基于微服务的制造执行系统作业编排机制研究与应用

来源 :广东工业大学 | 被引量 : 0次 | 上传用户:finallove
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着“中国制造2025”、“制造强国战略”、“再工业化战略”等制造业相关政策的提出,信息化制造成为了各个制造企业关注的重点。各企业进行信息化建设与信息化管理的目的都是为实现低成本、高效率地完成制造生产任务,实现生产计划与制造作业执行之间的高度同步。现阶段,市面上大部分的制造执行系统可以实现制造企业的制造资源管理需求。但随着全球市场经济竞争的加剧,企业在制造管理的红利已经挖掘殆尽,定制化生产的时代到来,客户的定制化需求不断增多,迫使传统制造企业向生产性服务企业转型。在定制生产背景下,订单、资源和流程的不确定性使得制造作业执行过程受到各种动态因素的影响,最终导致生产计划与实际作业执行的不同步。然而现有的制造执行系统主要针对特定的生产场景,对制造业务模式的适应性较差,且系统业务耦合度较高难以实现灵活的资源配置和执行计划的动态重构。企业如果要为其执行单元动态优化资源配置和执行计划,则需花费大量资金投资和技术成本来重构软件,普通企业难以承受。本文针对上述制造企业面临的问题及现有解决方案的不足,提出一种基于微服务的制造执行系统作业编排机制。通过引入微服务技术、制造资源匹配机制和作业编排机制,实现制造执行系统的制造资源动态配置以及生产执行计划的动态调节,以提高制造执行系统的业务灵活性和健壮性。本文的主要研究内容如下:(1)通过对传统的制造执行系统进行文献研究,并结合本团队在制造执行系统实施的相关案例,最后得出各制造执行系统作业执行的主要区别在于对制造作业的动态处理机制。在此基础上对制造执行系统作业执行的特性进行了分析,针对制造生产过程动态多变的特点,本文引入制造资源匹配机制,通过使用本体匹配算法实现制造作业与制造资源的动态匹配方式,解决制造生产过程的动态多变性带来的影响。(2)对制造系统作业的规范操作方法进行了解释与构建,针对制造企业生产业务模式多样化的特点,提出了一种作业编排机制,该作业编排机制基于企业的制造工艺路线。通过使用作业编排模型实现制造加工路径的动态重构,从而适应不同制造企业的生产模式差异以及业务流程的变化。(3)针对现阶段制造执行系统业务耦合性较高,不利于制造执行系统的功能扩展和重构。本文将微服务架构引入到原型系统的开发工作中,实现了制造执行系统业务的解耦。最后,通过实例测试验证了本方案的可行性和实用性。
其他文献
移动机器人作为当前科技领域的集大成者,集成了电子信息、计算机科学等多个学科的高精尖技术,其软件系统由感知系统、决策与规划系统、控制系统等多个模块组成,关键技术的重点难点之一就是决策与规划。本文首先介绍了一种结合端到端路径规划技术的自主建图方法,并对其中采用的端到端路径规划算法进行了改进,最后通过仿真实验验证其可行性。针对项目要求的清洁机器人,本文提出一种基于回溯法的双向完全遍历路径规划方法,对工作
现有制造车间的大型设备复杂度高,越来越依赖监控系统对其进行实时性管理。而伴随着车间智能终端设备的迅速增加,目前依靠云计算的设备监控系统所需传输的数据量越来越大,车间需要紧急响应的告警信息容易出现延迟,导致设备不能正常运行,严重会造成设备停机等问题,进而影响车间生产线的生产效率。因此,加入边缘计算模型的云边协同数据处理方式逐渐得到重视。当前基于云计算的智能车间设备监控通常把监控数据全部传输到云端进行
超分辨技术是计算机视觉等领域的重要与热门研究方向,在医疗成像等众多领域有广泛的应用。基于深度学习的超分辨重建技术在近几年中发展迅速,神经网络模型对高分辨图像的重构性能越来越强,充分体现了使用深度学习解决超分辨任务的优势。但基于深度学习的超分辨重建技术在提升系统性能时很多是依靠堆叠大量神经网络和设计各种复杂的网络来实现的。同时训练后得到的部署模型存在推理时间长、参数量多等问题。这导致了设计的许多神经
深度预测和相机姿态估计一直以来是计算机视觉领域重要的研究方向之一,是指计算机通过二维图像估计出场景的深度信息和相机姿态信息,广泛应用于自动驾驶、服务型机器人和无人机等人工智能领域。传统基于几何的深度预测方法和相机姿态估计方法虽然在一定程度上能得到场景的深度信息和相机的姿态信息,但是存在计算过程复杂、场景适应性差等问题。目前,基于深度学习的深度预测和相机姿态估计方法一般以卷积神经网络和循环神经网络为
受脑科学、神经计算科学研究的启发,脉冲神经网络作为模仿生物大脑机理的计算模型,在仿生视觉、嗅觉、记忆等应用场景中暂露头角,并逐渐成为脑模型研究的主流。脑科学研究表明,生物大脑的神经元突触个数比其神经元数量大3-4个数量级,生物大脑每周期的生物实时处理时间大概为1-10 ms,大脑工作过程伴随着大量脉冲信号的传递。因此,脑模型的生物实时仿真可抽象为超大规模的图计算和海量微小脉冲包的通信问题,给传统冯
随着大数据时代的飞速发展,现实生活中的许多数据呈现出高数据量和高维度的特点。由于这些现实数据含有特定的物理意义,通常都具有非负性,被统称为非负张量数据。现实的非负张量数据经常呈现“高维,大规模和异构”等形态,其有价值的信息蕴含在复杂的潜在结构中,随着数据规模的不断增大,数据分析所需的存储和计算成本也相应增加。此外,流形学习技术指出,观测到的数据实际上是通过内在流形结构映射到高维空间的。但现有的经典
由于可以制成体积小、重量轻、能量密度大的可穿戴便携产品为数码设备、动力汽车等提供能量,锂离子成为了是当下应用最广泛的储能设备。电极材料是锂离子电池的重要组成部分,其容量也是决定电池性能的关键因素。为满足新能源汽车、航空航天及国防等高耗能场合对于动力电池的需求,研发高容量、环保且性价比高的负极材料显得尤为重要。锡基材料因为价格低廉、无毒且具有高理论比容量(Sn:994m Ah/g,SnO2:1494
在当今的大数据时代,个人隐私数据的丢失尤为严重,这给个人和社会产生了非常恶劣的影响。因此,研究在大数据环境下如何保护数据安全已经成为最重要的问题之一。只有处理好信息安全的瓶颈,信息技术才能讯速、广泛地发展。本文旨在研究如何快速将敏感数据从成千上万的数据中区分出来,并对敏感的私有数据进行加密以实现保护的目的。目前,对于大数据加密算法领域,普遍存在着较短的密钥长度、加密速度慢等缺点。本文在研究原有的数
在信息化时代,每个互联网用户都可以在网上发布内容。但是这导致各大应用程序上信息过载,人们难以在内容丰富的应用中很快找到自己感兴趣的内容,于是各大视频应用开始使用推荐系统。推荐系统能够主动推送用户可能会喜欢的内容,进而解决视频应用内信息过载,以及用户不知道自己想看什么的问题。推荐系统需要根据已有的用户数据进行推荐,但是一旦数据难以收集,就会出现数据稀疏的问题。传统的视频推荐算法在面对稀疏的数据时表现
商标作为知识产权中重要的一环,在社会经济发展中发挥着无可替代的作用。作为商品和厂家的重要标志,商标不仅象征着商品的质量,也代表了商家的名誉,因此受到越来越多的重视。与此同时,随着商标图像数量的爆炸性增长,如何有效且高效地对商标进行检索已然成为知识产权保护和应用领域的难题。现有的商标检索方法还存在数据标注成本高、有效特征提取难等问题,为了更好地学习商标特征信息,获得更好的检索结果,本文提出了一种基于