一、虚拟制造模式(下) 虚拟制造提出的背景(论文文献综述)
毕筱雪[1](2021)在《云制造环境下资源建模及优化配置方法研究》文中研究表明网络信息技术的飞速发展,推动全球制造业朝着智能化、服务化、定制化方向转型升级。近年来,推进网络技术与制造业深度融合的先进制造模式研究成为学术界与产业界研究的热点。云制造作为一种面向服务的网络化制造模式应运而生。云制造是云计算理念在制造业领域的应用与发展,体现了“分散资源集中使用”和“集中资源分散服务”的思想,通过对分布式的制造资源进行集中的管理与运营,实现制造资源的高效共享与合理利用,为用户提供可随时获取、按需配置且优质廉价的制造服务。云制造的核心思想是“制造即服务”,通过虚拟化、服务化方法将制造资源及制造能力封装为云服务,并通过服务匹配、服务优化选择等关键技术,实现企业间制造资源的高效共享与协同制造。论文在国内外已有研究成果的基础上,针对云制造模式下,制造资源的异构性与分布性特征、服务需求的复杂性与多样性特征及云制造平台的动态性与稳定性特征,对云制造平台中制造资源的服务化封装、匹配与选择、动态调整问题进行研究,主要研究内容如下:(1)研究面向中小企业的云制造体系结构,分析面向中小企业的云制造典型特征及运行模式,提出云制造服务平台中云服务注册、获取、管理的流程与功能需求。在此基础上构建基于多Agent的云制造平台功能架构,并对功能架构中所涉及的各Agent类型及相互之间的交互方式进行分析,在分析各功能模块实现技术的基础上建立云制造关键技术体系。(2)针对云制造环境下制造资源多样性、异构性和复杂性的特点,提出一种基于语义的云制造资源建模与服务化封装方法。首先,根据制造资源的共性与服务化封装的需求,构建云制造资源形式化描述模型,将制造资源抽象描述为制造能力。然后,在此基础上采用本体建模技术构建基于语义的云服务结构模型,通过对制造资源相关的概念、属性、公理、规则进行规范化描述,解决制造资源描述过程中的语义异构问题。最后,通过制造资源实例化方法将云服务结构模型转化为云服务描述模型,实现制造资源的服务化封装,并以某VMC-2100B立式加工中心为例,描述制造资源的服务化封装与注册方法。(3)针对云制造环境下服务需求与制造云服务的功能匹配问题,提出一种基于语义的制造云服务匹配与组合方法。针对单一云服务的匹配需求,提出一种基于语义的制造云服务搜索与匹配方法,基于云服务结构模型计算服务需求与云服务的语义相似度;针对组合云服务的匹配需求,提出一种基于任务相关度的任务需求分解与组合服务匹配方法。首先,运用分层任务网络(Hierarchical Task Network,HTN),将任务需求分解为一组具有约束关系的原子任务。然后,根据任务单元设计原则,提出一种基于任务相关度的原子任务重组方法,将原子任务重组为一组任务单元,在重组过程中采用基于语义的制造云服务搜索与匹配方法为各任务单元匹配满足功能需求的候选云服务,有效解决了任务需求分解与组合云服务匹配过程脱节的问题。最后,以某轴类零件加工的任务需求为例,验证所提云服务匹配与组合方法的有效性。(4)针对云制造环境下云服务组合优化选择(Service Composition and Optimal Selection,SCOS)过程中,多个服务质量(Quality of Service,Qo S)评价指标的权衡优化问题,提出一种基于第三代非支配排序遗传算法(NonDominated Sorting Genetic Algorithm-III,NSGA-III)的偏好多目标优化算法,并首次使用偏好多目标优化算法求解SCOS问题。提出一种K层偏好参考点生成方法,改进原始算法中参考点的生成策略,并相应的提出一种适应度值计算方法和环境选择策略,将用户偏好通过参考点融入到寻优过程中,引导算法搜索用户感兴趣的部分帕累托前沿,以增加种群个体的选择压力,提升算法的效率与收敛性。采用模因演算法改进算法的后代生成策略,解决原始算法局部搜索能力不足的问题。最后,通过对比实验,验证所提算法的有效性与高效性,实验结果表明,所提算法能够根据用户偏好权重搜索到一组具有良好收敛性和多样性的云服务组合优化配置方案。(5)针对云制造环境下异常云服务节点的动态调整问题,提出一种基于多Agent的云制造服务异常处理框架,并为任务Agent设计一种云服务异常自适应调整模型。基于上述模型,提出一种云服务异常自适应调整算法。首先,根据云制造环境的特点,建立基于稳定性和Qo S指标的目标函数。然后,采用蜜源编码策略,蜜源邻域搜索策略和蜜源适应度值计算策略改进人工蜂群算法(Artificial Bee Colony Algorithm,ABC),并将改进算法应用于上述目标函数的求解中。最后,通过仿真实验验证所提方法的有效性,实验结果表明,所提方法能高效的实现异常云服务的动态调整,维护云制造平台的稳定性。
李超[2](2021)在《基于系统动力学的云制造模式扩散机制研究》文中提出制造业正面临着资源全球化、个性化和绿色低碳生产等一系列挑战。先进信息技术和制造模式的迅速发展,也正在改变传统制造业的经营模式。为了突破制造业发展困局,必须推动制造业向着数字化与智能化的方向不断发展。在众多先进的制造模式中,云制造作为一种绿色高效的制造模式,由于其独特的运营方式和巨大的优势受到了广泛的关注。中国政府已经先后出台了《中国制造2025》、《智能制造发展规划(2016-2020年)》、等各种政策法规,中国的企业也开始积极的探索云制造的相关实践。然而,当前我国工业互联网基础设施发展仍不够成熟,制造企业的数字化和智能化基础较低,难以为制造业产能共享的发展提供有力技术支撑。虽然制造业领域已经出现了部分云制造平台,但是产能共享覆盖率和制造服务平台渗透率不足。在我国现有的制造环境下,云制造模式是如何扩散的,不同的扩散渠道以及扩散方式对最终的推广应用效果有何影响尚不明确。基于此,本文通过对国内外文献的研究定义了云制造模式扩散的内涵,结合相关的政策及数据分析了中国云制造模式的扩散现状。在此基础上,利用企业间的相互影响机制以及企业间的信息传递过程,提出了云制造模式的三阶段扩散过程,对云制造模式扩散过程中的主要影响因素和扩散方式进行了总结。并通过对企业内部决策机制的探索,建立了云制造模式扩散的研究框架。然后,从制造企业的角度出发,对云制造模式的扩散规律进行了分析。运用系统动力学(SD)方法模拟了制造企业对云制造模式的采纳行为,分析了包括用户市场子模块、企业收益子模块和扩散子模块的因果循环图,建立了基于演化博弈理论和系统动力学方法的云制造模式扩散模型。最后,综合考虑了平台佣金率、政府补贴、用户会员费和用户接受意愿等因素的影响,模拟了云制造模式的扩散过程。研究结果表明,云制造模式在我国还处于扩散的早期阶段,其扩散过程与“S”型曲线相似,符合创新扩散理论的扩散趋势。在整个扩散过程中,不同的因素的影响作用不同。其中,政府对用户的补贴效果比对云制造服务企业的补贴效果更好。云制造平台收取的佣金大小有一定的影响,但效果不显着。用户在整个扩散过程中扮演着重要的角色,用户的接受意愿和会员费用是两个关键因素。本文的研究,有助于对云制造模式的扩散过程和规律有一个清晰的认识,这不仅深化了云制造模式扩散的内涵,更加丰富了云制造相关理论研究,对新技术扩散的研究领域进行了补充。此外,通过研究政府在博弈过程中的影响,还可以为政府在制定促进云制造模式扩散的政策时提供参考依据。
李亚琪[3](2021)在《破解数字拜物教 ——数字资本时代拜物教新形式批判》文中指出20世纪70年代以来,当代资本主义借助数字信息技术尤其是互联网技术,实现了资本样态与人类社会生活的数字化转型。从传统资本主义向数字资本主义的过渡,在为资本主义剩余价值生产和积累创造新的生产资料与生产条件的同时,也形成了更为抽象化的数字拜物教。在社会生活遽变的背景下,重新审视数字资本主义生产方式、生产过程的具体变化及由此产生的全新拜物教形式——数字拜物教,是我们当前阶段不可回避的重要理论与现实问题。基于此,本文以数字拜物教为核心论题,旨在通过对数字拜物教的具体表现、深层内涵及内在机制的批判性考察,破解数字拜物教现实存在的秘密,从而推动数字资本时代拜物教新形式批判的深度研究。数字拜物教本身并未脱离资本主义生产过程及其生产关系的一般规律与逻辑,它是随着数字资本主义的发展而形成的一种新的拜物教形式。在对资本样态的历史裂变与数字资本时代生产方式的最新变化分析基础上,文章重点阐述了数字拜物教的具体表现与深层内涵。数字拜物教作为当代资本主义特有的一种社会现象,不仅表现为人们对数据、数据商品、数字资本的崇拜,同时还表现为社会整体对数字技术尤其是以互联网、大数据、云计算为代表的当代智能数字技术的膜拜,我们可以把这种崇拜或膜拜称为“数字崇拜”。数字崇拜对主体价值意识的渗透和浸润,又在日常生活中不断地把数字拜物教意识再生产出来,进而,数字拜物教意识在深层次上融入到人们的生命结构中,并对其价值选择和行为方式施加隐秘影响,使之成为认同和接受数字资本主义颠倒社会秩序的物化存在,数字拜物教的社会现实由此强化,这正是数字拜物教意识发挥社会效力的体现。数字资本主义为数字拜物教的形成提供了现实基础,而数字拜物教内在机制的展开同时又为数字资本逻辑统治的强化营造了有利环境。数字资本主义通过操控商品符号的数字媒介传播与文化工业景观,诱导大众沉浸在数字化幻象之中,致使数字拜物教意识或者说观念成为被社会普遍认同并且接受的意识形式。在此基础上,数字拜物教机制又进一步为数字—生命政治与数字平台帝国主义的意识形态提供了合法性根据。在这里,数字拜物教已经由一种虚假意识幻象转化为社会现实存在,成为数字资本主义社会秩序能够稳固运行的条件与基础。正是在数字拜物教内在机制多层面的作用下,每一个真实的生命主体以及我们所处的全球化社会政治经济秩序,才真正被数字资本逻辑控制与塑造,数字资本逻辑的统治也因此得到巩固和强化。对数字资本主义生产过程颠倒假象的政治经济学批判,是破解数字拜物教秘密的根本途径。数字资本主义与数字拜物教彼此支撑相互补充,数字资本主义的生产与再生产过程及其社会关系形式内在需要并不断要求数字资本逻辑在拜物教机制展开的基础上,生产出适合且认同资本主义社会生产秩序的劳动主体。所以对数字拜物教的批判,就需要将其放置在数字资本主义生产过程中展开探究,即揭示出拜物教形成的社会历史前提及其遮蔽的数字资本主义生产过程的内在矛盾本质。为此,本文以马克思政治经济学批判为方法论基础,从数字资本主义生产过程的四个环节即生产、分配、流通、消费出发,具体揭露了“劳动的自由自主”、“合理的分配关系”、“流通生产价值”、“消费需要的满足”等资本主义的颠倒假象背后,被数字拜物教遮蔽的“无酬数字劳动剥削逻辑的延伸”、“不平等的分配关系”、“流通时间是价值实现的障碍”、“拜物需要替换真实需要”的社会现实,这一过程实际上是对形成数字拜物教的社会历史根源的前提批判。消解数字拜物教,实现人类解放并不是内涵于哲学理论中的抽象论断,而是在人类文明新形态现实建构过程中不断推进的历史过程。文中指出,马克思对资本逻辑内在矛盾的揭示,是消解数字拜物教的理论前提。数字资本逻辑的内在矛盾本性决定了它必然在自我增殖的过程中遭遇到限制,从而走向自我否定,数字拜物教消解的现实根据就在于资本逻辑的自我否定。同资本逻辑自我否定与扬弃资本文明的共产主义运动历史客观趋势相呼应的是,原来物化的人将在生存实践活动中转变为社会性的人,并承担起人类文明形态变革的重任,从而推动全新社会关系形式的历史生成。归根结底,消解数字拜物教,一方面需要从资本逻辑自我否定的历史过程,洞悉资本主义生产方式的不合理性及其必然灭亡的演化趋势;另一方面还需要以人的社会性生存方式取代物化的片面存在,激发人的社会性生产与生活的共同感,最后统一于人类文明新形态的建构过程。人类文明新形态是扬弃资本主义“以物的依赖性为基础的人的独立性”阶段之后,人的自由个性充分实现与社会整体充分发展的历史形态,它所要确立的最高价值目标就是“人的自由全面发展”。在此阶段,不仅数字拜物教被消解,任何由资本主义生产方式导致的抽象统治将得到全面祛除,人与人之间的对立、压迫、矛盾关系都将被彻底超越,普遍性意义的人类解放将会成为现实。
郭煜[4](2021)在《急件订单插入下混流生产系统计划调度问题研究》文中提出面对用户个性化需求日益增长、市场竞争日趋激烈的外部挑战和因客户订单变动而复杂多变的内部生产环境,制造企业需根据生产的实际情况,运用先进的制造技术,制定兼顾柔性与效率的生产调度方案,才能提升制造能力和市场竞争力。虚拟单元制造系统作为一种对动态生产环境适应良好的先进制造技术,可根据订单任务快速配置合适的生产资源,并根据订单的实时变化进行资源的适时调整,进而保证调度的柔性和效率,在调度中实现生产资源的充分利用,提高企业对动态市场需求和生产环境的适应能力。本文以J厂混流生产系统为研究对象,运用虚拟单元制造系统这一先进制造技术,具体研究了急件订单插入下混流生产系统的计划调度问题,主要工作内容如下:(1)针对J厂多个预定订单同期排产的过程,研究预定订单产品的生产资源调度问题。运用虚拟单元构建的相关理论,提出一种虚拟单元两阶段构建法:第一阶段,基于资源要素的相关理论,进行预定订单工艺需求和设备组能力分析,确定产品的工艺需求和设备组的能力边界。第二阶段,生产资源的聚类分析,构建以单元间设备共享最小和单元内产品工艺差异性最小的非线性混合整数模型,设计一种基于单元式编码的改进遗传算法求解模型,给出算法设计过程。(2)针对急件订单插入的资源重调度过程,研究混流生产系统所有订单的资源分配和时间调度问题。第一阶段,根据J厂急件订单插入情况,采用一种基于单元内产品族和设备组的相似系数法,判断急件订单和预定订单是否可以融合生产,重构急件订单插入后的生产资源调度方案。第二阶段,根据重构的虚拟单元安排时间调度方案:构建以完成所有任务订单总流程时间最小化的混合整数模型,设计一个两阶段编码的改进遗传算法进行求解,并给出算法设计过程。(3)验证本文所提调度模型和求解方法的有效性。深入分析了J厂在急件订单插入下,基于人工经验算法的调度现状。将本文提出的模型和方法运用到J厂高频产品生产调度实例上,借助MATLAB编程求解优化后的调度方案。采用设备利用率、基于资源要素的设备均衡利用率和系统利用率作为效果对比分析的评价指标,结果分析表明:优化后调度方案的各项评价指标较原调度均有提高,即本文所提模型和方法相比企业现存方法对优化生产资源分配,提高企业生产效率具有较好效果,验证了所提方法的有效性和优越性。
曾兰英[5](2021)在《云制造环境下支持关联分析的服务组合优选关键技术研究》文中研究说明制造业作为我国实体经济的重要产业,面对经济与科技发展所提出的新常态要求,将信息转化成数据,通过互联网共享并实现媒体感知功能作为转型升级的发展方向已是必然趋势。为打破“制造孤岛”的现象,提升制造资源利用效率,结合云计算强大的数据处理能力和物联网等信息技术构建出云制造这一新兴制造模式。云制造使得用户能够随时随地按需获取制造全生命周期的服务,实现了资源高度共享,服务增值增效,是推动中国从制造大国迈向制造强国的基础。云制造以面向服务的制造云平台为主,其中服务组合问题是目前研究的核心要点之一。尽管许多学者对服务组合展开了深入的研究并取得一些成果,但针对如何从海量云制造服务中选择满足用户需求并能形成最佳解决方案的服务组合这一问题仍存在不足之处(未考虑服务关联、子任务与服务映射单一、优选方法的设计),本文对此作了进一步的探讨。首先,在充分了解云制造环境下服务组合流程、关键技术和优选方式相关理论知识后,研究了制造服务描述模型与服务质量QoS基本评估模型,对服务之间存在的接口关联、业务实体关联和统计关联进行了分析,并在前人的研究基础上改进了业务实体关联与统计关联的描述模型和QoS计算方法。业务实体关联中考虑了企业合作时间,以提供更稳定的合作方案;为使统计关联更具准确性和时效性,利用双向置信度KULC和不平衡因子IR评估关联规则,并采用“分时有效”的思想进行QoS预测,形成可动态调整的QoS变化量,从而构建出支持服务关联的QoS感知评估模型。同时,在子任务与服务的映射关系中引入众包模式,通过众包服务筛选,建立了新的候选服务集合。其次,在对云制造服务组合优选的求解算法的设计中,麻雀搜索算法收敛效果较好,参数较少,代码简单,但种群初始化和局部最优是该算法存在的缺陷,本文对此提出基于纵横交叉的麻雀搜索算法。一方面利用Tent混沌映射产生质量较好的初始化麻雀种群加快全局寻优进程,提高解的精度;另一方面混合交叉优化算法中纵横交叉策略,从纵向和横向两个维度对种群变异更新,增加寻优范围,防止局部最优的问题出现。最后,在基于实际制造背景下运用算例验证了本文所设计的QoS感知评估模型的有效性,并通过仿真实验证明了改进的麻雀搜索算法CSOSSA在求解云制造服务组合优选问题时的性能优势。
娄高翔[6](2021)在《云制造环境下面向过程的生产调度问题研究》文中研究表明“中国制造2025”的提出,深化了信息技术与制造技术的融合,形成了新一轮产业竞争的制高点。作为信息化与工业化融合的典型代表,云制造已成为“中国制造2025”战略规划的重要内容之一。然而云制造的相关理论与研究在调度中的应用还存在一些问题有待深入研究。本学位论文在国内外相关研究的基础上,结合生产流程,探索云制造环境下面向过程的生产调度问题。通过对云制造环境下生产任务分解、企业间生产调度、车间级调度等关键技术问题的研究,建立了一套调度优化框架,以满足云环境下整个生产流程的调度需求。具体研究工作与成果如下:从云制造关键技术和云制造调度特性出发,结合云环境下调度的属性构建了云环境下面向过程的生产调度优化系统,并对所建立的优化系统中关键技术问题进行了逐一研究。针对云制造任务分解问题,建立了云制造任务分解优化模型,将BOSS树的思想引入到云环境下生产调度的任务分解环节中,提出了基于BOSS树的任务分解优化算法。首先,研究了云制造任务的相关度量方法;其次,基于云制造任务分解原则,建立了考虑云制造任务内交互关系的分解优化模型;再次,根据BOSS树思想,提出了包含生产任务全生命周期的任务分解优化算法,并通过启发式规则对算法进行优化,有效解决了云制造任务分解和服务任务匹配的脱节问题;最后,通过实例验证了算法的可行性及有效性。针对云制造环境下企业间生产调度问题,建立了企业间生产调度数学模型,在考虑多个目标的情况下,提出了基于拥挤度的带精英策略非支配排序的改进遗传算法(NSGA-II)。首先,对跨企业生产模式进行了分析;其次,建立了云制造环境下企业间调度的数学模型;再次,设计了多层二维矩阵分级编码,并对NSGA-II算法进行了基于拥挤度的自适应进化策略改进;最后,通过实例研究验证了改进模型和算法的有效性。针对车间层的生产,将同时生产云任务和本地任务的车间调度问题和仅生产云任务的车间调度问题分别进行研究。对同时生产云任务和本地任务的车间:首先,分析了该生产模式中遇到的混合车间任务调度问题并建模;其次,对比了差分进化算法和遗传算法的特点,将遗传算法有效处理离散变量及差分进化算法有效处理连续变量的优点融合,并根据生产现状提出了一种基于差分进化的混合遗传算法;最后,通过实例检验了算法的可行性和有效性。对仅生产云任务的车间:首先,根据生产问题建立了以最小总完成时间为目标的混流车间调度模型;其次,提出了一种改进的混合免疫克隆选择遗传算法,重新构造了算法的抗原识别、抗体编码和解码的过程,重新构造了亲和度函数,并对算法中的抗体群进行克隆、变异、交叉和选择等混合操作,最后,用两个仿真实验验证了新算法的可靠性。根据本文提出的云制造环境下的调度优化系统,对系统开发环境、Matlab程序集成、数据服务过程等进行了相关研究,结合云任务分解、企业间调度、车间调度三个关键技术问题的研究结果,对系统功能模块进行了设计,并进行了原型系统初步开发。
王静[7](2020)在《云制造模式下制造能力匹配与协同计划编制研究》文中进行了进一步梳理云制造是互联网时代的一种智慧制造模式和手段,在云制造平台中可以将制造资源、制造能力形成共享“池”,由云平台统一配置,实现用户的按需使用。制造资源和制造能力的共享和流通是云制造平台运营的基础,需要一系列智能决策工具对制造资源和制造能力进行管理和配置。实践中由于制造资源的实体性和多样性而无法直接通过网络进行使用,因此云平台对制造资源在制造活动中体现的“制造能力”进行管理和配置更符合实际的需求。本文运用双边匹配理论和社会网络理论,围绕制造能力的建模、匹配和调度问题展开研究,为云制造模式下制造能力的有效配置提供方法、模型和算法。本文的主要研究内容如下:(1)针对云制造模式下制造能力的描述和度量问题,分析了制造能力的组成要素,提出了制造能力形式化描述和度量方法。根据制造能力的组成要素,给出了制造资源、制造活动和制造能力的形式化描述,提出了基于活动组织、制造周期和目标期望的三种制造能力度量方法,并运用实例验证度量方法的可行性。(2)针对云制造平台下基于混合偏好信息的制造能力方与制造任务方的双边匹配问题,提出了一种考虑稳定性和满意性的双边匹配方法。对于制造任务方采取多指标评价信息,而制造能力方采用序区间偏好信息的情况,将多指标评价信息转化为序区间偏好信息;通过虚拟镜像法将制造能力与制造任务一对多匹配问题转化为对应的一对一匹配问题,提出了序区间带重量约束的一对一稳定性的相关定义;构建了以双方满意度最大为目标的双边稳定满意匹配模型,设计了两个线性不等式约束保证匹配的稳定性,并采用理想点法对模型进行求解;为了验证方法的有效性,分别采用双边稳定满意匹配、双边满意匹配和双边稳定匹配三种策略对同一算例进行求解,证明了本文提出的方法求得的匹配方案是稳定满意匹配方案。(3)针对云制造平台下制造能力方与一个制造任务的多个制造子任务的匹配问题,提出了一种考虑稳定性和满意性的双边匹配方法。给出了云平台制造网络中制造能力间的关系划分方法;将关联强度转化为对应的满意度,构建了以制造能力方满意度最大、制造子任务方满意度最大和制造能力方协同满意度差值最大为目标的多目标模型,并将稳定匹配做为约束条件,采用NSGAII算法对模型进行求解;通过算例验证了该方法求得的匹配方案具有稳定性和满意性。(4)针对云制造平台下企业内各单元有限制造能力协同生产的问题,构建了考虑订单分解和生产时间窗的协同生产计划模型,设计了改进的自适应模拟退火遗传算法对问题进行求解,求解结果与CPLEX进行比较,证明了本文设计的算法有较好寻优能力和较强的鲁棒性;讨论了产能利用率与模型中关键变量的关系,为制造能力配置提供决策依据。本文对制造能力的内涵、形式化描述和度量模型展开研究,丰富了云制造模式下制造能力的描述和度量方法;运用双边匹配理论和社会网络理论解决制造能力匹配问题,为制造能力匹配的研究提供新的思路;研究云平台下考虑制造能力约束的多工厂协同计划,为云制造平台下制造能力的配置及协同计划的编制提供决策支持。
宋哲琦[8](2020)在《《装饰》杂志设计文化发展研究(1958-2018)》文中研究指明《装饰》作为国内重要的艺术设计类核心期刊,从1958年创刊起,与中国设计共同成长,记录了工艺美术与现代设计的发展历程,汇集了国内外着名专家学者。以《装饰》作为展现学术思想、指导学科实践的平台。本文以《装饰》发展历程为线索,通过期刊分析、文献分析、表格梳理、人物访谈等的研究方法,根据不同时期不同的内容侧重点将杂志发展分为三个阶段来进行分析,论述《装饰》与中国设计文化发展之间的关联,并对20年来的杂志内容进行系统的整理,更全面的阐述该杂志的发展历程与时代背景下相互影响的关系,以及对《装饰》、对中国设计文化、教育的作用与影响进行总结。
陈晟恺[9](2020)在《基于平台智能协调的大规模动态云资源调度方法研究》文中研究表明随着互联网、物联网、深度学习等技术的发展,制造业正快速朝着数字化、网络化、智能化等方向转型,企业的制造活动范围逐渐从车间环境扩展到网络化的云环境,制造资源需求方及其供应商可以通过云平台进行高效的协作,共同完成多样的制造任务。在云环境下开展制造活动的过程中,所需解决的关键问题之一就是合理调度分布于不同地域规模庞大的制造资源,用以指派复杂多变的制造任务并安排加工处理时段,从而满足供需双方的要求,提升产业链效率。由于云平台支撑的网络化制造面向更广阔的供需时空区间,具有制造资源可用性实时多变、多样的制造任务间受限于网状处理顺序、可行调度空间巨大等复杂特性,增加了作为NP-Hard的调度问题的求解难度。因此,本文研究云平台智能协调的复杂多变系统调度方法,通过云平台主导,协调各供应商分配制造资源并进一步安排制造任务的处理;在满足任务处理顺序、单资源服务容量限制、物流时耗等约束的前提下,快速高效地实现大规模动态云资源的实时调度。针对上述高动态、大规模、复杂多变制造环境的调度问题,本文开展的主要研究工作包括:(1)研究基于云平台协调的云资源服务模式。根据云平台在册制造资源特性以及制造任务处理流程,建立制造资源服务模式。在该服务模式下,对涌现的制造项目任务以最小化服务成本、最小化制造工期、最大化服务质量为目标,建立基于平台协调的调度优化模型,并提出相应的问题求解方法ANNRL。(2)在平台层面上,研究智能分配制造资源的方法。根据云平台上的资源需求方及其供应方协调的过程,制定支持并行处理的可行调度生成方案,将平台任务池中无处理顺序约束冲突的制造任务指派到候选制造资源进行处理。通过人工神经网络模型,预估任务在各候选资源上的制造工期区间范围,并结合服务成本、服务质量对各候选资源进行评价,以此进行制造资源的智能分配。此外,本文通过预测近期任务需求,改进了制造工期预估模型输入中的等待队列要素。(3)在资源供应商层面上,研究智能安排制造任务加工次序的方法。资源供应商将分配所得制造任务列入待处理队列,通过强化学习框架训练自适应优先规则更新模型中的决策智能体,根据资源的任务工作量状态自适应更新调度优先规则,改变待处理队列中各任务的优先级,从而智能安排各制造任务的处理。(4)构建云平台仿真环境,用以评估所提出的智能协调调度方法的性能。根据云资源调度所处的环境特征,构建模拟调度云资源过程的云平台仿真环境,该仿真环境由决策模型训练、算例数据生成及调度方法性能对比评估3大模块组成,可定期执行所含主要决策模型的更新和提升改进。对比实验的结果表明:1)ANNRL方法具有很高的实时响应性能,对于数据组内的项目需求,都可以在40s内制定调度方案,约为参照解法的4.4%,平均每个基本任务调度方案的确定时间都在50ms内,适合高度动态的需求场景;2)ANNRL方法可以求得较好的调度方案,在不同任务规模的项目数据组内得到的调度目标都优于参照解法,说明了ANNRL方法在基于云平台的制造环境中具有潜在的应用价值。(5)基于云平台系统原型,示范集成应用智能协调调度的方法。根据课题组原有云平台以及云资源调度主体的数据模型,扩展和设计支持供需用户协调的云平台系统原型。通过该云平台原型上需求方用户与供应方用户交互协调制造活动的过程,示范说明了智能协调调度方法ANNRL的应用。本文所研究的大规模动态云资源调度问题是多种基于云平台的网络化制造模式所具有的共性问题,所提出的智能协调调度方法ANNRL是共性求解技术,可以进一步扩展应用于更为一般的网络化制造环境。
赵龙乾[10](2020)在《基于云边协同计算架构的资源分配和任务调度方法研究》文中研究指明制造业产业模式随着其生产过程与工业物联网、边缘计算等技术的深度融合,开始从产品为中心向以用户为中心转变。由于大型制造业生产车间业务流程复杂,需要统筹协调“人”、“信息系统”和“物理系统”之间的关系,从而导致传统的资源分配和任务调度方案易产生负载不均衡的问题。云边协同模式依托丰富的云制造场景,作为实现智能化制造并强化现场级控制力的有效解决范式,通过资源协同和数据协同的方式来获得实体设备的全生命周期信息,并以高效且低成本的方式对其进行管理与挖掘。本文针对云边协同计算架构下海量异构数据处理与用户定制化需求的问题,提出了能够满足低时延、高并发和高通量的资源分配和任务调度方法,主要工作包括如下两个方面:1.提出云边协同计算架构下大规模工厂接入的边缘端服务器资源分配方案。首先通过将计算与存储解耦的方式将边缘端服务器分为IO密集型虚拟机和CPU密集型虚拟机;其次针对IO密集型虚拟机,根据其上三个方面的维度信息,即终端设备上传数据类型的权重值、计算节点中每个IO密集型虚拟机对应的预分配空间和实际已占用空间的大小,生成最大优先级列表实时统一分配硬件资源。针对CPU密集型虚拟机,根据虚拟机数量和物理机性能之间的关系,更新CPU密集型虚拟机的资源配置;最后通过仿真实验对所提出的资源分配算法进行比较和分析。2.提出云边协同计算架构下大规模工厂接入的任务调度方案。该方法首先将云端服务器和边缘端服务器上的有向无环图(Directed acyclic graph,DAG)进行合并;其次利用基于关键路径的分割策略划分任务,有效提高分配的准确性;然后通过处理器合理分配实现负载均衡;最后通过仿真实验对所提出的任务调度算法进行比较和分析。
二、虚拟制造模式(下) 虚拟制造提出的背景(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、虚拟制造模式(下) 虚拟制造提出的背景(论文提纲范文)
(1)云制造环境下资源建模及优化配置方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景与研究意义 |
1.2 国内外研究现状 |
1.2.1 云计算与云制造 |
1.2.2 云制造体系结构研究现状 |
1.2.3 云制造关键技术研究现状 |
1.2.4 云制造应用现状 |
1.3 论文结构与主要内容 |
第2章 云制造应用模式与体系结构研究 |
2.1 云制造应用模式 |
2.1.1 面向中小企业的云制造典型特征 |
2.1.2 云制造运行模式 |
2.2 基于MAS的云制造平台功能架构 |
2.3 面向中小企业的云制造平台关键技术 |
2.4 本章小结 |
第3章 基于本体的云制造资源建模及服务化封装方法研究 |
3.1 语义Web与本体建模技术 |
3.2 基于语义的制造资源建模框架 |
3.3 云制造资源形式化描述模型 |
3.4 基于语义的云服务结构模型 |
3.4.1 云服务共享词汇表 |
3.4.2 云服务的本体概念与属性 |
3.4.3 云服务本体概念的公理表示 |
3.4.4 云服务本体推理规则 |
3.5 制造资源服务化封装方法 |
3.6 本章小结 |
第4章 基于语义的制造云服务匹配与组合方法研究 |
4.1 基于语义的制造云服务搜索与匹配方法 |
4.1.1 同义词扩展方法 |
4.1.2 基于云服务结构模型的语义相似性计算方法 |
4.2 基于任务相关度的制造云服务组合方法 |
4.2.1 云制造任务初步分解方法 |
4.2.2 任务重组方法 |
4.3 实验验证 |
4.4 本章小结 |
第5章 基于偏好的云服务组合优化选择方法研究 |
5.1 云制造服务组合优化选择问题描述 |
5.2 云制造服务组合优化选择问题数学模型 |
5.3 基于偏好的云服务组合优化选择算法设计 |
5.3.1 NSGA-Ⅲ算法 |
5.3.2 改进NSGA-Ⅲ算法流程 |
5.3.3 偏好参考点的设置 |
5.3.4 种群初始化 |
5.3.5 后代生成策略 |
5.3.6 种群自适应标准化与关联操作 |
5.3.7 适应度函数 |
5.3.8 个体保留操作 |
5.4 实验与结果分析 |
5.4.1 实验环境设置 |
5.4.2 云服务优化选择算法对比实验 |
5.4.3 偏好多目标进化算法对比实验 |
5.5 本章小结 |
第6章 云制造环境下云服务异常处理方法研究 |
6.1 云制造服务异常处理框架 |
6.2 云服务异常自适应调整模型 |
6.3 云服务异常自适应调整算法 |
6.3.1 云服务异常自适应调整数学模型 |
6.3.2 人工蜂群算法的基本原理 |
6.3.3 基于IABC的云服务异常自适应调整算法 |
6.4 实验与结果分析 |
6.5 本章小结 |
第7章 结论与展望 |
7.1 论文研究工作总结 |
7.2 未来研究展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(2)基于系统动力学的云制造模式扩散机制研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线 |
1.3.4 论文结构 |
第2章 理论基础与文献综述 |
2.1 理论基础 |
2.1.1 演化博弈理论 |
2.1.2 创新扩散理论(DOI) |
2.1.3 技术-组织-环境理论(TOE) |
2.1.4 系统动力学理论(SD) |
2.2 云制造扩散研究综述 |
2.2.1 关于云制造 |
2.2.2 云制造技术扩散研究分析 |
2.2.3 云制造扩散影响因素分析 |
2.3 本章小结 |
第3章 云制造扩散模型框架构建 |
3.1 云制造现状描述 |
3.2 云制造扩散模型框架 |
3.2.1 云制造扩散系统框架 |
3.2.2 云制造扩散研究框架 |
3.3 本章小结 |
第4章 云制造扩散的演化博弈模型分析 |
4.1 问题描述 |
4.2 云制造扩散演化博弈模型的建立 |
4.2.1 基本假设 |
4.2.2 演化博弈模型建立 |
4.3 本章小结 |
第5章 云制造扩散的系统动力学模型仿真及分析 |
5.1 关于系统动力学 |
5.1.1 系统动力学解决问题的步骤 |
5.1.2 系统动力学的特点及适用性 |
5.2 因果回路图的建立 |
5.2.1 用户市场子模块因果回路图 |
5.2.2 企业收益子模块因果回路图 |
5.2.3 扩散子模块因果循环图 |
5.3 云制造扩散系统动力学模型的建立 |
5.3.1 基本假设 |
5.3.2 模型建立 |
5.4 系统仿真及结果分析 |
5.4.1 模型参数设定 |
5.4.2 初始模型运行结果 |
5.4.3 对比分析 |
5.4.4 结果分析 |
5.5 本章小结 |
第6章 结论及展望 |
6.1 研究结论 |
6.2 研究的创新点 |
6.3 研究局限性及展望 |
6.3.1 研究局限性 |
6.3.2 研究展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(3)破解数字拜物教 ——数字资本时代拜物教新形式批判(论文提纲范文)
中文摘要 |
abstract |
绪论 |
一、反思数字拜物教:深化拜物教理论研究的当代重要课题 |
(一)拜物教理论内容的历史嬗变 |
(二)数字拜物教研究的重要意义 |
二、国内外研究现状 |
(一)国外研究现状 |
(二)国内研究现状 |
三、本文的主要思路 |
第一章 数字拜物教:数字资本时代拜物教的新形式 |
1.1 资本样态历史裂变中的数字资本的形成 |
1.1.1 产业资本的积累 |
1.1.2 金融资本的兴起 |
1.1.3 数字资本的形成 |
1.2 数字资本与资本主义发展新阶段的特质 |
1.2.1 数字平台与平台经济的发展 |
1.2.2 劳资关系的弹性化与网络化 |
1.2.3 数字资本的金融化趋势 |
1.3 数字拜物教的表现与内涵 |
1.3.1 商品、货币、资本拜物教:马克思对资本现代性困境的分析 |
1.3.2 数据商品化和资本化与数字拜物教 |
1.3.3 数字技术膜拜与数字拜物教 |
1.3.4 数字崇拜对人的价值意识的塑造 |
第二章 数字拜物教机制对数字资本逻辑统治的强化 |
2.1 数字拜物教的意识结构内化机制与数字化幻象统治的实现 |
2.1.1 商品符号的数字媒介传播与文化工业景观的繁荣 |
2.1.2 沉迷他者的欲望:数字拜物教意识的同一性接受 |
2.1.3 数字化幻象统治:数字拜物教结构的无意识认同 |
2.2 数字拜物教机制:数字—生命政治的支撑性条件 |
2.2.1 数字—生命政治治理术的形成 |
2.2.2 量化自我的拜物教行为:巩固数字—生命政治统治的关键 |
2.2.3 拜物教机制内的“透明人”:数字—生命政治治理对象的最终形成 |
2.3 数字拜物教机制:强化数字平台帝国主义意识形态的重要力量 |
2.3.1 数字拜物教的意识形态性质:数据殖民的合法性依据 |
2.3.2 数字拜物教机制与数字平台帝国主义意识形态霸权的确立 |
2.4 数字拜物教机制:强化数字资本逻辑统治的必要条件 |
2.4.1 数字资本逻辑成为控制意识、生命、全球社会的同一性力量 |
2.4.2 数字拜物教机制与数字资本主义现代性悖论 |
第三章 数字拜物教的秘密与数字资本主义生产过程批判 |
3.1 勘破拜物教秘密:马克思的政治经济学批判方法 |
3.2 数字拜物教机制与劳动过程的剥削新形式 |
3.2.1 数字劳动:数字资本主义价值生产的源泉 |
3.2.2 拜物教机制掩盖的真实生产过程:数字劳动生产剩余价值 |
3.2.3 数字拜物教机制与数字劳动剥削逻辑的延伸 |
3.3 数字拜物教机制遮蔽分配关系的不平等实质 |
3.3.1 平台层面:数字资本处于价值分配关系的核心 |
3.3.2 社会层面:处于分配关系边缘的主体低酬或无酬劳动 |
3.4 数字拜物教机制掩盖“流通生产价值”的假象 |
3.4.1 数字资本借助数字平台技术加速资本流通 |
3.4.2 平台加速流通与在线的数字劳动:流通生产价值的假象 |
3.5 数字拜物教机制与消费需要的虚假满足 |
3.5.1 数字化消费与数字资本的价值实现 |
3.5.2 数字化消费与拜物欲望的生产、膨胀 |
3.5.3 自由的假象:虚假拜物消费需要的满足与剩余价值的实现 |
第四章 数字拜物教的消解与人类解放 |
4.1 马克思对资本逻辑内在矛盾的揭示:消解数字拜物教的理论基础 |
4.2 资本的限度与资本逻辑的自我否定:消解数字拜物教的现实根据 |
4.3 新型社会关系的重构:消解数字拜物教的现实道路 |
4.3.1 共产主义运动:新型社会关系重构的途径 |
4.3.2 从物化存在到社会性存在:重构新型社会关系主体力量的凸显 |
4.4 数字拜物教的消解与人类文明新形态的探求 |
4.4.1 人的自由全面发展:人类文明新形态的价值目标 |
4.4.2 数字拜物教的消解与人类文明新形态的现实建构 |
结语 |
参考文献 |
作者简介及攻读博士期间所取得的科研成果 |
致谢 |
(4)急件订单插入下混流生产系统计划调度问题研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景和研究目的 |
1.1.1 选题背景及意义 |
1.1.2 研究目的 |
1.2 国内外研究现状 |
1.2.1 混流生产系统计划调度现状概述 |
1.2.2 虚拟单元构建现状概述 |
1.2.3 虚拟单元的调度现状概述 |
1.3 本文研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线图 |
第二章 虚拟单元生产及遗传算法相关理论 |
2.1 虚拟单元制造系统相关理论 |
2.1.1 虚拟单元构建 |
2.1.2 虚拟单元调度 |
2.2 遗传算法相关理论 |
2.2.1 遗传算法基本内容及流程 |
2.2.2 遗传算法改进方式 |
2.3 本章小结 |
第三章 预定订单产品虚拟单元调度 |
3.1 问题描述 |
3.2 基于资源要素的设备和产品分析 |
3.2.1 资源要素相关理论 |
3.2.2 基于REs的设备能力分析 |
3.2.3 产品加工要求与REs的关系 |
3.3 预定订单虚拟单元构建 |
3.3.1 产品族和设备族构建 |
3.3.2 模型假设 |
3.3.3 参数定义 |
3.3.4 模型构建 |
3.3.5 模型求解算法设计 |
3.4 本章小结 |
第四章 急件订单插入的虚拟单元重调度 |
4.1 问题描述 |
4.2 急件订单插入的虚拟单元重构建 |
4.2.1 急件订单的相似度计算 |
4.2.2 虚拟单元重构 |
4.3 时间调度模型 |
4.3.1 模型假设 |
4.3.2 参数定义 |
4.3.3 模型构建 |
4.3.4 模型求解 |
4.4 本章小结 |
第五章 实例验证分析及效果评价 |
5.1 J厂现状分析 |
5.2 案例应用及结果分析 |
5.2.1 预定订单初始虚拟单元构建 |
5.2.2 急件订单插入下虚拟单元调度 |
5.3 效果对比评价 |
5.4 本章小结 |
第六章 结论 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间的研究成果 |
(5)云制造环境下支持关联分析的服务组合优选关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 云制造的研究现状 |
1.2.2 云制造服务组合研究现状 |
1.3 研究内容与组织结构 |
1.3.1 主要研究内容 |
1.3.2 论文组织结构安排 |
第2章 相关理论与技术 |
2.1 云制造概述 |
2.1.1 云计算与云制造 |
2.1.2 云制造的概念与特征 |
2.1.3 云制造的体系结构 |
2.1.4 云制造服务的概念与分类 |
2.2 云制造环境下的服务组合 |
2.2.1 服务组合的定义与特点 |
2.2.2 云制造服务组合流程 |
2.2.3 服务组合关键技术 |
2.2.4 服务组合优化方式 |
2.3 本章小结 |
第3章 众包模式下支持服务关联的QoS感知评估模型 |
3.1 云制造服务关联的描述 |
3.1.1 制造服务描述模型 |
3.1.2 QoS基本模型 |
3.1.3 服务关联关系 |
3.2 众包模式 |
3.2.1 众包模式与云制造 |
3.2.2 众包服务的选择与计算 |
3.3 支持服务关联的QoS感知评估模型的构建 |
3.3.1 云制造服务的QoS关联计算模型 |
3.3.2 云制造服务组合的QoS感知评估模型 |
3.4 本章小结 |
第4章 改进麻雀搜索算法的云制造服务组合优选 |
4.1 麻雀搜索算法概述 |
4.1.1 算法原理 |
4.1.2 算法流程 |
4.1.3 算法特点 |
4.2 基于纵横交叉麻雀搜索算法的云制造服务组合 |
4.2.1 离散化与编码 |
4.2.2 Tent混沌初始化 |
4.2.3 纵横交叉策略 |
4.2.4 CSOSSA算法框架 |
4.2.5 云制造服务组合中CSOSSA算法的应用 |
4.3 本章小结 |
第5章 仿真实验与分析 |
5.1 实验设计 |
5.1.1 场景模型 |
5.1.2 环境与参数设定 |
5.2 模型与算例分析 |
5.2.1 关联分析的有效性验证 |
5.2.2 业务实体关联中合作时间的影响 |
5.2.3 统计关联中时效性验证 |
5.3 算法验证与分析 |
5.3.1 算法有效性 |
5.3.2 算法收敛性 |
5.3.3 算法执行效率 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
申请学位期间的研究成果 |
致谢 |
(6)云制造环境下面向过程的生产调度问题研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 云制造的产生背景 |
1.2.1 制造模式的发展趋势 |
1.2.2 云制造 |
1.3 研究目的和意义 |
1.4 研究现状及存在问题 |
1.4.1 云制造体系研究现状 |
1.4.2 云制造调度研究现状 |
1.4.3 存在的问题 |
1.5 研究思路及内容 |
第二章 云环境下面向过程的生产调度系统优化框架 |
2.1 引言 |
2.2 PoPS-CMfg的理论支撑 |
2.2.1 云制造的关键技术 |
2.2.2 云制造调度特征 |
2.2.3 云制造调度分类 |
2.3 PoPS-CMfg的总体框架 |
2.3.1 云制造的体系架构 |
2.3.2 PoPS-CMfg框架模型 |
2.4 PoPS-CMfg的关键技术 |
2.4.1 任务分解与处理 |
2.4.2 企业间生产调度 |
2.4.3 车间级生产调度 |
2.5 本章小结 |
第三章 基于BOSS树的云制造任务分解问题研究 |
3.1 引言 |
3.2 BOSS树及云制造任务 |
3.2.1 BOSS树思想 |
3.2.2 云制造任务 |
3.3 云制造任务的分解优化模型 |
3.3.1 云制造任务分解原则 |
3.3.2 云任务交互关系分析 |
3.3.3 云制造任务度量方法 |
3.3.4 云制造任务与云制造服务描述 |
3.3.5 基于BOSS树的任务分解优化算法 |
3.4 实例分析 |
3.5 本章小结 |
第四章 云制造环境下企业间生产调度问题研究 |
4.1 引言 |
4.2 云制造环境下企业间生产模式分析 |
4.3 云制造环境下企业间生产调度模型 |
4.3.1 问题描述 |
4.3.2 目标函数 |
4.3.3 约束条件 |
4.4 改进的自适应NSGA-II算法 |
4.4.1 编码设计 |
4.4.2 传统NSGA-II算法 |
4.4.3 基于拥挤度的自适应进化策略 |
4.5 实例验证与结果分析 |
4.6 本章小结 |
第五章 云制造环境下车间层调度问题研究 |
5.1 引言 |
5.2 混合生产任务下的车间调度问题研究 |
5.2.1 问题描述 |
5.2.2 模型建立 |
5.2.3 基于差分进化的混合遗传算法 |
5.2.4 实例验证 |
5.3 云制造任务下的车间调度问题研究 |
5.3.1 云任务下的混流车间调度问题 |
5.3.2 混流车间调度数学模型 |
5.3.3 改进的混合免疫克隆选择遗传算法 |
5.3.4 实验结果与分析 |
5.4 本章小结 |
第六章 云制造环境下调度系统开发研究 |
6.1 引言 |
6.2 PoPS-CMfg的体系架构 |
6.3 PoPS-CMfg系统开发设计 |
6.3.1 PoPS-CMfg系统开发环境 |
6.3.2 ASP.NET下集成Matlab动态链接库 |
6.3.3 PoPS-CMfg系统数据服务过程 |
6.3.4 PoPS-CMfg系统功能模块设计 |
6.4 PoPS-CMfg原型系统验证 |
6.5 本章小结 |
结论 |
研究结论 |
创新点 |
展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(7)云制造模式下制造能力匹配与协同计划编制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关研究 |
1.2.1 云制造模式 |
1.2.2 双边匹配决策方法 |
1.2.3 云制造模式下服务匹配 |
1.2.4 多工厂协同生产计划 |
1.3 现有研究不足 |
1.4 研究内容和方法 |
1.5 本文的创新点 |
第2章 云制造模式下制造能力描述及度量 |
2.1 制造能力概述 |
2.1.1 制造能力的要素 |
2.1.2 制造能力的粒度 |
2.2 制造能力的形式化描述 |
2.2.1 制造资源的形式化描述 |
2.2.2 制造活动的形式化描述 |
2.2.3 制造能力的形式化描述 |
2.3 制造能力的度量 |
2.3.1 制造能力度量的作用及对象 |
2.3.2 基于活动组织的制造能力度量 |
2.3.3 基于制造周期的制造能力度量 |
2.3.4 基于目标期望的制造能力度量 |
2.3.5 实例 |
2.4 本章小结 |
第3章 制造能力与制造任务的稳定满意匹配 |
3.1 双边匹配问题 |
3.1.1 双边匹配问题研究框架 |
3.1.2 偏好信息的形式 |
3.2 问题描述及混合偏好信息的处理 |
3.2.1 问题背景及研究设计 |
3.2.2 问题描述及参数说明 |
3.3 制造能力与制造任务稳定满意匹配的建模与求解 |
3.3.1 稳定性相关定义 |
3.3.2 匹配问题的转化 |
3.3.3 匹配模型的构建 |
3.3.4 匹配模型的求解 |
3.4 实例及比较分析 |
3.4.1 实例及运行结果 |
3.4.2 制造能力与制造任务的满意匹配 |
3.4.3 制造能力与制造任务的稳定匹配 |
3.5 本章小结 |
第4章 制造能力与制造子任务的稳定满意匹配 |
4.1 制造能力协同网络 |
4.1.1 社会网络理论 |
4.1.2 制造能力关联网络 |
4.2 问题描述与满意度计算 |
4.2.1 问题描述与参数说明 |
4.2.2 稳定性相关定义 |
4.2.3 双方满意度的度量 |
4.2.4 制造能力协作满意度的度量 |
4.3 稳定满意匹配模型的构建及求解 |
4.3.1 稳定满意匹配模型的构建 |
4.3.2 计算实验 |
4.3.3 多组数据下的实验 |
4.4 本章小结 |
第5章 生产子任务的多企业协同计划编制 |
5.1 问题背景 |
5.2 问题描述和数学模型 |
5.2.1 问题描述 |
5.2.2 数学模型 |
5.3 求解策略及算法设计 |
5.3.1 编码方案 |
5.3.2 初始解的产生 |
5.3.3 非可行解的修复 |
5.3.4 交叉算子 |
5.3.5 变异算子 |
5.3.6 自适应模拟退火遗传算法流程 |
5.4 计算实验及结果分析 |
5.4.1 数据集的生成及一个算例 |
5.4.2 不同数据规模下求解结果分析 |
5.4.3 灵敏度分析 |
5.5 本章小结 |
第6章 钢铁企业制造能力匹配与协同计划编制云平台原型系统 |
6.1 原型系统开发的意义 |
6.2 原型系统的设计 |
6.2.1 系统结构设计 |
6.2.2 功能设计 |
6.2.3 数据库设计 |
6.3 原型系统的实现 |
6.3.1 用户角色与登录 |
6.3.2 制造能力管理子模块 |
6.3.3 制造能力匹配子模块 |
6.3.4 协同生产计划编制子模块 |
6.4 本章小结 |
第7章 结论与展望 |
7.1 研究成果及结论 |
7.2 本文研究局限 |
7.3 研究展望 |
参考文献 |
附录1 攻读博士学位期间取得的科研成果 |
附录2 攻读博士学位期间参加的科研项目 |
致谢 |
(8)《装饰》杂志设计文化发展研究(1958-2018)(论文提纲范文)
摘要 |
abstract |
致谢 |
1 绪论 |
1.1 研究的背景及意义 |
1.2 相关领域研究现状 |
1.2.1 期刊论文类 |
1.2.2 专着类 |
1.3 研究的方法、思路 |
1.3.1 研究的方法 |
1.3.2 研究的思路 |
2 百花盛开的工艺美术发展(1958-1961) |
2.1 《装饰》创刊溯源 |
2.2 《装饰》杂志风格主要视觉特点 |
2.2.1 封面文字 |
2.2.2 封面视觉图案 |
2.2.3 内页版面设计 |
2.3 传统工艺美术的发展 |
2.3.1 重新重视民间美术 |
2.3.2 指导工艺美术创作 |
2.4 为美化人民生活服务 |
2.4.1 面向大众生活创作 |
2.4.2 向西方世界开展学习 |
3 求索争鸣的设计萌芽(1980-1996) |
3.1 复刊时代背景 |
3.2 《装饰》视觉元素的变化 |
3.2.1 封面设计形式的探索 |
3.2.2 封面主体立意的变迁 |
3.2.3 内页版式的有序与变化 |
3.3 工艺美术的变革 |
3.3.1 “工艺美术“名词的局限 |
3.3.2 “装饰热”的兴起 |
3.4 现代化的新浪潮 |
3.4.1 科技与艺术的大讨论 |
3.4.2 现代设计的浪潮 |
3.5 《装饰》步伐的“守”与“进” |
4 对话世界文化自信的设计现代化(1997-2018) |
4.1 走入“全球化” |
4.2 《装饰》设计的多元化 |
4.2.1 和谐的整体性 |
4.2.2 现代感的民族美 |
4.2.3 敢于尝试的创意美 |
4.2.4 版式装饰的简洁美 |
4.3 开放视野立足传统 |
4.3.1 工艺美术的新发展 |
4.3.2 设计批评的引入 |
4.3.3 中国创造带来的思考 |
4.4 面向时代关注当下 |
4.4.1 设计的伦理学问题 |
4.4.2 技术与设计的关系 |
4.4.3 从设计艺术到设计科学 |
4.5 《装饰》内容的“质”与“量” |
5 总结 |
5.1 从工艺美术到现代设计 |
5.2 从教育理论到学科实践 |
结语 |
参考文献 |
附录一 采访文字稿 |
附录二 《装饰》1958-2018杂志封面 |
附录三 《装饰》1958-2018文章整理 |
作者简介 |
(9)基于平台智能协调的大规模动态云资源调度方法研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
术语、缩写词、符号清单 |
1 绪论 |
1.1 课题研究的背景及意义 |
1.2 课题研究的问题概述 |
1.3 国内外相关领域研究现状 |
1.3.1 基于云平台的制造模式 |
1.3.2 调度问题建模及求解算法 |
1.3.3 动态环境下的调度研究 |
1.3.4 机器学习在调度中的应用 |
1.4 研究现状总结及问题分析 |
1.5 论文研究的主要内容及其研究方法 |
1.6 本章小结 |
2 云资源调度问题建模及其求解方法研究 |
2.1 云环境中的资源服务模式 |
2.1.1 云平台协调的制造资源服务流程 |
2.1.2 云资源调度问题分析 |
2.2 云资源调度问题数学建模 |
2.2.1 云环境中的主要对象形式化表达 |
2.2.2 云资源调度问题的主要约束条件 |
2.2.3 云资源调度问题的优化目标函数 |
2.3 云平台智能协调的动态调度问题求解技术框架 |
2.3.1 可行调度生成方案 |
2.3.2 基于云平台智能协调的动态调度方法ANNRL |
2.4 本章小结 |
3 基于制造工期预估的平台层制造资源智能分配 |
3.1 面向制造任务的资源分配问题 |
3.1.1 制造资源分配问题的描述与分析 |
3.1.2 基于制造工期预估的制造资源分配流程 |
3.2 基于人工神经网络的制造工期预估模型 |
3.2.1 制造工期预估模型的构成 |
3.2.2 制造工期预估的前瞻性增强 |
3.3 制造工期预估模型的性能检验 |
3.3.1 数据采样及其预处理 |
3.3.2 制造工期预估模型的性能 |
3.3.3 近期任务需求预测的前瞻效果 |
3.3.4 制造资源智能分配效果 |
3.4 本章小结 |
4 基于自适应优先规则的资源供应商层制造任务智能安排 |
4.1 面向各制造资源的任务安排问题 |
4.1.1 制造任务安排问题的描述与分析 |
4.1.2 基于自适应优先规则的制造任务安排流程 |
4.2 基于强化学习的自适应优先规则更新模型 |
4.2.1 优先规则更新的决策智能体设计 |
4.2.2 优先规则更新的决策环境建模 |
4.3 自适应优先规则更新模型的性能检验 |
4.3.1 数据采样及其预处理 |
4.3.2 优先规则更新智能体的性能 |
4.3.3 制造任务智能安排效果 |
4.4 本章小结 |
5 云平台仿真环境中的智能协调调度方法性能评估 |
5.1 支持智能协调调度的云平台环境仿真设计 |
5.1.1 云平台仿真环境的主要组成 |
5.1.2 智能协调调度的决策模型训练 |
5.1.3 仿真算例数据的生成 |
5.1.4 仿真环境中的主要参数设定 |
5.2 云平台智能协调调度方法性能评估实验 |
5.2.1 云资源调度的参照求解方法 |
5.2.2 云资源调度对比实验设计 |
5.2.3 平台智能协调的云资源动态调度方法ANNRL性能评估 |
5.3 本章小结 |
6 云平台智能协调调度方法应用 |
6.1 应用智能协调调度的云平台原型 |
6.1.1 面向云平台协调制造活动的需求分析 |
6.1.2 云平台原型的主要功能结构 |
6.1.3 云平台原型的主要对象数据模型 |
6.2 云平台原型中的智能协调调度示范说明 |
6.3 本章小结 |
7 总结和展望 |
7.1 论文总结 |
7.2 研究展望 |
参考文献 |
附录A 云平台仿真环境中的数据信息 |
A.1 自适应优先规则更新模型中的基础启发式优先规则 |
A.2 云平台中制造资源供应商数据信息 |
A.3 云平台在册的制造资源数据信息 |
A.4 云平台中制造需求方用户数据信息 |
A.5 云平台中发布的制造项目数据信息 |
附录B 攻读博士学位期间参与的学术活动和获得的学术成果 |
B.1 参与的科研项目及学术活动 |
B.2 发表(录用)的学术论文 |
B.3 授权(审查)的软件着作及发明专利 |
(10)基于云边协同计算架构的资源分配和任务调度方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 边缘计算 |
1.2.2 任务调度 |
1.2.3 资源分配 |
1.3 本文研究内容 |
1.4 本文组织结构 |
第二章 面向工业大数据的云边协同计算架构的技术介绍 |
2.1 Hadoop |
2.1.1 Hadoop功能特点 |
2.1.2 Hadoop体系结构和工作模型 |
2.2 Spark |
2.2.1 Spark功能特点 |
2.2.2 Spark体系结构和工作模型 |
2.3 Open Stack |
2.3.1 Open Stack功能特点 |
2.3.2 Open Stack体系结构和工作模型 |
2.3.3 Starling X |
2.4 本章小结 |
第三章 云边协同计算架构下大规模工厂接入的边缘端服务器资源分配方案 |
3.1 云边协同计算架构 |
3.2 传统资源分配算法概述 |
3.2.1 遗传算法 |
3.2.2 模拟退火算法 |
3.3 IO密集型虚拟机的资源分配方案 |
3.3.1 资源分配模型 |
3.3.2 资源分配 |
3.4 CPU密集型虚拟机的资源分配方案 |
3.4.1 资源分配模型 |
3.4.2 资源分配 |
3.5 实验结果及分析 |
3.5.1 实验环境搭建 |
3.5.2 对比实验与结果分析 |
3.6 本章小结 |
第四章 云边协同计算架构下大规模工厂接入的任务调度方案 |
4.1 问题描述 |
4.1.1 DAG任务描述 |
4.1.2 资源环境 |
4.1.3 任务调度目标 |
4.2 传统任务调度算法概述 |
4.2.1 Sequential算法 |
4.2.2 CPOP算法 |
4.3 云边协同任务调度模型 |
4.3.1 云边协同模式下多DAG合并 |
4.3.2 云边协同模式下多DAG分割 |
4.3.3 处理器分配 |
4.4 云边协同任务调度算法 |
4.4.1 合并算法 |
4.4.2 DAG分割算法 |
4.4.3 处理器分配算法 |
4.5 实验结果和分析 |
4.5.1 实验环境搭建 |
4.5.2 任务调度过程分析 |
4.5.3 实验结果分析 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读学位期间主要的研究成果 |
致谢 |
四、虚拟制造模式(下) 虚拟制造提出的背景(论文参考文献)
- [1]云制造环境下资源建模及优化配置方法研究[D]. 毕筱雪. 中国科学院大学(中国科学院沈阳计算技术研究所), 2021(09)
- [2]基于系统动力学的云制造模式扩散机制研究[D]. 李超. 太原理工大学, 2021(02)
- [3]破解数字拜物教 ——数字资本时代拜物教新形式批判[D]. 李亚琪. 吉林大学, 2021(01)
- [4]急件订单插入下混流生产系统计划调度问题研究[D]. 郭煜. 江西理工大学, 2021(01)
- [5]云制造环境下支持关联分析的服务组合优选关键技术研究[D]. 曾兰英. 桂林理工大学, 2021(01)
- [6]云制造环境下面向过程的生产调度问题研究[D]. 娄高翔. 长安大学, 2021(02)
- [7]云制造模式下制造能力匹配与协同计划编制研究[D]. 王静. 武汉科技大学, 2020(01)
- [8]《装饰》杂志设计文化发展研究(1958-2018)[D]. 宋哲琦. 浙江大学, 2020(12)
- [9]基于平台智能协调的大规模动态云资源调度方法研究[D]. 陈晟恺. 浙江大学, 2020
- [10]基于云边协同计算架构的资源分配和任务调度方法研究[D]. 赵龙乾. 湖南工业大学, 2020(02)