董朝陽(yáng) 張琳

摘? 要：文章建立集中統(tǒng)一的云制造服務(wù)大數(shù)據(jù)語(yǔ)義網(wǎng)，通過(guò)本體解決數(shù)據(jù)異構(gòu)問(wèn)題，在語(yǔ)義層面支持?jǐn)?shù)據(jù)的互操作，實(shí)現(xiàn)數(shù)據(jù)有效集成共享，充分發(fā)掘隱含在大數(shù)據(jù)背后的知識(shí)和價(jià)值，構(gòu)建跨領(lǐng)域可重構(gòu)的云服務(wù)智能制造知識(shí)庫(kù)，通過(guò)語(yǔ)義推理，實(shí)現(xiàn)對(duì)制造過(guò)程及制造系統(tǒng)的動(dòng)態(tài)優(yōu)化調(diào)度，使云制造服務(wù)處于最優(yōu)效能狀態(tài)。

關(guān)鍵詞：云制造;智能制造;智能云制造服務(wù);語(yǔ)義網(wǎng);知識(shí)發(fā)現(xiàn)

中圖分類號(hào)：TH166? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ?文章編號(hào)：2095-2945（2019）30-0001-02

Abstract： The integrated semantic web for big data of cloud manufacturing service is constructed. The heterogeneous data are integrated by ontology. Then the semantic interoperability between data is realized. The data are effectively integrated and shared. The knowledge and value hidden behind the big data are fully mined， so the cross-domain and reconfigurable intelligent manufacturing knowledge base for cloud service is build. By semantic inference， the dynamic optimization and scheduling of manufacturing process and manufacturing system are realized， so the cloud manufacturing service is adjusted to be in optimized condition.

Keywords： cloud manufacturing; intelligent manufacturing; intelligent cloud manufacturing service; semantic web; knowledge discovery

引言

云制造服務(wù)是構(gòu)成制造云的基本要素，是服務(wù)化的制造資源和制造能力。云制造服務(wù)將各種制造資源和制造能力進(jìn)行抽象封裝，通過(guò)網(wǎng)絡(luò)為用戶提供面向產(chǎn)品全生命周期，并具有標(biāo)準(zhǔn)接口的規(guī)范可共享的制造服務(wù)。在云制造模式下，分散在各地的云制造服務(wù)提供方將其擁有的云制造服務(wù)智能接入云制造服務(wù)平臺(tái)，從而實(shí)現(xiàn)云制造服務(wù)的智能發(fā)現(xiàn)匹配、組合優(yōu)化、動(dòng)態(tài)調(diào)整和按需使用[1]。

與此同時(shí)，智能制造借助RFID技術(shù)在識(shí)別、感知、聯(lián)網(wǎng)、定位等方面的強(qiáng)大功能，將包括機(jī)器、設(shè)備和設(shè)施群在內(nèi)的工業(yè)網(wǎng)絡(luò)與先進(jìn)的傳感器、控制裝置和應(yīng)用軟件相連。智能制造可應(yīng)用于復(fù)雜零件制造過(guò)程管理，能有效提升其制造效率和品質(zhì)[2]。

在現(xiàn)階段，云制造需要與智能制造結(jié)合才能發(fā)揮出更大作用，而現(xiàn)有云制造服務(wù)研究主要圍繞著制造資源的虛擬化及可視化、基于云計(jì)算技術(shù)的制造服務(wù)封裝、遠(yuǎn)距離監(jiān)測(cè)與控制等，對(duì)于面向云制造的智能云制造服務(wù)（ImaaS）研究不夠。

云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)技術(shù)的飛速發(fā)展極大促進(jìn)了制造業(yè)的信息化應(yīng)用和發(fā)展，這些應(yīng)用時(shí)時(shí)刻刻產(chǎn)生著海量數(shù)據(jù)，其中蘊(yùn)藏著豐富價(jià)值的同時(shí)也帶來(lái)了許多新問(wèn)題，例如數(shù)據(jù)來(lái)源復(fù)雜，數(shù)據(jù)形式混雜異構(gòu)、存儲(chǔ)格式多樣化，形成了一個(gè)個(gè)缺乏有效溝通共享的信息孤島，大量的信息不能及時(shí)地共享。

云制造環(huán)境下的智能云制造服務(wù)需要研究如何在云制造服務(wù)內(nèi)部結(jié)合大數(shù)據(jù)處理技術(shù)、物聯(lián)網(wǎng)技術(shù)、云計(jì)算及知識(shí)發(fā)現(xiàn)，對(duì)云制造服務(wù)中的人力資源、設(shè)備及各種裝置、物料庫(kù)存、刀夾量具等多類制造要素進(jìn)行全面狀態(tài)感知、實(shí)時(shí)分析、并實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化調(diào)度及自主決策，使制造過(guò)程以及制造系統(tǒng)處于最優(yōu)狀態(tài)[3]。

1 基于本體映射的加工任務(wù)與云制造服務(wù)匹配方法

智能云制造服務(wù)的關(guān)鍵技術(shù)即在于實(shí)現(xiàn)云制造服務(wù)智能搜索匹配、針對(duì)復(fù)雜加工任務(wù)進(jìn)行云制造服務(wù)組合優(yōu)化、以及通過(guò)有效集成共享制造大數(shù)據(jù)，充分發(fā)掘數(shù)據(jù)知識(shí)和價(jià)值，實(shí)現(xiàn)智能云制造服務(wù)。

對(duì)特定加工任務(wù)而言，搜索匹配具備加工能力的制造資源一直依靠傳統(tǒng)人工管理模式進(jìn)行，云制造服務(wù)智能搜索匹配的主要目的就是便于實(shí)現(xiàn)加工任務(wù)的加工要求和云制造服務(wù)的制造資源及制造能力之間的搜索匹配。

本文利用概念樹(shù)對(duì)云制造服務(wù)的財(cái)務(wù)、技術(shù)、設(shè)備、人力資源、軟件資源、物流資源等方面知識(shí)進(jìn)行描述，建立本體概念框架，明確各種概念之間的關(guān)系，利用本體表達(dá)的制造資源知識(shí)結(jié)構(gòu)對(duì)Web制造資源進(jìn)行映射，構(gòu)成云制造服務(wù)制造能力本體模型。同樣，制造任務(wù)及制造要求也可以通過(guò)本體進(jìn)行建模。

云制造服務(wù)智能搜索匹配就是總加工任務(wù)分解為便于協(xié)同完成的原子加工任務(wù)，再為每個(gè)原子加工任務(wù)搜索出具備加工能力的備選云制造服務(wù)，有了云制造服務(wù)本體及加工任務(wù)本體，則備選云制造服務(wù)搜索就轉(zhuǎn)化為制造任務(wù)本體與云制造服務(wù)本體之間的映射問(wèn)題。概念是本體結(jié)構(gòu)中的主要實(shí)體，概念相似度計(jì)算是云制造服務(wù)智能檢索即本體之間的映射的基礎(chǔ)。

2 云制造服務(wù)組合優(yōu)化

云制造服務(wù)組合優(yōu)化通過(guò)綜合考慮各備選云制造服務(wù)的加工時(shí)間、加工成本、加工能耗、服務(wù)質(zhì)量、可信任性，以及備選云制造服務(wù)之間的運(yùn)輸時(shí)間及運(yùn)輸成本、物流能耗等指標(biāo)，為加工任務(wù)中的每個(gè)原子任務(wù)選擇出整體最優(yōu)的云制造服務(wù)。

當(dāng)不考慮各備選云制造服務(wù)之間的運(yùn)輸時(shí)間、運(yùn)輸成本、物流能耗等指標(biāo)時(shí)，云制造服務(wù)組合優(yōu)化問(wèn)題屬于典型的多目標(biāo)、多選擇、多約束背包問(wèn)題。當(dāng)考慮各備選云制造服務(wù)之間的運(yùn)輸時(shí)間及運(yùn)輸成本時(shí)，該問(wèn)題變得極為復(fù)雜，因?yàn)檎麠l工藝路線中任何一個(gè)原子任務(wù)選擇的云制造服務(wù)改變時(shí)，都會(huì)使得該云制造服務(wù)與上一個(gè)原子任務(wù)及下一個(gè)原子任務(wù)所選擇的云制造服務(wù)之間的運(yùn)輸時(shí)間、運(yùn)輸成本、物流能耗發(fā)生變化，從而對(duì)上一個(gè)及下一個(gè)原子任務(wù)選擇云制造服務(wù)產(chǎn)生影響，進(jìn)而對(duì)工藝路線中其余所有的原子任務(wù)選擇云制造服務(wù)形成約束[4]。

多目標(biāo)、多選擇、多約束背包問(wèn)題是更為廣義的背包問(wèn)題，多目標(biāo)、多選擇、多約束背包問(wèn)題遠(yuǎn)比0-1背包問(wèn)題復(fù)雜，已有解決方法存在限制條件很多的缺點(diǎn)，而且當(dāng)約束較多時(shí)算法性能不穩(wěn)定，求解效率也大大降低，在一些情況下無(wú)法在多項(xiàng)式時(shí)間內(nèi)求解。目前，對(duì)于同時(shí)具備多目標(biāo)、多選擇、多約束特征的背包問(wèn)題的研究較為少見(jiàn)。本文通過(guò)設(shè)計(jì)并行群智能優(yōu)化算法求解云制造服務(wù)組合優(yōu)化問(wèn)題，并使該算法適合于求解一般多背包問(wèn)題。

3 基于大數(shù)據(jù)處理技術(shù)及知識(shí)發(fā)現(xiàn)實(shí)現(xiàn)智能云制造服務(wù)

生產(chǎn)過(guò)程中產(chǎn)生的海量數(shù)據(jù)來(lái)源復(fù)雜，數(shù)據(jù)形式混雜異構(gòu)、存儲(chǔ)格式多樣化，形成了一個(gè)個(gè)缺乏有效溝通共享的信息孤島，大量的信息不能及時(shí)地共享。需要建立集中統(tǒng)一的大數(shù)據(jù)語(yǔ)義網(wǎng)對(duì)這些數(shù)據(jù)進(jìn)行分析處理，并及時(shí)對(duì)生產(chǎn)過(guò)程進(jìn)行動(dòng)態(tài)優(yōu)化調(diào)度[5]。

例如，需要對(duì)生產(chǎn)過(guò)程中刀具信息的全方位管理，包括刀具長(zhǎng)度、磨損量、刀具所在位置等信息，實(shí)現(xiàn)刀具的加工工藝參數(shù)、刀具補(bǔ)償量、刀具壽命參數(shù)、刀具磨/破損等在線監(jiān)控，以及刀具借用、歸還、配置、檢驗(yàn)、報(bào)廢、采購(gòu)的全面管理，提高刀具利用率，提高機(jī)床使用效率。同樣需要實(shí)現(xiàn)物料/在制品從“倉(cāng)庫(kù)→配送→加工→檢測(cè)”全過(guò)程可視化管理;實(shí)現(xiàn)各種生產(chǎn)數(shù)據(jù)采集的自動(dòng)化和實(shí)時(shí)化;能有效跟蹤、管理和控制生產(chǎn)所需資源和在制品等。

本文根據(jù)采集到的各類制造大數(shù)據(jù)構(gòu)建面向云制造服務(wù)大數(shù)據(jù)的本體模型，建立大數(shù)據(jù)RDFS。包括CRM系統(tǒng)的訂單數(shù)據(jù)、ERP的計(jì)劃數(shù)據(jù);SCM的主計(jì)劃和調(diào)度數(shù)據(jù)、PDM工藝文件和各種配方及操作參數(shù)、車間執(zhí)行系統(tǒng)實(shí)時(shí)采集的生產(chǎn)狀態(tài)信息、設(shè)備狀態(tài)監(jiān)測(cè)數(shù)據(jù)、各種工裝的加工工藝參數(shù)、刀具壽命參數(shù)、刀具磨/破損等在線監(jiān)控?cái)?shù)據(jù)等。

根據(jù)已構(gòu)建的RDFS，抽取云制造服務(wù)大數(shù)據(jù)中結(jié)構(gòu)化數(shù)據(jù)（關(guān)系型數(shù)據(jù)庫(kù)）和半結(jié)構(gòu)化（XML及其它標(biāo)記語(yǔ)言等）、非結(jié)構(gòu)化數(shù)據(jù)（巡檢記錄、圖形、圖像、監(jiān)控視頻等）并進(jìn)行語(yǔ)義標(biāo)注，建立面向云制造服務(wù)大數(shù)據(jù)的語(yǔ)義網(wǎng)。

本文基于深度學(xué)習(xí)等知識(shí)發(fā)現(xiàn)方法，構(gòu)建跨領(lǐng)域可重構(gòu)的智能云制造服務(wù)制造知識(shí)庫(kù)，并對(duì)已有云制造服務(wù)大數(shù)據(jù)RDFS進(jìn)行補(bǔ)充完善。實(shí)現(xiàn)現(xiàn)場(chǎng)采集的制造狀態(tài)信息與逐步積累的制造知識(shí)之間的有效協(xié)同。將一個(gè)個(gè)缺乏有效溝通共享的信息孤島集成到高度語(yǔ)義共享的語(yǔ)義網(wǎng)系統(tǒng)之中，使所有資源、數(shù)據(jù)、知識(shí)達(dá)到充分共享。

基于SPARQL及推理規(guī)則SWRL，實(shí)現(xiàn)對(duì)云制造服務(wù)大數(shù)據(jù)語(yǔ)義網(wǎng)的語(yǔ)義搜索及推理，對(duì)現(xiàn)場(chǎng)采集的制造數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，將來(lái)源復(fù)雜，數(shù)據(jù)形式混雜異構(gòu)、存儲(chǔ)格式多樣化的車間現(xiàn)場(chǎng)大數(shù)據(jù)通過(guò)語(yǔ)義推理，轉(zhuǎn)化為可用于智能決策的可視化信息。在制造過(guò)程中不斷地動(dòng)態(tài)優(yōu)化智能云制造服務(wù)知識(shí)庫(kù)，使制造過(guò)程以及制造系統(tǒng)處于最優(yōu)效能狀態(tài)。

具體技術(shù)實(shí)現(xiàn)方案如圖1所示。

4 結(jié)束語(yǔ)

本文旨在突破云制造環(huán)境下智能云制造服務(wù)的瓶頸技術(shù)，即云制造服務(wù)智能匹配、云制造服務(wù)組合優(yōu)化、以及基于大數(shù)據(jù)處理及知識(shí)發(fā)現(xiàn)的智能云制造服務(wù)。為了便于搜索最優(yōu)的云制造服務(wù)，建立了制造任務(wù)本體及云制造服務(wù)本體，并通過(guò)基于概念樹(shù)的語(yǔ)義相似度計(jì)算方法實(shí)現(xiàn)二者之間的匹配映射。對(duì)云制造服務(wù)組合優(yōu)化問(wèn)題進(jìn)行深入分析，將其歸類為復(fù)雜多目標(biāo)、多選擇、多約束背包問(wèn)題，通過(guò)設(shè)計(jì)智能優(yōu)化算法進(jìn)行求解。建立了集中統(tǒng)一的云制造服務(wù)大數(shù)據(jù)語(yǔ)義網(wǎng)，充分發(fā)掘隱含在大數(shù)據(jù)背后的知識(shí)和價(jià)值，構(gòu)建跨領(lǐng)域可重構(gòu)的云服務(wù)智能制造知識(shí)庫(kù)，通過(guò)語(yǔ)義推理，實(shí)現(xiàn)對(duì)制造過(guò)程及制造系統(tǒng)的動(dòng)態(tài)優(yōu)化調(diào)度，使云制造服務(wù)處于最優(yōu)效能狀態(tài)。

參考文獻(xiàn)：

[1]李伯虎，張霖，任磊，等.云制造典型特征關(guān)鍵技術(shù)與應(yīng)用[J].計(jì)算機(jī)集成制造系統(tǒng)，2012，18（7）：1345-1356.

[2]尹周平，陶波.智能制造與RFID技術(shù)[J].航空制造技術(shù)，2014（3）：32-35.

[3]Yang Cao， Shilong Wang， Ling Kang， et al. Study on machining service modes and resource selection strategies in cloud manufacturing[J].Int J Adv Manuf Technol，2015，81：597-613.

[4]董朝陽(yáng)，蔡安江，等.多背包問(wèn)題求解及其在網(wǎng)絡(luò)化制造中的應(yīng)用[J]. 機(jī)械設(shè)計(jì)與制造，2010，5：72-74.

[5]Yunliang Chen， Fangyuan Li， Junqing Fan. Mining association rules in big data with NGEP[J].Cluster Comput，2015，18：577-585.