随着工业互联网的蓬勃发展,工业生产需要满足用户的个性化需求.由于个性化产品规格多样种类繁多,一个高效的智能排产方法对企业的生产制造尤为重要.从部署模式来看,现有的智能排产系统可分为企业本地部署和云排产服务两类.本地排产系统...随着工业互联网的蓬勃发展,工业生产需要满足用户的个性化需求.由于个性化产品规格多样种类繁多,一个高效的智能排产方法对企业的生产制造尤为重要.从部署模式来看,现有的智能排产系统可分为企业本地部署和云排产服务两类.本地排产系统的计算与存储资源相对有限,难以满足精确排产算法的需求;而云排产系统需要大量工业核心排产数据的支撑并按需计费,计算存储与网络传输的开销使排产服务成本较高.此外,工业核心数据上传至云可能存在数据泄露的风险.针对以上问题,本文以钢铁热轧生产为例,将边缘计算技术引入智能排产,提出了一种云边协作的工业互联网排产框架(Production Scheduling based on Edge-Cloud-Collaboration,PSECC),本框架在边缘端预处理原始工业数据,保证核心生产数据保留在企业端;在云端进行算法求解,通过部署通用型求解算法又为框架赋予了可扩展性.本文基于PSECC框架设计实现了针对钢铁热轧排产任务的云边分解方法,实验证明本文提出的云边协作排产方法与常规求解器的性能相似,但是可以避免工业核心数据上云,且云端求解器的选择更加灵活.在性能方面,云排产的总排产时间是PSECC的1.4~3.7倍,其中网络传输时间是10~15倍.展开更多
文摘随着工业互联网的蓬勃发展,工业生产需要满足用户的个性化需求.由于个性化产品规格多样种类繁多,一个高效的智能排产方法对企业的生产制造尤为重要.从部署模式来看,现有的智能排产系统可分为企业本地部署和云排产服务两类.本地排产系统的计算与存储资源相对有限,难以满足精确排产算法的需求;而云排产系统需要大量工业核心排产数据的支撑并按需计费,计算存储与网络传输的开销使排产服务成本较高.此外,工业核心数据上传至云可能存在数据泄露的风险.针对以上问题,本文以钢铁热轧生产为例,将边缘计算技术引入智能排产,提出了一种云边协作的工业互联网排产框架(Production Scheduling based on Edge-Cloud-Collaboration,PSECC),本框架在边缘端预处理原始工业数据,保证核心生产数据保留在企业端;在云端进行算法求解,通过部署通用型求解算法又为框架赋予了可扩展性.本文基于PSECC框架设计实现了针对钢铁热轧排产任务的云边分解方法,实验证明本文提出的云边协作排产方法与常规求解器的性能相似,但是可以避免工业核心数据上云,且云端求解器的选择更加灵活.在性能方面,云排产的总排产时间是PSECC的1.4~3.7倍,其中网络传输时间是10~15倍.
