混合决策驱动的云制造能源管理方法、存储介质和终端与流程

本发明涉及云制造技术领域，具体地涉及一种混合决策驱动的云制造能源管理方法、存储介质和终端。

背景技术

云制造是一种面向服务的、高效低耗和基于知识的网络化智能制造新模式，是对现有网络化制造与服务技术进行的延伸和变革。它将各类制造资源和制造能力虚拟化、服务化，构成制造资源和制造能力池，并进行统一的、集中的智能化管理和经营，实现智能化、多方共赢、普适化和高效的共享和协同，通过网络和云制造系统为制造全生命周期过程提供可随时获取的、按需使用的、安全可靠的、优质廉价的服务。

在云制造模式下通过服务的组合实现资源及服务的整合，首先需要将无法被已有服务所满足的复杂任务请求分解为一系列的子任务，针对每一子任务，为其分配合适的具体服务，实现复杂任务请求到云制造系统中已有具体服务的映射，为下一步通过执行服务来完成用户的服务请求提供可能。

但是，现有的混合决策驱动的云制造能源管理方法，在对服务请求进行服务分配时，存在着计算量大、效率低下的问题。

技术实现要素：

本发明解决的技术问题是如何提高云制造任务的服务分配效率，并节约计算资源。

为解决上述技术问题，本发明实施例提供了一种混合决策驱动的云制造能源管理方法，所述方法包括：

将所接收的复杂制造任务映射为对应的多个子服务，并将每个子服务作为一个信息粒，得到对应的多个信息粒；

将所得到的多个信息粒进行整合，得到对应的多个分量粒结构；

采用所得到的多个分量粒结构，对所述复杂制造任务指令进行服务分配。

可选地，所述将所得到的多个信息粒进行整合，得到对应的多个分量粒结构，包括：

计算信息粒之间的粒相容性数值；

将粒相容性数值相同的信息粒归入同一粒层，从而将所述多个信息粒划分为多个粒层；

计算所得到的粒层的粒层相容性数值；

将粒层相容性数值位于同一取值范围内的粒层整合为一个初始粒结构，得到对应的多个初始粒结构；

计算所得到的初始粒结构的粒相容性数值，并将粒相容性数值最小的两个初始粒结构整合为一个分量粒结构，并将剩余的其他初始粒结构分别作为一个分量粒结构，得到对应的多个分量粒结构。

可选地，采用如下的公式计算信息粒之间的粒相容性数值：

其中，c^fit表示两个信息粒的粒相容性数值，k表示信息粒的标志属性的总数，xi表示两个信息粒的第i个标志属性的方差。

可选地，采用如下的公式计算粒层的粒层相容性数值：

其中，c^fit′表示粒层的粒层相容性数值，k表示信息粒的标志属性的总数，yi表示信息粒层中所有信息粒的第i个标志属性的方差。

可选地，采用如下的公式将粒相容性数值最小的两个初始粒结构整合为一个分量粒结构：

f：msi×msj→msk(k＝1，2，3，…，n)，且满足如下的运算规则：

f(msi，msj)＝(f1(lai，laj)，f2(lri，lrj))；

msi＝(lai，lri)(i＝1，2，3，…，k)；

msj＝(laj，lrj)(j＝1，2，3，…，k，且i≠j)；

la＝{l1，l2，l3，…，lm}；

lr＝{α|α(lj，lk)}；

其中，msi、msi分别表示粒相容性数值最小的两个初始粒结构，msk表示将粒相容性数值最小的两个初始粒结构msi、msi整合得到的分量粒结构，lai表示在初始粒结构msi中粒层l的集合，lri表示表示在初始粒结构msi中粒层间的转换关系集，li是粒结构中的一个粒层，la表示粒层的集合，lr表示某两个粒层lj与lk的信息粒之间的转换关系集，f1、f2分别表示分别二元映射函数关系，α表示同粒层或跨粒层的信息粒之间的偏序关系。

可选地，所述方法还包括：

当所述复杂制造任务所使用的制造资源发生变化时，对所述分量粒结构进行更新。

可选地，所述对所述分量粒结构进行更新，包括：

对所得到的多个分量粒结构进行分解、合并和删除。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一项所述的混合决策驱动的云制造能源管理方法的步骤。

本发明实施例还提供了一种终端，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一项所述的混合决策驱动的云制造能源管理方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

上述的方案，将所接收的复杂制造任务映射得到的多个子服务中的每个子服务作为一个信息粒，将所得到的多个信息粒进行整合，得到对应的多个分量粒结构，并采用所得到的多个分量粒结构，对所述复杂制造任务指令进行服务分配，可以即在保证数据价值的前提下，通过将数据规模变小，即信息粒化，从而将问题转化为多粒度、多层次问题，故可以提高提高云制造任务的服务分配效率，并节约计算资源。

附图说明

图1是本发明实施例的一种混合决策驱动的云制造能源管理方法的流程示意图；

图2是本发明实施例的另一种混合决策驱动的云制造能源管理方法的流程示意图；

图3是本发明实施例的一种云制造能源认知管理系统的结构示意图。

具体实施方式

本发明实施例中的技术方案通过将所接收的复杂制造任务映射得到的多个子服务中的每个子服务作为一个信息粒，将所得到的多个信息粒进行整合，得到对应的多个分量粒结构，并采用所得到的多个分量粒结构，对所述复杂制造任务指令进行服务分配，可以即在保证数据价值的前提下，通过将数据规模变小，即信息粒化，从而将问题转化为多粒度、多层次问题，故可以提高提高云制造任务的服务分配效率，并节约计算资源。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1是本发明实施例的一种混合决策驱动的云制造能源管理方法的流程示意图。参见图1，一种混合决策驱动的云制造能源管理方法，所述方法包括：

步骤s101：将所接收的复杂制造任务映射为对应的多个子服务，并将每个子服务作为一个信息粒，得到对应的多个信息粒。

步骤s102：将所得到的多个信息粒进行整合，得到对应的多个分量粒结构。

步骤s103：采用所得到的多个分量粒结构，对所述复杂制造任务指令进行服务分配。

上述的方案，将所接收的复杂制造任务映射得到的多个子服务中的每个子服务作为一个信息粒，将所得到的多个信息粒进行整合，得到对应的多个分量粒结构，并采用所得到的多个分量粒结构，对所述复杂制造任务指令进行服务分配，可以即在保证数据价值的前提下，通过将数据规模变小，即信息粒化，从而将问题转化为多粒度、多层次问题，故可以提高提高云制造任务的服务分配效率，并节约计算资源。

下面将结合图2对本发明实施例中的混合决策驱动的云制造能源管理方法进行进一步详细的介绍。

图2是本发明实施例的一种混合决策驱动的云制造能源管理方法的流程示意图。参见图2，一种混合决策驱动的云制造能源管理方法，所述方法包括：

步骤s201：将所接收的复杂制造任务映射为对应的多个子服务，并将每个子服务作为一个信息粒，得到对应的多个信息粒。

在具体实施中，因复杂制造任务无法被已有服务满足，故需要首先将所述复杂制造任务分解为一系列的子任务，针对每一子任务，为其分配合适的具体服务，从而实现复杂制造任务到云制造系统中已有具体服务的映射。接着，再通过将每个子服务分别作为一个信息粒，从而将所接收的复杂制造任务对应的服务信息粒化。

步骤s202：计算信息粒之间的粒相容性数值，并将粒相容性数值相同的信息粒归入同一粒层，从而将所述多个信息粒划分为多个粒层。

在本发明一实施例中，通过统计分析方法，按照包括原料成分相似性cs，阶段邻近程度ds，功能关系影响as等在内的子服务的标志属性分类，采用如下的公式计算信息粒之间的粒相容性数值：

其中，c^fit表示两个信息粒的粒相容性数值，k表示信息粒的标志属性的总数，xi表示两个信息粒的第i个标志属性的方差。

在计算得到多个信息粒中每两个信息粒之间的粒相容性数值时，通过将粒相容性数值相同的信息粒归入同一粒层，从而将所述多个信息粒划分为多个粒层。换言之，每个粒层至少包括两个信息粒。

步骤s203：计算所得到的粒层的粒层相容性数值，并将粒层相容性数值位于同一取值范围内的粒层整合为一个初始粒结构，得到对应的多个初始粒结构。

在具体实施中，当将多个信息粒通过信息粒之间的粒相容性数值划分为多个粒层时，通过粒层的相容性数值将粒层进行整合得到对应的多个初始粒结构。

在具体实施中，所述通过粒层的相容性数值将粒层进行整合得到对应的多个初始粒结构，是指通过计算得到粒层的相容性数值将相容性最大的两个粒层的信息粒整合为一个初始粒结构，剩余的其他粒层的信息粒分别作为对应的第一个初始粒结构，从而得到所述多个初始粒结构。

在本发明一实施例中，采用如下的公式计算粒层的粒层相容性数值：

其中，c^fit′表示粒层的粒层相容性数值，k表示信息粒的标志属性的总数，yi表示信息粒层中所有信息粒的第i个标志属性的方差。

步骤s204：计算所得到的初始粒结构的粒相容性数值，并将粒相容性数值最小的两个初始粒结构整合为一个分量粒结构，并将剩余的其他初始粒结构分别作为一个分量粒结构，得到对应的多个分量粒结构。

在具体实施中，当通过计算粒层的粒层相容性数值，将粒层整合为对应的初始粒结构时，通过计算初始粒结构的粒相容性数值，并将粒相容性数值最大的两个初始粒结构进一步整合为一个分量粒结构。在本发明一实施例中，可以采用公式(2)计算初始粒结构的粒相容性数值。

在本发明一实施例中，采用如下的公式将粒相容性数值最小的两个初始粒结构整合为一个分量粒结构：

f：msi×msj→msk(k＝1，2，3，…，n)(4)

且满足如下的运算规则：

f(msi，msj)＝(f1(lai，laj)，f2(lri，lrj))(5)

msi＝(lai，lri)(i＝1，2，3，…，k)(6)

msj＝(laj，lrj)(j＝1，2，3，…，k，且i≠j)(7)

la＝{l1，l2，l3，…，lm}(8)

lr＝{α|α(lj，lk)}(9)

其中，msi、msj分别表示粒相容性数值最小的两个初始粒结构，msk表示将粒相容性数值最小的两个初始粒结构msi、msi整合得到的分量粒结构，lai表示在初始粒结构msi中粒层l的集合，lri表示表示在初始粒结构msi中粒层间的转换关系集，li是粒结构中的一个粒层，la表示粒层的集合，lr表示某两个粒层lj与lk的信息粒之间的转换关系集，f1、f2分别表示分别二元映射函数关系，α表示同粒层或跨粒层的信息粒之间的偏序关系。

步骤s205：采用所得到的多个分量粒结构，对所述复杂制造任务指令进行服务分配。

在具体实施中，当得到对应的多个分量粒结构时，通过为所得到的多个分量粒结构分别分配对应的服务，从而完成对所述复杂制造任务指令进行服务分配。

在具体实施中，所述方法还可以包括：

步骤s206：当所述复杂制造任务所使用的制造资源发生变化时，对所述分量粒结构进行更新。

在具体实施中，所述复杂制造任务所使用的制造资源发生变化，也即所述复杂制造任务的子任务实际使用制造资源的数据源d的增量更新结果(例如设备更新带来的材料耗费减少，新工艺对材料的改变等)，可以对所述分量粒结构进行更新。

其中，对所得到的多个分量粒结构进行更新，为根据子服务的合并，删除和更新映射到粒结构的合并、分解和删除。

在本发明一实施例中，通过如下的方式对多个分量粒结构进行分解、合并和删除。其中，分量粒结构的合并采用加权算法进行；分量粒结构的删除，则采用定期删除和即时机制，即默认每30min检查是否有已完成的子服务，有则删除，避免全部检查计算量过大卡死，采用随机抽取每100个子服务检查，当即时请求删除特定子服务时，调出标记子服务删除；分量粒结构的更新，采用设置缓存过期时间的方式进行，若过期则重新读取数据库，更新缓存，确保网络缓存信息和数据库的一致性。

上述对本发明实施例中的方法进行详细的描述，下面将对上述的方法对应的装置进行介绍。

图3示出了本发明实施例中的一种云制造能源认知管理系统的结构示意图。参见图3，一种云制造能源认知管理系统30可以包括映射单元301、整合单元302和配置单元303，其中：

所述映射单元301，适于将所接收的复杂制造任务映射为对应的多个子服务，并将每个子服务作为一个信息粒，得到对应的多个信息粒。

所述整合单元302，适于将所得到的多个信息粒进行整合，得到对应的多个分量粒结构。

所述配置单元303，适于采用所得到的多个分量粒结构，对所述复杂制造任务指令进行服务分配。

在具体实施中，所述整合单元302，适于计算信息粒之间的粒相容性数值；将粒相容性数值相同的信息粒归入同一粒层，从而将所述多个信息粒划分为多个粒层；计算所得到的粒层的粒层相容性数值；将粒层相容性数值位于同一取值范围内的粒层整合为一个初始粒结构，得到对应的多个初始粒结构；计算所得到的初始粒结构的粒相容性数值，并将粒相容性数值最小的两个初始粒结构整合为一个分量粒结构，并将剩余的其他初始粒结构分别作为一个分量粒结构，得到对应的多个分量粒结构。

在本发明一实施例中，所述整合单元302，适于采用如下的公式计算信息粒之间的粒相容性数值：

其中，c^fit表示两个信息粒的粒相容性数值，k表示信息粒的标志属性的总数，xi表示两个信息粒的第i个标志属性的方差。

在本发明一实施例中，所述整合单元302，适于采用如下的公式计算粒层的粒层相容性数值：

其中，c^fit′表示粒层的粒层相容性数值，k表示信息粒的标志属性的总数，yi表示信息粒层中所有信息粒的第i个标志属性的方差。

在本发明一实施例中，所述整合单元302，适于采用如下的公式将粒相容性数值最小的两个初始粒结构整合为一个分量粒结构：

f：msi×msi→msk(k＝1，2，3，…，n)，且满足如下的运算规则：

f(msi，msj)＝(f1(lai，laj)，f2(lri，lrj))；

msi＝(lai，lri)(i＝1，2，3，…，k)；

msi＝(laj，lrj)(j＝1，2，3，…，k，且i≠j)；

la＝{l1，l2，l3，…，lm}；

lr＝{α|α(lj，lk)}；

其中，msi、msj分别表示粒相容性数值最小的两个初始粒结构，msk表示将粒相容性数值最小的两个初始粒结构msi、msj整合得到的分量粒结构，lai表示在初始粒结构msi中粒层l的集合，lri表示表示在初始粒结构msi中粒层间的转换关系集，li是粒结构中的一个粒层，la表示粒层的集合，lr表示某两个粒层lj与lk的信息粒之间的转换关系集，f1、f2分别表示分别二元映射函数关系，α表示同粒层或跨粒层的信息粒之间的偏序关系。

在具体实施中，所述装置30还可以包括更新单元305，其中：

所述更新单元305，适于当所述复杂制造任务所使用的制造资源发生变化时，对所述分量粒结构进行更新。

在具体实施中，所述更新单元305，适于对所得到的多个分量粒结构进行分解、合并和删除。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述的混合决策驱动的云制造能源管理方法的步骤。其中，所述的混合决策驱动的云制造能源管理方法请参见前述部分的详细阐述，不再赘述。

本发明实施例还提供了一种终端，包括存储器和处理器，所述存储器上储存有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述的混合决策驱动的云制造能源管理方法的步骤。其中，所述的混合决策驱动的云制造能源管理方法请参见前述部分的详细阐述，不再赘述。

采用本发明实施例中的上述方案，将所接收的复杂制造任务映射得到的多个子服务中，每个子服务作为一个信息粒，将所得到的多个信息粒进行整合，得到对应的多个分量粒结构，并采用所得到的多个分量粒结构，对所述复杂制造任务指令进行服务分配，可以即在保证数据价值的前提下，通过将数据规模变小，即信息粒化，从而将问题转化为多粒度、多层次问题，故可以提高提高云制造任务的服务分配效率，并节约计算资源。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：rom、ram、磁盘或光盘等。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。