第十讲 智能工厂的智能供应链应用摘要：智能工厂中，许多传统的供应链正在从静态序列转变为动态的互联系统，即转变为智能供应链，这样就可以更容易地纳入生态系统互助同伴，并随着时间的推移演变为更为优化的状态。本文主要先容在智能供应链的模型及关键技术。关键词：智能工厂；传统供应链；智能供应链1 前言我们通常所说的工厂供应链是一种序列关系，即从原质料采购出发，经由工厂研发人员的开发、生产车间的加工与生产，接下来就是流通领域的批零环节，最后到达终端用户。

这种传统供应链涵盖了产物或服务的形成和交付历程中的每一项业务流程。如图1所示，它就是其中一种典型的传统供应链结构，包罗开发、计划、采购、制造、配送、售后等六大基本内容。

开发：即针对产物的计划、设计及其产物化，同时举行需求预测和生产计划的前期事情。计划：即接纳一个计谋来治理所有的资源，以满足客户对工厂产物的需求。采购：即通过履历在市场中选择一种或多种合适的原质料、一个或多个及格的服务供应商，同时建设其规范，包罗订价、配送和支付等。

制造：即凭据原来的设计方案，凭据采购来的原质料举行车间生产、产物测试，并最后将制品送至仓储位置。配送：即物流，凭据终端客户的情况，根据最优原则建设仓储体系、人员配备，并最终将产物或服务送到客户处，最后完陋习定的支付内容。售后：即产物或服务问题处置惩罚部门。图1 传统工厂供应链而到了智能工厂中，许多传统的供应链正在从静态序列转变为动态的互联系统，即转变为智能供应链，这样就可以更容易地纳入生态系统互助同伴，并随着时间推移从而演变为最优状态。

2 智能供应链的模型智能供应链整合了来自工厂中许多差别泉源和位置的信息，以推动产物生产的物理行为和分配。在图2中，智能供应链模型的互连晶格是可见的，其焦点是数字化。在此模型中，其通信也是多向的，从每个节点到网络的其他点都有可能举行交互，从而允许在图1中不存在毗连的区域之间可以建设相同的途径。

图2 智能供应链原理示意在智能工厂的智能供应链中，主要有以下几种运行模式：基于神经元、ILOG等规则的系统；决议变量、线性目的函数和线性约束条件等线性计划；约束流传，对于供应链受约束条件的影响，每一约束都有一定的变量规模；遗传算法。无论哪一种方式，都有助于智能工厂供应链中相关产物的资源分配。3 智能供应链的关键技术多年来，企业通过数字化供应链治理技术的应用，改善服务水平、降低成本，可是在毗连差别的系统，实现供应链端到端的可视化和处置惩罚海量数据等问题上另有待提高。供应链数字化的关键技术主要物联网技术、大数据技术、区块链技术和Spark预测技术等。

物联网技术对供应链治理的应用、内容、方式发生厘革性的影响。智能工厂应用物联网技术可以实现对原质料、半制品和制品的状态识别与跟踪。

通过在各个节点上实现对相关产物的智能化治理，可以使得供应链的集成化治理得以实现，并在供应链内每个企业能对产物的流动状态举行实时监控，实时获得客户需求的变化，实现供应链的实时可视化治理，同步产物信息，以最低成本快速、实时地满足客户的需求。大数据是供应链治理的新亮点。

它正在从多角度影响着工厂的供应链治理。虽然在数据宁静、用户隐私等方面仍有一定问题，但大数据供应链正成为企业新的经济増长点和创新点。智能供应链是大数据驱动下的供应链，通过对海量信息的数据分析，整合终端客户需求分析，从而调整供应链环节中的开发与计划环节等。

区块链有潜力通过生意业务确保、可追溯性确保和所有权链等特点加速供应链智能化，提高网络宁静性。预测性分析和机械学习处置惩罚这些数据会越发智能，通过人工智能，数据可用于自动化历程，而且通过区块链确保历程的可追溯性与宁静性。

智能供应链优化需要底层支撑作用，即Spark预测技术。以商品补货举例，一家公司为了保证库房不缺货，可能会频繁的从供货商那里增补大量商品，这样做虽然不会缺货，但可能会造成更多卖不出去的商品积压在堆栈中，从而使商品的周转率降低，库存成本增加。反之，这家公司有可能为了追求零库存而补很少的商品，但这就可能泛起严重的缺货问题，从而使现货率降低，严重影响用户体验，缺货成本增加。

这就会发生如下的问题：要补几多商品才合适，什么时间补货，这就需要接纳Spark预测技术，最终目的是要使库存成本和缺货成本到达一个平衡。某供应链的三张表划分是销量（s）、价钱（p）、库存（v），每张表有3个字段：商品id（sku_id）、品类id（category）和历史时序数据（data），按sku_id将s、p、v数据合并后最终的数据花样是：[category，[[sku_id, s , p, v], [sku_id, s , p, v], […]，[…]]]。现在需要将销量、库存、价钱、促销计划和商品信息通过商品编码毗连到一起，以union+groypByKey+flatMapValue形式，实例代码如下：rdd1 = rdd1.mapValues(lambda x: (1, x))rdd2 = rdd2.mapValues(lambda x: (2, x))rdd3 = rdd3.mapValues(lambda x: (3, x))def dispatch(seq):vbuf, wbuf, xbuf = [], [], []for (n, v) in seq:if n == 1: vbuf.append(v)elif n == 2: wbuf.append(v)elif n == 3: xbuf.append(v)return [(v, w, x) for v in vbuf for w in wbuf for x in xbuf]new_rdd = sc.union([rdd1, rdd3, rdd3]). groupByKey().flatMapValues(lambda x: dispatch(x))如果两个rdd需要在groupByKey后举行join操作，可以使用cogroup转换操作取代。

好比，将历史销量数据按品类举行合并，然后再与模型文件举行join操作，流程如下：[sku_id, category , sales]-> [category, [[sku_id, sales], […]]]-> [category, [[[sku_id, sales], […]], [model1, model2]]]有了rdd之后，就凭据图3的演绎序列划分进入分区规则、groupbykey（品类A分区、品类B分区、品类C分区），最后形成预测模型文件1、模型文件2、模型文件3。4 竣事语在智能供应链中，“模型训练”可以选择差别的执行周期，好比天天执行、每周执行等。同时通过拆分任务也可以很好的解决传统供应链资源不够用的问题，最终确保资源的最优处置惩罚。作者简介：李方园（1973-），男，浙江舟山人，副教授、高级工程师，硕士，结业于浙江工业大学信息学院控制工程专业，现就职于浙江工商职业技术学院，恒久从事智能制造新技术应用与研究事情。

本文摘自《自动化博览》2019年9月刊第十一讲 智能工厂的CPS技术摘要：在制造业转型升级历程中，接纳物联网毗连企业生产销售流程历程中的所有内容，使用信息物理系统（Cyber Physical Systems, 即CPS）就能即时掌握供应链的情况，并提高竞争力。本文主要先容智能工厂的CPS技术。关键词：智能工厂；信息物理系统CPS；单元级CPS；系统级CPS1　前言现在制造业的数字化转变引起了极大的关注，其中的一个原因是数字化有可能实现高利润的制造，即在制造业转型升级历程中,接纳物联网毗连企业生产销售流程中的所有内容，使用CPS就能即时掌握供应链的情况，例如工厂、物流和销售渠道中的生产流程。通太过析这些数据信息，可以准确定位当前的状态，例如“那里有浪费”、“在那里革新”，从而找到解决方案、预测未来的需求，直至最终连续提高竞争力。

2　智能工厂CPS系统构建的模型在智能工厂中,CPS通过集成先进的信息通信和自动控制等技术，构建了物理空间与信息空间中人、机、物、情况、信息等要素相互映射、适时交互、高效协同的庞大系统，实现系统内资源设置和运行的按需响应、快速迭代、动态优化。基于物联网技术的机加工智能工厂CPS如图1所示。图1 基于物联网技术的机加工智能工厂CPS系统图1中，机加工智能工厂CPS系统分单元级CPS和系统级CPS两种。

其中单元级CPS具有不行支解性，其内部不能支解出更小CPS单元，好比图1加工机中的研削模块。单元级CPS能够通过物理硬件（如传动轴承、机械臂、电机等）、自身嵌入式软件系统及通信模块，组成含有“感知→分析→决议→执行”数据自动流动基本的闭环，实现在设备事情能力规模内的资源优化设置。

系统级CPS是在单元级CPS的基础上，通过IoT网络的大量引入，可以实现系统级CPS的协同调配。在这一条理上，多个单元级CPS及非CPS单元设备的集成组成系统级CPS。

CPS作为盘算历程和物理历程的统一体，是集成盘算、通信与控制于一体的智能系统，它通过人机交互接口实现和物理历程的交互，使用网络化空间以远程的、可靠的、实时的、宁静的、协作的方式操控一个物理实体。在CPS系统中，通常会接纳例如类似于C的语言---Split-C与Cilk并发编程。传感器与执行器硬件的交互机制一定是属于操作系统领域，而非软件设计领域。

3　基于CPS系统的设备治理CPS系统的一个基本应用就是设备治理，包罗对治理工具的集成、记载和显示设备投用阶段的监测数据和维修数据，并加以统计与分析，为设备故障的预判和诊断、提升设备及零部件的可靠性提供数据依据。图2 CPS应用在某流程工业中的设备治理CPS应用在某流程工业中的设备治理如图2所示，原来设备员在体例检验工单时，因设备难易水平以及设备员对设备的掌握水平差别，需要花费1~3天的时间才气完成，主要原因是设备员要凭据设备的检验规程确定工序，并盘算每一步工序对应的工程量，同时，还要确定维修需要准备的物料，每一个环节均需要检察资料或举行现场勘察，艰苦耗时。

而在CPS系统中接纳基于模型设计的方法，将工程量集中在数据接口的规范化与组合性。在接口中反映了体例检验工单行为的属性，反映出了工单相关属性间的因果关系，并抽象出了时间行为、实时资源使用、时序约束、协议、耗竭资源以及其它许多方面。

设备员只需要选择待维修的设备及作业内容，软件即可自动录入举行该维修作业的工序、对应工程量以及所需物料，实现了真正意义上的“一键操作”，增加了设备员在体例检验工单时的准确性，并大大提高了事情效率。基于CPS的治理系统软件可以在检验历程中，对设备零件的使用时间和状态举行统计评估，通过零件更换提醒功效和历次零部件维修情况的统计，对没有发生故障但靠近使用寿命的零件，提醒设备员举行检查或更换，从而淘汰故障检验频次，解决计划维修和故障维修的矛盾。

图3 联轴器维修信息4　竣事语 在智能工厂中，CPS将改变现有的仍在接纳“传统思维”的企业。新一代CPS系统应用在设备治理是一个很是乐成的案例，不仅能够一键操作相关维修作业的工序、对应工程量以及所需物料，更能实时监控联轴器等设备信息，为企业的高质量生长提供技术保障。

作者简介：周庆红（1976-），女，山西芮城人，讲师，硕士，结业于西安理工大学自动化与信息工程学院检测技术与自动化妆置专业，现就职于浙江工商职业技术学院，恒久从事智能制造新技术研究事情。李方园（1973-），男，浙江舟山人，副教授、高级工程师，硕士，结业于浙江工业大学信息学院控制工程专业，现就职于浙江工商职业技术学院，恒久从事智能制造新技术应用与研究事情。

本文摘自《自动化博览》2019年11月刊。

本文来源：ag真人官网平台-www.chengxingjm.com