在网络化制造系统集成过程的计划和调度I4.0:回顾和框架的建议

文摘

集成流程规划和调度在网络化制造系统中扮演着关键角色现在和即将到来的背景下,行业4.0实现有效和高效的决策过程、和改善业务市场,合作的基础上,以计算机为基础的分布式制造和管理功能。本文一些见解关于文献综述对这个主题进行了分析介绍和讨论。此外,集成工艺规划的框架,提出了网络化制造系统的调度和简要描述,以及一些主要的潜在问题,进一步讨论。因此,本研究的主要目的是提出一个提议的方法,在研究的基础上,使进一步帮助学术界或行业开发新工具,技术和方法在网络化制造环境中集成的工艺设计。这项研究的发现和贡献可以帮助实现和改进在分布式制造环境中,与中小企业,进一步扩大他们的潜力适合集成过程规划和调度决策过程。

介绍

为了应对当今竞争激烈的环境中,获得高产品多样化和定制,随着产品生命周期短,网络化制造环境中,随着综合生产计划与调度系统发挥着至关重要的作用将制造和管理范式从确定性更严谨、自治和动态自适应控制基于一个灵活、敏捷和协作生产。一个适合回答这个需要的是基于通过网络化制造集成生产计划与调度(NM)。刘等人。1)网络化制造定义为一组的生产活动从市场控制、制造技术和制造系统,可以帮助企业改善经营管理和提高市场竞争力。因此,研究和分析网络化制造已成为一个必要由于其优势在当前竞争激烈的氛围,满足很多,经常冲突,目标和目标,如减少生产周期时间,较短的交货期,更好的互操作性,并维护生产灵活性导致许多可行的流程计划,和所有这些需求可以通过发电商向实现基于适当的支持技术,集成、互操作性和数字化,达到必要的主要和常见的企业目标。

虽然传统制造业的整体方法都有自己的优势,它是不够的在当前高度动态变化的制造环境发生在I4.0的范围。然而,传统的制造方法相关几个问题已经明确表示(2]。为了克服这些问题,研究人员已经意识到有必要整合功能和系统的手段取得更好的性能。随后,需要整合这两个发行活动的上下文中找到了基础网络和协作制造环境。

但是,没有传统的车间控制系统基于集中式或分层控制体系结构可以处理所需的制造系统自适应和自主控制。因此,控制建筑逐步转移到分布式、分散和自主控制(DDAC)体系结构。自DDAC车间控制系统可能有完整的地方自治,治理重构性、可伸缩性和容错,它适用于动态变化的环境中I4.0的范围。

实现不同设备之间信息和知识交换成功,需要互联网和通信技术物联网(物联网),通过它可以可以联系他们。一些关键的文学评论为规划和调度及其集成,关于学习和其他基于ai方法,例如基于多智能体系统(MAS),或者其他的方法,如基于仿真的,其中,进一步详细的摘要。

本文的主要目的是分析、合成和现在的一个全面系统的文献综述(SLR)综合作用的过程规划和调度网络化制造环境中。

在最初选择51文学研究论文的分析框架设计,用来详细说明本文的结果,这将引用和讨论进一步。论文的结构如下。部分2简要描述了网络化制造系统。部分3讨论了综合生产计划和调度,在一般情况下,对于知识获取和通过基本用品,和学习范式,以及知识管理、数据可视化和解释问题。部分4指企业建模和集成,在广义上,提出了一种提出了一个框架的上下文中iip I4.0。最后,教派。5提供了一些主要结论和未来的工作计划。

网络化制造系统

在网络化制造中,工作请求来自不同的客户提供竞争关系,即作业调度集中于满足个人目标的工作。然而,在网络化制造环境中,与不同的功能分布在地理上的机器,执行各种操作的产品。

作为一个新的和先进的制造模式,网络化制造模式适合全球趋势走向知识经济和全球制造业环境。在网络化制造环境中,生产方式已经从make-to-stock按订单制造,客户的积极参与,提交工作请求,这往往是高度定制的,制造系统完成(3]。

网络化制造系统(NMS)可以被定义为一个面向网络,使用互联网和其他相关技术,以满足分布式制造环境的需要。它有能力来封装制造企业的信息和提供的制造服务企业可以实现之间的互操作性。

网络化制造环境在许多方面有别于传统的制造环境,和总结NMS提出了表的信息1。可以实现通过表中提供的信息1所需的基本功能,有一组使达到适当的NMS。

表1功能的网络化制造系统(NMS)

如前所述,李和Chaoyong4),在传统的制造系统中,流程规划和调度功能的目标是获得最优结果的工作,不同于个人最优结果为每个工作。在网络基础制造业,由于竞争因素所扮演的角色在不同的工作中,流程规划和调度的目标是略不同于在传统制造业。

在传统的制造业中,与工作相关的机器和限制在一个单一的车间或企业。然而,基于网络的制造业就业机会和机器分布在不同的车间或企业坐落在全球更大的距离。因此可以推断,基于网络的制造情况,它类似于一个柔性制造系统中发现许多可能的机器,操作是可行的,但不是在同一车间。

或者,可以说,在网络化制造的场景中,一代的最优过程为每个工作计划,在几个动态约束,如机器的现状、工具和夹具在给定生产的地方,是构成真正的挑战的设计和开发适当的综合生产计划与调度系统。

综合生产计划和调度

在本节中,一个广泛的文献简要介绍和描述,为进一步认识到研究的现状和方法采用了在网络化制造环境绿皮书。近年来,绿皮书的面积是扮演着重要的角色,尤其是当前新兴制造业在I4.0模式在许多方面。

工艺规划和调度问题视为non-polynomial (NP)困难的问题5,6,7),因此没有在多项式时间算法,提供了精确解。一般来说,解决制造系统的发电商向等主要三种方法进行非线性工艺规划(NLPP),闭环过程计划(CLPP)和分布式过程计划(民进党)。这些方法的详细描述以及他们的特点,优势,劣势(8,9,10总结在表2

表2不同绿皮书的方法及其特点

一个集成的工艺设计方法的基本思想和调度功能被首次引入Chryssolouris [11,12]。《et al。13)提出了一个调度算法在工作车间环境最大完工时间最小化和平衡负载的机器。之后,与集成方法,制造系统的性能已得到改进。随后,几个问题涉及到制造的集成功能得到解决(14]。在他们的工作,介绍了动态反馈机制,有效协调各种资源之一。他们报道产生重大影响的系统性能降低的数量部分,后期总迟到和流时间。小王和沈15)提出了一个集成模型的概念和发展动态反馈系统寻找替代过程网络化制造系统的计划。通过他们的方法,制造系统的灵活性已得到改进。Cai et al。16)表示,NLPP方法集成过程的计划和调度无法获得最优结果由于其单向信息流。如果零件数量是巨大的,他们的选择过程计划是成倍增加的数量可以为数据存储创建巨大的问题。一些过程的计划,所有,根据实时状态并不可行的制造环境17]。

Shafaei和布隆18]介绍了Flex绿皮书计划模型方法的选择合适的过程通过考虑可用的制造资源计划。在这里,作者成功地实现餐饮的无功规划方法干扰发生在商店的地板上。基于模拟的遗传算法提出的方法对发电商向李和金(19]。而不是创建替代过程的计划,在工作中作者agenetic算法用于算法过程计划选择。执行性能的措施,即考迟到,调度规则,如最短处理时间(SPT),和最早的到期日期(EDD)规则执行。从结果,他们得出结论,减少20%以上的时间已经通过他们的方法,同时与随机过程规划选择操作。

Kumar和Rajotia20.]建议在线调度方法在计算机辅助工艺规划作业车间调度问题,以确定时间和流动缓慢的工作。随后,类似的问题,作者认为机器容量和成本同时分配操作机器。绿皮书的方法及其决策支持系统开发,零件加工也已处理(21]。

周和Dieng-Kuntz [22)提出了一种基于遗传绿皮书的方法来提高调度目标,如最大完工时间最小化,减少拒绝的数量,并减少加工成本,车间调度的工作环境。工作已经提到延长考虑平衡负载在每台机器上。为了解决这个问题,一个粒子群优化(PSO)算法提出了有效的结果(23]。李等人。24)开发了一种基于遗传算法的染色体的两层表示字符串替代过程的计划和调度计划。通过这种有效的基因表达和操作计划,绿皮书方法一直采用最小化最大完工时间的作业车间调度问题。他们也证明了集成方法执行比传统方法要好得多。之后,他们修改了遗传算法和禁忌搜索算法提出了一个混合GA通过合并与发电商向解决作业车间调度问题。而不是前面提到的两层的概念,他们提出了一个三层表示过程计划,调度,和机器字符串最大完工时间最小化25]。

月亮et al。26)提出了一个拓扑短的测试技术,进行不同的实验通过改变订单的大小,数量的操作和资源选择规则来提高供应链的性能优化时间。重要的是要找到可行的获得过程的维护成本计划从许多替代过程的计划。因此,王et al。5)提出了一个发电商向方法批量大小与模拟退火算法寻找最优生产过程计划移动部分。在他们的方法中,作者相关的迟到和维护过程的成本计划。从他们的结果,很明显,迟到的工作已得到改进,减少过程计划的成本在一个较低的水平。

Haddadzade et al。27)提出了一个发电商向处理方法操作复杂的移动组件车间的工作环境和到期日期和成本降到最低。Baykasoglu和Ozbakir28)实现了一个发电商向方法与通用流程计划方法生成可行的流程计划,和基于调度规则的启发式生成可行的时间表。优化性能的措施,如流过程计划的时间和成本,一个multi-objective-based采用禁忌搜索算法。结果证实,增加过程计划的灵活性降低过程成本计划。拉库马et al。29日)开发了一种多目标贪婪随机自适应搜索过程(掌握)最大完工时间最小化和最大化的总工作量,总流程时间,迟到的柔性工作车间环境。该方法被用来测试四个基准数据集,它已经证明能力解决绿皮书的问题。绿皮书方法的上下文中子整体制造系统的负载平衡所有的机器被高亮显示。此后,是解决问题的一部分,提出了杂交PSO算法和差分进化算法找出更好的结果(30.]。Nakandala [31日)提出了一个集成的方法制造和分销网络在供应链背景下的全球汽车公司。作者发现,通过综合方法,接口的个人网络已被消灭。此外,他们还指出,为进一步改进供应链网络综合方法能够提供灵活性,可见性和可维护性。

捕获制造系统的动态行为执行的生产函数是一个复杂的任务在最近的生产环境。为了处理这个问题,一些研究人员(11,32,33,34)提出了不同的模型和方法。陈等人。35)提出了一种基于动态特性的绿皮书最小的松弛时间的标准方法对提高一批规模生产系统。此外,基于人工智能的实现特征提取器模型来提取产品的特性。随后,一个粗略的流程计划是由考虑一台机器安装在车间提高批量大小的调度生产。一个n人非合作博弈论的方法来生成最优过程中的多个工作计划networked-based提出了制造系统(30.]。网络化制造系统领域的一个新领域的分布式制造环境中有许多维度。

知识获取和学习

与当前云计算业务的增加编程框架和政府,一些新的模块基于云的数据管理(CBDM)框架包括数据和库存需要网络管理。云数据管理模块使一群贸易和合作者提供无人机发展相关数据在整个准备过程。语义网络计划和制造信息描述可以从根本上使计算机化轮廓和制造过程和增加盈利能力,同时利用machine-comprehensible学习描述方法。语义web索引支持计划和制造专家来增强和寻求精确利用语义而不是利用排名算法。数据管理模块另外让专家来获取正确的数据从完美的个人的社会网络分析(SNA)。该组件可以提高通信和协调工作大纲的制造过程(36]。

从生产机械化角度来看,数字制造业CBDM与语义网络知识表示的框架可能使自动化制造方法。特别是,机器可读的知识表示方案,称为Web服务描述语言(WSDL),统一描述、发现和集成(UDDI)允许制造专家发布他们的组装政府在机器可读的语言。此外,制造资产授权程序的正式描述复苏所需的装配政府根据所需的语义匹配和分布式制造管理规范。例如,在这种情况下情况,CBDM使集团因此恢复破败的3 d打印机适合建立螺旋桨的分布式制造规范(37]。

在未来的空间只是一个部分的研发困难从大大增强了安排的研究领域与cpp: x Context-versatile和自给自足的框架(38]。策略全面,不停地设置正念,承认,考试和翻译项目安排和预期,框架和感兴趣的客户,为模型创建应用领域,区域和正念关于知识的情况下,状态和选择活动(生产39]。

SoA应用创新的主要影响后一个适应性强的装配单元的划分,因为它已被确定在40,41),创建和执行欧盟FP6喉炎的项目协调周围的洞察力和信息基于政府对于复杂的装配和机械生产systems-InLife”。组装细胞改变了在SoA的阶段,在每一个机械部分都有一部分特征“服务使用者”以及“专家组织”(40,41]。

知识管理

根据(42提供了一种新的网络化制造模式通过云制造新兴制造业。的主要特征的知识集团企业云制造是异构的,动态的、多源的和分布式的。基于知识服务的概念、实施策略知识和显性知识共享,一个原型的云制造提出了(42]。

李所呈现的新的面向服务的网络化制造模式丰富和扩展了资源共享范围和云计算服务模型,它促进绿色服务,敏捷和intelligence-oriented制造业发展。制造业的知识在这个模型中最大化可用资源的使用企业内部以及提高设计制造能力(42]。

根据(42云制造强调了学习的重要性,赋予知识重用和创新制造,自创新已被证明是一个杰出的最基本的数据在企业之间的竞争。云计算不仅仅是一个系统,使分布式资源和能力相互联系但金库,汇集多学科知识。因此,制造云是一个学习云也充满了机敏。此外,人工智能方法如遗传算法、神经网络、进化算法是重要的授权决策以及智能处理。

正如先前所显示的图。1、知识和人工智能技术在云制造是不可避免的在大多数方面,基本上提供支持了两个生命周期,产品生命周期和云服务生命周期。关于前面,知识和AI进步承担必要的组成部分在推进发展和提高能力在项目生命周期的所有阶段,例如,轮廓,创建、测试、娱乐和管理。对最后提到的,知识和人工智能的进步提供支持整个生命周期的不同云服务发布、存储、匹配、整合、交易执行、充电、调度、评估等阶段。

图1
图1

主题相关的综合生产计划和调度网络化制造环境中

数据可视化

基于文献回顾,在[作者提供的建议后43,44)从系统设计的角度来看,为进一步研究开发和扩散在这个特定的领域:

  1. 1。

    建设措施和不同组合资产和能力说话对云组装的发展是至关重要的。现在,非凡的组装企业利用独特的系统和方法将其分散的资产和能力。因此,不同的组合资产和能力最终被描绘和口语运用独特的信息或语义模型和结构没有共同边界元素,信息种类和细节43,44]。

  2. 2。

    允许混合装配横向资产和能力所以在事业和供应链,利用制度化的信息或语义模型和结构向虚拟化资产是至关重要的。一步、XML、WSDL和形而上学方法可以用来鼓励制度化过程和描述资产和管理信息模型和结构描述(45]。

  3. 3所示。

    创建公司作为政府和约定基于云的结合是一个探索的挑战。制造云可以分为开放云和私有云。云制造事业可能建立生产效益阶段内大企业和利用一些组装资产可以在公众开放组装云效益阶段安排(46]。

  4. 4所示。

    它是基本执行强大的安全管理系统和策略简单安全问题(47]。

  5. 5。

    减少阻碍云组装的接待,这是基本建设效用模型,考虑收入,时间和可靠性资产专家合作、资产效益要求者和资产效益运营商需要在资产交易中获益。增加公用事业伙伴的交流过程中,效用,和声之间各种客户应该研究的兴趣点。流检查效用模型和效用协调策略在云组装还向开始阶段。好奇的分析师分析相关规定审查和实践领域的晶格管理局(48]。

资料解释

最近,技术从特殊促销活动导致吞噬的数据域(例如,医疗和科学传感器,用户生成的数据,互联网和金融公司,和供应链系统)在过去的二十年里。这句话大数据是印捕捉这种新兴趋势的含义。除了突然体积,大数据也展示其他独特的特点与传统数据相比。例如,大数据通常非结构化和需要更多的实时分析。这个成熟需要新的数据采集系统架构,传输,存储和大规模数据处理机制。

大量的有组织的信息创建的业务和逻辑研究领域。这些组织信息管理依赖于关系数据库管理系统(RDBMS)的发展,数据仓库、联机分析处理(OLAP)、业务流程管理(BPM)。考试信息在很大程度上基于数据挖掘和事实调查。这两个领域已经完全被认为是在前面的三十年。在这方面,一个安排在机器学习策略的学习表现,是转变为动态的研究领域。大多数目前机器学习的计算依赖于human-planned形象和信息突出,为不同的应用程序是一个复杂的差事。深度学习计算加入表示学习和扩大水平在众多的描写错综复杂/反射。使用数据特征、时间和空间采矿可以单独的学习结构与模型快速信息流和传感器信息和例子。出于安全担忧在网上业务,电子政务、医疗服务应用程序,保护维护矿业信息转变成一个动态的研究范围。在过去的十年中,由于发展机会信息的可访问性和过程的启示和一致性检验的方法,处理矿业引发了另一个聚光灯的勘探领域利用一次解剖形式的信息。

生产者需要常识的方向。制造商需要测试,理解各种信息的传感器利用和创造,沿着线介绍他们。例如,提高陶瓷材料的质量,努力实现,制片人可能需要屏幕的执行器,除了项目的结构。研究将确定传感器的最佳设置。在精明的生产发展应该满五个洞49]。

精明的生产框架必须开发数据积累。首先,传感器将屏幕的现有硬件条件。随着新的质量要求和能力的发展,可以添加多个传感器后采取最有价值的参数。半导体业务,例如,增强后的晶圆的性质和修改其程序设置(50]。

加强信息收集、使用和分享是最重要的重要的今天,进一步I4.0的上下文中。在这里,大多数组织需要参与。他们错误地相信一些数据库太大检查。其他人担心权威和合法利用的部分信息。更重要的是,质量比数量更重要。喧闹的或不可预知的检查评估的效用。复发的信息收集和他们把应该在多大程度上解决。大量快速估计成本更多的存储;然而长期信息展示的基础。拟合平均期限应该解决。 Machine vibrations must be taken after on timescales of seconds or less, while temperatures can be arrived at the midpoint of more than 10 min or longer periods. Moreover, conventions are expected to address information protection, assurance and security.

企业建模与集成

企业建模(EM)是企业相结合的艺术知识,增加价值的企业,一个企业、一个私人或政府组织,或一个网络企业(如扩展企业、虚拟企业、智能组织)。企业集成(EI)处理促进信息流动,系统之间的互操作性和知识共享任何类型的组织。企业互操作性,EI的许多方面之一,提供了两个或两个以上的业务实体(相同的组织或从不同的组织,无论其位置)与设备交换或共享信息(无论它是和在任何时间)和使用功能的分布式和异构环境51,52,53,54]。莫利纳et al。55)断言,企业模型已经发展在过去三十年从事实建模知识管理,同时企业集成已经从计算机系统集成和CIM企业和电子商务的互操作性。

本文提供了一个简短的概述方面的领域我们站的地方,和下一步要做什么。此外,还提出了一个扩展CIMOSA框架的主机扩展原则为企业建模和集成,通过图表示。2

图2
figure2

网络化制造系统架构(56]

2说明了NMS的建议的体系结构。NMS始于一个请求来自客户的产品任务可以由通过两种不同的基于网络的制造服务模式即客户用户(铜)和企业用户(欧盟)。铜被定义为一个客户或组织,接受生产请求客户分析和处理生产任务的支持网络决策系统提供一种可行的解决方案以一种有效的方式。通过基于网络的制造服务(wbm),可以分析制造业产品的多个组织的请求。另一方面,欧盟的功能是一样的铜模式在最初的阶段,但由于其自助服务提供能力,请求的产品可以完全由欧盟本身。在大多数实际情况下,由统一的欧盟一份所有产品的需求几乎是不可能的。因此,类似于铜、欧盟寻找合格的企业网络的支持决策系统来填补的需求未完成的任务,如发现潜在的企业,与远程服务器通信,优化与客户的交互和远程服务。

在这个例子中,欧盟可以作为指导公司在这个虚拟组织,它可以开始与客户进行交互,以及与其他相关企业合作协调员。这样,用户,和欧盟能够完成不同和要求更高的生产任务由单个企业难以实现。然而,在寻找必要的产品数据和企业的信息,一个有效的方法来描述制造功能需求和实施网络化制造环境中完成。此后,合适的meta-heuristics和仿真技术,分布式制造环境中的复杂问题,如绿皮书可以解决实现的目标用户,可以解决最后的客户。网络化制造系统的一些基本特征总结如下:

  • 网络化制造的概念来源于一个基于网络的制造企业网络模式。企业的所有信息,可以提供企业的程序操作,如特征提取、数据预处理、工艺设计、远程调度和业务管理的全球环境和互联网服务。

  • 网络化制造提供支持整个产品生命周期。

  • 它有能力来提高企业的竞争力,这样可以实现快速反应。

  • 网络化制造系统有能力重新配置和重组其生产功能的需求正在迅速变化。

  • 地理上分散的企业之间的合作可以通过网络化制造环境中有效的访问远程资源会导致低成本和高产品设计和制造、基于智能设备,随着无线通信设备的使用,仪表板和其他移动方式,传感器,以及其他工具和外围设备。

结论

本文全面系统的文献综述(SLR)最近和最先进的论文,集成工艺规划和调度的角色(绿皮书)网络化制造环境(NME)的背景下,行业范围的4.0,这是至关重要的画一个框架和揭示未来的研究途径。启用了系统综述,主要结论,绿皮书,因此NME继续未知的仍有需要进一步和更加激烈和严重发展的上下文中关于绿皮书NME I4.0。此外,单反是有用的方法,在文献中识别差距并导致进一步建立未来的机会进行研究。很明显进行了研究和开发方法,进一步的研究可以帮助学术界和工业开发新工具,技术和方法在NME绿皮书。此外,主题分析进行研究有助于进一步实现和改进在分布式制造环境中,与中小企业,进一步扩大他们的潜力,通过适合绿皮书NME之下。

引用

  1. 1。

    刘,F。,Liu, J., & Lei, Q. (2002). The Connotation and research development trend of networked manufacturing. In中国机械工程学报》的年度会议,北京,中国,27。

  2. 2。

    Rezaeian, J。,Javadian, N., Tavakkoli-Moghaddam, R., & Jolai, F. (2011). A hybrid approach based on the genetic algorithm and neural network to design an incremental cellular manufacturing system.应用软计算,11(6),4195 - 4202。

    谷歌学术搜索

  3. 3所示。

    燕,j .问:(2000)。基于网络的数字化制造。工业工程和管理,1,8 - 11。

    谷歌学术搜索

  4. 4所示。

    李,x Y。,&Chaoyong, Z. (2010). An agent-based approach for integrated process planning and scheduling.专家系统与应用程序,37岁的1256 - 1264。

    谷歌学术搜索

  5. 5。

    王,Y。,张,Y。,,J。,Zhou, Z., Xue, L., & Lou, P. (2008). A web-based integrated process planning and scheduling system. In4日IEEE会议自动化科学与工程,在诉讼美国华盛顿特区(页662 - 667)。

  6. 6。

    Grabowik C。,Kalinowski, K., & Monica, Z. (2005). Integration of the CAD/CAPP/PPC systems.材料加工技术杂志》164年,1358 - 1368。

    谷歌学术搜索

  7. 7所示。

    万利拉,m . r . L。,Trojanowska, J。,Carmo-Silva, S., Costa, N. M. L., & Machado, J. (2017). Comparative simulation study of production scheduling in the hybrid and the parallel flow.管理和生产工程审查,8(2),69 - 80。https://doi.org/10.1515/mper - 2017 - 0019

    文章谷歌学术搜索

  8. 8。

    Trojanowska, J。,万利拉,m·l·R。,&Machado, J. (2017). The tool supporting decision making process in area of job-shop scheduling. In Á. Rocha, A. Correia, H. Adeli, L. Reis, & S. Costanzo (Eds.),信息系统和技术的最新进展。WorldCIST 2017。先进的智能系统和计算(卷。571年,页490 - 498)。柏林:施普林格。beplay登入

    谷歌学术搜索

  9. 9。

    Sugimura, N。日野,R。,&Moriwaki, T. (2001). Integrated process planning and scheduling in holonic manufacturing systems. In学报IEEE国际研讨会上装配和任务规划软研究园(4卷,第254 - 250页)。

  10. 10。

    建筑师,K。,Fuji, N., & Inoue, R. (2007). An emergent synthesis approach to simultaneous process planning and scheduling.CIRP的年报,56(1),463 - 466。

    谷歌学术搜索

  11. 11。

    Chryssolouris G。陈,S。,&Cobb, W. (1984). Decision making on the factory floor: An integrated approach to process planning and scheduling.机器人和电脑一体机制造、1(3 - 4),413 - 417。

    谷歌学术搜索

  12. 12。

    Chryssolouris G。,&Chan, S. (1985). An integrated approach to process planning and scheduling.CIRP的年报,34(1),413 - 417。

    谷歌学术搜索

  13. 13。

    《r . M。傅& s。(1988)。流程规划和安排方法集成的生产力的提高。计算机与工业工程,15(1 - 4),296 - 301。

    谷歌学术搜索

  14. 14。

    Seethaler, r . J。,&Yellowley, I. (2000). Process control and dynamic process planning.国际期刊的机床和制造、40(2),239 - 257。

    谷歌学术搜索

  15. 15。

    王,l . H。,&Shen, W. M. (2003). DPP: An agent-based approach for distributed process planning.《智能制造、14日,429 - 439。

    谷歌学术搜索

  16. 16。

    Cai、Ningxu Wang励辉,&冯,Hsi-Yung。(2009)。遗传自适应设置规划对工艺规划与调度集成。国际期刊的生产研究,47(10)2745 - 2766。

    数学谷歌学术搜索

  17. 17所示。

    黄,t . N。,&Leung, C. W. (2006). Dynamic shop floor scheduling in multi-agent manufacturing system.专家系统与应用程序,31日,486 - 494。

    谷歌学术搜索

  18. 18岁。

    Shafaei, R。,&Brunn, P. (2000). Workshop scheduling using practical (inaccurate) data Part 3: A framework to integrate job releasing, routing and scheduling functions to create a robust predictive schedule.国际期刊的生产研究,38(1),85 - 99。

    数学谷歌学术搜索

  19. 19所示。

    李,H。,&Kim, S. S. (2001). Integration of process planning and scheduling using simulation based genetic algorithms.先进制造技术的国际期刊,18日,586 - 590。

    谷歌学术搜索

  20. 20.

    Kumar M。,&Rajotia, S. (2003). Integration of scheduling with computer aided process planning.材料加工技术杂志》138年,297 - 300。

    谷歌学术搜索

  21. 21。

    库马尔,Manish & Rajotia,苏尼尔。(2006)。集成的流程规划和调度的工作车间环境。先进制造技术的国际期刊,28(1),109 - 116。

    谷歌学术搜索

  22. 22。

    周,J。,&Dieng-Kuntz, R. (2004). Manufacturing ontology analysis and design: Towards excellent manufacturing. In2004年第二届IEEE国际会议上工业信息,2004年。INDIN 04年。IEEE。

  23. 23。

    赵,F。,Zhu, A., & Yu, D. (2006). A hybrid particle swarm optimization (PSO) algorithm schemes for integrated process planning and production scheduling. In第六届世界大会在智能控制和自动化程序研讨会,6月,大连,中国,6772 - 6776页。

  24. 24。

    李X。,Gao, L., Zhang, G., Zhang, C., & Shao, X. (2008). A genetic algorithm for integration of process planning and scheduling problem.课堂讲稿在人工智能,5315年,495 - 502。

    谷歌学术搜索

  25. 25。

    李X。,et al。(2010). An effective hybrid algorithm for integrated process planning and scheduling.国际期刊的生产经济、126年(2),289 - 298。

    谷歌学术搜索

  26. 26岁。

    月亮,我。,Lee, S., & Bae, H. (2008). Genetic algorithms for job shop scheduling problems with alternative routings.国际期刊的生产研究,46(10)2695 - 2705。

    数学谷歌学术搜索

  27. 27。

    Haddadzade, M。,Razfar, M. R., & Farahnakian, M. (2009). Integrating process planning and scheduling for prismatic parts regard to due date.世界科学院、工程和技术,51岁,64 - 67。

    谷歌学术搜索

  28. 28。

    Baykasoglu,。,&Ozbakir, L. (2009). A grammatical optimization approach for integrated process planning and scheduling.《智能制造、20.(2),211 - 221。

    谷歌学术搜索

  29. 29。

    拉库马,M。,et al。(2010). A GRASP algorithm for the integration of process planning and scheduling in a flexible job-shop.国际制造业研究期刊》的研究,5(2),230 - 251。

    谷歌学术搜索

  30. 30.

    周,Y。,et al。(2010). A generic model of reverse logistics network design. InICLEM 2010:物流经济持续发展:基础设施、信息、集成(页3664 - 3670)。

  31. 31日。

    Nakandala D。,Premaratne, S., & Lau, H. C. W. (2013). A fuzzy-based decision support model for monitoring on-time delivery performance: A textile industry case study.欧洲运筹学杂志,225年(3),507 - 517。

    谷歌学术搜索

  32. 32。

    柯南道尔,j . P。,Dougherty, J. D., Heiman, M., Schmidt, E. F., Stevens, T. R., Ma, G., et al. (2008). Application of a translational profiling approach for the comparative analysis of CNS cell types.细胞,135年(4),749 - 762。

    谷歌学术搜索

  33. 33。

    张,Y。,Saravanan, A., & Fuh, J. (2003). Integration of process planning and scheduling by exploring the flexibility of process planning.国际期刊的生产研究,41(3),611 - 628。

    数学谷歌学术搜索

  34. 34。

    明,x G。,Yan, J. Q., Wang, X. H., Li, S. N., Lu, W. F., Peng, Q. J., et al. (2008). Collaborative process planning and manufacturing in product lifecycle management.电脑行业,59(2),154 - 166。

    谷歌学术搜索

  35. 35。

    Chan F。,Kumar, V., Tiwari, M. (2006). Optimizing the performance of an integrated process planning and scheduling problem: An AIS-FLC based approach. In2006年IEEE控制论与智能系统、会议程序,曼谷,泰国,6月7号到9号(页1 - 8)。

  36. 36。

    王,L。,Törngren, M., & Onori, M. (2015). Current status and advancement of cyber-physical systems in manufacturing.制造系统期刊》上,37(第2部分),517 - 527。

    谷歌学术搜索

  37. 37岁。

    吴,D。,Terpenny, J., & Gentzsch, W. (2015). Cloud-based design, engineering analysis, and manufacturing: A cost-benefit analysis.Procedia制造业,1,64 - 76。

    谷歌学术搜索

  38. 38。

    Monostori, l (2014)。Cyber-physical生产系统:根,期望和研发的挑战。Procedia CIRP,17日,卖地。

    谷歌学术搜索

  39. 39岁。

    科伦坡,a·W。,&Karnouskos, S. (2009). Towards the factory of the future: A service-oriented cross-layer infrastructure.ICT塑造世界:科学的观点,65年,81年。

    谷歌学术搜索

  40. 40。

    迪恩,J。,&Ghemawat, S. (2008). MapReduce: Simplified data processing on large clusters.ACM通讯,51(1),107 - 113。

    谷歌学术搜索

  41. 41岁。

    粉丝,l Q。,Kumar, A. S., Jagdish, B. N., & Bok, S. H. (2008). Development of a distributed collaborative design framework within peer-to-peer environment.计算机辅助设计,40(9),891 - 904。

    谷歌学术搜索

  42. 42。

    张,L。罗,Y。道,F。李,B。,Ren, L., Zhang, X., et al. (2012). Cloud manufacturing: A new manufacturing paradigm.企业信息系统https://doi.org/10.1080/17517575.2012.683812

    文章谷歌学术搜索

  43. 43。

    叮,B。,Yu, X. Y., & Sun, L. J. (2012). A cloud-based collaborative manufacturing resource sharing services.信息技术杂志,11(9),1258年。

    谷歌学术搜索

  44. 44岁。

    刘,N。,李X。,&Wang, Q. (2011, October). A resource & capability virtualization method for cloud manufacturing systems. In2011年IEEE国际会议系统,人,控制论(SMC)(页1003 - 1008)。IEEE。

  45. 45岁。

    道,F。,张,L。,&Nee, A. Y. C. (2011). A review of the application of grid technology in manufacturing.国际期刊的生产研究,49(13),4119 - 4155。

    谷歌学术搜索

  46. 46岁。

    张,Y。,et al。(2012). Large-scale partner selection of virtual enterprise on the cloud manufacturing service platform.《信息与计算科学,9(14),3995 - 4006。

    谷歌学术搜索

  47. 47岁。

    Hashizume, K。,Rosado, D. G., Fernández-Medina, E., & Fernandez, E. B. (2013). An analysis of security issues for cloud computing.《互联网服务和应用程序,4(1)5。

    谷歌学术搜索

  48. 48。

    Mościcki, j . T。Brochu F。Ebke, J。,Egede, U., Elmsheuser, J., Harrison, K., et al. (2009). Ganga: A tool for computational-task management and easy access to grid resources.计算机物理通信,180年(11),2303 - 2316。

    谷歌学术搜索

  49. 49。

    伯格伦,M。,Nilsson, D., & Robinson, N. D. (2007). Organic materials for printed electronics.大自然母亲,6,3 - 5。

    谷歌学术搜索

  50. 50。

    Gandomi,。,&Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics.国际期刊的信息管理,35(2),137 - 144。

    谷歌学术搜索

  51. 51。

    Kosanke, K。,&Nell, J. G. (Eds.) (1997). Enterprise engineering and integration. In学报联合会国际会议企业集成和建模技术Esprit 21859号项目1。beplay登入施普林格,柏林。ISBN 3-540-63402。

  52. 52岁。

    OAG。OAGIS。(2001)。开放应用程序组集成规范,开放应用程序组,Inc .)发布7.2.1,医生。200号031。

  53. 53岁。

    皮特里,c . j . (Ed)。(1992)。企业集成建模:第一届国际会议论文集。剑桥:麻省理工学院出版社。

    谷歌学术搜索

  54. 54。

    Vernadat f . b . (1996)。企业建模与集成:原理及应用。伦敦:查普曼&大厅。

    谷歌学术搜索

  55. 55。

    莫利纳,。陈,D。,Panetto, H., Vernadat, F., & Whitman, L. (2005). Enterprise integration and networking: Issues, trends and vision. In企业知识共享的集成(页303 - 313)。

  56. 56。

    万利拉,m·l·R。Araujo, a F。、Putnik g D。,Manupati, V. K., & Anirudh, K. V. (2016, June). Web-based decision system for effective process planning in network manufacturing environment. In2016年第十一届伊比利亚信息系统和技术会议(”)(页1 - 7)。IEEE。

下载参考

确认

这个项目是由科技部(DST -塞尔维亚),印度在格兰特早期职业生涯的研究。此外,这项工作也一直支持的竞争:poci - 01 - 0145 -菲德尔- 007043和FCT-Fundacao对位Ciencia e Tecnologia项目范围内:UID / CEC / 00319/2013。

作者信息

从属关系

作者

相应的作者

对应到Justyna Trojanowska

额外的信息

出版商的注意

beplay登入施普林格自然保持中立在发表关于司法主权地图和所属机构。

权利和权限

开放获取本文是分布式根据创作共用署名4.0国际许可证(http://creativecommons.org/licenses/by/4.0/),允许无限制的使用、分配和复制在任何媒介,你提供给适当的信贷原始作者(年代)和来源,提供一个链接到Creative Commons许可,并指出如果变化。

再版和权限

关于这篇文章

验证通过CrossMark货币和真实性

引用这篇文章

万利拉,M.L.R.国民生产总值,Putnik,Manupati, V.K.et al。在网络化制造系统集成过程的计划和调度I4.0:回顾和框架的建议。无线Netw27日,1587 - 1599 (2021)。https://doi.org/10.1007/s11276 - 019 - 02082 - 8

下载引用

关键字

  • 集成流程规划和调度
  • 网络化制造
  • I4.0