基于多维度感知的数控机床加工过程的模拟方法及系统与流程

1.本发明涉及数控机床的加工过程分析技术领域，尤其涉及基于多维度感知的数控机床加工过程的模拟方法及系统。


背景技术：

2.传统数控机床模拟仿真专注于单体加工过程模拟或者工件和刀具受力特性模拟，但是数控机床使用企业的成本和效率很大程度上也取决于供应链管理水平。原料和供应不足可能导致机床闲置成本和工厂无法满负荷运转，因此，有必要在供应链层级建立有效的仿真模拟，帮助数控机床使用企业快速测试和比选不同的原料和工件的供货方案，优化供应链决策水平。
3.而现有技术中，针对数控机床的整个加工过程的模拟仅仅只是基于单个维度对单个工件进行模拟与分析，难以准确地对原料与工件制定准确的供货计划，也不利于对供应链进行管理。
4.因此，现有技术还有待改进和提高。


技术实现要素：

5.本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于多维度感知的数控机床加工过程的模拟方法及系统，旨在解决现有技术针对数控机床的整个加工过程的模拟仅仅只是基于单个维度对单个工件进行模拟与分析，难以准确地对原料与工件制定准确的供货计划，也不利于对供应链进行管理的问题。
6.为了解决上述技术问题，本发明所采用的技术方案如下：第一方面，本发明提供一种基于多维度感知的数控机床加工过程的模拟方法，其中，所述方法包括：基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据；根据所述需求数据，模拟出与所述原料以及所述工件对应的供应链上的各个参与主体，并基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商；基于所述目标参与主体与所述需求数据，模拟出供货计划，所述供货计划包括供货优先级顺序、运输批次计划以及运输路线规划。
7.在一种实现方式中，所述基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，包括：基于无线射频监控的方式获取所述原料与所述工件在各个加工节点的流入流出数据，并基于所述流入流出数据，确定所述原料与所述工件的消耗数据；获取预设存储区中所述原料与所述工件的存储总数，并基于所述存储总数与所述消耗数据，确定所述当前存储数据。
8.在一种实现方式中，所述基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，包括：基于重量传感器对预设存储区中的所述原料与所述工件的重量变化进行监控；基于所述重量变化与所述预设存储区中所述原料与所述工件的原始总重量，确定所述原料与所述工件的当前存储数据以及消耗数据。
9.在一种实现方式中，所述根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据，包括：获取所述数控机床的加工过程中各个加工节点的加工规律信息，所述加工规律信息包括：各个加工节点每日的启动次数以及每次启动后的加工时长；基于所述加工规律信息、所述当前存储数据与所述消耗数据，确定所述原料与所述工件的预估使用时间，并基于所述预估使用时间确定所述需求数据。
10.在一种实现方式中，所述基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商，包括：获取各个参数主体的供货数据，所述供货数据包括日常出货数据以及订单价格数据；将每个参数主体的所述日常出货数据与所述订单价格数据分别与预设的期望出货数据与期望订单价格进行比较；若所述日常出货数据大于所述期望出货数据，且所述订单价格数据小于所述期望订单价格，则确定所述日常出货数据大于所述期望出货数据，且所述订单价格数据小于所述期望订单价格所对应的参数主体为所述目标参与主体。
11.在一种实现方式中，所述基于所述目标参与主体与所述需求数据，模拟出供货计划，包括：基于所述目标参与主体与所述需求数据，模拟出每一个目标参与主体针对所述需求数据的供货排期，基于所述供货排期，确定所述供货优先级顺序；根据所述需求数据，确定订单量，并基于所述订单量确定所述目标参与主体针对所述需求数据作出的运输批次计划；根据所述目标参与主体的位置信息，确定所述运输路线规划。
12.在一种实现方式中，所述基于所述目标参与主体与所述需求数据，模拟出供货计划，包括：基于所述供货计划，确定延误性事件发生的概率，并基于所述延误性事件发生的概率，确定所述原料与所述工件的到场时间。
13.第二方面，本发明实施例还提供一种基于多维度感知的数控机床加工过程的模拟装置，其中，所述装置包括：需求数据确定模块，用于基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据；目标参与主体确定模块，用于根据所述需求数据，模拟出与所述原料以及所述工件对应的供应链上的各个参与主体，并基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商；
供货计划确定模块，用于基于所述目标参与主体与所述需求数据，模拟出供货计划，所述供货计划包括供货优先级顺序、运输批次计划以及运输路线规划。
14.第三方面，本发明实施例还提供一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于多维度感知的数控机床加工过程的模拟程序，所述处理器执行所述基于多维度感知的数控机床加工过程的模拟程序时，实现如上述方案中任一项的基于多维度感知的数控机床加工过程的模拟方法的步骤。
15.第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于多维度感知的数控机床加工过程的模拟程序，所述基于多维度感知的数控机床加工过程的模拟程序被处理器执行时，实现如上述方案中任一项的基于多维度感知的数控机床加工过程的模拟方法的步骤。
16.有益效果：与现有技术相比，本发明提供了一种基于多维度感知的数控机床加工过程的模拟方法，本发明首先基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据。然后，根据所述需求数据，模拟出与所述原料以及所述工件对应的供应链上的各个参与主体，并基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商。最后，基于所述目标参与主体与所述需求数据，模拟出供货计划，所述供货计划包括供货优先级顺序、运输批次计划以及运输路线规划。本发明可在多维度上模拟数控机床的加工过程，实现对原料与工件的供货计划的制定，简单方便，且有利于对原料与工件的实际使用情况进行分析。
附图说明
17.图1为本发明实施例提供的基于多维度感知的数控机床加工过程的模拟方法的具体实施方式的流程图。
18.图2为本发明实施例提供的基于多维度感知的数控机床加工过程的模拟装置的原理框图。
19.图3为本发明实施例提供的终端设备的原理框图。
具体实施方式
20.为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
21.本实施例提供一种基于多维度感知的数控机床加工过程的模拟方法，具体实施时，本实施例首先基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据。然后，根据所述需求数据，模拟出与所述原料以及所述工件对应的供应链上的各个参与主体，并基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商。最后，基于所述目标参与主体与所述需求数据，模拟出供货计划，所述供货计划包括供货优先级顺序、运输批次计划以及运输路线规划。本实施例可在多维度上模拟数控机床的加工过程，实现对原料与工件的供货计划的制定，简单方便，且有利于对原料
与工件的实际使用情况进行分析。
22.示例性方法本实施例的基于多维度感知的数控机床加工过程的模拟方法可应用于终端设备中，所述终端设备可设置在数控机床上的智能电脑，比如数控机床中的主控中心。具体地，如图1中所示，本实施例中的基于多维度感知的数控机床加工过程的模拟方法包括如下步骤：步骤s100、基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据。
23.为了准确地分析出数控机床的整个加工过程，本实施例可基于多维度感知的方式来实时监控原料与工件的当前存储数据与消耗数据，这些存储数据与消耗数据可反映出原料与工件的使用情况，而使用情况恰恰反映的是原料与工件使用了多少，还剩下多少等，因此基于当前存储数据和消耗数据，本实施例可模拟出这些原料与工件的需求数据。所述需求数据反映的是原料与工件在接下来的加工过程中需要补充的数量。
24.在一种实现方式中，本实施例在确定需求数据时，包括如下步骤：步骤s101、基于无线射频监控的方式获取所述原料与所述工件在各个加工节点的流入流出数据，并基于所述流入流出数据，确定所述原料与所述工件的消耗数据；步骤s102、获取预设存储区中所述原料与所述工件的存储总数，并基于所述存储总数与所述消耗数据，确定所述当前存储数据。
25.具体地，本实施例可在数控机床的加工过程中的各个加工节点上设置无线射频装置，该无线射频装置可以为红外感应装置，用于对各个加工节点上的工件以及原料的流入和流出进行感应。在数控机床的整个加工过程中，会用到很多原料，比如待加工件等，也会用到很多工件，比如刀具，这些原料与工件的流入与流出各个加工节点就表示这些原料和工件都在这些加工节点中被使用。本实施例中的加工节点反映的是一个加工工序，比如，在a段加工工序中，该加工工序就为一个加工节点，a段加工工序是使用b型车刀对轴进行加工形成一个阶梯轴，此时原料就为轴，工件就为b型车刀，并且当进行该加工工序的加工动作时，此时就会记录轴与b型车刀的流入流出事件，也就是轴与b型车刀在a段加工工序中被使用了。在具体应用时，本实施例可在线上对数控机床加工过程中的各个加工节点进行模拟，模拟出整个加工过程，并记录各个工序一天时间内的流入流出数据，该流入流出数据表就可以反映出在一天时间内各个工序对原料与工件的使用次数。当模拟出各个加工节点下原料与工件的流入流出数据后，本实施例就可以基于所述流入流出数据，预估出所述原料与所述工件的消耗数据，所述消耗数据可以为对应的一天时间内的工件与原料的消耗数据，也可以预估出之后几天或者一周时间的消耗数据，本实施例对此并不限定。
26.在另一种实现方式中，本实施例在确定当前存储数据和消耗数据时，还可以包括以下步骤：步骤s11、基于重量传感器对预设存储区中的所述原料与所述工件的重量变化进行监控；步骤s12、基于所述重量变化与所述预设存储区中所述原料与所述工件的原始总重量，确定所述原料与所述工件的当前存储数据以及消耗数据。
27.具体应用时，本实施例可在存储区的位置处设置重量传感器，该重量传感器可检测出存储区的重量变化，该重量变化就是原料与工件的重量变化，而一旦有原料或者工件被使用时，存储区的重量就会减轻，因此，本实施例可根据检测出的重量变化与所述预设存储区中所述原料与所述工件的原始总重量，确定所述原料与所述工件的当前存储数据以及消耗数据。此时的当前存储数据和消耗数据都可以直接根据原始总重量和重量变化换算出来。
28.当然，在一种实现方式中，本实施例可基于系统动力学模型的方式来对原料与工件的连续变量进行建模，该连续变量为原料与工件当前存储数据，而当前存储数据是原料与工件的消耗数据来确定的，而消耗数据又是基于原料与工件的流入流出数据来确定的，因此，本实施例可基于原料与工件的流入流出数据-消耗数据-当前存储数据来构建系统动力模型，这样基于构建出的系统动力模型就可以自动分析出当前存储数据，以便确定出需求数据。
29.此外，由于所有的原料与工件在进场后都会被记录数量然后再存储在固定的存储区。因此，本实施例可根据存储区内各个原料与工件的存储总数，然后再基于预估出的消耗数据，来确定出原料与工件的当前存储数据。当确定出当前存储数据后，本实施例就可以获取所述数控机床的加工过程中各个加工节点的加工规律信息，所述加工规律信息包括：各个加工节点每日的启动次数以及每次启动后的加工时长。然后，基于所述加工规律信息、所述当前存储数据与所述消耗数据，确定所述原料与所述工件的预估使用时间，该预估使用时间指的是原料与工件还可以被使用多久。因此，本实施例就可以基于所述预估使用时间预估出需求数据，在本实施例中，所述需求数据即为原料与工件的补货数据，从而保证数控机床的各个加工节点可以有足够的原料与工件可以使用。
30.步骤s200、根据所述需求数据，模拟出与所述原料以及所述工件对应的供应链上的各个参与主体，并基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商。
31.当确定出需求数据后，本实施例可基于该需求数据，确定出所述原料以及所述工件对应的供应链上的各个参与主体，参数主体为原料与工件的供应商，而由于模拟出的供应商有的可能并不满足要求，因此，本实施例需要对供应商进行筛选，得到目标参与主体，该目标参与主体为生产商以及运输商。并且，本实施例在对参与主体进行筛选时，是基于各个参与主体的供货数据进行筛选的。
32.在一种实现方式中，本实施例在对参与主体进行筛选时，包括如下步骤：步骤s201、获取各个参数主体的供货数据，所述供货数据包括日常出货数据以及订单价格数据；步骤s202、将每个参数主体的所述日常出货数据与所述订单价格数据分别与预设的期望出货数据与期望订单价格进行比较；步骤s203、若所述日常出货数据大于所述期望出货数据，且所述订单价格数据小于所述期望订单价格，则确定所述日常出货数据大于所述期望出货数据，且所述订单价格数据小于所述期望订单价格所对应的参数主体为所述目标参与主体。
33.具体实施时，本实施例首先可获取各个参数主体的供货数据，所述供货数据包括日常出货数据以及订单价格数据，所述供货数据可基于各个参与主体的历史出货记录中查
询得到。接着，本实施例可将每个参数主体的所述日常出货数据与所述订单价格数据分别与预设的期望出货数据与期望订单价格进行比较。如果所述日常出货数据大于所述期望出货数据，说明对应的该参与主体是出货量比较大以及出货速度比较快供应商，比如，如果该参与主体为生产商，则说明该生产商的生产速度快。而如果所述订单价格数据小于所述期望订单价格，则说明该参与主体的原料或者工件价格比较便宜。本实施例就是需要筛选出出货量大、出货速度快且价格便宜的参与主体，从而得到目标参与主体，以便找出最为合适生产商和运输商。
34.在另一种实现方式中，本实施例可将每个参与主体作为智能体，然后利用构建的决策模型来对多智能体进行筛选，筛选时将各个智能体对应的日常出货数据以及订单价格数据作为决策参数，决策模型就会自动决策出目标智能体，即得到目标参与主体。此外，本实施还可以将各个智能体的自身状态（如经营状态等）以及周围环境作为决策参数，以便基于该决策模型来决策出最为合适的目标智能体。
35.步骤s300、基于所述目标参与主体与所述需求数据，模拟出供货计划，所述供货计划包括供货优先级顺序、运输批次计划以及运输路线规划。
36.当筛选出目标参与主体后，本实施例可基于所述需求数据，制定出最为合适的供货计划，该供货计划包括供货优先级顺序、运输批次计划以及运输路线规划，然后就可以按照该供货计划来补齐原料与工件，从而保证数控机床的正常加工过程。
37.在一种实现方式中，本实施例在指定供货计划时，包括如下步骤：步骤s301、基于所述目标参与主体与所述需求数据，模拟出每一个目标参与主体针对所述需求数据的供货排期，基于所述供货排期，确定所述供货优先级顺序；步骤s302、根据所述需求数据，确定订单量，并基于所述订单量确定所述目标参与主体针对所述需求数据作出的运输批次计划；步骤s303、根据所述目标参与主体的位置信息，确定所述运输路线规划。
38.具体地，本实施例基于需求数据，模拟出每一个目标参与主体针对所述需求数据的供货排期，该供货排期为对原料与工件的出货安排，因此，本实施例可基于所述供货排期，确定所述供货优先级顺序，该出货优先级顺序反映的是目标参与主体的出货顺序，某个目标参与主体的供货排期越靠前，该目标参与主体的出货优先级顺序越高，因此，本实施例可基于出货优先级顺序来确定出目标参与体的出货顺序。接着，本实施例可根据需求数据，确定订单量，并基于所述订单量确定所述目标参与主体针对所述需求数据作出的运输批次计划。此外，本实施例还可根据所述目标参与主体的位置信息，确定所述运输路线规划。在进行路线规划时，本实施例可基于所述供货计划，确定延误性事件发生的概率，并基于所述延误性事件发生的概率，确定所述原料与所述工件的到场时间。所述延误性事件包括材料质量不合规或者运输延误事件，所述延误性事件的影响因素为采购事件、供应商地理距离、路线流量等，因此，本实施例可根据延误性事件与延误性事件的影响因素构建多元回归模型，以便基于多元回归模型来确定延误性事件发生的概率，然后基于所述延误性事件发生的概率，以便准确地确定所述原料与所述工件的到场时间。
39.综上，本实施例首先基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据。然后，根据所述需求数据，模拟出与所述原料以及所述工件对应的供应链
上的各个参与主体，并基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商。最后，基于所述目标参与主体与所述需求数据，模拟出供货计划，所述供货计划包括供货优先级顺序、运输批次计划以及运输路线规划。本实施例可在多维度上模拟数控机床的加工过程，实现对原料与工件的供货计划的制定，简单方便，且有利于对原料与工件的实际使用情况进行分析。
40.示例性装置基于上述实施例，本发明还提供一种基于多维度感知的数控机床加工过程的模拟装置，如图2所示，所述装置包括：需求数据确定模块10、目标参与主体确定模块20以及供货计划确定模块30。本实施例中的需求数据确定模块10，用于基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据。所述目标参与主体确定模块20，用于根据所述需求数据，模拟出与所述原料以及所述工件对应的供应链上的各个参与主体，并基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商。所述供货计划确定模块30，用于基于所述目标参与主体与所述需求数据，模拟出供货计划，所述供货计划包括供货优先级顺序、运输批次计划以及运输路线规划。
41.在一种实现方式中，所述需求数据确定模块10，包括：消耗数据确定单元，用于基于无线射频监控的方式获取所述原料与所述工件在各个加工节点的流入流出数据，并基于所述流入流出数据，确定所述原料与所述工件的消耗数据；存储数据确定单元，用于获取预设存储区中所述原料与所述工件的存储总数，并基于所述存储总数与所述消耗数据，确定所述当前存储数据。
42.在一种实现方式中，所述需求数据确定模块10，包括：重量监控模块，用于基于重量传感器对预设存储区中的所述原料与所述工件的重量变化进行监控；消耗分析单元，用于基于所述重量变化与所述预设存储区中所述原料与所述工件的原始总重量，确定所述原料与所述工件的当前存储数据以及消耗数据。
43.在一种实现方式中，所述需求数据确定模块10，包括：规律信息确定单元，用于获取所述数控机床的加工过程中各个加工节点的加工规律信息，所述加工规律信息包括：各个加工节点每日的启动次数以及每次启动后的加工时长；使用时间预估单元，用于基于所述加工规律信息、所述当前存储数据与所述消耗数据，确定所述原料与所述工件的预估使用时间，并基于所述预估使用时间确定所述需求数据。
44.在一种实现方式中，所述目标参与主体确定模块20，包括：供货数据获取单元，用于获取各个参数主体的供货数据，所述供货数据包括日常出货数据以及订单价格数据；数据比较单元，用于将每个参数主体的所述日常出货数据与所述订单价格数据分别与预设的期望出货数据与期望订单价格进行比较；参与主体筛选单元，用于若所述日常出货数据大于所述期望出货数据，且所述订
单价格数据小于所述期望订单价格，则确定所述日常出货数据大于所述期望出货数据，且所述订单价格数据小于所述期望订单价格所对应的参数主体为所述目标参与主体。
45.在一种实现方式中，所述供货计划确定模块30，包括：优先级确定单元，用于基于所述目标参与主体与所述需求数据，模拟出每一个目标参与主体针对所述需求数据的供货排期，基于所述供货排期，确定所述供货优先级顺序；运输计划确定单元，用于根据所述需求数据，确定订单量，并基于所述订单量确定所述目标参与主体针对所述需求数据作出的运输批次计划；运输路线规划单元，用于根据所述目标参与主体的位置信息，确定所述运输路线规划。
46.在一种实现方式中，所述供货计划确定模块30，包括：到场时间确定单元，用于基于所述供货计划，确定延误性事件发生的概率，并基于所述延误性事件发生的概率，确定所述原料与所述工件的到场时间。
47.本实施例的基于多维度感知的数控机床加工过程的模拟系统中各个模块的工作原理与上述方法实施例中各个步骤的原理相同，此处不再赘述。
48.基于上述实施例，本发明还提供了一种终端设备，所述终端设备的原理框图可以如图3所示。所述终端设备可设置在数控机床上的智能电脑，比如数控机床中的主控中心。终端设备可以包括一个或多个处理器100（图3中仅示出一个），存储器101以及存储在存储器101中并可在一个或多个处理器100上运行的计算机程序102，例如， 基于多维度感知的数控机床加工过程的模拟的程序。一个或多个处理器100执行计算机程序102时可以实现基于多维度感知的数控机床加工过程的模拟的方法实施例中的各个步骤。或者，一个或多个处理器100执行计算机程序102时可以实现基于多维度感知的数控机床加工过程的模拟的装置实施例中各模块/单元的功能，此处不作限制。
49.在一个实施例中，所称处理器100可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现成可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
50.在一个实施例中，存储器101可以是电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡（smart media card，smc），安全数字（secure digital，sd）卡，闪存卡（flash card）等。进一步地，存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
51.本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端设备的限定，具体的终端设备以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
52.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读
取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双运营数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink） dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
53.综上，本发明公开了基于多维度感知的数控机床加工过程的模拟方法与系统，所述方法包括：基于多维度感知的方式实时监控加工过程的原料与工件的当前存储数据以及消耗数据，根据所述当前存储数据与所述消耗数据，模拟所述原料与所述工件的需求数据；根据所述需求数据，模拟出与所述原料以及所述工件对应的供应链上的各个参与主体，并基于各个参与主体的供货数据，筛选出目标参与主体，所述目标参与主体包括生产商以及运输商；基于所述目标参与主体与所述需求数据，模拟出供货计划，所述供货计划包括供货优先级顺序、运输批次计划以及运输路线规划。本发明可在多维度上模拟数控机床的加工过程，实现对原料与工件的供货计划的制定，简单方便，且有利于对原料与工件的实际使用情况进行分析。
54.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。