论文部分内容阅读
互联网经济的快速发展使得经济全球化和全球市场竞争进入了新阶段,受相关商业模式、制造复杂程度、资源和环境约束等诸多因素的影响,制造业领域正陷入资源闲置、制造成本攀升的困局。云制造是为了应对制造业困局而提出的一种面向服务的网络化制造新模式。目前,针对云制造需求侧的制造服务组合和云制造供给侧的制造资源调度研究都取得了一定的进展,但鲜有学者对云制造双侧的协同优化问题进行研究。在云制造场景中,只有完整的解决了云制造需求侧的制造服务组合与供给侧的制造资源调度问题,才能真正提高资源利用率,实现制造资源的增值增效。本文基于智能计算技术和服务组合理论,着重研究了面向云制造供需双侧的建模与求解问题。首先,面向需求侧,本文针对云制造服务之间的潜在关系被忽略而导致服务组合模型的合理性存在欠缺和服务质量得不到有效提升等问题,建立了面向服务需求侧的云制造服务合作水平(Service Cooperation Level,SCL)评估机制,并将其纳入服务组合优化模型中作为一个优化目标,进而提出了一种基于服务合作水平的云制造服务组合优化模型(Cloud Manufacturing Services Composition Based on Service Cooperation Level,CMSC-SCL)。仿真实验结果表明,CMSC-SCL模型可以一定程度上降低云制造成本和节约生产时间,也有助于提高云制造产品的可靠性。其次,面向供给侧,本文针对云制造资源调度过程中实时性低和资源利用率不高问题,基于智能优化算法对云制造环境下制造资源调度进行研究,构建了一个新颖的绿色云制造资源调度模型。仿真实验结果表明,该模型在不延长完工时间的基础上,提升了制造设备利用率,减少资源浪费,促进云制造供给侧绿色、经济和高效的生产。最后,协调考虑云制造平台供需双侧的服务组合与资源调度问题,研究实际问题的场景,特征和约束,以及优化目标,研究并建立问题的形式化表述。构建了面向云制造双侧的协同优化模型(Bilateral Collaborative Optimization Model of Cloud Manufacturing,BCOM-CMfg)。此外,提出了 一种自适应多目标鸽群算法(Self-adaptive Multi-objective Pigeon-inspired Optimization,S-MOPIO),用于求解面向双侧的协同优化模型。仿真实验结果表明,S-MOPIO可以有效求解BCOM-CMfg,且该模型可进一步提高云制造方案的可靠性与降低制造成本。