一种基于语义的云排产系统的制作方法
【专利摘要】本发明涉及一种基于语义的云排产系统，包括依次连接的生产资源云池、生产资源按需发现模块和云排产计算模块，其中，所述的生产资源云池对生产资源和任务采用统一的形式化描述规则进行描述后，保存生产资源和任务：所述的生产资源按需发现模块根据生产资源云池中的任务发现所有合适的生产资源；所述的云排产计算模块以生产资源按需发现模块发现的生产资源为基础，利用智能算法计算出满足任务的最优生产资源组合。与现有技术相比，本发明具有资源利用效率高、可扩展性高、算法鲁棒性强等优点。
【专利说明】—种基于语义的云排产系统
【技术领域】
[0001]本发明涉及一种云制造系统，尤其是涉及一种基于语义的云排产系统。
【背景技术】
[0002]排产问题是每个制造企业都关系的核心问题，它直接关系到企业的效益竞争力。但原有的排产问题均局限于单个生产主体内部进行。随着信息网络技术的迅速发展，云计算、互联网与智能服务为个性化制造和服务创新提供了有力工具和环境，个性化制造和规模化协同创新有机结合将成为重要的生产方式。在此基础上，出现了云制造的概念。云制造是网络化制造、ASP平台、制造网格和云计算等概念和技术的延伸，是一种面向服务的、高效低耗和基于知识的网络化、敏捷化制造新模式。在这种模式下，存在海量的各种制造资源和能力，同时，也存在大量需要各种服务的任务请求。这些制造资源、能力与任务请求是异构的，因此，如何准确、快速地根据需求并在可选择的资源内确定排产结果是迫切需要解决的问题。
【发明内容】
[0003]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种资源利用效率高、可扩展的基于语义的云排产系统。
[0004]本发明的目的可以通过以下技术方案来实现:
[0005]一种基于语义的云排产系统，包括依次连接的生产资源云池、生产资源按需发现模块和云排产计算模块，其中，
[0006]所述的生产资源云池对生产资源和任务采用统一的形式化描述规则进行描述后，保存生产资源和任务；
[0007]所述的生产资源按需发现模块根据生产资源云池中的任务发现所有合适的生产资源；
[0008]所述的云排产计算模块将生产资源按需发现模块发现的生产资源和任务转化为需解决的排产问题，利用智能算法计算出满足该排产问题的最优生产资源组合。
[0009]所述的采用统一的形式化描述规则进行描述是指采用本体对生产资源和任务进行统一描述。
[0010]所述的本体包括生产资源领域本体和任务本体，所述的生产资源领域本体中包括5个基本类，分别为生产资源能力类、生产资源类、生产过程类、生产能力指标类和生产企业类。
[0011]所述的生产资源按需发现模块发现合适的生产资源时，首先判断任务是否为原子任务，若是，则直接利用语义推理得到匹配的生产资源，若否，则基于工艺对任务进行分解后再利用语义推理进行生产资源的匹配。
[0012]所述的智能算法为基于动态评价的混合免疫模拟退火算法。
[0013]所述的基于动态评价的混合免疫模拟退火算法的步骤为:[0014]I)识别抗原，根据排产问题中的生产资源进行抗体编码；
[0015]2)产生解群体，按照设定的群体规模，在解空间中随机产生最初的抗体群体；
[0016]3)对抗体进行动态评价，对抗体进行从优到差的排序，并将排在前若干位的抗体作为记忆细胞保存到记忆库中，下一代进化时直接进入新种群；
[0017]4)将排在后若干位的抗体保存至较差解集中，将其余抗体保存至中等解集中；
[0018]5)判断较差解集是否已满，若是，则执行步骤6)，若否，则返回步骤3)；
[0019]6)对中等解集和较差解集进行差异化的免疫进化；
[0020]7)对步骤6)得到的抗体进行模拟退火搜索；
[0021]8)判断得到的解是否满足结束条件，若是，则输出解，若否，则返回步骤2)。
[0022]所述的差异化的免疫进化是指:将较优解集、中等解集和较差解集分别设置不同的进化参数进化，所述的进化参数包括交叉概率和变异概率。
[0023]所述的结束条件是指:连续几次迭代，排产问题中所设定的目标函数值不变或目标函数值差值小于设定值。
[0024]与现有技术相比，本发明具有以下优点:
[0025]I)本发明提供了统一的生产资源描述方式，大大提高了云排产系统的灵活性和可扩展性，使得生产资源可随时随地接入和退出，突破了传统排产系统对生产资源固定分布的限制；
[0026]2)本发明按照云的方式存储生产资源，大大提高了资源的协同性和利用效率；
[0027]3)本发明在云排产算法中，通过动态多次评价抗体的方法，减弱极端抗体对评价的影响，更加客观地对解种群进行评价分类，避免了较优抗体的一次性被消除，加快了算法在后期的收敛速度，差异化的进化策略降低了搜索结果对参数的敏感程度，增强了算法的鲁棒性。
【专利附图】
【附图说明】
[0028]图1为本发明的结构示意图；
[0029]图2为本发明中基于动态评价的混合免疫模拟退火算法的流程图。
【具体实施方式】
[0030]下面结合附图和具体实施例对本发明进行详细说明。
[0031]实施例
[0032]如图1所示，一种基于语义的云排产系统，包括依次连接的生产资源云池1、生产资源按需发现模块2和云排产计算模块3。
[0033]所述的生产资源云池I对生产资源和任务采用统一的形式化描述规则进行描述后，保存生产资源和任务。为了消除歧义，解决海量异构环境下生产资源和任务的准确、高效接入，本实施例采用本体这一语义方法对生产资源和任务进行统一描述，从而使得云排产系统具有更强的扩展性，实现基于语义的信息封装，这是实现云排产的基础。所述的本体包括生产资源领域本体和任务本体，所述的生产资源领域本体中包括5个基本类，分别为
[0034](I)生产资源能力类(MC_Capability)
[0035]描述生产企业所能提供的生产能力，由于在生产服务提供过程中，企业更注重提供产品加工参数，因此在该类中以生产加工零件和成品进行子类划分
[0036](2)生产资源类(MC_Resource)
[0037]这是企业所拥有的生产资源，用于提供相应的生产能力。
[0038](3)生产过程类(MC_Process)
[0039]指一系列蕴含大量知识和经验的生产活动和工艺，属于动态类集合。
[0040](4)生产能力指标类(MC_Indicator)
[0041]用于描述生产能力性能、服务质量、交易形式和对云排产需求的指标。
[0042](5)生产企业类(MC_Enterprise)
[0043]描述生产企业的基本情况。
[0044]上述五个基本类以生产资源能力类为中心，生产企业类提供生产能力，生产资源类是实现能力的硬件基础，生产能力指标是对生产能力的状态、QoS及关键信息的描述，生产工艺类是提供生产能力服务的工艺流程和知识依据。企业在提供生产能力的时候可以是整体提供，也可以依据生产工艺类对生产服务的分解提供部分和组合的生产能力服务。
[0045]生产资源领域本体中的类的层次关系复杂，语义关系丰富，在生产资源领域本体中定义了 abiIityResource_AbiIity> abilityResource_Indicator> abiIityResource_Node、ability_Enterprise> manufacturingNode、process_Ability> process_Resource和process_Process八个类属性，每个类属性还包括了不同的子属性。通过属性的定义实现了本体类与类间的相互约束和联系。如类属性Resource_Node {hasResource,resourceBelongTo},定义生产资源类与生产企业类的关系，resource_Ability {ability_is, implemented_by}定义了生产资源类与生产能力类间的关系。通过该属性可以明确某个生产企业能够提供哪些生产资源，并且能够提供何种生产云能力服务。
[0046]所述的生产资源按需发现模块2根据生产资源云池中的任务发现所有合适的生产资源，云排产的特点是生产资源是海量的，并且是异构存在的，因此并不是所有的生产资源都参与排产，需要对生产资源进行选择。所述的生产资源按需发现模块发现合适的生产资源时，首先判断任务是否为原子任务，若是，则直接利用语义推理得到匹配的生产资源，若否，则基于工艺对任务进行分解后再利用语义推理进行生产资源的匹配。
[0047]所述的云排产计算模块3将生产资源按需发现模块发现的生产资源和任务转化为需解决的排产问题，利用智能算法计算出满足该排产问题的最优生产资源组合。排产问题关注的是首先是效率，其所是准确度。现有免疫算法的抗体评价是依据抗体和抗原的亲和度，通常的做法是促进高亲和度的抗体同时抑制低亲和度的抗体，这种方法容易带来“早熟”的问题。因此，本实施例采用的智能算法为基于动态评价的混合免疫模拟退火算法，具体流程如图2所示:
[0048]I)识别抗原，根据排产问题中的生产资源进行抗体编码；
[0049]2)产生解群体，按照设定的群体规模，在解空间中随机产生最初的抗体群体；
[0050]3)对抗体进行动态评价，对抗体进行从优到差的排序，并将排在前1/3位置的抗体作为记忆细胞保存到记忆库中，下一代进化时直接进入新种群；
[0051]4)将排在后1/3位置的抗体保存至较差解集中，将其余1/3抗体保存至中等解集中；
[0052]5)判断较差解集是否已满，若是，则执行步骤6)，若否，则返回步骤3)；[0053]6)对中等解集和较差解集进行差异化的免疫进化，所述的差异化的免疫进化是指:将较优解集、中等解集和较差解集分别设置不同的进化参数进化，所述的进化参数包括交叉概率和变异概率，其中，较差解集的交叉概率和变异概率都设置为较大值，中等解集的各种参数都设置为相对较小值，从而避免了因优良个体的破坏导致的收敛速度的降低；
[0054]7)对步骤6)得到的抗体进行模拟退火搜索；
[0055]8)判断得到的解是否满足结束条件，若是，则输出解，若否，则返回步骤2)，所述的结束条件是指:连续几次迭代，排产问题中所设定的目标函数值不变或目标函数值差值小于设定值。
[0056]本实施例基于Liferay平台作为系统集成平台，基于Prot6g64+0WLPlugin建立了生产资源领域本体，利用语义推理工具Jena进行生产服务的语义推理，同时通过基于动态评价的混合免疫模拟退火算法实现了云排产。该系统的主要功能包括任务录入、约束设定、信息维护、优化排程以及相应的结果展示。
[0057]本系统提供了统一的生产资源描述方式，大大提高了云排产系统的灵活性和可扩展性，使得生产资源可随时随地接入和退出，突破了传统排产系统对生产资源固定分布的限制。本系统的云排产计算模块3在云排产算法中，通过动态多次评价抗体的方法，减弱极端抗体对评价的影响，更加客观地对解种群进行评价分类，避免了较优抗体的一次性被消除，加快了算法在后期的收敛速度。差异化的进化策略降低了搜索结果对参数的敏感程度，增强了算法的鲁棒性。
【权利要求】
1.一种基于语义的云排产系统，其特征在于，包括依次连接的生产资源云池、生产资源按需发现模块和云排产计算模块，其中， 所述的生产资源云池对生产资源和任务采用统一的形式化描述规则进行描述后，保存生产资源和任务； 所述的生产资源按需发现模块根据生产资源云池中的任务发现所有合适的生产资源； 所述的云排产计算模块将生产资源按需发现模块发现的生产资源和任务转化为需解决的排产问题，利用智能算法计算出满足该排产问题的最优生产资源组合。
2.根据权利要求1所述的一种基于语义的云排产系统，其特征在于，所述的采用统一的形式化描述规则进行描述是指采用本体对生产资源和任务进行统一描述。
3.根据权利要求2所述的一种基于语义的云排产系统，其特征在于，所述的本体包括生产资源领域本体和任务本体，所述的生产资源领域本体中包括5个基本类，分别为生产资源能力类、生产资源类、生产过程类、生产能力指标类和生产企业类。
4.根据权利要求1所述的一种基于语义的云排产系统，其特征在于，所述的生产资源按需发现模块发现合适的生产资源时，首先判断任务是否为原子任务，若是，则直接利用语义推理得到匹配的生产资源，若否，则基于工艺对任务进行分解后再利用语义推理进行生产资源的匹配。
5.根据权利要求1所述的一种基于语义的云排产系统，其特征在于，所述的智能算法为基于动态评价的混合免疫模拟退火算法。
6.根据权利要求5所述的一种基于语义的云排产系统,其特征在于,所述的基于动态评价的混合免疫模拟退火算法的步骤为: 1)识别抗原，根据排产问题中的生产资源进行抗体编码； 2)产生解群体，按照设定的群体规模，在解空间中随机产生最初的抗体群体； 3)对抗体进行动态评价，对抗体进行从优到差的排序，并将排在前若干位的抗体作为较优解集，同时作为记忆细胞保存到记忆库中，下一代进化时直接进入新种群； 4)将排在后若干位的抗体保存至较差解集中，将其余抗体保存至中等解集中； 5)判断较差解集是否已满，若是，则执行步骤6)，若否，则返回步骤3)； 6)对中等解集和较差解集进行差异化的免疫进化； 7)对步骤6)得到的抗体进行模拟退火搜索； 8)判断得到的解是否满足结束条件，若是，则输出解，若否，则返回步骤2)。
7.根据权利要求6所述的一种基于语义的云排产系统，其特征在于，所述的差异化的免疫进化是指:将较优解集、中等解集和较差解集分别设置不同的进化参数进化，所述的进化参数包括交叉概率和变异概率。
8.根据权利要求6所述的一种基于语义的云排产系统，其特征在于，所述的结束条件是指:连续几次迭代，排产问题中所设定的目标函数值不变或目标函数值差值小于设定值。
【文档编号】G06Q50/04GK103793769SQ201210419128
【公开日】2014年5月14日 申请日期:2012年10月29日 优先权日:2012年10月29日
【发明者】王中杰 申请人:同济大学