文摘

数字双晶的概念已成为一个热点话题近年来在制造业。新兴数字双技术是智能技术,充分利用multimodels,大数据,和跨学科知识,它提供了一些新方法领域的智能制造业。作业车间调度问题已经离散制造业的一个重要研究领域。采用数字双技术解决作业车间调度问题,提供车间的智能发展的可能性。基于数字双技术并结合生产线调度的实际问题,我们提出一种新的智能调度平台上面解决车间调度问题。与此同时,基于多源动态干扰的预测和诊断在车间生产过程通过大数据分析技术,制定相应的干预策略是提前调度云平台。智能调度的模型仿真实验云平台,和一些企业在智能制造车间为例来验证调度云平台的优越性。最后,我们展望未来研究方向基于数字的双胞胎的智能制造技术。

1。介绍

制造企业之间的竞争越来越激烈,制造企业越来越多的关注提高他们的竞争力通过一个有效的车间生产调度系统。虽然取得了很多理论成果研究的经典作业车间调度问题,建立了模型的实际生产情况,所以很难指导生产实践。近年来,研究实时调度问题的工作商店已经成为一个热点领域的制造系统的研究。数字双晶被认为是一个有效的解决方案(1]。数字双是一个过程的实现虚拟空间和物理空间的产品生命周期相互促进。数字双可以直接比较大数据分析的理论价值与实际价值的产品生命周期的活动。因此,迭代优化整个产品生命周期的各种活动。在数字的双胞胎的虚拟空间,可以模拟各种活动在整个产品生命周期,监控,优化和验证。车间调度云平台基于数字双技术有效地实现了无缝协调整个产品生命周期,成为连接物理世界和网络世界的一座桥梁,为生产企业提供了一个新方法实现智能生产和细化管理,并可以有效地避免信息孤岛和数据复制(2]。数字化的整个制造工厂是有可能的,因为网络的物理过程密切相关的过程。在产品的设计模型中,如果设计方案不能通过模拟试验,设计方案必须重新设计。当一个产品是重新设计,大数据是用来发现问题和设计改进。所需的工具和算法被用作在产品设计服务。在制造阶段,可用的资源迅速在制造资源的供需匹配和调度服务3基于超网络。在此基础上,分析所需的所有资源整合和规划通过大数据分析。生产计划是模拟、评价和改进。在得到最好的生产计划,是交付给现实世界的实际生产。同时,从物理世界收集实时数据,虚拟模型建立,生产过程进行监视,并计划进行了比较。如果有差异,大数据分析被用来找出原因并制定解决方案,如调整设备或改进计划。在迭代的交互中,生产可以完全实现根据最优方案。此外,一旦设计变更,生产过程可以很容易地更新,包括更新材料列表、流程和分配新的资源。因此,集成数字双晶、大数据和服务可以优化生产计划,实时调整制造过程(4]。在日常操作和维护、维修和操作(MRO)的产品,实体产品的虚拟模型与实际状态的同步是通过传感器。我们掌握产品的运行状态和运行状态的实时每个组件。除了传感器数据,数字双集历史数据(例如,维护记录和能源消费记录)。通过大数据分析上述数据,产品数字双可以不断预测健康状态,剩余的生活,和产品的失效概率。

的帮助下大数据分析,产品数字双胞胎还可以揭示出未知的问题通过比较实际产品的反应和预测特定场景的反应。一旦发现隐患或失败;维护程序是在虚拟世界中模拟和优化的实际维护。同样,资源与能力、工具和算法所需的日常运作和MRO阶段作为服务(5]。大数据分析负责智能制造所需的所有数据,分析和数字双胞胎弥补缺乏大数据同步模拟和可视化物理过程的能力。因此,集成数字双晶、大数据和服务智能制造具有重要意义。

剩下的纸是组织如下。数字双技术的演化过程和应用场景介绍部分2,紧随其后的是数字双晶的融合技术和车间调度问题提出部分3。智能调度平台的框架模型在智能制造车间根据数字说明了孪生和案例研究提出了部分4。然后,相关的前景提出了内容5,也总结了纸。

2。文献综述

2.1。数字双CPS的技术概念和应用

数字双的概念第一次被提出在产品生命周期管理(PLM)课程由美国学者教授格里夫斯在2003年,和数字的双胞胎被定义为一组虚拟模型的组合,可以描述潜在或实际物理生产产品完全从微观到宏观的。它已经包括数字双晶的所有元素:真正的空间,虚拟空间和信息真实空间和虚拟空间数据流之间的相互作用(6]。这一概念也在不断改进和发展的过程中,已广泛应用于工业领域,并验证其实质性的潜力(7]。数字孪生是智能技术,它使用了数字虚拟模型来反映物理模型工作行为在现实环境和新功能的物理模型的数据交互,信息融合,和迭代优化,等等。

术语“智能制造”和“4.0”交替使用学术文献和实际工业生产和现在几乎是同义词。它的主要目标是利用最新的信息和通信技术的进步实现自治、自优化和自诊断功能,缓解问题复杂的生产场景。数字双胞胎通常用于网络物理系统的背景下,以反映他们的真实的生活通过最好的物理模型和传感器数据对象。结果,数字双可以模拟现实世界在网络世界中,否则将需要大量的资源和时间。图1展示了我们提出的数字双Cyber-Physical系统架构(CPS)。4.0 CPS是设定一个机制,智能制造和工业设计原则。它是由五个主要部分:(1)工厂:物理车间必须连接到互联网相关的数据收集。设备信息、物流信息、仓库信息可以传播给双胞胎车间生产过程。系统需要与车间实时数据交互和反馈到云上。(2)数字双技术及其运行环境:使用数字双晶技术,可以预测维护的最佳时间点通过连续收集和操作数据的智能分析。(3)工厂接口提取传感器/致动器的数据物理空间:网络空间在生产环境中,进行流程建模和仿真的工作流和每个生产单元的效率。(4)应用程序接口,它提供了应用程序编程接口(API)的应用程序希望利用数字双技术。(5)应用程序本身:指挥和协调枢纽中心,协调资源分配,预防性维护管理的设备,机器学习,自行驱动的仿真、过程计划和调度,模型建立和及时反馈,生产、加工过程控制。

2.2。数字双的特色应用场景

2.2.1。数字双应用于数字产品开发

大部分的产品研发成本锁定在概念设计阶段,和早期的快速迭代借助数字双变得非常关键。它可以帮助用户以更少的成本和更快的速度数字双将创新技术应用于市场,和用户可以使用结构热电磁液体和控制仿真软件,如一个单独的项目场和耦合物理场的研究,从而实现产品的优化设计验证和确认,以满足相关要求(8]。

2.2.2。数字双应用于工艺设计

随着数字双胞胎的应用,可以进行系统的规划需要生产的产品,以及制造方法,资源,和地点,等等,和所有的方面都可以连接在一起,实现设计师和制造商之间的合作(9]。一旦发生产品设计变化,制造过程可以很容易地更新在数字双模型。除了工艺规划、生产布局对智能制造系统也是一个重要的问题。的帮助下数字双模型,就可以设计生产布局包含所有详细信息,包括机械、自动化、设备、工具、资源,甚至是运营商,并无缝地与产品设计。

2.2.3。数字双应用到精益生产

随着数字双胞胎的应用,可以模拟不同的制造策略和评估。结合大数据技术和统计分析,空闲时间可以很快发现的过程10]。调整策略,后整个制造系统的性能模拟,进一步优化所有资源的利用率。

2.2.4。数字双应用于能源和矿业的解决方案

数字双技术是一个实时的虚拟版本的实际运行的设备,可以用来提供性能和维护产品信息(4]。例如,在设计、施工、操作、大型铁路项目的监督,有许多问题:铁路导致斜坡设计等问题,确保安全施工。选择正确的地方钻的洞可以有效减少泥石流的发生。优化流程逻辑可以有效地降低成本和保证质量。完成开发策略以减少能源消耗。机器设备的合理分配负荷有效地延长设备的使用寿命的资产。数字双技术可以有效地解决上述问题:通过各种设备上的传感器,如温度、振动、冲击载荷数据,和实时输入数字双模型,双工数字环境模型和实际设备工作环境的变化保持一致。数字双提供可预测性设备状态和可以替代磨损部件在预定关闭以避免意外关闭。

2.2.5。数字双应用到智能城市建设

近年来,一些国家已经应用数字双智能城市的建设。例如,2016年,城市范围,有新加坡和麻省理工学院的合作,特制的城市操作仿真系统对新加坡的城市规划。从欧盟的支持下800万欧元,西班牙智能桑坦德部署各种传感器在城市意义上城市环境、交通、水利、和其他操作条件和数据聚集到城市智能城市平台的仪表板,最初形成数字双城的原型和成为一个模板,可以在欧洲推广(11]。目前,数字双胞胎主要应用在城市规划和管理,将扩展到城市未来的服务。通过数字双胞胎系统建设服务场景中,服务对象和服务内容、服务模式将加速改变的组合虚拟和真实场景的混合,个性化和主观能动性。

2.3。车间调度

在单目标动态调度阶段,实施等。12旨在最小化最大完工时间,改善了编码中存在的问题,交叉,变异在传统的遗传算法,提出了一种改进的遗传算法来解决动态车间调度问题。王等人。13)设计了遗传算法在两个阶段的最大完成时间作为优化目标。基于改进的遗传算法,不确定加工时间的调度问题在柔性工作车间解决。在多目标动态调整的阶段,Addona et al。14)使用传统的算法来解决多目标数学模型基于成本、质量和处理时间。刘等人。15)建立了一个数学模型与最小加工时间和最小工件延误为优化目标,提出解决问题通过使用一种自适应遗传算法优化多目标动态柔性车间调度问题(16]。

最近几天,一些专家和学者开始研究车间设备的可靠性预计和车间的监控和捕捉干扰。Zhang et al。17)提出了一个智能轴承可靠性诊断方法自动学习功能。基于深度的子集autoencoder (SBTDA)模型、判别特征的自动提取不同的模式实现,可靠性和智能预测诊断轴承可靠性的实现。丁等。18]提出了社会生产系统(RFID-SMS)基于射频识别实现interenterprise / interfactory /实时监控车间生产调度的任务。射频识别设备系统部署在每个企业的车间设备收集实时数据(生产和运输19]。

2.4。摘要文学

1990年,粉碎机和Schlie首次提出,在作业车间调度问题,加工车间的加工过程可以在不同的机器上加工,设计了一个多项式算法来解决这个问题,这是第一次灵活的作业调度问题(FJSP)提出了20.]。随后,Holsapple设计机器数量和序列的基因编码的过程来解决这个问题,使用的边后卫(过滤束搜索)搜索方法来安排和排序21]。Brandimarte使用分层的方法使用调度规则和禁忌搜索。的方法解决FJSP取得一个好成绩22]。Hurink应用禁忌搜索方法和设计一个集成的方法来解决FJSP [23]。Kacem等人设计了一个启发式算法来初始化多目标FJSP模型,然后用遗传算法优化初始解,具有良好的解决方案的结果(24]。Dauzere-Peres和Paulli采用一个集成的方法来解决FJSP通过定义一个社区结构和使用禁忌搜索算法。刘名洲等人设计的混合算法粒子群优化算法,结合模拟退火和遗传算法的编码规则,并研究了多目标FJSP [25]。根据FJSP的特点,张Chaoyong等人的遗传算法和改进的算法流程设计了一个双刀遗传算法的交叉策略,提高了算法的搜索效率。张Guohui et al。15)设计的新一代方法的遗传算法初始种群FJSP问题,因此,一个高质量的人口可以在初始阶段的算法获得的前提下考虑机械加工的平衡,从而提高算法的运算速度。

存在的问题及研究趋势,云制造的概念已被广泛接受,但目前对云制造技术的研究仍主要集中在信息技术而不是制造技术,因为它是不容易的经理接受生产管理系统转移到云计算在实际的生产管理。一方面,通过网络交流平台是不连续的,与生产过程的连续生产情况。管理决策者,另一方面,担心云中的生产数据是否安全。从制造资源本身的角度来看,相比之下,一般的网络信息资源、制造资源需要更多的数据来实现虚拟化和servitization的过程,然后存储在云平台。制造资源是高度专业化的,需要特殊技能领域的生产,这是具有挑战性的研究基于云制造技术,如计算机和互联网。为载体的云制造过程和对象资源虚拟化,云制造服务,因此,需要进一步研究和应用验证。在此基础上,结合上述研究评论,以下问题可以得出在当前研究领域的云制造服务:(1)研究数字双技术阶段:现有的研究主要集中在生成阶段,平台使用阶段,一些涉及评价阶段。缺乏相关研究模型和技术使用和监控阶段,消除和升级阶段。(2)数字双制造技术的研究深度和智慧在整个生命周期的生产和使用阶段平台:主要研究资源,服务虚拟化,搜索和匹配,服务组合和优化,研究这些问题大多数概念和框架研究阶段,和更少的研究如何应用和实现。(3)数字双胞胎的研究技术和方法在云制造服务仍然依赖于服务的数量和规模,和算法效果不显著的服务没有达到一定的数量。云制造服务提供相关的技术和方法实现过程从头开始,很少有文献研究如何使用这些信息完成任务和存储记忆的知识简化实现过程。

目前,对云制造服务的研究主要是把它作为一种重要的内容和对象的云制造、尚未发挥其积极的作用创造价值,因此不能强烈支持深入研究云制造和智能制造。综合考虑用户的需求和应用更加完美的方法或技术将改善内容,扩大云制造服务的内涵研究,从而提高制造过程的智能化水平,为生产过程提供智能决策。

3所示。智能调度平台基于数字双智能制造车间

3.1。智能制造车间调度智能平台框架模型

基于数字双技术背景,本文提出了智能制造系统调度云平台概念,现有的生产调度模型和优化算法模型传输一起获得物理车间生产数据的实时调度云平台智能制造车间。综合管理调度模型算法的智能物联网和云计算技术应用于处理生产数据。根据实际生产的需要,安排一个云平台需要与以下数字双胞胎技术先决条件:(1)虚拟车间建模、模拟和基于数字双技术操作管理技术,包括建立“model-cons牵引行动”的多维模型数字双车间、生产要素管理数字双车间、迭代和优化生产流程规划和实时物理车间和虚拟车间之间的交互。(2)基于“物理workshop-virtual车间云平台”相关的融合技术,包括多源multitype数据收集、策划和包装,和相关的异构传感器布局优化与数据上传和云平台。(3)智能服务技术基于数字双数据,包括multiheterogeneous数据融合、多因素协同生产分析、数据预测和维修车间源扰动策略,优化能源消耗、时间,和其他目标产品在整个生命周期调度过程。正是基于提供的功能保证数字双调度云平台能正常运行并达到“demand-constraint-simulation-target-perturbation-adjustment统一匹配。“否则,云平台将失去作用,很难发挥调度功能。的过程的集成数字孪生和车间调度图所示2。

云平台的调度模式基于数字双技术有别于传统调度模式和传统的生产调度模式。云平台的调度模式基于数字双技术是一个活跃的调度模式,积极选择或改变了生产调度计划根据不同的情况(26]。常规订单被分配到各自的生产车间选择合适的加工设备生产,但在各自的生产车间的生产过程,生产车间的低水平是受制于他们的高水平的生产车间和管理,以及制造资源的部署是有限的。企业的生产调度模式如图2。

配件制造资源的优化调度云环境下一个圆形和三维配置,使得订单突破地理位置限制和行政管理的局限性。订单任务不再是分层分解控制,但协调分解。例如,您可以首先过程与加工的部分产品在工厂车间工作流程、和第二部分产品过程可以添加在其他工人的过程在不同的工厂生产高质量的资源合理利用,制定最优的生产方式。此外,随着智能调度的调度云平台使用智能物联网和云计算等技术,调度云平台可以实时监控产品的生产进度,和加工路线统一制定整合优质资源的调度云平台,这样每个车间都可以知道对方的事先处理任务,准备生产。因此,相比之下,传统的生产调度模式zero-part生产企业,生产调度模式基于调度云平台更聪明,可以辐射到整个生命周期,更适合动态多变的生产环境。

3.2。调度平台有两个调度流程路线

云平台是一个完整的车辆间调优过程从一开始就用户的请求命令,通过分解订单,生成初始调度计划,调整初始计划的障碍,最后交付后的售后服务订单(27]。所有制造资源,如设备、软件、地位、和数据不同的工厂将上传到调度云存储平台和技术,如计算机辅助工程规划(CAPP),产品数据管理(PDM),制造执行系统(MES)和产品生命周期管理(PLM)将被整合。模型中有两个调度流程路线的调度云平台后,用户的要求提出:(1)“智能调度平台物理虚拟车间”路线:根据用户的具体需求,在生产调度云平台资源匹配存储库,并建立虚拟调度模型。基于虚拟调度模型,仿真是虚拟车间投入生产。目标是确定有效的算法模型和确定适当的和有效的物理车间生产过程序列。同时,物理研讨会信息及时反馈给调度云平台和虚拟车间,这是接受调度云平台。如果需要更改需求,回收的调度车间将云平台;否则,将完成生产任务。(2)“智能调度云platform-virtual车间、用户实体店,“尤其是,调度云数据库中没有所需的信息,完成第一个生产部分的建模与仿真,然后反馈给用户,根据用户需求建模优化生产,直到满足用户需求,然后是车间生产订单、备份、云计算和调度,对其他类似的订单。

3.3。智能车间调度云平台动态扰动策略

在车间生产过程的部分,由于在车间生产的不确定性因素,将会有紧急插入,不正常的工作条件,以及其他不可控的干扰。然而,当发生扰动时,扰动调度路线的制定将导致工厂关闭,影响车间效率(28]。因此,它是至关重要的预测扰动在车间。

使用大数据分析技术,数据存储在调度云平台的生命周期监测系统基于数字双技术分析预测会发生的扰动,以建立一个新的生产调度计划提前。具体来说,调度云平台可以计算初始操作的影响根据数据分析技术,确定是否有干扰调整当前的调度方案,并建立价值定义的影响。当初始调度方案的影响与干扰比的定义,调度是必需的。然而,至于生产扰动的紧急插入,它通常有很大的影响在初始调度方案,并将直接改期。重新安排模块将首先进行新方案搜索调度云平台。如果可以找到相应的调度计划的一部分,它将作为一个新的调度方案,然后确定新的生产调度方案将被执行。否则,我们模拟的新虚拟车间生产调度计划,优化新的生产调度计划,使其满足生产要求,最后确定生产调度计划。部分的动态扰动策略图智能制造车间调度云平台如图3。

步骤1。生产计划部门进行流程设计个性化的订单,生成云代码的每个流程,流程的约束参数相应的进程,并上传设备参数和个性化订单属性参数到云上。当紧急订单动态事件发生时,云调度平台一阶取决于类型的历史有关的数据进行大数据分析评价资源调度优先级调整,调度实用价值的有效性,账面价值和评价;如果不如预设值的影响,继续原调度方案物理生产车间继续生产;如果比预设的影响效果,然后进入第二步。

步骤2。开发延期计划:智能云调度平台应预生产计划根据订单交货日期,订单优先级和制造材料库存信息和订单发送到双车间仿真建模确定新的调度计划和实施新的生产调度计划。此外,模拟新的虚拟车间生产调度计划,优化新的生产调度计划,使其满足生产要求,最后确定生产调度计划。产品建模的可视化结果显示给用户。

步骤3。重新安排生产调度计划上传到云数据库,并及时反馈的实时动态调度安排车间资源调度和资源协调,从而达到准时生产和准时交货。

4所示。案例研究

4.1。建立调度模型

这种情况下是一个柔性制造车间盒零件的企业。如图,建设厂房框架,第一个任务是建立数字双固定-移动的融合(固定-移动的融合)自动化生产车间在虚拟平台上指的是生产要素的物理研讨会和使用数字建模技术。三个方面的模型、约束和行动时应该考虑构造数字双胞胎。

的身体部分的模型,融合自动化生产车间数字模型的双胞胎的身体是由车间生产要素模型和相关模型。车间生产因素包括四个部分,从而建立物料库模型,然后机械设备模型、环境模型、模型和人员,但数学模型的四个仍然孤立存在的。保持模型之间的连接,我们还需要建立相关的模型,如传感器模型,生产调度模型和产品模型。的约束,约束数字双胞胎在盒子里像zero-piece融合自动化生产车间包括intermodel约束,包括设备运行限制,员工工作时间限制,材料供应限制,和环境的限制,这可以确保数字双胞胎在车间的工作机制可以模拟和恢复物理研讨会。

行动而言,盒子的行动数字双融合自动化生产车间由模型的一部分行动,包括人类的工作操作,操作的设备、材料的运输作用,环境的调节作用。最常用的工具是Flexsim Tecnomatix,植物模拟(西门子)的产品,等。结合上面的三个层次中,物理车间和虚拟车间的信息交互和集成。最后,物理车间和虚拟车间调度云平台连接到工厂,可以分配生产资源,监控产品的全生命周期,对多源动态扰动和优化生产过程。在模型建立之后,其操作过程显示在图。目前的工业加工路线输入虚拟车间进行建模处理提前调度云平台。产品的组装由N小流程,其中有一定顺序约束关系。生产线平衡是如何分配N进程M站的情况下满足生产节拍和约束之间的序列过程,从而达到生产线的平衡率最高。在植物模拟、遗传算法可以不断优化可行解找到满足条件的最优解。为主要目标的生产效率,生产能力是一个重要的方向,为制造企业生产线的规划和优化。由于生产时间通常是一个分布函数而不是一个特定的值,并考虑设备的故障率,产能计算的通用计算方法有一个很大的偏离实际。 Plant Simulation can simulate the probability events such as distribution function and failure rate, so as to calculate the production capacity of the production line relatively accurately and find the bottleneck of the production line according to the simulation statistical results, thus pointing out the direction for the optimization of the production line.

4.2。模型操作阶段

最优调度模型基于数字双技术实现了植物模拟软件。在模型建立之后,其操作过程如图4。目前的工业加工路线输入虚拟车间进行建模处理提前调度云平台。处理后没有问题,调度云平台生成的工作路径机械手,机械手的工作时间表。输出的工作路径和运输安排物理研讨会机械手按照既定的路径执行处理任务,工作路径和时间表可以使工件和设备实时连接和任务匹配,避免加工设备的闲置,提高车间的工作效率。在工作过程中,处理信息和调度云平台集成。调度云平台进行大数据分析,预测和判断反馈的基础上处理历史数据,预测是否有处理异常,调整生产工艺参数是否有,如果没有保存处理数据。

最优调度模型基于数字双技术实现了植物模拟软件,和随机因素被添加在优化过程中,使模型能更好地模拟实际生产情况。根据运行结果图5,工作时间比率和机器调度策略系统的利用率与数字双技术已经大大改善了。产品的产量是259在相同的仿真时间,和输出率高达97%。与此同时,能源消耗的反馈数据信息可以实时监控,如总能源消耗556.5千瓦·h,材料处理能源消耗10.4千瓦·h,和最大的能源消费的一个营业周期41.9千瓦·h。

4.3。智能调度平台的优势

有三个主要方面如下:(1)实时零件加工过程反映了融合框部分生产车间的自动化产品,产品从设计、生产、和出站,在最终产品的过程毕竟连通性之间的虚拟车间和物理车间、产品信息将以数据的形式和调度云平台互动交流,实现产品全生命周期的监测。(2)故障预测和诊断,基于实时的反映零件的加工过程,生产过程中的动态干扰预测和诊断,和相应的动态扰动策略提前了。生产过程中多源动态扰动主要分为紧急单和机器故障;紧急插入表是由于生产任务需要最初的秩序的基础上,额外的订单,调度云平台接收订单,提前和额外的订单;虚拟车间根据订购额外的数量和种类在初始调度方案的基础上,模拟优化生成一个新的调度方案。机器故障诊断的实现是将传感器嵌入提前生产设备来检测各种数据,包括位置、重量、温度、振动、流量。调优云平台的大数据分析技术是用来预测和诊断错误,实时数据是用来确定哪些设备需要修理或更改。在这个案例研究中,动态调度的干扰预测诊断主要是基于BP(反向传播)神经网络。在正常情况下,振动机械和设备的操作信号在车间应该显示一个相对稳定的趋势。然而,振动信号收集的调度云平台将偏离稳定趋势当设备磨损或意外失败。以防磨损或意外失败的设备、机器和设备的振动信号将偏离稳定趋势。 At this time, according to the unstable signal received, the dispatch cloud platform will take treatment measures for the abnormal equipment in advance. Whether it is an emergency insertion or a machine failure, the scheduling cloud platform determines whether to execute the rescheduling module based on influence degree. If it does, the virtual workshop will make process changes according to the disturbance situation. The virtual workshop will simulate production.(3)车间调度是不被忽略的过程中能源效率管理;基于数字技术的双胞胎出生的实时监测数据,数据是多维的。和层次聚类分析反映了车间设备能耗曲线,清楚地了解能源消耗的趋势和特点,根据车间调度过程的趋势和特点做出及时的调整。

5。结论和未来的工作

数字双胞胎有巨大的研究潜力的远程控制,智能城市管理、健康监测和管理。尽管如此,在现实中,数字的应用双仍处于初级阶段,产业高度依赖于传感器数据,还有一个困难在全球意识的精密设备,物理实体数据是不够详细,数字拷贝缺乏限制,算法和处理体系结构计算的能力是有限的,和其他许多问题,但我们不能否认,在未来的浪潮AIOT (AI) +物联网和智能制造、数字双是一个不可或缺的联系;基于“双胞胎”物理实体+数字资源,优化配置系统将成为最终的数字发展模式。我们认为数字双仍处于初期阶段,和未来的研究将主要集中在以下方面:(1)物联网网络的集成和优化生产要素中物理研讨会;(2)物理研讨会和数字之间的实时交互的双胞胎;(3)构建和优化数据分析和预测模型和算法由大数据;(4)开发更多应用程序的数字双胞胎和大数据技术在制造车间调度。

云制造服务的未来趋势可能涵盖以下研究:(1)人机的深度整合的过程中,云服务的供应,包括云制造服务平台的过程:“推”或“拉”的过程还包括用户需求,实现以用户为中心的人机融合深程度,促进形成动态感知的个性化需求的基础上研发、制造、和工业组织的方式。基于云的个性化知识服务方法考虑用户行为,将个性化的需求特性集成到云制造服务研究,并提供了研究思想深入人机一体化。(2)对服务组合的可靠性和正确性的研究:由于服务组合的可靠性和正确性保证需求任务执行的效率和效果,直接关系到用户感知和用户满意度,有必要进行深入的研究相关的技术和算法。(3)云制造服务建设自主管理模式和知识重用后变化的云制造资源特点和属性:面向服务的封装需要再次进行。如何控制封装过程,并通过知识重用提高封装效率值得进一步研究(4)绿色制造综合考虑因素:在国家的背景下,绿色生产方式,更多考虑目标等因素的效率高、能耗低,回收将是云制造服务研究的一个重要趋势。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究工作是项目的研究计划支持的基础人文学科和社会科学中国教育部(19 yja630105号),国家重点研发项目拨款(2020号yfb1712802)和国家重点研发项目资助(2018 yfb1700500和2018 yfb1700503号),中央大学和基础研究基金(没有。N2106011)。