云制造环境下资源调度问题的研究

1、分类号：TP2密级：公开编号：102016483稼林理工槌硕士研究生学位论文云制造环境下资源调度问题的研究专 业：检测技术与自动化装置研究方向：制造业信息化研究生：周晓指导教师：谢晓兰教授论文起止日期：2017年9月至2019年4月Research on Resource Scheduling Problem in CloudManufacturing EnvironmentMajor： Detection Technology and AutomationDirection of Study： Manufacturing InformatizationGraduate Student： Zh

2、ou XiaoSupervisor： Prof. Xie XiaolanCollege of Mechanical and Control EngineeringGuilin University of TechnologySeptember,2017 to April?2019研究生学位论文独创性声明和版权使用授权书独创性声明本人声明：所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。 据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含他人己经发表或撰写 过的研究成果，也不包含为获得其它教育机构的学位或证书而使用过的材料。对论文的 完成提供过帮助的有关人员已在论文中作了明

3、确的说明并表示谢意。学位论文作者（签字）：罔既签字日期，叫.成学位论文版权使用授权书本学位论文作者完全了解（学校）有关保留、使用学位论文的规定，有权保留并向国 家有关部门或机构送交论文的印刷本和电子版本，允许论文被查阅和借阅。本人授权（学 校）可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。同时授权中国科学技术信息研究所将本学位论文 收录到中国学位论文全文数据库，并通过网络向社会公众提供信息服务。（保密的学 位论文在解密后适用本授权书）本论文是否保密：是 a 如需保密，保密期限为：学位论文作者签名：导师签字：留夕欢3签字日期：物1年

4、4月I、日签字日期：对，年4月jz日制造业是实体经济的主体，推进制造业高质量发展成为我国经济发展的重要方向， 传统制造模式已难以顺应经济发展新常态的要求，这就迫切需要加快转型升级。制造业 的数字化、网络化和智能化成为了主要发展方向。云制造就是一种在制造业持续运用需 求的牵引下基于网络面向服务的智能化制造新模式。资源调度是云制造的核心问题之 一，资源调度的质量直接影响云制造平台运行的质量。因而，重点研究了云制造环境下 的资源调度的问题。对云制造环境下的制造过程进行分析，并对资源调度的运行机制进行研究，对云制 造平台中复杂且庞大的制造项目进行分解，将项目分解为多个有约束关系的任务，将每 个任务分解

5、为数个相对独立的子任务，为资源的调度提供支撑。基于云制造平台用户制 造需求的多样性，考虑时间、成本、用户满意度和服务质量等多个目标，建立多目标静 态资源调度模型，基于云制造环境下显著的动态性和易出现干扰的特性，将静态调度模 型中加入了基于周期和事件双驱动的动态调度策略，提出一种云制造环境下的混合调度 模型，在提高资源调度效率的同时也保障了资源调度的稳定性。在调度算法的设计中，粒子群算法易于实现且寻优时收敛速度性能较好，但在寻找 最优解的过程中容易陷入到局部最优。将免疫算法引入其中，运用基于亲和力的变异策 略，防止陷入局部最优同时避免了种群退化。改进种群更新策略，运用由个体浓度和亲 和力共同控制

6、的抗体平衡选择机制，对抗体进行划分并将它们按照不同方式进化，优化 种群变异策略，增加寻优的范围并加快了收敛速度。将每次迭代得到的优质抗体进行精 英选择后存入到记忆单元并对种群更新的个体进行免疫选择，加快种群的收敛速度。通过仿真实验验证本文中的模型的高效性和稳定性，验证算法的收敛速度和求解精 度的优越性。最后运用实例验证本文提出的调度方案能够高效地完成云制造环境下资源 调度的任务，证明了调度方案在实际生产中的有效性。关键词：云制造，资源调度，混合资源调度模型，粒子群算法，免疫算法AbstractManufacturing is the mainstay of the real economy.

7、Promoting the high-quality development of manufacturing has become one of the important directions of Chinas economic development. The traditional manufacturing model has been difficult to comply with the requirements of current economic development. This requires us to accelerate the change of trad

8、itional manufacturing models. The digitalization, networking and intelligence of the manufacturing industry have become the main development direction. Cloud manufacturing is a new model of intelligent manufacturing. Cloud manufacturing is based on the web. The main job of cloud manufacturing is to

9、provide services. Resource scheduling is one of the core issues of cloud manufacturing. The quality of resource scheduling directly affects the quality of cloud manufacturing platform operations. This paper focuses on the issue of resource scheduling in a cloud manufacturing environment.The main pur

10、pose of this paper is to provide a high-quality resource scheduling solution for users in the cloud manufacturing environment. This paper first analyzes the manufacturing process in a cloud manufacturing environment. Research on the operation mechanism of resource scheduling. Decompose complex and l

11、arge manufacturing projects in cloud manufacturing platforms. In this paper, the project is decomposed into multiple tasks with constraints, and each task is decomposed into several relatively independent subtasks to prepare for resource scheduling. Based on the diversity of users of cloud manufactu

12、ring platform, a multi-objective static resource scheduling model is established considering multiple objectives such as time, cost, user satisfaction and service quality. Based on the significant dynamics and widely generated interference in the cloud manufacturing environment, a dynamic scheduling

13、 strategy based on periodic and event dual drivers is added to the static model. This paper designs a hybrid scheduling model in a cloud manufacturing environment. In order to improve the efficiency of resource scheduling, the stability of scheduling is also guaranteed.The particle swarm optimizatio

14、n algorithm is easy to implement and has good convergence speed performance when searching. However, it is easy to fell into local optimum in the process of finding the optimal solution. In this paper, the immune algorithm is introduced into it, and the affinity-based mutation strategy is used to pr

15、event falling into local optimum while avoiding population degradation. Improve the population update strategy. The antibodies are divided by antibody balancing selection mechanisms that are controlled by individual concentrations and affinities and evolved in different ways. This strategy increases

16、 the scope of optimization and speeds up convergence. The high-quality antibodies obtained in each iteration are selected by the elite and then deposited into the memory unit to immunoselect the individuals who are updated in the population. This method speeds up the convergence of the population.Th

17、e simulation results prove the validity and stability of the model in this paper. The convergence speed and solution accuracy of the algorithm are verified. Finally, an example is used to verify that the proposed scheduling scheme can efficiently complete the task of resource scheduling in cloud man

18、ufacturing environment. The effectiveness of the scheduling scheme in actual production is proved.Keywords: Cloud Manufacturing, Resource Scheduling, Hybrid Resource Scheduling Model, Particle Swarm Optimization, Immune Algorithm目录 TOC o 1-5 h z 摘要I HYPERLINK l bookmark11 o Current Document Abstract

19、II第1章绪论11.1选题来源11.2研究的背景及意义11.3国内外研究现状21.3.1云制造的研究现状21.3.2云制造资源调度研究现状31.4本文的主要研究工作41.5本论文的组织结构5第2章 云制造环境下资源调度相关理论与研究方法62.1云制造62.1.1云制造概念及特征62.1.2云制造的制造模式与服务对象72.1.3云制造的体系结构82.2云制造资源112.2.1制造资源定义与特性112.2.2制造资源的分类122.3云制造环境下的资源调度132.3.1资源调度的定义及特点132.3.2云制造资源调度流程142.3.3常见的资源调度算法152.4本章小结16第3章云制造环境下资源调度

20、模型优化研究173.1问题的提出173.2资源调度过程分析173.2.1制造需求分析173.2.2制造项目任务分解183.2.3资源调度问题数学描述193.2.4资源调度运行机制203.3云制造环境下多目标静态资源调度模型203.3.1目标函数213.3.2约束条件223.4云制造环境下混合资源调度模型233.4.1混合调度模型的构建233.4.2周期驱动再调度243.4.3事件驱动再调度253.4.4混合调度模型结构263.4.5混合调度模型特点分析273.5本章小结28第4章云制造环境下免疫粒子群资源调度优化算法294.1粒子群优化算法294.1.1粒子群优化算法的原理294.1.2粒子群

21、算法的数学描述294.1.3粒子群优化算法的基本流程324.1.4粒子群算法的特点334.2免疫算法334.2.1免疫算法的原理344.2.2免疫算法的基本流程344.2.3免疫算法的特点354.3云制造环境下免疫粒子群调度优化算法设计364.3.1免疫粒子群优化算法设计原理分析364.3.2编码方案374.3.3 目标函数384.3.4更新策略394.3.5变异策略414.3.6免疫粒子群优化算法步骤424.4本章小结44第5章仿真实验及结果分析455.1实验仿真环境与参数的设置455.2仿真实验设计与分析465.3实例验证与分析495.4本章小结53第6章总结与展望546.1全文工作总结5

22、46.2未来展望55参考文献56 HYPERLINK l bookmark153 o Current Document 申请学位期间的研究成果及发表的学术论文59 HYPERLINK l bookmark170 o Current Document 致谢60第1章绪论1.1选题来源2017年度国家自然科学基金混合云任务调度中的信任机制研究(61762031)1.2研究的背景及意义制造业是国民经济的主体，新中国建立以来尤其是在改革开放以后，我国制造业持 续快速发展，建成了完整的产业体系，对我国工业化和现代化的历程进行了强而有力的 推进，为我国综合国力的提升和世界大国地位的支撑做出了显著的贡献。但

23、是，我国的 制造业相较于发达国家仍是大而不强，在制造业自主创新、资源应用效率、信息化水平、 质量和效益等方面仍存在着明显的差距。现今制造资源的协同仍然存在壁垒问题，制造 业信息化的发展仍然受到了传统制造业弊端的束缚。大型企业先进制造资源和制造能力 没有被充分利用而出现闲置，与此同时，绝大部分中小企业仍没有完善的制造资源和高 水平的制造能力，无法对制造市场进行快速的响应。我国的制造业实现跨越式成长的需 求迫切、路途艰辛。在此种情况下，制造业应顺应市场的需求，保证先进制造技术与信 息技术深度融合的持续化进行，促进制造业向更深更广的方向持续发展。云制造技术冲破地域和制造行业间的约束，解决部分大型企业

24、的制造资源闲置和大 量的中小型企业的产能严重不足的问题，云制造将各种制造资源和制造能力经过处理并 且发布到云制造平台，云制造平台对它们统一管理，用户可以经由云端随时随地的依照 本身的需求获取产品的制造资源和制造能力。云制造平台对制造资源进行智能、高效的 调度，实现闲置的资源充分利用，提升资源的利用率，协助制造企业快速响应市场需求。云制造环境下的资源不同于传统的制造资源，云制造平台中的用户分布在不同的地 理区域，因而它们提供的资源也分布在不同的区域，云制造平台中的用户根据自己的制 造情况可以随时的增删提供的制造资源，传统的资源调度中的资源大多属于同一个制造 企业，它们有着相同的管理标准和制造标准

25、，而百制造环境下完成制造项目的制造资源 有多个制造企业提供，每个企业都有着自己的管理方法和制造标准。因此传统的将资源 以某种方式组合起来完成制造的资源调度方法不适用于云制造这个复杂的制造环境，也 不能胜任云制造环境下复杂制造任务在制造过程中涉及的资源调度问题。云制造环境下 的资源调度问题是云制造研究的核心内容之一，其效果的优劣直接影响云制造平台的运 行效果，云制造资源调度的理论研究和应用设计具有深远的意义，但现在的云制造环境 下的资源调度问题仍存在着许多亟待解决的难点，例如调度中模型的设计与实际操作中 的适应度、调度算法的优化和调度效率等，有效的解决这些难点问题，对云制造的进一 步的探究和实践

26、具有重大的意义。1.3国内外研究现状1.3.1云制造的研究现状李伯虎院士于2010年提出了 “云制造”的概念，一经提出便得到了制造业界和学 术界的广泛关注，国内外学者对云制造的现有研究重点主要包括云制造的理论研究和云 制造实践应用两方面。云制造的理论研究姚锡凡1等继承了云计算的思想并将其拓展到制造领域，建立了面向服务的云制造 架构并对其进行了集成与开发，最后应用开发应用实例验证可行性。付超等在云制造 环境下建立多目标的云服务的规划模型，在运用推理的方法获取服务组成的集合中选取 需要的云服务组成服务方案。王正成3等通过建立云制造环境下的服务过程模型将异构 的资源进行描述并完成相应的组合最终实现云

27、制造环境下制造资源的集成与共享。任磊 囹等为了使软物理资源和硬物理资源都能更加好的适应云制造环境下的虚拟服务环境， 研究了虚拟框架并给出了关键技术进而形成了更加灵活的资源池从而提高资源的调配 效率。朱李楠等针对云制造环境下的制造资源分布在不同的地理区域，传统的资源组 合方法无法满足云制造的要求等问题改进了传统的差分算法并指定运输方案的选择策 略进而解决上述的问题。赵道致等针对云制造平台中企业的资源配置效率低、存在碎 片化资源等问题，依据用户根据多属性给出满意度来确定偏好序并以此作为匹配依据来 建立匹配机制，同时应用算例证明其有效性o Schaefer7等将云制造理论进行商业化模式 研究建立CB

28、DM (Cloud-Based Design and Manufacturing)模式凶，完成相应的信息的高 度融合。KatsumuraB等将传统的制造技术融合进新兴的科技技术建成CBMS(Cloud-Based Manufacturing System)系统，该系统为基于云制造的制造信息化系统。 贺可太U。针对云制造体系中服务提供商的选择标准，建立了普通评价标准体系和可扩大 的量化模型，提出项目协同的方式以调整指标数值，按照项目协同三角模糊数算法计算 服务和期望类似程度并获得服务质量综合能力排序。程幼明g等将众包的思想有效的运 用到云制造的环境中，提出一种相应的制造模式并给出了详细的运作流程

29、并运用实验证 明了其有效性，为云制造打开了一个新思路。云制造平台的研发与应用刘俊研究企业中的制造资源和制造能力完成同享的问题，钻研了多来源多范畴知 识融汇与管理，提出了一种知识整体组合型的云制造服务平台，同时在某生产型集团企 业运用和施行。尹超U3针对中小型企业的云制造服务平台进行了研究，对其共性的技术 方面展开了细致的研究，为深层次的研究奠定基础。黄爽I等对多种类型企业安全需求 进行分析，构建了综合层次结构和安全模型，提供了完整的云制造平台安全体系架构方 案并测试了它的使用性能。李强SI等对不同类型企业的制造模式进行分析，提出了面向 大型企业的私有云制造平台服务模式并完成了基础架构的搭建，同

30、时与公有云制造平台 进行对比。BoU6等对模具行业的特性进行分析，研究了面向该行业的云制造平台并给出 了构建方式和相关技术，为云制造平台在单个行业的应用开拓了思路。云制造展现的理念为“制造即服务” U7,目标是将分散在不同地域的制造资源经由 服务器汇集起来，让散布在不同地理区域的用户享受比传统的网络化制造模式更方便快 捷的服务。在国外，“制造即服务”这种思想理念的研究已经取得了良好的成果典,并 对此进行了实际的应用，例如美国建造的云制造平台MFG.COM,这个平台将供应商的 信息进行虚拟化并且封装在资源池中，采购商在平台中发布自己现有的需要，平台依据 他们的需要将优质的供应商与他们进行匹配，进

31、而完成资源的优化配置。美国波音公司 使用的模式为利用网络间的协同外包制造服务，将多个国家和地区组织在一起共同研发 波音787型号的飞机，以快速的效率、优异的质量、低廉的成本完成了飞机的制造。欧 盟以研发更加智能并且按照需求生产的云状体系结构作为主要目的开展了制造云 (Manufacturing Cloud)工程叫，总体的投入超过500万欧元，为用户供应可以调配的制 造能力经由一套软件的服务来完成，并开始运用于光伏、有机照明和汽车行业。现今， 国内的一些企业也研究并实际应用了云制造。其中的一些大规模的企业如航天二院、北 车集团等。他们利用企业自身的云制造平台，将各种的制造资源汇集起来完成制造的整

32、 个生命过程的论证、设计、仿真、生产以及该过程中的管理工作。一些国内的软件服务 商2。,例如北京恩维协同科技有限公司、广东电子工业研究院有限公司和杭州爱科电脑 技术有限公司等均建立了提供服务的云制造平台，这些平台主要的服务对象是中小型的 企业并在制造领域实现了较大规模的推广和发展。1.3.2云制造资源调度研究现状易玲玲在云制造资源调度的研究中加入了云子链的观点，研究调度云子链制造资 源计划的方式和协调多层云子链计划的方法，通过高效整合企业资源实现企业对云造资 源便捷的运用和实现增高制造资源利用率的目的。朱哲岐四对资源的选择过程进行研 究。其方案依照资源属性的归属进行确认，使用交叉跳蛙算法依据四

33、个标准资源评定过 程实现精选，运用实验验证了算法的优越性。孔继利对一种基于云制造平台的供应链 生产计划方式进行研究。设计了供应链生产计划模型，模型的优化目标为最大的完工时 间、总服务成本和总运输成本。使用遗传算法和改进遗传退火算法求解模型。邰丽君仲 等根据云制造环境下制造服务资源调度的特点提出多目标调度模型并加入动态调度技 术处理突发事件，提出了遗传蚁群算法求解并用实例验证可行性。简有峰四提出一种基 于ONBA并结合二阶振荡和差分进化算法的改进算法的云制造模型的调度数据获取方 法，利用该调度数据训练IDBN深度学习模型。经过改进深度学习的学习率，经由学习 模型对调度结果展开快速的预测。王时龙2

34、6对制造资源的调度过程中的成本问题进行了 形式化的描述，提出时间、成本和质量的调度模型，采取最大继承法对该模型进行求解, 并验证了该模型及算法的稳健性和可行性。许志军27对制造资源调度的进程进行阐述， 提出了制造资源调度器模型以及调度方法，采取蛆蚁算法优化对制造资源的调度过程， 通过实验表明该方式可以完成制造资源实际的调度和系统的负载平衡，提高了资源搜索 的成功机率。孙卫红等将制造资源划分到工序级并以此作为调度的最小粒度，建立起 考虑时间、成本以及均衡率的多目标调度模型，采用了遗传粒子群算法并给出了详细的 编码方式，最后运用电梯实例证明了该调度方案能够很好的解决云制造环境下的多目标 资源调度问

35、题。云制造环境下的资源调度不同于传统的资源调度，云制造平台拥有海量的资源，这 些资源分布在不同的地理位置。通过对云制造环境下的资源调度的研究现状进行分析可 知，该问题的研究过程主要包括建立调度模型、应用相关算法求解模型和实验验证这三 个部分。通过现状分析可以发现，现有的调度模型大多将制造任务间的逻辑关系简化甚 至忽略它，对实际调度因素考虑也不全面，没有考虑物流等因素的影响，这些都会导致 调度模型的适应性和实际的应用性变差，现有的资源调度算法在求解调度模型时大多存 在着求解效率低或者搜索的速度慢等问题。因此，为了更好地解决云制造环境下的资源 调度问题就要对资源调度模型和相应的算法进行优化研究。1

36、.4本文的主要研究工作本文的主要研究工作可以概括如下：对云制造的定义、特征和体系结构进行分析，研究云制造资源的特性，作出 对制造资源的具体分类。归纳总结了云制造环境下的资源调度相关的特点和流程，并介 绍了现在较为普遍使用的资源调度算法。对云制造环境下制造过程和需求进行分析，基于上述研究对复杂且庞大的制 造项目进行分解，提出一种基于周期和事件双驱动的多目标混合资源调度模型。按照提 出问题、分析问题、模型的构建以及具体的实现思路对资源调度模型进行分析和研究， 对混合模型的特点进行详细的分析。设计云制造环境下免疫粒子群资源调度优化算法。分析粒子群优化算法与免 疫算法的原理、基本的流程和算法的特征，对

37、改进后免疫粒子群算法的原理进行阐述， 给出更新策略和变异策略，将改进的算法与云制造环境下的资源调度问题相结合，详细 阐述改进后算法的具体步骤。实验仿真验证模型的稳定性和高效性，验证调度优化算法在收敛速度和求解 精度方面的优越性，进行实例调度，证明本文中提出的调度方案的有效性。1.5本论文的组织结构本论文总共通过六个章节展开，主要内容如下：第1章，绪论。本章先说明了论文的选题来源，然后对国内外相关的研究现状进行 了具体的阐述，再对主要完成的研究工作进行详实的说明。第2章，相关理论与研究方法概述。本章的研究可以分成三个部分，第一部分主要 关于云制造，给出来了云制造的概念、特点、体系结构等相关的内容

38、。第二部分主要关 于制造资源，剖析了制造资源的特性和区分的方法。第三部分是关于资源调度方面，给 出了云制造环境下资源调度的基本流程，并且给出了经常被使用的用于资源调度的研究 算法。第3章，资源调度模型的构建。对资源调度的过程进行分析并对云制造环境下的复 杂制造任务进行分解，考虑云制造平台用户和制造任务的多样性建立多目标静态调度模 型，根据云制造环境的具体特征，提出用于云制造环境下资源调度的多目标混合资源调 度模型。第4章，云制造环境下免疫粒子群调度优化算法的设计。该章对用到的粒子群算法 和免疫算法的有关的一些内容进行了细致的阐述，对改进的免疫粒子群算法的原理进行 分析并给出算法的详细步骤。将该

39、优化算法结合云制造环境下资源调度的实际问题给出 具体的编码方案、目标函数、更新策略和变异策略。第5章，仿真实验与结果分析。首先对实验的仿真环境和参数的设置进行说明，然 后进行仿真实验验证设计的调度模型和调度算法并对实验结果进行细致分析，最后进行 实例验证并对结果进行分析。第6章，总结与展望。对全文完成的工作做出了总结，并依照论文中不足的地方对 将来的研究和学习进行展望。第2章 云制造环境下资源调度相关理论与研究方法云制造是一种紧密结合云计算等新兴科技技术的先进制造模式Q9,为企业的制造方 式带来特别大的转变，它与传统制造模式有着极大的不同，因此若要研究云制造环境下 的资源调度问题，对其中相关的

40、理论和方法的研究必不可少。2.1云制造2.1.1云制造概念及特征近年，随着新兴科技技术的发展，云计算被提出并得到了快速的发展，这也致使服 务模式发生了特别大的变化。计算资源被云计算作为一种特有的服务让用户根据自己的 具体情况按照需求来取。云制造便是国内外的专家和学者根据云计算的思想和我国制造 业中实际状况提出的制造业中提供制造服务的全新模式。云制造是一种依托于网络、提供服务的智能化的制造模式和有力手段DO。信息化的 完成设计、制造、试验、仿真、过程的管理与监控已成为现在主要的信息化制造方式。 云资源池统一的收集和管理其中完成了自身的虚拟化和服务化的制造资源与能力，云制 造用户在任何时间与地点都

41、可以依照本身制造需求来获取云资源池中的制造资源和能 力。云制造系统利用云制造的模式与方法深层次的交融用户、机器、消息和环境状况来 提供智能的制造资源和制造能力服务。云制造平台作为环境、工具集合与核心部分支撑 着云制造感知、接收并全面的管理不同种类的各个制造资源和制造能力。云制造将资源和服务在云终端将虚拟化和服务化的任务经过云制造平台依照准则 完成并且利用任务方法的相互对应与任务的分化及共同完成服务等手段为云制造环境 下的终端用户供应制造服务平台。云终端多种多样的接入手段使得云终端服务主动的匹 配与布置相应服务并经由云制造构造自治、自维持和动态拓展的制造服务云体系。云制 造充分提高了制造资源的利

42、用率，减少某些企业用于购买先进设备等方面的运营成本为 云制造平台的资源需求方、资源提供方带来更大的利润。通过上文对云制造的定义与云制造思想的阐述，可知未来的用户们可以像获得水、 电、气等生活资源一样方便的获得安全、物美价廉并且按需提供的产品全生命周期的制 造服务。云制造具有异构、分散、动态、实时、主动、服务、互助、协同、开放和容 错这十种特性。异构性和分散性的关键原因是产品全部制造生命周期步骤繁冗，在全部的制造周期 中需要调用很多个散布在各个地理位置的多个具有差别同时分别拥有自己的管理方法 的企业与组织，支持制造资源的异构性是云制造的特征。制造资源在云平台中随时的发 生着变化，云制造平台会依照

43、整个平台中任务总体的数量和平台中需求方用户的具体要 求快捷精准的调用和删除制造资源和服务动态的保障云制造的用户完整的生命制造周 期都可以按照自身的需要获取相应制造的资源。云制造的实时性指的是云制造平台随时对产品的制造进展和提供服务的状况进行 掌控快速敏捷的响应云平台中的制造任务。云制造的主动性主要指云制造平台中的制造 过程不会出现被动制造，即不会出现因缺少制造资源而无法按时完工，也不会因制造设 备等资源闲置而造成收益减少和资源浪费的情况。云制造平台在非被动的情况下提供制 造资源以及寻求制造任务32。云制造模式就是“制造即服务”，云制造的服务指产品的整个制造周期协助生产全 部的服务,使企业更快的

44、由制造转向服务，更加优良和快速的完成产业的转型任务。 产品在整个周期中充斥着互动性，这个互动发生在用户还有资源的任何两者中间。云制造中单个的制造资源和制造能力即使再怎样优秀也没有办法只经由自身就能 完成某一个制造项目，各个制造资源需要在一起共同完成制造任务，云制造具有协同性, 制造平台非常鼓励平台中的多个用户之间的协同。云制造的平台拥有特别高的开放性，云平台向各种企业和用户都是开放的，不管企 业规模的大小和用户制造能力的强弱，这些都不会成为他们加入到云制造平台的障碍。 云制造平台的开放性增加了产品和服务的丰富性，也使用户入门门槛大大的降低，进而 反应更加灵敏、快捷，为其协同性提供了良好的基础。

45、云制造平台的容错性主要指当其 制定了制造资源调度后，某个制造资源发生了故障无法完成任务，云制造平台可以敏锐 的察觉并快捷的进行处理不会妨碍制造任务的完成，甚至这个事情都不会被需求方的用 户发现。云制造利用自己本身容错机制保障平台的稳定性和安全性。2.1.2云制造的制造模式与服务对象在产品制造的整个生命周期中，7X制造致力于集成百制造系统的全部制造资源与制 造能力的信息、过程和企业，最终实现高效协同的工作。云制造平台快速的汇集平台上 的制造资源与制造能力，对平台上的需求敏锐响应，加强企业对市场的响应速度，提高 它们在当今市场中的适应能力。云制造致力于加快企业由制造业向服务业转型的步伐， 提高企业

46、服务盈利的意识，企业的服务贯穿于产品的整个服务周期，同时开发其增值服 务。这些有着制造资源的企业全面服务于需求方。云制造着力解决制造资源分布零散、 地理位置广泛并且制造能力的差距巨大、发展不平衡等各种各样的问题，将制造资源放 在一起管理实现共同的发展和前进，帮助企业大幅度的降低制造过程中的的使用成本。 云制造致力于制造资源与能力的智能化，在互相协同的制造过程中致力于新规律的探 索、新经验的积累与新技术的创造，最终智能化的完成制造产品与制造服务。云制造主导建造并完成一种“制造”与“服务”密切融合的制造方式，并通过这个 方式达成在集合、互相协作、迅捷响应、节能发展、高智能的符合自己的个性同时也具

47、有统一的社会特性的制造。传统的制造业信息化没有关注企业间的协同关系，只致力于 解决企业内部的管理、制造问题，这将使企业很大程度被束缚于制造资源和制造能力。 云制造将散布在在各个地理位置的制造资源与能力相互连接起来，它可以给出各种各样 的制造服务，用户能够依照自己本身的需要获得制造资源和制造能力，不再受到先前状 况的羁绊。云制造加强了用户对市场的反应速度，助力于企业进行健康良好发展。制造的周期包含着制造过程中的很多个各不相同的环节，制造产品的用户可以是企 业且不拘泥于企业规模的大小，也可以是各种社会组织团体甚至可以是个人。服务环节 因为云计算、互联网等的发展而完善和提高。这些新技术的蓬勃发展提高

48、了云制造服务 的智能化，用户按照自己的需求获取制造资源与能力。2.1.3云制造的体系结构国内外的专家学者通常将云制造的体系结构分为5个部分，如图2.1所示：用户层All用户用户用户用户全生命周期制造服务应用层应用开发应用上线粒度控制应用隔离应用维护尺度控制可视化应用监控资源整合数据管理集中控制系统监控资源调度可靠性管理核心业务层负载管理性能评价资源部署系统优化注册注销系统维护任务分解任务调度任务监控任务迁移计费信誉用户管理身份认证许可证管理访问授权安全协议任务管理QoS管理SLA管理资源预留需求语义服务通知资源管理系统管理安全管理服务管理中间件层感知中间件虚拟化中间件服务化中间件协同中间件云制

49、造服务平台标准规范、云安全中心仿真资源制造能力集成资源生产资源实验资源设计资源图2.1云制造体系结构（1）资源层资源层构建于云制造整个体系结构最底层,云制造环境下的全部的制造资源与制 造能力均被包含在该层当中。（2）中间件层中间件层主要是构建云制造资源池进而解决底层物理资源的复杂性和动态性的问 题。将它们进行逻辑化和抽象化，保证云制造平台可以高效共享资源以及协同提供服务36（3）核心业务层核心业务层首要的任务是完成对云制造服务的协同与管理功能。例如制造任务分 解、检测制造资源的负载状态等等。（4）应用层应用层为各种各样行业的制造产品的全生命周期提供各项所需要的服务。（5）用户层用户层的服务对象

50、为云制造平台中的用户37,不论是制造需求方或者是资源提供 方。用户无论处在何地，在任意的客户端环境下，都可以获得一致的权限对自己的云制 造服务平台进行部署、访问和监控38。2.1.4云制造的运行机制云制造是一种应用网络来实现生产加工和制造且远远地智能化于传统制造模式的 制造新模式。因而，利用云计算、物联网等相应的技术来完成产品的设计、制造、加工 以及附加的服务便是云制造运行机制的实质性内容I。运行机制如下图所示：图2.2运行机制结构图（1）制造资源的封装与发布制造资源的封装与发布主要是云制造平台将注册过的制造资源提供方散布在不同 地方的资源利用虚拟化手段变成虚拟资源放进平台的资源池，利用封装的

51、手段完成完整 的封装并将它们发布到云制造平台以供平台调度和用户使用。制造任务的提出制造任务的提出是指云制造平台的用户将自己的制造需求提供给平台，即需求方需 要云制造平台提供完整的项目和任务，并将项目和任务所附加的制造指标和要求一并发 布到云制造平台，平台根据自己的需求发布模板指导用户的项目发布，需求用户的规范 化操作有助于云制造平台后期的调度工作快捷、顺利的完成。制造资源的共享云制造平台上的制造资源是跨地区乃至跨范畴的资源，云制造平台上的用户不管身 处在何种地理区域，属于哪一种制造行业，均可以了解与利用云制造平台里的制造资源, 平台上的制造资源被平台上的全部用户同享。制造资源的搜索和匹配云制造

52、平台在制造资源的搜索和匹配时即依照用户对功能的要求也智能化的考虑 用户自己本身的偏好。在上面的过程中即完成了必要目标的粗粒度的匹配也更深一步的 考虑服务质量和使用者的历史的评价。不但为用户匹配到符合本身条件的资源还为他们 找到中间最为优质的资源。制造资源的动态调整在资源搜索和匹配完成之后的制造过程中，制造资源因为某些特殊的原因无法完成 制造任务时，云平台要迅速的对此作出反应，并作出相应的调度，对于需求用户造成的 影响，要有相应的善后处理方法，在最大程度上满足用户的需求，保证云平台的稳定性 4。,提高其整体的服务质量。2.2云制造资源云制造技术是云计算技术在制造领域的具体应用和创新性的拓展叩,云

53、制造区别于 云计算系统的本质特征是制造资源的云端化和实现用户的共享W,因此需要对云制造系 统中的制造资源进行调度。2.2.1制造资源定义与特性云制造环境下的制造资源与传统制造模式中的制造资源有所不同，不单指具有物理 性质的制造资源，而是一个广义的概念，指的是产品整个制造过程中用的物理资源和制 造能力等所有资源要素的总和43。不同的制造资源的功能、特性、使用的方法与条件等个方面存在着较大的差异，云 制造环境下制造资源的特性如下所示：分布性和异构性制造资源本身拥有复杂的特性甲,平台中的制造资源散布在各个不相同的地理位 置，云制造平台完成统一的经管与调度，共同完成一个制造任务的制造资源也许并不在 一

54、起，只是云制造平台将它们连接起来，因而制造资源具有分布性。云制造平台中的制 造资源种类繁多，对制造资源的描述也不尽相同，对于不同的用户其各种属性也会有所 变化，呈现出不同的特征，具有异构特性45。多样性和动态性云制造的资源涉及产品的整个制造生命周期的每个环节，其业务范围在传统的网络 化的制造模式及基础上迅猛的增加，制造任务迅速的发展，多样性也极大地增多，因此 需要不同地理位置，不同属性的多样的制造资源46。云制造平台中的制造资源不是一经 发布就永久性存在的，制造企业可以根据自身具体的情况增加或撤销制造资源。因而制 造资源不是固定的而随时都可以变化的，具有动态性。抽象性和协同性云制造环境支持单个

55、个体或多个个体的的用户参与到制造过程，这些用户可以选择 利用自己的制造资源，参与某单个任务或者不连续的多个任务，制造资源结合自己的特 点为云制造环境中的用户提供自身具备的制造能力，制造资源具有抽象性。某些制造任 务庞大而繁杂，极少数的企业能单独完成这样的制造任务，此时需要平台中的多个制造 资源共同来完成这样的任务，制造资源间充满了协同特性。2.2.2制造资源的分类分析上面的云制造的资源特性可知，很难对制造资源统一的进行描述与分类，目前 有一部分的学者W给出了一些制造资源和制造能力的分类方法囹和示例*,若对资源的 分类不够细致，则会造成无效的调度，浪费资源，增大了制造周期导致调度效率的下降, 采

56、用细致化的分类方式，着眼于产品制造的整个生命周期，具体的分类如表2.1所示：表2.1制造资源分类资源分类名称具体描述人力资源制造生命周期所涉的人员设备资源应用于产品的设计和产品的生产中的硬件设备，通常具有体积庞大且难以移动等特点软件资源制造过程中涉及的相关计算机软件服务资源为制造资源的制造过程提供附加服务的资源物料资源用于制造的产品原料计算资源服务于产品的生产和企业的管理所涉及的计算知识资源制造知识资源主要是指用于产品设计与生产的各类信息与技术的资源对于每一类中包含的详细信息如图2.3所示:图2.3制造资源具体分类2.3云制造环境下的资源调度2.3.1资源调度的定义及特点云制造的资源调度指对分

57、散在不同地域的制造企业里的制造资源进行大规模调度 活动使得结果不但能满足用户制造需求还能使各种目标达到最优。资源的调度作为云制造的核心为云制造平台的顺畅运行提供保障。调度的制造资源 分布在不同的地理位置，而不仅仅是存在于一个车间或企业内部。此时的云制造平台调 度的资源规模更加庞大，调度任务的约束性更加复杂，调度时面临的动态性更强，因此 调度的复杂性和难度也大幅度的增加。传统的调度问题中，调度的资源和对象通常位于同一地理区域。调度过程中涉及的 工件数较少，仅为某一项或某几项，调度过程中完成制造某工件或工序的时间、成本等 相对固定，在调度过程中可供选择的制造资源很少，突发状况少，突发事件处理容易，

58、 调度的难度小。传统的调度的制造资源和地理位置集中，不用考虑调度过程中的物流时 间和物流成本。如果出现未按时完工或调度不准确的状况，调整的难度和成本都较小， 可以通过柔性的调度进行调整，保证调度任务的顺利完成。制造资源被虚拟化和封装放入到资源池并由其进行同种标准的管理。但虚拟资源 池中映射的资源分散在不同地理位置的不同企业当中，在调度过程中不仅要考虑任务之 间复杂的约束关系，还要考虑这些任务的传输之间涉及的物流时间和物流成本。云制造 的调度系统位于云端，云平台的调度决策系统和调度资源之间通过互联网相连接，因此 位于云端的调度系统在动态的干扰事件后很难对云制造的物理资源层的资源进行调整， 因此不

59、仅要提高云制造环境下资源调度的准确度和精度，还要对干扰事件和云制造平台 扰动状态有一个有效的预防。2.3.2云制造资源调度流程图2.4云制造制造资源流程云制造环境下制造资源的调度流程如图2.4所示。具体的调度步骤为：Stepl云制造平台中制造的需求方将自己的制造任务和任务附带的要求（交付时间、 成本、服务质量、用户评价等)发布到云制造平台，平台建立制造项目。Step2云制造平台依据制造项目的特点和平台自身的准则对这个制造项目进行分 解，分解为多个制造任务并尽量符合该项目资源调度的要求。Step3将云制造平台现今可以调用的并且可用于该项目制造的资源选择出来，为资 源的调度做准备。Step4 tx

60、制造系统建立制造任务与制造资源的对应关系，运用调度机制以目标函数 作为指导，生成调度方案。Step5云制造平台将该调度方案进行发布，对应的制造资源执行该调度方案。Step6制造的需求方对此次的制造进行付款，并依照此次的调度结果依据评价准则 作出自己的评价。2.3.3常见的资源调度算法现今经常被用到的调度算法主要有传统的资源调度算法、基于经济模型的调度算法 和启发式智能调度算法，每种算法都有他们本身的长处与短板。传统的资源调度算法经常被用到的传统的资源调度算法主要包括RR、Min-Max、Min-Min和禁忌搜索 等，上述的算法容易被实现，被普遍用于资源调度问题。然而这些算法本身简单，难以 对复