近年來,云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能、移動互聯(lián)網(wǎng)等新一代信息技術發(fā)展迅速,并逐漸與制造技術實現(xiàn)深度融合,這使得制造業(yè)轉型升級迎來了重大機遇。推進信息化與工業(yè)化深度融合,進而實現(xiàn)制造過程智能化,已經(jīng)成為當今中國制造業(yè)的重要發(fā)展戰(zhàn)略。為此,我國出臺了“中國制造2025”制造業(yè)發(fā)展戰(zhàn)略�！霸拼笪镏且啤钡刃畔⒓夹g與制造技術的融合正逐步推動傳統(tǒng)制造執(zhí)行系統(tǒng)向云制造智能執(zhí)行系統(tǒng)進行轉化,但在這一過程中仍然存在一些問題和挑戰(zhàn)。因此,本文從以下三個方面對云制造智能執(zhí)行系統(tǒng)展開深入研究。首先,為了實現(xiàn)制造執(zhí)行系統(tǒng)的網(wǎng)絡化與服務化,本文提出了云制造環(huán)境下制造執(zhí)行系統(tǒng)云服務化方法。該方法通過微服務封裝規(guī)范和Spring Cloud技術架構對制造執(zhí)行系統(tǒng)中核心功能模塊實現(xiàn)云服務化,即注冊、發(fā)布、調用等一系列云服務化操作,以此來支持制造用戶通過服務組合的方式來滿足自身的需求。該方法提高了制造執(zhí)行系統(tǒng)功能模塊訪問效率和模塊間數(shù)據(jù)流轉效率。其次,為了保證制造企業(yè)生產(chǎn)加工產(chǎn)品的質量,本文提出了基于深度神經(jīng)網(wǎng)絡的產(chǎn)品質量異常預測方法。該方法提出離散型車間產(chǎn)品質量異常定義和產(chǎn)品質量異常評定標準,從人員、物料、設備、環(huán)... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

微服務體系架構

哈爾濱理工大學工學碩士學位論文-8-2.2基于微服務體系架構的制造執(zhí)行系統(tǒng)云服務化隨著人工智能、云計算等新興技術的快速發(fā)展并在其他領域的良好應用，云制造正在與制造業(yè)進行融合，云制造已經(jīng)成為當前新型的創(chuàng)新制造服務模式，對于制造加工領域相關資源的集聚整合具有跨時代的意義。云服務是基于知識的網(wǎng)絡化智能設計的新模式，融合現(xiàn)有的網(wǎng)絡化設計模式與云計算、物聯(lián)網(wǎng)等技術，將制造資源和制造能力虛擬化、服務化[30]。在云制造環(huán)境下，服務提供者將有關制造加工資源和能力通過云計算技術轉化為云服務，發(fā)布到云服務平臺上，其他加工企業(yè)可以進行按需調用。本文提出基于微服務體系架構的制造執(zhí)行系統(tǒng)云服務化，如圖2-2所示：圖2-2基于微服務體系架構的制造執(zhí)行系統(tǒng)云服務化Fig.2-2Cloudserviceofmanufacturingexecutionsystembasedonmicroservicearchitecture基于微服務體系架構的車間制造執(zhí)行系統(tǒng)云服務化分為6個業(yè)務服務(Businessservice)，每個業(yè)務服務下細分了若干基礎服務(Basicservices)，通過基礎服務服務組合的形式進行服務發(fā)布。

哈爾濱理工大學工學碩士學位論文-10-2.3基于微服務體系架構的制造執(zhí)行系統(tǒng)服務調用全流程基于微服務的制造執(zhí)行系統(tǒng)服務調用全流程分為：產(chǎn)品訂單準備流程，生產(chǎn)作業(yè)計劃調度流程，生產(chǎn)監(jiān)測與預測流程，訂單完成追蹤四個流程，如圖2-3所示：圖2-3制造執(zhí)行系統(tǒng)服務調用全流程Fig.2-3Manufacturingexecutionsysteminvokeserviceprocess1．產(chǎn)品訂單準備：企業(yè)接收到產(chǎn)品加工訂單后，依次調用訂單計劃管理服務下的訂單處理服務進行訂單有關需求制定，基于訂單的生產(chǎn)計劃制定服務確定訂單開始日期和結束日期等訂單相關信息進行加工準備。2．生產(chǎn)作業(yè)計劃調度：生產(chǎn)計劃制定后，管理人員依次調用作業(yè)調度服務下的計劃與調度算法資源的標準化接入服務進行服務注冊，基于語義的算法服務檢索與匹配服務根據(jù)訂單要求進行調度算法服務匹配，靜態(tài)/動態(tài)作業(yè)計劃調度服務生成調度排產(chǎn)示意圖，同時調用計劃與調度算法資源的運行與監(jiān)控服務進行算法資源的實時監(jiān)控，計劃和調度算法資源的優(yōu)化管理服務根據(jù)車間管理者實時要求對調度算法進行多指標優(yōu)化，基于評價指數(shù)的算法服務優(yōu)化選擇服務基于服務評價層級與選擇優(yōu)化算法進行比較。

【參考文獻】：
期刊論文
[1]云服務模式下設計方案的優(yōu)選決策方法[J]. 樊佳爽,余隋懷,初建杰,王卉,陳晨,寸文哲,陳甜,郭家言.  浙江大學學報(工學版). 2020(01)
[2]小規(guī)模知識庫指導下的細分領域實體關系發(fā)現(xiàn)研究[J]. 陳果,許天祥.  情報學報. 2019(11)
[3]基于本體的水稻育種方法應用知識庫構建[J]. 賴英旭,李亞娟,劉靜.  北京工業(yè)大學學報. 2019(12)
[4]面向工藝操作說明文本的命名實體深度學習識別方法[J]. 張娜娜,王裴巖,張桂平.  計算機應用與軟件. 2019(11)
[5]異質網(wǎng)絡中基于節(jié)點影響力的相似度度量方法[J]. 劉露,胡封曄,牛亮,彭濤.  電子學報. 2019(09)
[6]云制造環(huán)境下人力資源供給的評價與選擇[J]. 凌磊,陳友玲,張岳園,劉艦.  計算機集成制造系統(tǒng). 2019(08)
[7]集成LSTM的航天器遙測數(shù)據(jù)異常檢測方法[J]. 董靜怡,龐景月,彭宇,劉大同.  儀器儀表學報. 2019(07)
[8]基于深度神經(jīng)網(wǎng)絡的切削刀具剩余壽命預測[J]. 劉勝輝,張人敬,張淑麗,馬超,張宏國.  哈爾濱理工大學學報. 2019(03)
[9]分布式自主協(xié)同制造——一種智能車間運行新模式[J]. 莊存波,劉檢華,熊輝.  計算機集成制造系統(tǒng). 2019(08)
[10]基于機器學習的流程異常預測方法[J]. 魏懿,曹健.  計算機集成制造系統(tǒng). 2019(04)

碩士論文
[1]基于LSTM循環(huán)神經(jīng)網(wǎng)絡的BTA鉆頭磨損監(jiān)測技術研究[D]. 王毫.西安理工大學 2019
[2]基于深度學習的地下排水管道缺陷智能檢測技術研究[D]. 戶瑩.西安理工大學 2019
[3]基于LSTM的無人駕駛有軌電車安全評測方法研究[D]. 肖爽.西安理工大學 2019
[4]視頻偵查的知識圖譜構建研究[D]. 李超.中國人民公安大學 2019
[5]垂直知識圖譜可視化服務平臺的設計與實現(xiàn)[D]. 楊卓.北京郵電大學 2019
[6]基于機器學習的軌跡預測方法研究[D]. 蘇璐敏.北京郵電大學 2019
[7]基于知識圖譜的多媒體網(wǎng)絡輿情語義識別案例庫構建[D]. 肖維澤.吉林大學 2019
[8]面向汽車領域知識圖譜構建的研究與實現(xiàn)[D]. 周世奇.吉林大學 2019



本文編號：3539818