面向机加工的云制造服务组合自适应调整研究
【学位单位】:重庆大学
【学位级别】:硕士
【学位年份】:2018
【中图分类】:F273;TP393.09
【部分图文】:
图 5.2 自适应调整核心程序块Fig. 5.2 Core program of adaptive adjustment制造能力评价表与制造能力表外键相连,可通过相应的人机交互接口进行;首先,对于用户提交的每个子任务,通过本文提出的第二章的匹配方法匹能够加工这些子任务的云制造服务集,在云制造平台中,通过表 5.3 的数据库来实现云制造服务候选集合的构建。然后通过服务组合优选方法[26]得到最终组合路径,结果存储在表 5.4 的数据表中。通过在制造过程中给与异常激励,自适应调整机制,自适应调整的核心程序见图 5.2。.2.3 服务组合及其自适应调整的平台实现本平台的服务组合的实现是以服务元制造能力的 TQCS 指标的综合最优为方向,调用相应算法进行组合服务路径的优选,最终得到最合适的制造任务路径。图 5.3 为制造设备的基础信息,通过点击红框中的 硬件信息 可以进行制造设备的公共信息。图 5.4 为制造设备的元制造能力 TQCS 的评价值,通过红色方框中的 查看能力评价 进行查看,这个值由客户进行评价,会随着服务
制造设备硬件信息Fig.5.3Hardwareinformationofmanufacturingmachine
元制造能力TQCS值
【参考文献】
相关期刊论文 前10条
1 周济;;智能制造——“中国制造2025”的主攻方向[J];中国机械工程;2015年17期
2 李泽彪;张卫;王正成;王正肖;;云制造环境下的生产加工服务监控[J];计算机集成制造系统;2015年07期
3 张远龙;屠建飞;谢文东;;基于模糊层次分析法的云制造资源评价[J];机械制造;2015年06期
4 祝爱民;李雪;于丽娟;蒋亚朋;;制造云服务组合柔性评价指标体系研究[J];沈阳工业大学学报(社会科学版);2015年01期
5 丁纯;李君扬;;德国“工业4.0”:内容、动因与前景及其启示[J];德国研究;2014年04期
6 苏凯凯;徐文胜;李建勇;;云制造环境下基于双层规划的资源优化配置方法[J];计算机集成制造系统;2015年07期
7 赵秋云;魏乐;舒红平;;云制造环境下制造设备云服务异常处理模型[J];图学学报;2014年06期
8 余本功;汪柳;郭凤艺;;基于灰色模糊层次分析法的企业云服务安全评价模型[J];计算机应用;2014年S2期
9 张映锋;张耿;杨腾;王军强;孙树栋;;云制造加工设备服务化封装与云端化接入方法[J];计算机集成制造系统;2014年08期
10 李成海;黄必清;;基于属性描述匹配的云制造服务资源搜索方法[J];计算机集成制造系统;2014年06期
相关博士学位论文 前2条
1 刘觅;基于云制造的单件定制生产智能调度关键技术研究[D];重庆大学;2016年
2 朱李楠;云制造环境下资源建模及其匹配方法研究[D];浙江工业大学;2014年
相关硕士学位论文 前6条
1 郑炜;基于工艺逻辑的制造云服务组合研究[D];重庆大学;2017年
2 徐青;云制造服务远程视频监控及其状态信息提取方法[D];浙江大学;2017年
3 姚晓初;基于云制造的数控机床远程监控系统[D];华东理工大学;2014年
4 郑涛;云制造系统的云资源信息采集方法研究[D];浙江大学;2014年
5 张斌;柔性CAPP系统多工艺路线创成方法研究[D];南京航空航天大学;2006年
6 张永康;基于特征的CAPP系统的研究与实现[D];南京航空航天大学;2003年
本文编号:2888429
本文链接:https://www.wllwen.com/guanlilunwen/ydhl/2888429.html