關鍵詞：智能制造;云平臺;Bubble-Skyline;數(shù)據(jù)割裂

0 引言（Introduction）

在當今工業(yè)互聯(lián)網(wǎng)快速發(fā)展的時代，GE Predix、SiemensMindSphere、IBM Watson IoT、Microsoft Azure IoT、AlibabaCloud IoT等大型企業(yè)都部署了智能云平臺[1]。由于數(shù)據(jù)具有隱私性，所以企業(yè)的物料需求計劃[2]（MRP）系統(tǒng)、高級計劃和調(diào)度（APS）系統(tǒng)、企業(yè)資源計劃[3]（ERP）系統(tǒng)等專業(yè)子系統(tǒng)雖然能各自實現(xiàn)功能，但是造成了不同系統(tǒng)之間的數(shù)據(jù)割裂問題。在內(nèi)部網(wǎng)絡環(huán)境下，企業(yè)可以通過放棄一定程度的隱私權緩解數(shù)據(jù)割裂問題，但在云平臺上，企業(yè)的數(shù)據(jù)直接暴露給第三方，存在數(shù)據(jù)泄露和安全風險。如何在保護數(shù)據(jù)隱私的同時實現(xiàn)系統(tǒng)間數(shù)據(jù)的流通和整合，已成為當下工業(yè)界必須認真考慮的重要問題[4]。針對上述背景，本文提出了一種基于Bubble-Skyline算法的解決方案，旨在解決工業(yè)互聯(lián)網(wǎng)中的數(shù)據(jù)割裂問題，實現(xiàn)精確的數(shù)據(jù)分析，并以智能制造的排產(chǎn)優(yōu)化為例，驗證該方案的可行性和實用性。

1 數(shù)據(jù)割裂問題與隱私保護（Data fragmentationand privacy protection）

1.1 數(shù)據(jù)割裂問題

企業(yè)的MRP系統(tǒng)、APS系統(tǒng)、ERP系統(tǒng)等涵蓋了生產(chǎn)計劃、物料管理、供應鏈協(xié)調(diào)等關鍵功能，在工業(yè)互聯(lián)網(wǎng)中發(fā)揮了至關重要的作用。MRP系統(tǒng)主要關注物料需求計劃，包括原材料、零部件的采購計劃和庫存管理;APS系統(tǒng)負責高級計劃和調(diào)度，用于優(yōu)化生產(chǎn)計劃和資源分配;ERP系統(tǒng)是一個綜合性的企業(yè)資源管理系統(tǒng)，涵蓋了財務、人力資源、采購、銷售等多個方面的數(shù)據(jù)。系統(tǒng)各自的獨立性運行，導致不同系統(tǒng)中的數(shù)據(jù)無法直接交換和共享，造成信息的孤立和分散，加劇了數(shù)據(jù)割裂問題。

1.2 隱私保護

隨著數(shù)字化和互聯(lián)網(wǎng)技術的普及，數(shù)據(jù)隱私保護變得至關重要，特別是涉及企業(yè)商業(yè)機密、生產(chǎn)工藝等方面的數(shù)據(jù)。由于MRP系統(tǒng)、APS系統(tǒng)、ERP系統(tǒng)等中的數(shù)據(jù)格式和結(jié)構(gòu)存在差異，導致其數(shù)據(jù)的共享和整合非常困難。此外，由于涉及敏感信息，例如客戶數(shù)據(jù)和產(chǎn)品設計數(shù)據(jù)等，因此保證數(shù)據(jù)的安全性和隱私性尤為重要。

為了保證數(shù)據(jù)的安全性和隱私性，數(shù)據(jù)收集模塊使用微服務架構(gòu)收集不同云平臺中的數(shù)據(jù)，同時在傳輸數(shù)據(jù)階段采用了協(xié)議加密和哈希映射轉(zhuǎn)化表等技術，實現(xiàn)不同系統(tǒng)之間數(shù)據(jù)的安全共享和整合。采用協(xié)議加密可以確保數(shù)據(jù)在各系統(tǒng)間傳輸?shù)陌踩?，防止出現(xiàn)未經(jīng)授權的訪問行為。同時，通過哈希映射轉(zhuǎn)化表，可以將不同系統(tǒng)的數(shù)據(jù)進行轉(zhuǎn)化和映射，使其具備一致的格式和結(jié)構(gòu)，從而實現(xiàn)數(shù)據(jù)的整合和共享。

2Bubble-Skyline算法（Bubble-Skyline algorithm）

2.1Skyline算法

Skyline[5]算法是一種被廣泛應用于解決多目標查詢問題的多目標優(yōu)化技術，它在數(shù)據(jù)挖掘和數(shù)據(jù)庫查詢等領域得到了較好的應用，對實際場景中的多目標決策有顯著影響。Skyline算法的核心思想是根據(jù)多個目標函數(shù)對數(shù)據(jù)進行篩選，選擇出那些在所有目標上優(yōu)于其他數(shù)據(jù)的數(shù)據(jù)點，形成Skyline集合。這些數(shù)據(jù)點在多個目標上都具有優(yōu)勢，因此可以作為決策的候選解。

以如表1所示的生產(chǎn)任務執(zhí)行時間和成本數(shù)據(jù)為例，某制造廠希望找到執(zhí)行時間較短且成本較低的任務進行優(yōu)先排產(chǎn)。圖1展示了這些任務在二維空間中的分布情況。在執(zhí)行時間的選擇中，任務T4用時最短，因此它是最合適的選擇;而在成本的選擇中，任務T6具有較低的成本，因此它是最合適的選擇。

2.2Bubble-Skyline算法

基于Bubble的Skyline算法是一種高效的多目標優(yōu)化方法，它結(jié)合了分支定界技術與效用搜索[6]的特點，能夠在具有多個屬性的數(shù)據(jù)集中找出不被其他數(shù)據(jù)點支配的點，即Pareto優(yōu)勢點。為了進一步優(yōu)化Skyline 集合的生成，Bubble-Skyline[7]算法引入了冒泡排序和索引ID列表的思想。如表2所示，Bubble-Skyline算法在執(zhí)行Skyline計算時，使用的是數(shù)據(jù)索引ID列表，而不是真實數(shù)據(jù)，從而在保護數(shù)據(jù)隱私的前提下執(zhí)行算法和比較數(shù)據(jù)。通過冒泡操作，較好的數(shù)據(jù)點逐步上移，排除次優(yōu)的數(shù)據(jù)點，從而使最終的Skyline集合更具優(yōu)化效果。使用基于Bubble的Skyline算法，可以在保護數(shù)據(jù)隱私的同時，找到多目標優(yōu)化問題中的最優(yōu)解。該算法的應用可以幫助決策者在面對多個目標和約束時，做出更準確、更全面的決策，同時該算法也為數(shù)據(jù)挖掘和決策支持系統(tǒng)等領域提供了一種高效的解決方案。

3 設計方案（Design scheme）

本方案包括數(shù)據(jù)收集模塊、數(shù)據(jù)預處理模塊和數(shù)據(jù)分析建模模塊，方案架構(gòu)如圖2所示。

3.1 數(shù)據(jù)收集模塊

數(shù)據(jù)收集模塊的主要職責是從多個源頭，包括不同的云平臺讀取MRP系統(tǒng)、APS系統(tǒng)、ERP系統(tǒng)等，采集與生產(chǎn)排產(chǎn)相關的數(shù)據(jù)，包括原材料采購、生產(chǎn)計劃、物流配送等關鍵環(huán)節(jié)產(chǎn)生的數(shù)據(jù)。但是，這些數(shù)據(jù)包含商業(yè)機密和生產(chǎn)設計等敏感內(nèi)容，因此在數(shù)據(jù)收集過程中必須重點考慮數(shù)據(jù)隱私保護的問題。本文采用傳輸層的安全性協(xié)議，如安全套接層（SSL）和傳輸層安全性（TLS）對數(shù)據(jù)進行加密[8]，防止數(shù)據(jù)在傳輸過程中被截取、竊聽或篡改。安全協(xié)議使用加密算法和證書確保數(shù)據(jù)在傳輸過程中的機密性和完整性，只有被授權的接收方能夠解密和訪問數(shù)據(jù)內(nèi)容，確保了數(shù)據(jù)的安全性。此外，為了確保數(shù)據(jù)的合規(guī)性，數(shù)據(jù)收集模塊采用權限校驗機制。每次發(fā)起數(shù)據(jù)訪問請求時，系統(tǒng)都會進行嚴格的權限檢查，確保只有被授權的人員才能訪問特定數(shù)據(jù)。

3.2 數(shù)據(jù)預處理模塊

數(shù)據(jù)預處理模塊負責對從各系統(tǒng)收集到的數(shù)據(jù)進行凈化、轉(zhuǎn)化和規(guī)范化，方便后續(xù)的數(shù)據(jù)分析和建模步驟。數(shù)據(jù)預處理主要聚焦于兩個關鍵任務：異常值清除和單位標準化。

異常值清除：異常值通常指那些明顯與其他觀測值有差異或超出正常數(shù)據(jù)范圍的數(shù)據(jù)點。在生產(chǎn)排產(chǎn)過程中，可能由于機器故障、備料不及時、數(shù)據(jù)采集誤差或其他未知因素而產(chǎn)生異常數(shù)據(jù)。異常值需要被識別并清除，以防止它們對后續(xù)分析和建模產(chǎn)生負面影響。

單位標準化：在工業(yè)互聯(lián)網(wǎng)中，不同的設備和傳感器可能使用不同的單位和量綱表示數(shù)據(jù)，導致數(shù)據(jù)的不一致性，因此需要將數(shù)據(jù)轉(zhuǎn)換為相同的單位和量綱，以便于后續(xù)的數(shù)據(jù)分析和建模。本文建立一個單位轉(zhuǎn)換的映射表標準化單位（圖3），該表包含了不同單位之間的轉(zhuǎn)換關系，并且易于更新和維護。

3.3 數(shù)據(jù)分析建模模塊

數(shù)據(jù)分析建模模塊旨在利用收集到的數(shù)據(jù)進行深入分析，并構(gòu)建合適的模型解決排產(chǎn)問題。通過對數(shù)據(jù)進行統(tǒng)計分析和可視化展示，揭示數(shù)據(jù)中存在的模式、趨勢和關聯(lián)性。同時，模型可以通過調(diào)整生產(chǎn)參數(shù)和資源分配實現(xiàn)最佳的排產(chǎn)，制訂合理的生產(chǎn)計劃和調(diào)整資源分配，以應對生產(chǎn)過程中的變化。在工業(yè)互聯(lián)網(wǎng)中，系統(tǒng)的獨立性導致不同系統(tǒng)之間的數(shù)據(jù)無法直接交換和共享，造成信息的孤立和分散。Bubble-Skyline算法是一種數(shù)據(jù)分析方法，它能從大量數(shù)據(jù)中篩選出最優(yōu)的數(shù)據(jù)子集，同時滿足數(shù)據(jù)保密性的要求。

基于Bubble的Skyline算法，能在保護數(shù)據(jù)隱私的同時，為生產(chǎn)部門優(yōu)化排產(chǎn)方案。該算法的基本步驟如圖4所示。

步驟1：初始化。首先初始化一個空的Skyline集合（S），用于存儲最終的Skyline數(shù)據(jù)點。

步驟2：建立搜索空間。使用多維數(shù)據(jù)的屬性建立搜索空間，其中每個維度對應一個屬性。為每個搜索空間節(jié)點分配一個ID列表，用于存儲與該節(jié)點相關的數(shù)據(jù)點ID。

步驟3：分支定界搜索。利用Bubble算法的分支定界搜索技術，從搜索空間的根節(jié)點開始搜索。在搜索過程中，每次訪問一個節(jié)點時，根據(jù)該節(jié)點的ID列表與當前Skyline集合中的所有數(shù)據(jù)點進行比較。若該節(jié)點不被Skyline集合中的任何點支配，則繼續(xù)搜索該節(jié)點的子節(jié)點;否則，該節(jié)點及其所有子節(jié)點都將被剪枝，并從搜索空間中被刪除。

步驟4：更新Skyline集合。當找到一個不被其他節(jié)點支配的數(shù)據(jù)點時，將其添加到Skyline集合中。同時，從Skyline集合中移除所有被新數(shù)據(jù)點支配的點。

步驟5：終止條件。當搜索空間中的所有節(jié)點都被訪問或剪枝時，搜索過程結(jié)束。此時，Skyline集合S 包含了所有不被其他數(shù)據(jù)點支配的點，即最終的Skyline結(jié)果。

4 方案驗證（Scheme validation）

本文建立訂單信息ID表（表3），用來保存訂單在不同系統(tǒng)中產(chǎn)生的信息，包括訂購的產(chǎn)品信息、交付日期等，構(gòu)建ID列表，基于Bubble的Skyline算法計算排產(chǎn)方案。通過與實際使用的歷史排產(chǎn)計劃[9]進行對比，評估新的排產(chǎn)[10]方案在交貨期限、最大產(chǎn)量等方面的表現(xiàn)。

利用基于Bubble的Skyline算法對歷史訂單數(shù)據(jù)進行分析，生成新的排產(chǎn)計劃數(shù)據(jù)，將這個新的排產(chǎn)計劃與實際使用的歷史排產(chǎn)計劃進行對比分析。圖6展示了通過基于Bubble 的Skyline算法生成的排產(chǎn)計劃（虛線）與實際使用的歷史排產(chǎn)計劃（實線）中不同訂單的生產(chǎn)時間對比。從圖中可以觀察到，新生成的排產(chǎn)計劃在時間點上低于歷史排產(chǎn)計劃，生產(chǎn)時間明顯減少。通過原排產(chǎn)計劃所需總天數(shù)與新排產(chǎn)計劃所需總天數(shù)的差值，再除以原排產(chǎn)計劃的總天數(shù)，計算出平均生產(chǎn)時間減少了17.15%，證明了通過采用基于Bubble的Skyline算法，在保護數(shù)據(jù)隱私的同時能更好地優(yōu)化排產(chǎn)方案，減少了生產(chǎn)時間，提高了生產(chǎn)效率。

5 結(jié)論（Conclusion）

本文分析了在工業(yè)互聯(lián)網(wǎng)中，由于不同系統(tǒng)之間的數(shù)據(jù)無法直接交換和共享導致的數(shù)據(jù)孤立和分散問題。針對智能云平臺的數(shù)據(jù)隱私保護和數(shù)據(jù)割裂問題，設計基于Bubble-Skyline算法的方案，該方案使用協(xié)議加密和哈希映射轉(zhuǎn)化表實現(xiàn)了不同系統(tǒng)之間數(shù)據(jù)的安全共享與整合。使用Bubble-Skyline算法，可以從大量的數(shù)據(jù)中篩選出最優(yōu)的數(shù)據(jù)子集。采用歷史訂單數(shù)據(jù)對方案進行驗證，并與實際使用的歷史排產(chǎn)計劃進行對比分析，結(jié)果表明該方案在保護數(shù)據(jù)隱私的同時能更好地優(yōu)化排產(chǎn)方案，平均生產(chǎn)時間減少了17.15%，證明了該方案具有可行性和實用性。