文摘
在工业时代的4.0中,各种类型的信息企业积累的生产过程已经成为海洋的数据。这些生产方面所使用的数据来自企业和企业,不仅包括处理数据,如文档和图片还复杂的信息,如视频和声音。此外,这些数据不仅在数量和大宽在不同但也有代速度快的特点,低价值密度。本文构造的模型可以应用到个性化定制的产品生命周期,可以帮助企业做出全面的决策。特别是,它可以执行智能决策分析的背景下行业4.0。此外,本文结合智能算法来构建一个智能企业综合决策系统。实验研究结果表明,本文提出的决策系统可以发挥重要作用的综合决策4.0产业企业,和这个决策可以传遍整个产品的生命周期。
1。介绍
随着经济的快速发展和社会行业,环境的承载能力已不再足以支持人民当前的发展模式与传统的高投资,高污染,高能源消耗。为了应对这种情况,德国联邦教育和研究和联邦经济和技术部率先提出“行业4.0的概念。“中国政府也立即提出了中国版的“行业4.0计划”或“中国制造2025”发展战略。基本政策指出,为了促进中、高端的产业结构,我们必须坚持绿色发展、绿色发展是中国的必然选择1]。
在实际生产活动中,有效运行的核心问题闭环供应链的实际运作和管理过程。上述资源回收和再制造和再生的影响产品生产的新产品已经成为重要的因素,企业需要考虑的生产经营。通过合理制定生产计划下的闭环供应链,它不仅有利于企业充分利用生产资源,以满足市场需求,也尽量减少生产成本和实现最优和盈利目标2]。但是,闭环供应链在竞争环境中,企业倾向于消极对待闭环供应链的建设在企业由于大笔资源输入和成本回收周期长。此外,由于新产品的质量和价格的差异和再生产品,市场需求的不确定性,这使得公司难以作出生产决策。因此,如何合理的生产决策对于新产品或再生的产品,充分利用回收资源和自己的生产能力,以更好地适应不断变化的市场环境也将成为企业的必然选择(3]。
创新机会决策模型是一个科学、客观的表达过程,方法和决策机制的创新机会。机会管理的一个重要组成部分,机会决策是最后的立足点的机会识别和评估,所以它的地位是毋庸置疑的。然而,当前研究决策过程的创新企业的持续创新机会仍处于理论探索阶段,尚未建立和有效的决策模型,并应用于实际的业务操作。对机会的决策本身也存在一定的争议。一些学者认为,只有选择决策方案或对策和建议的实现,而其他学者认为,“管理就是决策,”和决策是指整个过程从开始到结束的决策。
本文中的模型构造可以应用到个性化定制产品的生命周期,可以帮助企业做出综合决策。特别是,它可以执行智能决策分析的背景下行业4.0。
2。相关工作
在工业时代的4.0中,智能制造是最主要的因素,和信息技术可以用来获取每个产品的实时状态,机器,甚至每个员工在工厂在任何时候(4]。它具体体现在产品的有机结合,机器,资源,人们通过Cyber-Physical系统(称为CPS),从而促进制造业智能变换基于大数据分析和应用,实现产品。对话与机器、产品和人们创建一个智能制造模式,能独立分配生产资源和输出产品(5]。随着行业的4.0时代,聪明的制造业必将迎来新一波。CPS用于协调和实时处理制造产业链实现高质量、低成本的目标,同时满足用户的多样化和个性化需求、实现智能工厂(6]。4.0行业带来了惊人的效率改善制造业。目前国内外应用程序主要是反映在智能生产设备自动化程度高,使生产系统不仅简单、灵活,还能够实时处理各种事件在整个生产过程,确保生产过程的全面的情报(7]。同时,这个聪明的自动化生产模式不仅是一种基本的表现在一个特定的环境,但更重要的是,它还可以实现优化的一个世界级的网络由不同的工厂,不同的生产单位(8]。这就意味着,在实现智能制造、CPS系统用于有效连接生产设备和控制网络,创新技术是用于集成智能机器的三个元素,有效分析,和员工提高制造业的生产,也就是说,效率,降低成本,时间和资源消耗9]。
许多学者研究的更深入和成熟的信息行为从认知的角度来看。文献[10)认为,各种各样的因素,如个人经验,组织和教育水平在一个特定的情况下会影响个体的认知结构和认知能力。企业家决策研究从能力的角度关注企业家的能力利用信息做出决策的决策过程。从这个角度研究主要是基于企业能力理论,资源管理理论和竞争优势理论来研究创业决策。能力的内涵,企业家的决策能力的影响因素,企业家的决策能力之间的关系和企业竞争,企业发展之间的关系,和企业家的决策能力的改进路径研究(11]。文献[12)包含了企业家的决策能力的测量系统中企业家的核心竞争力,分析创业决策能力之间的关系,创新能力,沟通能力和学习能力。企业家的核心竞争力展开,企业家的战略决策能力和公司绩效之间的关系研究;文献[13总结这些因素分为两大类:经济结构约束和梳理相关文献后创业背景因素。它还进行更详细的分析和讨论两种类型的因素;文献[14]分析了企业家在企业转换的性能的因素,分析影响企业家的决策能力各维度;文献[15]关注企业家的决策能力测试之间的逻辑关系的决策能力和企业的竞争优势,证明决策能力直接导致企业的竞争优势和核心能力的来源;在决策能力之间的关系研究企业家和企业的发展,文献[16)结合研究结果的企业家的决策能力和影响因素,促进了企业的发展近年来,创业的机制对企业增长的决策能力,创业决策能力的研究成果,和企业成长的过程,使未来的研究前景(17]。从外生和内生理论理论,它探讨了创业的变换关系的决策能力和企业的发展。文献[18)信息素养标准制定企业经理,从信息行为的角度,提出的方法来提高企业管理者的决策能力。
3所示。企业决策模型基于虚拟机调度模型
基础设施服务层主要包括图像管理、系统管理、用户管理、系统监控、计费。这些服务对应的函数提供的虚拟化集成管理器和接口为用户获得基础设施层资源。基础架构层的示意图系统结构如图1。
基于云计算基础架构层体系结构的分析,本文设计了一种虚拟机调度模型在云环境中。虚拟机调度模型如图2。
事实上,全球管理器可以被视为一个调度算法在本质上,它实现了重新规划虚拟机和物理主机之间的映射关系基于资源虚拟化环境的监测数据。它可以实现使用贪婪算法,分治算法或启发式算法。
虚拟机调度过程可以视为一个控制回路由三部分组成:数据收集、数据分析和决策、执行和操作。其中,收据收集对应的检测过程的资源状况和数据中心的应用程序负载状态节点。数据分析决策是根据收集到的监测数据预测应用程序负载的选择并确定虚拟机迁移和虚拟机的放置等调度目标的节能和负载平衡。最后操作执行阶段是使用虚拟机实时迁移技术根据虚拟机迁移虚拟机安置计划。虚拟机调度过程的流程图如图3。
通过定期执行虚拟机调度过程描述在上面的图在数据中心,数据中心的资源分配可以不断优化,从而提高数据中心的能源效率。
为了促进一个详细和深入研究的物理主机的状态更改,根据实时操作状态和负载状态的物理主机数据中心,本文将物理主机划分为4个状态,定义如下:
定义1。低负荷状态。它指的状态当物理主机的各种资源利用率低于低负荷阈值预设的系统。所有在数据中心中物理主机处于低负荷状态形成一套低负荷的主机 。在这个状态,物理主机上运行的所有虚拟机迁移必须是目标。
定义2。高负载状态。它指的是国家的各种资源利用率物理主机超过上限阈值设定的加载系统。所有在数据中心中物理主机处于高负载状态形成一套高负载的主机 。的物理主机在这种状态下,迁移对象需要选择根据虚拟机迁移的系统设定的选择策略。
定义3。正常的状态。它指的状态时,利用各种资源之间的物理主机是上限阈值和下限阈值设定的系统。所有物理主机在正常状态数据中心形成一套正常负载主机 。这种状态的物理主机可以作为候选目标主机收到虚拟机迁移。
定义4。空闲状态。它指的是国家,没有虚拟机的物理主机上执行云任务。所有物理主机处于闲置状态数据中心形成一个空闲的主机 ,他们通常关闭休眠状态的备用主机数据中心(19]。
物理主机的状态会改变随着负载的变化和数据中心的虚拟机调度机制。数据中心主机状态转换图如图4。
从上面的图中,我们可以看到主机状态变化的主要原因,当虚拟机调度和负载变化的数据中心。物理主机的状态将改变随着载荷的变化和特定的虚拟机调度机制。从这个角度来看,数据中心的虚拟机调度可以视为一个过程,减少数据中心的高负载和低负荷主机通过优化调度措施和最大化空闲状态主机。
定义5。CPU利用率。一般来说,比例的总CPU时间片分配的运行主机总统计时间叫做CPU利用率,这是记录为UCPU。
定义6。内存利用率。一般来说,当前使用的内存的百分比正在运行的节点的总内存节点称为内存利用率,这是记录为UMEM。
定义7。带宽利用率。一般来说,目前使用的带宽的百分比由运行节点的总带宽节点称为带宽利用率,这是记录为uBW。
数据中心虚拟机调度需要监控的使用各种资源的物理主机和虚拟机运行在同一时间。如果我们忽略物理主机本身所消耗的资源使用情况,本文认为有以下的资源利用率之间的关系一个物理主机和虚拟机运行它(20.]:
其中, , ,和,分别代表了CPU、内存和网络带宽利用率VMJ第i个虚拟机的物理服务器H,和代表的总数上运行虚拟机主机服务器H。
在数据中心虚拟机调度的影响,物理主机,全面评估其有效性和应用,建立了综合评价指标体系。下面介绍几种主要评价指标。
数据中心服务器的能耗通常分成两部分。其中,能源消耗的一部分来自于CPU的开销。大量的研究表明,电力消耗的CPU利用率基本上是线性相关的,因此,电力消耗的CPU将增加其利用率增加。其余部分的能耗来自其他组件,如主板,网络,和记忆。这部分的能源消耗仅是与主机的开关状态和通常是一个固定值。因此,服务器的能耗模型可以表示如下:
其中,代表物理主机的能源消费总量,代表的最大能源消耗CPU是满载时的物理主机(CPU利用率达到100%)代表了能源消耗空闲物理主机时没有任何负载。
为了方便应用,物理主机的能耗模型也可以转化为以下形式:
其中,是一个常数,称为能源消耗系数,然后呢代表能源消耗的比例( )当物理服务器闲置能耗( )物理服务器满载时(通常是0.7)。应该注意的是,对于异构服务器,能耗系数和服务器的最大能源消耗也将是不同的。
本文简单地使用物理主机CPU使用率不超过上限利用率阈值设定的系统是SLA的服务水平目标。时,CPU利用率大于上部的阈值,触发违反SLA,记录为斯拉夫人。数据中心的定义SLA违反率如下:
其中,代表期间违反SLA的第i个虚拟机的数据中心,代表的总运行时间的第i个虚拟机,和代表在数据中心中虚拟机的总数。违反SLA率反映了数据中心提供服务的能力稳定,价值越低,数据中心的服务质量就越好。
在本文中,每种类型的资源的利用率是规范化的,和产品的使用这三种资源的利用率来表示物理节点的负载。物理节点的负载定义如下:
从上面的定义节点负载,可以看出节点负载的变化与各种资源的变化正相关。例如,无论资源利用率增加,整体负载的节点将相应增加。使用这个定义比只考虑一个更全面和准确的资源。通过量化物理主机的负载值,标准方差分析方法可以用来表示数据中心的负载平衡,定义如下:
不同于数据中心的负载平衡,单个物理节点的负载平衡指的是相对平衡的使用各种类型的资源(如CPU、内存和网络带宽)。我们假设CPU、内存和网络带宽利用率的物理节点是50%,50%,和50%,和相应的物理节点B的资源利用率是40%,70%,20%。然后,本文认为节点的负载平衡优于B节点B .原因是节点更容易遇到瓶颈的使用单一类型的资源,影响该节点的性能。根据各种类型的资源的利用率,本文定义了物理节点的负载平衡如下:
其中,代表物理节点的负载平衡 ,也就是说,各种资源消耗之间的平衡。
3.1。虚拟机迁移的数量
虚拟机选择的一个示例图如图5。
利用TOPSIS方法,最优组合可以选择虚拟机的迁移。具体过程如下:(1)该算法建立了最初的决策矩阵 。我们假设虚拟机选择方案可以消除过载的主机和形成一套方案 。对于每一个选择方案,形成一组目标 。,我们的目标是分为积极的属性和消极的属性 ,还有 。构造决策矩阵:
因为每个评价指标的维度可能不同,有必要正常化初始决策矩阵获取归一化矩阵如下:
其中,(2)该算法计算归一化加权决策矩阵 。该算法分配权重 ,根据每个目标的重要性,需要满足在同一时间。目前,确定权重的方法包括专家评分,对数最小二乘方法,层次分析法,。权重矩阵如下:
加权决策矩阵的元素 ,和加权决策矩阵可以得到如下: (3)该算法决定了理想解和负理想解。Z算法决定了理想的解决方案和负理想溶液Z -根据盈利能力指数,指数损失,和加权决策矩阵,定义如下:
其中,l +盈利能力指标集,和1 -损失指数集。盈利能力指数的值越大,越有利于评价结果;而对于损失指数,值越小,越有益的评价结果。相反,它是不利的评价结果(4)距离算法计算每个方案的积极的和消极的理想解决方案。距离规模可以与n维欧氏距离计算。Z的距离正理想的解决方案+用年代+,距离负理想的解决方案是用 : (5)该算法计算每个方案的相对亲密积极的理想的解决方案,获得最终的综合评价结果值。计算方法如下:
其中,代表了综合评价计划的价值 。时的值更接近于1,这意味着该计划更接近理想的解决方案和综合评价较好。相反,综合评价是更糟(6)该算法基于相对亲密每一个计划,以确定每个计划的优先级,形成决策的基础。显然,选择虚拟机最大的选择方案值可以确保满足多个目标的优化和平衡
的能源消耗在数据中心中物理主机与CPU的利用率。本文进行了深入分析,建立了一个能源消耗模型(公式(5)),它将继续用来计算物理服务器的能源消耗。因此,能源消耗差异之前和之后所选择的虚拟机迁移从主机可以作为衡量的节能效益计算选择方案,这是表示如下:
显然,能源消耗减少指数属于盈利能力指数。值越大,越有利的方案的评价结果。
虚拟机的迁移时间越长,越为用户的服务质量。因此,在虚拟机调度过程中,迁移时间越短,更好的为用户的服务质量。从前面讨论虚拟机实时迁移技术,可以看出,当前虚拟机实时迁移技术主要是通过迭代实现复制虚拟机内存映像。因此,迁移时间相关的主机和目标主机的网络带宽。然而,由于目标主机的虚拟机迁移期间不能确定选择阶段,迁移时间定义如下:
其中,代表一个虚拟机的迁移时间和内存使用的比例是(MEM)虚拟机的网络带宽(BW)。显然,迁移时间损失指数,其值越小,更好的评价结果。应该注意的是,虚拟机选择方案可能包括一个或多个选定的虚拟机,和他们的迁移时间需要计算的总和作为评估值。
如果分散的评估价值的虚拟机选择方案评价指标非常小,这意味着评价指标对评价结果的影响很小,因此该指数应该给一个较小的重量。因此,本文提出了一种客观权重计算方法基于标准差:
其中,代表的评估值的标准差j指数标准化后,在每一个选择方案代表j的重量指数,指数的标准差比每个指数的标准差的总和。
获得专家的分数或经验值,这样的主观权重和客观权重计算通常可以组合得到各评价指标的综合权重,可以更全面地反映各评价指标的重要性。
4所示。综合决策系统为工业4.0虚拟企业基于产品生命周期的个性化定制模型
建设基于云平台的动态供应链模型在本文是由客户提出需求,定制和个性化的特征。随着现代智能技术的支持,需要制造商企业集团和供应商企业集团为整个模型的资源基础,由云平台和第四方物流服务供应商为客户提供高质量、低成本、和高度灵活的现代产品。动态供应链结构模型基于云平台如图6。
在整个系统的操作,需要稳定、好理解的过程,以确保系统的有效运行。尽管第四方物流供应商也有能力来选择节点企业形成一个供应链,科学处理后的决策相关数据通过云平台更科学和公平的。因此,第四方物流供应商在这个模型并不能使供应链节点选择的决定。操作过程的动态供应链系统基于云平台如图7。
模型在本章考虑的情况同时制造商生产新产品和再制造产品的回收废物/问题产品。两个产品,尽管新产品通常略优于再生产品的功能和使用寿命,再生的产品相比,新产品有一定的价格优势,所以新产品和再生的产品是相互替代的。也就是说,当有货物短缺reproducts市场的需求,新产品可以进入reproduct市场供大于求时用需求。同样的,当新产品供不应求,再生的产品可以补充需求的新产品市场有足够的库存。通过相互之间的替换产品的需求,它可以满足消费者的市场需求,弥补制造商的总利润损失由于产品短缺或过剩的库存。制造商的生产模型,向上/向下替换图所示8。
4.0行业的特定产品,智能工厂的核心在于CPS技术是否可以深入与企业信息系统集成实现车间设备的集成,人,和材料与先进信息技术和其他实体。此外,它全面使用大数据分析方法和手段来完成数据信息的转换来提高数据的价值,帮助企业管理和决策。因此,智能工厂的建设和正常运行必须提高数据利用率,使用大数据方法或工具来实现价值创造,并提高企业的竞争力。在此基础上,本文初步研究了特征提取工具集在工业智能工厂和大数据分析工具改善了常用的挖掘算法应对面临的一些问题在应用程序的智能工厂。总体框架如图9:
本文构造的模型可以应用到个性化定制的产品生命周期,可以帮助企业做出全面的决策。特别是,它可以执行智能决策分析的背景下行业4.0。在此基础上,本文计算的影响本文的智能模型从生产企业综合数据处理和决策通过实验研究和获得结果见表1和图10。
从以上研究可以看出,本文提出的决策系统可以发挥重要作用在4.0工业企业的综合决策,这个决策可以传遍整个产品生命周期。
5。结论
决策是为了实现一定的目标。决策者使用科学的方法和手段选择一个更令人满意的计划从他们设计的许多决策计划。“管理就是决策”,这就意味着企业的日常管理活动实际上是在决策的过程中。创新企业需要分析和衡量潜在的创新机会来衡量是否值得利用的潜在机会。本文构造一个行业4.0虚拟企业综合决策分析系统,考虑了产品生命周期个性化定制模型。此外,本文初步研究了特征提取工具集在工业智能工厂和大数据分析工具改善了常用的挖掘算法应对面临的一些问题在应用程序的智能工厂。实验研究结果表明,本文提出的决策系统可以发挥重要作用的综合决策4.0产业企业,和这个决策可以传遍整个产品的生命周期。
数据可用性
标签数据集用于支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
支持的项目是由中国国家社会科学基金(批准号14 cgl069)和河南的基础教育委员会(批准号2021 jglx101)。