得的目标权限验证结果为不通过。继而,当目标权限验证结果为通过时,所述一种基于云制造模式的供应链协同和调度系统自动生成任务拆解指令,并根据任务拆解指令对目标云制造任务进行分解,得到N个制造子任务。且,N为大于1的正整数。其中,任务拆解指令是用于表征目标权限验证结果为通过,可以对目标云制造任务进行分解的指令信息。
示例性地,在根据任务拆解指令对目标云制造任务进行分解时,一方面,可以按照生产流程对目标云制造任务进行分解,获得N个制造子任务。另一方面,也可以按照产品类型需求信息对目标云制造任务进行分解,获得N个制造子任务。此外,可以先按照产品类型需求信息、再按照生产流程对目标云制造任务进行分解,获得N个制造子任务。例如,在按照生产流程对目标云制造任务进行分解时,获得N个制造子任务包括目标云制造任务对应的产品设计任务、产品生产原材料采购任务、产品生产加工任务、产品运输任务等。
达到了通过任务拆解指令对目标云制造任务进行分解,确定N个制造子任务,从而提高云制造任务的调度精准性的技术效果。
其中,生成任务拆解指令,包括:
获得目标复杂度,其中,所述目标复杂度通过对所述目标云制造任务进行复杂度识别获取;
判断所述目标复杂度是否满足预设复杂度;
若所述目标复杂度满足所述预设复杂度,获得拆解精度解析指令;
以所述拆解精度解析指令激活拆解精度解析空间对所述目标复杂度进行任务拆解精度解析,生成目标拆解精度系数,并将所述目标拆解精度系数嵌入至所述任务拆解指令。
通过对目标云制造任务进行复杂度识别,获得目标复杂度,并对目标复杂度是否满足预设复杂度进行判断。如果目标复杂度满足预设复杂度,所述一种基于云制造模式的供应链协同和调度系统自动生成拆解精度解析指令。继而,根据拆解精度解析指令,激活拆解精度解析空间。将目标复杂度输入拆解精度解析空间,通过拆解精度解析空间对目标复杂度进行目标拆解精度系数的匹配,并将获得的目标拆解精度系数嵌入至任务拆解指令中,从而提高对目标云制造任务进行分解的精确度、可靠性。
其中,目标复杂度是用于表征目标云制造任务的复杂度程度的数据信息。目标云制造任务的产品类型需求信息越多、产品功能需求越多样化,对应的目标云制造任务的复杂度程度越高,该目标云制造任务对应的目标复杂度越大。预设复杂度包括由所述一种基于云制造模式的供应链协同和调度系统预先设置确定的复杂度范围信息。拆解精度解析指令是用于表征目标复杂度满足预设复杂度,需要激活拆解精度解析空间的指令信息。拆解精度解析空间包括多个历史目标复杂度,以及多个历史目标复杂度对应的多个历史目标拆解精度系数。拆解精度解析空间具有对输入的目标复杂度进行目标拆解精度系数匹配的功能。目标拆解精度系数是用于表征目标复杂度对应的目标云制造任务的分解精细化程度的数据信息。目标复杂度越高,对应的目标拆解精度系数越大,则,对该目标拆解精度系数的目标云制造任务的分解精细化程度越高,获得的制造子任务的数量越多,N值越高。
对所述N个制造子任务进行协同度分析,获得子任务协同度分析结果,并以所述子任务协同度分析结果对所述N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点,且,1<M≤N;
其中,对所述N个制造子任务进行协同度分析,获得子任务协同度分析结果,包括:
获得二元预设制造资源指标,其中,所述二元预设制造资源指标包括硬-制造资源和软-制造资源;
获得多个任务制造资源解析记录,其中,所述多个任务制造资源解析记录通过以所述N个制造子任务为检索约束,以所述二元预设制造资源指标为检索目标进行大数据匹配获取;
以所述多个任务制造资源解析记录,搭建任务资源解析树;
以所述任务资源解析树分别对所述N个制造子任务进行资源解析,确定N个子任务制造资源;
获取多个子任务资源耦合度,并将所述多个子任务资源耦合度添加至所述子任务协同度分析结果,其中,所述多个子任务资源耦合度通过对所述N个子任务制造资源中的任意两个子任务制造资源进行关联度分析获取。
硬-制造资源包括设备工具资源、计算资源、物料资源、仓储资源等。软-制造资源包括软件资源、知识资源、人力资源、信息资源、技术资源等。将硬-制造资源、软-制造资源设置为二元预设制造资源指标。继而,将N个制造子任务设置为检索约束,将二元预设制造资源指标设置为检索目标,按照检索约束、检索目标进行大数据采集,获得多个任务制造资源解析记录。其中,每个任务制造资源解析记录包括历史制造子任务,以及历史制造子任务对应的历史子任务制造资源。历史子任务制造资源包括历史制造子任务对应的历史设备工具资源信息、历史计算资源信息、历史物料资源信息、历史仓储资源信息等历史硬-制造资源信息,以及历史制造子任务对应的历史软件资源信息、历史知识资源信息、历史人力资源信息、历史信息资源信息、历史技术资源信息等历史软-制造资源信息。
根据多个任务制造资源解析记录,搭建任务资源解析树。任务资源解析树包括多个任务资源解析节点。每个任务资源解析节点包括任务索引子节点,以及任务索引子节点对应的资源解析子节点。任务索引子节点包括任意一个任务制造资源解析记录内的历史制造子任务。任务索引子节点包括任务索引子节点内的历史制造子任务对应的历史子任务制造资源。继而,分别将N个制造子任务输入任务资源解析树,由任务资源解析树分别对N个制造子任务进行子任务制造资源匹配,获得N个子任务制造资源。每个子任务制造资源包括每个制造子任务对应的硬-制造资源信息、软-制造资源信息。进一步,分别对N个子任务制造资源中的任意两个子任务制造资源进行关联度分析,获得多个子任务资源耦合度,并将多个子任务资源耦合度输出为子任务协同度分析结果。每个子任务资源耦合度是用于表征任意两个子任务制造资源的关联度的数据信息。任意两个子任务制造资源的相似性越高,则,这任意两个子任务制造资源的关联度越强,对应的子任务资源耦合度越高。
达到了通过任务资源解析树分别对N个制造子任务进行子任务制造资源匹配,获得全面的N个子任务制造资源,并对N个子任务制造资源中的任意两个子任务制造资源进行关联度分析,获得准确的子任务协同度分析结果,从而提高对N个制造子任务进行耦合集成的可靠度的技术效果。
如附图2所示,以所述子任务协同度分析结果对所述N个制造子任务进行耦合集成,生成云制造任务链,包括:
获得预设资源耦合度;
分别判断所述多个子任务资源耦合度是否满足所述预设资源耦合度,获得多个耦合度判断结果;
以所述多个耦合度判断结果对N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点。
分别判断多个子任务资源耦合度是否满足预设资源耦合度,获得多个耦合度判断结果,并根据多个耦合度判断结果对N个制造子任务进行耦合集成,得到云制造任务链,从而提高云制造任务的调度效率。其中,预设资源耦合度包括由所述一种基于云制造模式的供应链协同和调度系统预先设置确定的子任务资源耦合度范围信息。每个耦合度判断结果包括每个子任务资源耦合度满足/不满足预设资源耦合度。云制造任务链包括M个子任务节点。每个子任务节点包括集成制造子任务、节点制造资源标识。
示例性地,在根据多个耦合度判断结果对N个制造子任务进行耦合集成时,如果耦合度判断结果为子任务资源耦合度满足预设资源耦合度。则,将该子任务资源耦合度对应的任意两个子任务制造资源记为一个节点制造资源标识。将该子任务资源耦合度对应的任意两个子任务制造资源的两个制造子任务设置为一个集成制造子任务。由此,获得该耦合度判断结果对应的一个子任务节点。反之,如果耦合度判断结果为子任务资源耦合度不满足预设资源耦合度。则,将该子任务资源耦合度对应的任意两个子任务制造资源记为两个节点制造资源标识。将该子任务资源耦合度对应的任意两个子任务制造资源的两个制造子任务设置为两个集成制造子任务。由此,获得该耦合度判断结果对应的两个子任务节点。
根据所述任务时限标识,以所述云制造协同调度平台内的云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个子任务调度结果;
其中,根据所述任务时限标识,以所述云制造协同调度平台内的云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个子任务调度结果,包括:
所述云制造协同调度平台包括云制造商终端,所述云制造商终端包括Q个云制造商,且,Q为大于1的正整数;
所述云制造协同调度平台包括云制造商终端,所述云制造商终端包括Q个云制造商,且,Q为大于1的正整数;
云制造协同调度平台内的云制造商终端包括Q个云制造商,且,Q为大于1的正整数。每个云制造商包括使用所述一种基于云制造模式的供应链协同和调度系统进行智能化云制造任务接单的云制造任务接单用户。例如,Q个云制造商包括多个产品设计商、多个产品生产加工厂家、多个产品运输公司等。
以所述Q个云制造商,根据所述云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个初始子任务调度结果;
其中,以所述Q个云制造商,根据所述云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个初始子任务调度结果,包括:
遍历所述M个子任务节点,获取第一子任务节点,且,所述第一子任务节点具有第一节点制造资源标识;
分别将M个子任务节点内的每个子任务节点设置为第一子任务节点,且,第一子任务节点具有第一节点制造资源标识。第一节点制造资源标识包括第一子任务节点对应的节点制造资源标识。
基于所述第一子任务节点,根据所述云制造任务调度通道对所述Q个云制造商进行任务匹配度解析,获取Q个第一子任务云商匹配度;
其中,基于所述第一子任务节点,根据所述云制造任务调度通道对所述Q个云制造商进行任务匹配度解析,获取Q个第一子任务云商匹配度,包括:
以所述二元预设制造资源指标采集所述Q个云制造商的制造资源信息,获取Q个云商制造资源;
以所述云制造任务调度通道内的资源匹配度识别分支分别对所述第一节点制造资源标识和所述Q个云商制造资源进行匹配度解析,获取Q个云商资源匹配度;
确定Q个云商制造任务,其中,所述Q个云商制造任务通过以所述任务时限标识采集所述Q个云制造商的制造任务信息获得;
以所述云制造任务调度通道内的时间充裕度解析分支分别对所述Q个云商制造任务进行时间充裕度识别,生成Q个云商时间充裕度;
确定Q组云商制造评价记录,其中,所述Q组云商制造评价记录通过以第一预设历史时区采集所述Q个云制造商的制造评价信息获取;
以所述云制造任务调度通道内的云商制造信用评估分支分别对所述Q组云商制造评价记录进行信用评估,获得Q个云商信用度;
以预设权重约束算子遍历所述Q个云商资源匹配度、所述Q个云商时间充裕度和所述Q个云商信用度进行加权,获得所述Q个第一子任务云商匹配度。
云制造任务调度通道包括资源匹配度识别分支、时间充裕度解析分支、云商制造信用评估分支。
按照二元预设制造资源指标,分别对Q个云制造商进行制造资源信息采集,获取Q个云商制造资源,结合第一节点制造资源标识,获得Q组资源评价数据。每个云商制造资源包括每个云制造商对应的设备工具资源信息、计算资源信息、物料资源信息、仓储资源信息等硬-制造资源信息,以及软件资源信息、知识资源信息、人力资源信息、信息资源信息、技术资源信息等历史软-制造资源信息。每组资源评价数据包括第一节点制造资源标识,以及随机的一个云商制造资源。继而,分别将Q组资源评价数据输入资源匹配度识别分支,由资源匹配度识别分支分别对Q组资源评价数据内的第一节点制造资源标识、云商制造资源进行匹配度识别,获得Q个云商资源匹配度。每个云商资源匹配度是用于表征每组资源评价数据内的第一节点制造资源标识、云商制造资源之间的一致性的数据信息。第一节点制造资源标识、云商制造资源之间的一致性越高,对应的云商资源匹配度越高。
示例性地,在构建资源匹配度识别分支时,按照Q组资源评价数据进行历史数据查询,获得多个资源评价记录。每个资源评价记录包括一组历史资源评价数据,以及该组历史资源评价数据对应的历史云商资源匹配度。基于卷积神经网络,将多个资源评价记录进行不断的自我训练学习至收敛状态,即可获得资源匹配度识别分支。卷积神经网络是一类包含卷积计算,且具有深度结构的前馈神经网络。卷积神经网络具有表征学习能力,能够按其阶层结构对输入信息进行平移不变分类。资源匹配度识别分支包括输入层、隐含层、输出层。时间充裕度解析分支、云商制造信用评估分支与资源匹配度识别分支的构建方式相同,为了说明书的简洁,在此不再赘述。
进一步,按照任务时限标识,分别对Q个云制造商进行制造任务信息采集,获得Q个云商制造任务。将Q个云商制造任务输入时间充裕度解析分支,由时间充裕度解析分支分别对Q个云商制造任务进行时间充裕度识别,生成Q个云商时间充裕度。其中,每个云商制造任务包括任务时限标识内,每个云制造商已经接单的云制造任务。每个云商时间充裕度是用于表征任务时限标识内,每个云制造商的可接单时间充裕程度的数据信息。任务时限标识内,云制造商已经接单的云制造任务越多,云制造商已经接单的云制造任务的复杂程度越高,则,该云制造商的可接单时间充裕程度越低,对应的云商时间充裕度越小。
进一步,按照第一预设历史时区,分别采集Q个云制造商的制造评价信息,获得Q组云商制造评价记录。分别将Q组云商制造评价记录输入云商制造信用评估分支,由云商制造信用评估分支分别对Q组云商制造评价记录进行信用评估,获得Q个云商信用度。其中,第一预设历史时区包括由所述一种基于云制造模式的供应链协同和调度系统预先设置确定的历史时间范围信息。每组云商制造评价记录包括第一预设历史时区内,每个云制造商对应的多个用户评价记录数据。每个用户评价记录数据包括第一预设历史时区内,云制造商的已完成云制造任务对应的用户满意度、用户评价信息。云商信用度是用于表征云制造商的用户满意度的数据信息。云制造商的用户满意度越高,对应的云商信用度越大。
进一步,按照预设权重约束算子,分别对Q个云商资源匹配度、Q个云商时间充裕度和Q个云商信用度进行加权,获得Q个第一子任务云商匹配度。预设权重约束算子包括由所述一种基于云制造模式的供应链协同和调度系统预先设置确定的匹配度权重值、充裕度权重值和信用度权重值。示例性地,分别将Q个云商资源匹配度、Q个云商时间充裕度和Q个云商信用度输入云商匹配度解析公式,得到Q个第一子任务云商匹配度。云商匹配度解析公式为
F=α*X+β*Y+γ*Z;
其中,F为输出的第一子任务云商匹配度,X为输入的云商资源匹配度,Y为输入的云商时间充裕度,Z为输入的云商信用度,α、β、γ分别为预设权重约束算子内的匹配度权重值、充裕度权重值和信用度权重值。
获取第一初始子任务调度结果,并将所述第一初始子任务调度结果添加至所述M个初始子任务调度结果,其中,所述第一初始子任务调度结果通过以所述Q个第一子任务云商匹配度对所述Q个云制造商进行筛选获取。
生成预测任务达成时限,其中,所述预测任务达成时限通过以所述M个初始子任务调度结果进行制造时限预测获取;
判断所述预测任务达成时限是否满足所述任务时限标识;
若所述预测任务达成时限满足所述任务时限标识,以所述M个初始子任务调度结果生成所述M个子任务调度结果。
通过对Q个第一子任务云商匹配度进行最大值筛选,获得第一子任务最大云商匹配度。根据第一子任务最大云商匹配度对Q个云制造商进行匹配,得到第一子任务最优云商。继而,将第一子任务最优云商添加至第一初始子任务调度结果,并将第一初始子任务调度结果添加至M个初始子任务调度结果。其中,第一子任务最优云商包括Q个云制造商内,第一子任务最大云商匹配度对应的云制造商。第一初始子任务调度结果包括第一子任务节点,以及该第一子任务节点对应的第一子任务最优云商。M个初始子任务调度结果与第一初始子任务调度结果的获得方式相同,为了说明书的简洁,在此不再赘述。
进一步,通过对M个初始子任务调度结果进行制造时限预测,获得预测任务达成时限,并判断预测任务达成时限是否满足任务时限标识。如果预测任务达成时限满足任务时限标识,将M个初始子任务调度结果输出为M个子任务调度结果。如果预测任务达成时限不满足任务时限标识,则,需要对M个初始子任务调度结果进行调整,直至获得M个子任务调度结果。其中,预测任务达成时限包括按照M个初始子任务调度结果进行目标云制造任务的处理,完成目标云制造任务所需要的时间,以及完成目标云制造任务的预测时间点。达到了通过云制造任务调度通道分别对M个子任务节点进行任务调度,提高云制造任务的制造商匹配适应度,提高云制造任务的调度精准性的技术效果。
生成目标云制造调度报告,并将通过所述用户端将所述目标云制造调度报告发送至所述目标用户,其中,所述目标云制造调度报告通过对所述M个子任务调度结果进行加密获取,且,所述目标云制造调度报告具有对应的解密标识。
为了防止数据传输时,M个子任务调度结果被窃取、篡改、泄露,本申请采用现有技术中的数据加密算法对M个子任务调度结果进行加密,获得目标云制造调度报告,并将通过用户端将目标云制造调度报告发送至目标用户,从而提高云制造任务调度的保密性、安全性。其中,数据加密算法可以为对称加密算法、非对称加密算法。目标云制造调度报告包括加密之后的M个子任务调度结果。且,目标云制造调度报告具有对应的解密标识。解密标识包括加密之后的M个子任务调度结果对应的解密信息。解密信息可以为加密之后的M个子任务调度结果对应的数据加密算法、密钥。
综上所述,本申请所提供的一种基于云制造模式的供应链协同和调度方法具有如下技术效果:
1.通过任务需求权限标识对目标用户进行权限验证,获得目标权限验证结果;当目标权限验证结果为通过时,生成任务拆解指令,以任务拆解指令对目标云制造任务进行拆解,获得N个制造子任务;通过对N个制造子任务进行协同度分析,获得子任务协同度分析结果,并根据子任务协同度分析结果对N个制造子任务进行耦合集成,生成云制造任务链;根据任务时限标识,以云制造任务调度通道分别对云制造任务链内的M个子任务节点进行任务调度,获得M个子任务调度结果;通过对M个子任务调度结果进行加密,生成目标云制造调度报告,并将通过用户端将目标云制造调度报告发送至目标用户。达到了提高云制造任务的制造商匹配适应度,提高云制造任务的调度精准性,提升云制造任务的调度质量的技术效果。
2.通过任务资源解析树分别对N个制造子任务进行子任务制造资源匹配,获得全面的N个子任务制造资源,并对N个子任务制造资源中的任意两个子任务制造资源进行关联度分析,获得准确的子任务协同度分析结果,从而提高对N个制造子任务进行耦合集成的可靠度。
实施例二
基于与前述实施例中一种基于云制造模式的供应链协同和调度方法,同样发明构思,本发明还提供了一种基于云制造模式的供应链协同和调度系统,所述系统包括云制造协同调度平台,请参阅附图3,所述系统还包括:
目标任务接收模块,所述目标任务接收模块用于以所述云制造协同调度平台的用户端接收目标用户的目标云制造任务,其中,所述目标云制造任务具有唯一对应的任务需求权限标识和任务时限标识;
权限验证模块,所述权限验证模块用于获得目标权限验证结果,其中,所述目标权限验证结果通过以所述任务需求权限标识对所述目标用户进行权限验证获得;
拆解模块,所述拆解模块用于当所述目标权限验证结果为通过时,生成任务拆解指令,以所述任务拆解指令对所述目标云制造任务进行拆解,获得N个制造子任务,且,N为大于1的正整数;
任务耦合集成模块,所述任务耦合集成模块用于对所述N个制造子任务进行协同度分析,获得子任务协同度分析结果,并以所述子任务协同度分析结果对所述N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点,且,1<M≤N;
任务调度模块,所述任务调度模块用于根据所述任务时限标识,以所述云制造协同调度平台内的云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个子任务调度结果;
调度报告发送模块,所述调度报告发送模块用于生成目标云制造调度报告,并将通过所述用户端将所述目标云制造调度报告发送至所述目标用户,其中,所述目标云制造调度报告通过对所述M个子任务调度结果进行加密获取,且,所述目标云制造调度报告具有对应的解密标识。
进一步的,所述系统还包括:
复杂度识别模块,所述复杂度识别模块用于获得目标复杂度,其中,所述目标复杂度通过对所述目标云制造任务进行复杂度识别获取;
复杂度判断模块,所述复杂度判断模块用于判断所述目标复杂度是否满足预设复杂度;
拆解精度解析指令获得模块,所述拆解精度解析指令获得模块用于若所述目标复杂度满足所述预设复杂度,获得拆解精度解析指令;
任务拆解精度解析模块,所述任务拆解精度解析模块用于以所述拆解精度解析指令激活拆解精度解析空间对所述目标复杂度进行任务拆解精度解析,生成目标拆解精度系数,并将所述目标拆解精度系数嵌入至所述任务拆解指令。
进一步的,所述系统还包括:
二元指标获得模块,所述二元指标获得模块用于获得二元预设制造资源指标,其中,所述二元预设制造资源指标包括硬-制造资源和软-制造资源;
资源解析记录获得模块,所述资源解析记录获得模块用于获得多个任务制造资源解析记录,其中,所述多个任务制造资源解析记录通过以所述N个制造子任务为检索约束,以所述二元预设制造资源指标为检索目标进行大数据匹配获取;
解析树搭建模块,所述解析树搭建模块用于以所述多个任务制造资源解析记录,搭建任务资源解析树;
第一执行模块,所述第一执行模块用于以所述任务资源解析树分别对所述N个制造子任务进行资源解析,确定N个子任务制造资源;
第二执行模块,所述第二执行模块用于获取多个子任务资源耦合度,并将所述多个子任务资源耦合度添加至所述子任务协同度分析结果,其中,所述多个子任务资源耦合度通过对所述N个子任务制造资源中的任意两个子任务制造资源进行关联度分析获取。
进一步的,所述系统还包括:
预设资源耦合度获得模块,所述预设资源耦合度获得模块用于获得预设资源耦合度;
耦合度判断模块,所述耦合度判断模块用于分别判断所述多个子任务资源耦合度是否满足所述预设资源耦合度,获得多个耦合度判断结果;
第三执行模块,所述第三执行模块用于以所述多个耦合度判断结果对N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点。
进一步的,所述系统还包括:
平台组成模块,所述平台组成模块用于所述云制造协同调度平台包括云制造商终端,所述云制造商终端包括Q个云制造商,且,Q为大于1的正整数;
第四执行模块,所述第四执行模块用于以所述Q个云制造商,根据所述云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个初始子任务调度结果;
制造时限预测模块,所述制造时限预测模块用于生成预测任务达成时限,其中,所述预测任务达成时限通过以所述M个初始子任务调度结果进行制造时限预测获取;
时限判断模块,所述时限判断模块用于判断所述预测任务达成时限是否满足所述任务时限标识;
第五执行模块,所述第五执行模块用于若所述预测任务达成时限满足所述任务时限标识,以所述M个初始子任务调度结果生成所述M个子任务调度结果。
进一步的,所述系统还包括:
第一子任务节点获取模块,所述第一子任务节点获取模块用于遍历所述M个子任务节点,获取第一子任务节点,且,所述第一子任务节点具有第一节点制造资源标识;
任务匹配度解析模块,所述任务匹配度解析模块用于基于所述第一子任务节点,根据所述云制造任务调度通道对所述Q个云制造商进行任务匹配度解析,获取Q个第一子任务云商匹配度;
第六执行模块,所述第六执行模块用于获取第一初始子任务调度结果,并将所述第一初始子任务调度结果添加至所述M个初始子任务调度结果,其中,所述第一初始子任务调度结果通过以所述Q个第一子任务云商匹配度对所述Q个云制造商进行筛选获取。
进一步的,所述系统还包括:
云商制造资源获取模块,所述云商制造资源获取模块用于以所述二元预设制造资源指标采集所述Q个云制造商的制造资源信息,获取Q个云商制造资源;
云商资源匹配度获取模块,所述云商资源匹配度获取模块用于以所述云制造任务调度通道内的资源匹配度识别分支分别对所述第一节点制造资源标识和所述Q个云商制造资源进行匹配度解析,获取Q个云商资源匹配度;
云商制造任务确定模块,所述云商制造任务确定模块用于确定Q个云商制造任务,其中,所述Q个云商制造任务通过以所述任务时限标识采集所述Q个云制造商的制造任务信息获得;
时间充裕度识别模块,所述时间充裕度识别模块用于以所述云制造任务调度通道内的时间充裕度解析分支分别对所述Q个云商制造任务进行时间充裕度识别,生成Q个云商时间充裕度;
制造评价信息采集模块,所述制造评价信息采集模块用于确定Q组云商制造评价记录,其中,所述Q组云商制造评价记录通过以第一预设历史时区采集所述Q个云制造商的制造评价信息获取;
云商信用度获得模块,所述云商信用度获得模块用于以所述云制造任务调度通道内的云商制造信用评估分支分别对所述Q组云商制造评价记录进行信用评估,获得Q个云商信用度;
算子加权模块,所述算子加权模块用于以预设权重约束算子遍历所述Q个云商资源匹配度、所述Q个云商时间充裕度和所述Q个云商信用度进行加权,获得所述Q个第一子任务云商匹配度。
本发明实施例所提供的一种基于云制造模式的供应链协同和调度系统可执行本发明任意实施例所提供的一种基于云制造模式的供应链协同和调度方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本申请提供了一种基于云制造模式的供应链协同和调度方法,其中,所述方法应用于一种基于云制造模式的供应链协同和调度系统,所述方法包括:通过任务需求权限标识对目标用户进行权限验证,获得目标权限验证结果;当目标权限验证结果为通过时,生成任务拆解指令,以任务拆解指令对目标云制造任务进行拆解,获得N个制造子任务;通过对N个制造子任务进行协同度分析,获得子任务协同度分析结果,并根据子任务协同度分析结果对N个制造子任务进行耦合集成,生成云制造任务链;根据任务时限标识,以云制造任务调度通道分别对云制造任务链内的M个子任务节点进行任务调度,获得M个子任务调度结果;通过对M个子任务调度结果进行加密,生成目标云制造调度报告,并将通过用户端将目标云制造调度报告发送至目标用户。解决了现有技术中云制造任务的制造商匹配适应度低,导致云制造任务的调度效果差的技术问题。达到了提高云制造任务的制造商匹配适应度,提高云制造任务的调度精准性,提升云制造任务的调度质量的技术效果。
虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种基于云制造模式的供应链协同和调度方法,其特征在于,所述方法应用于一种基于云制造模式的供应链协同和调度系统,所述系统包括云制造协同调度平台,所述方法包括:
以所述云制造协同调度平台的用户端接收目标用户的目标云制造任务,其中,所述目标云制造任务具有唯一对应的任务需求权限标识和任务时限标识;
获得目标权限验证结果,其中,所述目标权限验证结果通过以所述任务需求权限标识对所述目标用户进行权限验证获得;
当所述目标权限验证结果为通过时,生成任务拆解指令,以所述任务拆解指令对所述目标云制造任务进行拆解,获得N个制造子任务,且,N为大于1的正整数;
对所述N个制造子任务进行协同度分析,获得子任务协同度分析结果,并以所述子任务协同度分析结果对所述N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点,且,1<M≤N;
根据所述任务时限标识,以所述云制造协同调度平台内的云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个子任务调度结果;
生成目标云制造调度报告,并将通过所述用户端将所述目标云制造调度报告发送至所述目标用户,其中,所述目标云制造调度报告通过对所述M个子任务调度结果进行加密获取,且,所述目标云制造调度报告具有对应的解密标识。
2.如权利要求1所述的方法,其特征在于,生成任务拆解指令,包括:
获得目标复杂度,其中,所述目标复杂度通过对所述目标云制造任务进行复杂度识别获取;
判断所述目标复杂度是否满足预设复杂度;
若所述目标复杂度满足所述预设复杂度,获得拆解精度解析指令;
以所述拆解精度解析指令激活拆解精度解析空间对所述目标复杂度进行任务拆解精度解析,生成目标拆解精度系数,并将所述目标拆解精度系数嵌入至所述任务拆解指令。
3.如权利要求1所述的方法,其特征在于,对所述N个制造子任务进行协同度分析,获得子任务协同度分析结果,包括:
获得二元预设制造资源指标,其中,所述二元预设制造资源指标包括硬-制造资源和软-制造资源;
获得多个任务制造资源解析记录,其中,所述多个任务制造资源解析记录通过以所述N个制造子任务为检索约束,以所述二元预设制造资源指标为检索目标进行大数据匹配获取;
以所述多个任务制造资源解析记录,搭建任务资源解析树;
以所述任务资源解析树分别对所述N个制造子任务进行资源解析,确定N个子任务制造资源;
获取多个子任务资源耦合度,并将所述多个子任务资源耦合度添加至所述子任务协同度分析结果,其中,所述多个子任务资源耦合度通过对所述N个子任务制造资源中的任意两个子任务制造资源进行关联度分析获取。
4.如权利要求3所述的方法,其特征在于,以所述子任务协同度分析结果对所述N个制造子任务进行耦合集成,生成云制造任务链,包括:
获得预设资源耦合度;
分别判断所述多个子任务资源耦合度是否满足所述预设资源耦合度,获得多个耦合度判断结果;
以所述多个耦合度判断结果对N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点。
5.如权利要求4所述的方法,其特征在于,根据所述任务时限标识,以所述云制造协同调度平台内的云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个子任务调度结果,包括:
所述云制造协同调度平台包括云制造商终端,所述云制造商终端包括Q个云制造商,且,Q为大于1的正整数;
以所述Q个云制造商,根据所述云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个初始子任务调度结果;
生成预测任务达成时限,其中,所述预测任务达成时限通过以所述M个初始子任务调度结果进行制造时限预测获取;
判断所述预测任务达成时限是否满足所述任务时限标识;
若所述预测任务达成时限满足所述任务时限标识,以所述M个初始子任务调度结果生成所述M个子任务调度结果。
6.如权利要求5所述的方法,其特征在于,以所述Q个云制造商,根据所述云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个初始子任务调度结果,包括:
遍历所述M个子任务节点,获取第一子任务节点,且,所述第一子任务节点具有第一节点制造资源标识;
基于所述第一子任务节点,根据所述云制造任务调度通道对所述Q个云制造商进行任务匹配度解析,获取Q个第一子任务云商匹配度;
获取第一初始子任务调度结果,并将所述第一初始子任务调度结果添加至所述M个初始子任务调度结果,其中,所述第一初始子任务调度结果通过以所述Q个第一子任务云商匹配度对所述Q个云制造商进行筛选获取。
7.如权利要求6所述的方法,其特征在于,基于所述第一子任务节点,根据所述云制造任务调度通道对所述Q个云制造商进行任务匹配度解析,获取Q个第一子任务云商匹配度,包括:
以所述二元预设制造资源指标采集所述Q个云制造商的制造资源信息,获取Q个云商制造资源;
以所述云制造任务调度通道内的资源匹配度识别分支分别对所述第一节点制造资源标识和所述Q个云商制造资源进行匹配度解析,获取Q个云商资源匹配度;
确定Q个云商制造任务,其中,所述Q个云商制造任务通过以所述任务时限标识采集所述Q个云制造商的制造任务信息获得;
以所述云制造任务调度通道内的时间充裕度解析分支分别对所述Q个云商制造任务进行时间充裕度识别,生成Q个云商时间充裕度;
确定Q组云商制造评价记录,其中,所述Q组云商制造评价记录通过以第一预设历史时区采集所述Q个云制造商的制造评价信息获取;
以所述云制造任务调度通道内的云商制造信用评估分支分别对所述Q组云商制造评价记录进行信用评估,获得Q个云商信用度;
以预设权重约束算子遍历所述Q个云商资源匹配度、所述Q个云商时间充裕度和所述Q个云商信用度进行加权,获得所述Q个第一子任务云商匹配度。
8.一种基于云制造模式的供应链协同和调度系统,其特征在于,所述系统用于执行权利要求1至7中任一项所述的方法,所述系统包括云制造协同调度平台,所述系统还包括:
目标任务接收模块,所述目标任务接收模块用于以所述云制造协同调度平台的用户端接收目标用户的目标云制造任务,其中,所述目标云制造任务具有唯一对应的任务需求权限标识和任务时限标识;
权限验证模块,所述权限验证模块用于获得目标权限验证结果,其中,所述目标权限验证结果通过以所述任务需求权限标识对所述目标用户进行权限验证获得;
拆解模块,所述拆解模块用于当所述目标权限验证结果为通过时,生成任务拆解指令,以所述任务拆解指令对所述目标云制造任务进行拆解,获得N个制造子任务,且,N为大于1的正整数;
任务耦合集成模块,所述任务耦合集成模块用于对所述N个制造子任务进行协同度分析,获得子任务协同度分析结果,并以所述子任务协同度分析结果对所述N个制造子任务进行耦合集成,生成云制造任务链,其中,所述云制造任务链包括M个子任务节点,且,1<M≤N;
任务调度模块,所述任务调度模块用于根据所述任务时限标识,以所述云制造协同调度平台内的云制造任务调度通道分别对所述M个子任务节点进行任务调度,获得M个子任务调度结果;
调度报告发送模块,所述调度报告发送模块用于生成目标云制造调度报告,并将通过所述用户端将所述目标云制造调度报告发送至所述目标用户,其中,所述目标云制造调度报告通过对所述M个子任务调度结果进行加密获取,且,所述目标云制造调度报告具有对应的解密标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061055.9A CN116993112A (zh) | 2023-08-22 | 2023-08-22 | 一种基于云制造模式的供应链协同和调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061055.9A CN116993112A (zh) | 2023-08-22 | 2023-08-22 | 一种基于云制造模式的供应链协同和调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116993112A true CN116993112A (zh) | 2023-11-03 |
Family
ID=88532006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311061055.9A Pending CN116993112A (zh) | 2023-08-22 | 2023-08-22 | 一种基于云制造模式的供应链协同和调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993112A (zh) |
-
2023
- 2023-08-22 CN CN202311061055.9A patent/CN116993112A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ruzafa-Alcázar et al. | Intrusion detection based on privacy-preserving federated learning for the industrial IoT | |
CN111176990B (zh) | 基于数据决策的测试数据生成方法、装置、计算机设备 | |
CN113723623B (zh) | 联邦学习审计装置、系统及方法 | |
CN107886009B (zh) | 防隐私泄露的大数据生成方法和系统 | |
CN106873957A (zh) | 一种业务流程的处理方法和设备 | |
Gupta et al. | An artificial intelligence based approach for managing risk of IT systems in adopting cloud | |
CN116895375B (zh) | 一种基于数据共享的医疗器械管理追溯方法及系统 | |
Tang et al. | Secure and trusted collaborative learning based on blockchain for artificial intelligence of things | |
CN112039730A (zh) | 一种加密算法的性能评估方法及存储介质 | |
Mauri et al. | Stride-ai: An approach to identifying vulnerabilities of machine learning assets | |
Kaur et al. | A neutrosophic AHP-based computational technique for security management in a fog computing network | |
Washizaki | Security patterns: Research direction, metamodel, application and verification | |
Pandey et al. | Fuzzy logic based cloud service trustworthiness model | |
CN112541640A (zh) | 资源的权限管理方法、装置、电子设备及计算机存储介质 | |
CN112529543A (zh) | 工作流互斥关系的校验方法、装置、设备及存储介质 | |
CN117171711A (zh) | 一种基于云平台的企业内外部数据融合共享方法及系统 | |
Hashemi et al. | Multi-objective Optimization for Computer Security and Privacy. | |
CN116993112A (zh) | 一种基于云制造模式的供应链协同和调度方法及系统 | |
CN113010909A (zh) | 一种科学数据共享平台数据安全分级方法和装置 | |
Wang | Integrity verification of cloud-hosted data analytics computations | |
Omotunde et al. | A hybrid threat model for software security requirement specification | |
CN114021664A (zh) | 一种基于区块链的意图识别方法、装置及电子设备 | |
Tamtama et al. | Increasing Accuracy of The Random Forest Algorithm Using PCA and Resampling Techniques with Data Augmentation for Fraud Detection of Credit Card Transaction | |
e Silva et al. | Authentication and the Internet of Things | |
Razaque et al. | Fuzzy-gra trust model for cloud risk 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 |