高分子材料行业云制造的关键技术及应用

为应对新形式下技术与经济环境的变化,使高分子行业企业向敏捷、平滑、精良和预控制制造技术的方向发展,在云计算和大数据技术的基础上,提出高分子行业的云制造架构。讨论了云制造支撑平台中的关键技术,包括预测与需求管理、制造执行系统、储运管理、先进控制、运行管理、企业资源规划、决策支持等,分析了云制造在柔性化生产、计算机辅助运营和知识管理等领域中的应用模式。以基于云制造的工程塑料计算机辅助工艺设计为案例,提出一种大数据环境下的快速搜索策略。     

面向新产品开发的云制造服务资源组合优选模型

针对面向新产品开发的云制造服务资源组合在优选过程中的不确定性、粗粒度性、多样性、动态性等特点,提出包含T（服务时间）、Q（服务质量）、C（服务成本）、A（可用性）、Co（可组合性）、Tr（可信任性）、Ma（可维护性）和Su（可持续性）等八大目标变量的优选目标体系,建立一种面向新产品开发的云制造服务资源组合优选模型,并采用灰色关联度分析方法对该模型的求解过程进行了分析。以一个应用实例验证了该优选目标体系及优选模型的正确性和实用性。     

云制造资源服务能耗评估及应用

针对目前云制造平台中资源数据采集、制造服务化接入、服务柔性组合、制造服务综合效用评估和优化配置以及服务应用过程中忽略了能耗重要性等问题,提出了基于物联网的云制造资源服务能耗综合评估框架和云制造服务能耗计算模型,建立了制造服务负载、空载、附加能耗条件下的各类能源消耗计算矩阵,给出了制造服务综合能耗计算方法,并分析了能耗评估框架内各个层次所涉及的关键技术。以制造资源为例,给出了制造资源概念模型,通过物理标志语言描述了资源能耗信息,举例说明了某种制造服务单位综合能耗的计算,并初步设计了一种云制造资源接入与信息管理系统。     

基于数据云与应用云分离模式的制造资源云定位服务平台

为了实现各参与方的业务功能解耦,给出了一类涉及服务需求方、制造服务提供方、制造应用提供方、服务平台运营方四种角色的云制造服务模式.该模式进一步将制造应用提供方细分为解决方案集成方、应用上具开发方、基础数据提供方等角色实现了数据云与应用的分离.着重研究了其中的基础数据提供方,探讨了一种基于制造资源定位技术的制造资源基础数据云平台及其组成,讨论了云定位技术在制造环境下的若干应用场景.最后给出了一种基础数据云与应用云分离的云制造服务框架,为构建云制造服务的实际应用模式提供了新的思路.     

云制造中的关键技术分析

我国正在大力发展现代服务业,制造服务是现代服务业中的重要组成部分,而云制造是实现制造服务的一种现代制造模式。本文分析了云制造的内涵,给出了云制造的体系架构,并对其中的制造资源描述、关键技术问题等进行了讨论,对云制造在我国的发展进行了有益的探索。     

云制造模式下制造服务主动发现与敏捷配置方法

针对云制造模式下加工制造服务的主动发现与优化配置问题,以底层加工设备为研究对象,从加工设备的基本信息、加工能力、实时状态和服务质量四个方面对其动态服务能力进行描述与建模;提出一种制造服务的主动发现机制和相应的敏捷配置方法,结合制造服务的静、动态信息,基于灰色关联度的评价方法对候选制造服务进行多目标综合评价,实现加工任务驱动的制造服务资源集的优化配置。通过实例验证了所提方法的可行性和实用性。     

制造云构建关键技术研究

阐述了云制造系统中"制造云"的构建过程,并对制造云构建过程中所涉及的主要关键技术做了较深入的探讨.给出了制造云及制造云服务的相关说明,对云制造模式下的资源进行了详细分类.在此基础上,围绕分散资源的感知、虚拟接入、服务化和云服务部署等关键问题展开了研究,并提出了制造能力元描述模型,为最终实现高效、智能的云制造系统提供了支持.结合产品全生命周期设计、仿真阶段任务需求,依据所提构建方法与关键技术,初步开发了一个面向设计仿真的云服务平台原型.     

云制造环境下的制造资源优化配置研究

为有效地对云端服务资源进行优化配置以降低制造服务成本,在云制造资源优化配置问题进行形式化描述的基础上,考虑物料流和信息流对时间和成本的实际影响,构建了以成本和时间最小化、质量最优化为目标的资源优化配置模型,并采用最大继承法对资源配置模型进行求解,计算结果表明了该模型和算法的有效性。通过与现存算法进行比较,验证了该模型及算法的稳定性和可行性。     

云制造环境下基于本体的加工资源发现

为解决云制造环境下的加工资源发现问题,研究了加工任务和加工资源的信息模型及建模方法,建立了基于本体的加工资源发现机制,从功能结构、属性约束和服务状态三个方面定义了资源匹配规则并使用描述逻辑进行了表达.构建了由资源层、代理层、知识层和用户层组成的资源发现框架,通过对信息模型与匹配规则的集成,实现了基于知识推理的资源自动发现.以齿轮加工为例,对加工资源发现过程进行了描述.     

数据挖掘技术在网络化制造CRM中的应用研究

网络化制造环境下,CRM(客户关系管理)需要实现与企业内外各种信息系统交互,本文提出了一种基于数据挖掘的网络化制造CRM体系,利用Web Service技术实现CRM与其他信息系统的集成;对数据挖掘技术在网络化制造CRM中的应用内容和过程进行了研究,给出了一种基于数据挖掘的网络化制造CRM应用模型.     

云制造模式下制造能力建模关键技术

阐述了云制造模式下制造能力的内涵,并对制造能力模型构建及描述机制等关键技术做了深入探讨。归纳和总结了当前制造能力研究现状及存在的主要问题,给出了云制造模式下制造能力的概念与分类。构建了制造能力多维信息模型,并给出了针对该模型的制造能力描述框架,为最终实现制造能力形式化描述提供了支持。结合云制造模式下对制造能力共享的实际需求,依据所提出的建模理论和技术,初步开发了一个支持用户按需使用的制造能力服务化系统原型。     

基于Web SerVices的网络化制造资源管理的关键技术研究

以网络化制造环境下制造资源的优化配置为研究目标,构建了面向制造资源功能定义、关联关系定义的制造资源信息模型,并建立了面向制造特征的任务定义模型。在此基础上,结合当前语义Web的研究成果,提出了基于Web Services的网络化制造资源管理系统,详细论述了系统结构中各层次的功能模块,并通过发动机零件加工过程的制造资源配置实例,验证了系统的有效性。     

云制造典型特征、关键技术与应用

在近两年来云制造理论研究、技术攻关、工程实施与应用示范的实践基础上,进一步讨论云制造的内涵,提出云制造的典型技术特征,即在数字化的基础上,具有硬软制造资源和制造能力的＂物联化、虚拟化、服务化、协同化、智能化＂,以实现全生命周期制造的智慧化;进而分析了云制造与制造信息化和云计算的关系。基于对云制造典型技术特征的分析,进一步讨论了支持这些特征实现的技术体系与关键技术;给出了正在实施的面向集团企业和中小企业的四个典型案例,最后对云制造的进一步工作提出几点建议。     

柔性制丝生产中数据挖掘技术的应用

柔性制丝是卷烟制造业中的一种先进生产方式。柔性制丝将会在生产过程中产生了大量的实时数据,如何对这些数据进行分析,并挖掘出其隐藏的信息,为过程诊断、决策提供支持成为了卷烟制造业的一个研究重点。详细分析了柔性制丝生产中关注的数据内容和特点,并结合了数据挖掘技术,给出了在柔性制丝中数据挖掘的方法和相关技术特点,通过对这些方法和技术的使用,可以建立相应的数据挖掘模型,使得数据挖掘技术更好的为柔性制丝生产服务。     

云制造的体系结构研究

云计算正迅速改变着信息系统设计构建和服务方式。本文针对现代制造业跨平台、跨区域、跨企业的协同需求,引入云计算思想,给出了云计算平台的总体结构,提出了一种云制造平台的总体结构,讨论了实施云制造所需的关键技术,为中小企业搭建云制造服务平台提供理论支持和技术指导。     

面向云制造的数控加工服务关键技术

根据云制造、云服务的原理总结了数控加工云服务的基本特征,分析了数控加工资源和能力的云服务化关键问题。为应对数控加工云服务中的工艺相关问题,设计了一个更加注重应用集成和知识管理的三层（服务管理层、应用集成层和基础数据层）云服务平台。通过服务组合和服务控制,该平台能协调从图纸到零件的整个过程,并支持多种应用方式。鉴于知识在这种服务系统的整体运行中的核心作用,基于本体技术构建了数控加工知识库的基本架构,包括概念层、领域层和规则层三个层次,分别描述概念、实例和推理规则,以有效表达数控加工服务并支持相关系统的智能行为。     

面向云制造的网络研究

云制造为我国广大中小企业充分利用和共享社会制造资源,提升企业综合竞争能力提供了重要的支撑手段。然而Internet"端到端尽力服务"的原则和无语义、中心化的Web服务,限制了云制造资源与制造能力的共享和协作。为了解决这一问题,基于覆盖网络和语义Web,提出了一种新的网络体系结构——面向云制造的网络(Cloud ManufacturingOriented Network,CMON),以支持资源高利用率、高敏捷性、高可靠性、高安全性和高可用性的云制造服务环境,为进一步深入、系统地开展云制造的研究、开发、实施和应用奠定了基础。     

云排产系统的关键技术研究

作为现代集成制造系统的重要组成部分,排产系统一直是制造领域研究的热点。云制造是一种新兴的制造模式,将云计算技术应用于制造领域,通过对分布的、异构的制造资源和制造能力的虚拟化和网络化,实现制造资源的高效、准确、协同共享。但是现有的排产系统在架构模式和方案解决上存在着诸多弊端,比如计算机资源占用量大、可移植性差等。这些缺点导致常规的排产系统不能满足云制造环境下的排产需求。因此,课题组提出了云排产的概念。本文针对目前排产系统发展遇到的困境以及云排产系统的实际需求,着重阐述了工艺管理、安全体系、大数据并发处理和优化排产四个关键技术,为云排产系统的开发提供借鉴和指导。