一种基于工业互联网的C2MSaaS管理系统及方法与流程

本发明涉及软件技术领域，具体涉及一种基于工业互联网的c2msaas管理系统及方法。

背景技术：

c2m(customer-to-manufacturer，用户直连制造)，是一种新型的工业互联网电子商务的商业模式，c2m模式是在工业互联网背景下产生的，它的终极目标是通过互联网将不同的生产线连接在一起。c2m一头连着制造商，一头连着消费者，运用庞大的计算机系统随时进行数据交换，按照客户的个性化产品订单要求，设定供应商和生产工序，最终生产出个性化产品的工业化规模定制生产模式，从而实现了用户到工厂的直连。

但c2m的个性化定制模式，与制造业传统的大规模生产相背离。个性化定制产品中每一件产品都可以算是一个独立的商品，对于制造企业而言，生产每个产品都需要相关的产品设计数据、生产工艺数据、生产设备和资源等。生产个性化产品引起的生产资源频繁调动，导致制造过程数据量大，品质提升困难，生产周期长等弊端。无法满足制造企业高质量、低成本、短交期的市场需求，导致该模式在制造业中难以实现。

传统的web软件开发方式，一般被称为monolithic(单体式开发)。所有的功能打包在一个war包里，基本没有外部依赖(除了容器)，部署在一个jee容器(tomcat，jboss，weblogic)里，包含了do/dao，service，ui等所有逻辑。单体架构软件的缺点是效率低，开发都在同一个项目改代码，相互等待，冲突不断；维护难，代码功能耦合和在一起，新人不知道从何下手；不灵活，构建时间长，任何小修改都要重构整个项目，非常耗时；稳定性差，一个微小的问题，都可能导致整个应用挂掉；扩展性不够，无法满足高并发下的业务需求。

工业微服务(microservice，soa架构的一种变体)是工业互联网平台的载体，是以单一功能组件为基础，通过模块化组合方式实现“松耦合”应用开发的软件架构。一个微服务就是一个面向单一功能、能够独立部署的小型应用，将多个不同功能、相互隔离的微服务按需组合在一起并通过api集实现相互通信，就构成了一个功能完整的大型应用系统。工业互联网微服务架构与传统软件单体架构相比较，微服务架构恰恰弥补了单体架构的不足，通过有效的拆分应用，实现敏捷开发和部署：由多个独立的微服务共同组成系统；微服务单独部署，运行在自己的进程中；每个微服务为独立的业务开发；分布式管理；非常强调隔离性。

技术实现要素：

针对现有传统大规模批量生产技术以及传统软件开发技术中存在的缺陷，本发明实施例的目的在于提供一种基于工业互联网的c2msaas管理系统及方法，打通企业的销售、研发、工艺、制造核心业务环节的数据流通实现一体化和全局优化，帮助制造业企业应对多品种、小批量、定制化、订单驱动、云制造挑战，提高客户需求反应速度，快速响应制造要求，兼顾效率和柔性，同时实现高质量、低成本、短交期的市场需求。

为实现上述目的，本发明通过以下技术方案实现：

第一方面，本发明实施例提供了一种基于工业互联网的c2msaas管理系统，包括：

零部件管理微服务组件，用于建立模块化的产品零部件和非模块化的产品零部件；其中，所述非模块化的产品零部件通过创建可配置的超级bom配置所得；

超级bom管理微服务组件，用于建立所有零部件所对应的生产资料，研发数据和所需生产资源；

选配下单微服务组件，用于获取可配置的超级bom并进行客户选配下单，以生成客户个性化产品的物料清单及生产资料；

生产管理微服务组件，用于根据客户个性化产品的生产工艺和所需的生产资料，进行生产计划安排和生产资源的调度。

作为本申请一种可选的实施方式，所述可配置的超级bom用于：

根据定义的参数或多个特征来决定具体零部件的组件，其不同参数或特征选项的组合可分别对应不同的具体零部件；

即，首先创建当前方案特征族及特征值；

再根据当前方案及子方案包含的所有特征族以及特征值构建约束条件，并与零部件进行关联。

作为本申请一种可选的实施方式，所述建立所有零部件所对应的生产资料，研发数据和所需生产资源包括以下步骤：

创建零部件的基础信息，相关图纸及多层级的bom结构，以清晰展现零部件的组成结构；

创建零部件的生产步骤，每个步骤所需的物料、设备、人员及所需加工时间。

进一步地，作为本申请的一种优选实施方式，所述选配下单具体包括：

当客户进行选配下单时，获取选取相关产品系列，并根据产品系列对应的超级bom进行特征项的匹配；

每一个选配项等于一个特征值，将选配完成后所得到的所有特征值与规则进行匹配，再结合选项值的选择进行具体零部件的匹配，以生成定制产品的物料清单；

当未选择某个特征时，则在清单中列出该特征下所有可以使用的物料。

第二方面，本发明实施例还提供了一种基于工业互联网的c2msaas管理方法，应用于如第一方面所述的一种基于工业互联网的c2msaas管理系统，所述方法包括：

s1，建立模块化的产品零部件和非模块化的产品零部件；其中，所述非模块化的产品零部件通过创建可配置的超级bom配置所得；

s2，建立所有零部件所对应的生产资料，研发数据和所需生产资源；

s3，获取可配置的超级bom并进行客户选配下单，以生成客户个性化产品的物料清单及生产资料；

s4，根据客户个性化产品的生产工艺和所需的生产资料，进行生产计划安排和生产资源的调度。

作为本申请一种可选的实施方式，通过创建可配置的超级bom配置所得，具体包括：

根据定义的参数或多个特征来决定具体零部件的组件，其不同参数或特征选项的组合可分别对应不同的具体零部件；

即，首先创建当前方案特征族及特征值；

再根据当前方案及子方案包含的所有特征族以及特征值构建约束条件，并与零部件进行关联。

作为本申请一种可选的实施方式，所述步骤s2具体包括以下步骤：

创建零部件的基础信息，相关图纸及多层级的bom结构，以清晰展现零部件的组成结构；

创建零部件的生产步骤，每个步骤所需的物料、设备、人员及所需加工时间。

作为本申请一种可选的实施方式，所述步骤s3具体包括以下步骤：

当客户进行选配下单时，获取选取相关产品系列，并根据产品系列对应的超级bom进行特征项的匹配；

每一个选配项等于一个特征值，将选配完成后所得到的所有特征值与规则进行匹配，再结合选项值的选择进行具体零部件的匹配，以生成定制产品的物料清单；

当未选择某个特征时，则在清单中列出该特征下所有可以使用的物料。

作为本申请一种可选的实施方式，所述步骤s4具体包括以下步骤：

对工厂编码；

对任务编码；

把任务的工序编码与选定的工厂编码相结合；

群体初始化；

杂交；

变异；

建立适应度函数；

最优解判断。

实施本发明实施例，主要有益效果如下：

(1)满足消费者的个性需求、使得产品选配过程透明化、增强消费者的灵活性；

(2)对于制造企业可降低库存成本、增强品牌竞争力、按需制造增加产品议价能力；

(3)通过超级bom实现对产品研发过程的模块化设计，对生产过程的数据采集，对生产资源的高效调度等手段，有效利用制造过程大数据，实现品质提升；

(4)本发明实施使消费者直接对接工厂，迎合了消费者追求个性化、差异化的产品需求，也大大降低了成本、缩短了生产周期等，实现了工厂和客户的利益最大化；

(5)采用的微服务架构弥补了单体架构的不足，通过有效的拆分应用，实现敏捷开发和部署。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。

图1是本发明实施例所提供的一种基于工业互联网的c2msaas管理系统的结构图；

图2是本发明实施例所提供的一种基于工业互联网的c2msaas管理方法的流程图；

图3是本发明实施例中产品选配以及bom特征值匹配模型示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

本发明的发明构思是：基于工业互联网的c2msaas管理系统，从设计、制造等产品全生命周期都要满足客户的个性化需求；利用柔性化生产线，实现多品种产品生产的动态配置资源；通过对产品研发过程的模块化设计，对生产过程的数据采集，对生产资源的高效调度等手段，有效利用质量追溯机制、制造过程大数据，实现品质提升，帮助制造业实现多品种、小批量、短交期、高质量、低成本、柔性制造快速响应、制造过程大数据等生产模式。

基于该发明构思，参照图1所示，本发明实施例提供了一种基于工业互联网的c2msaas管理系统，其中，该系统所依托的所述c2m数字化工厂包括相应的硬件支持设备，有柔性化生产线、计算引擎、数据库、网络通信设备、执行器、品质监测设备和各种传感器等，在此不再赘述。

该系统具体包括：

零部件管理微服务组件，用于建立模块化的产品零部件和非模块化的产品零部件；其中，所述非模块化的产品零部件通过创建可配置的超级bom配置所得。

具体地，所述可配置的超级bom用于：

根据定义的参数或多个特征来决定具体零部件的组件，其不同参数或特征选项的组合可分别对应不同的具体零部件；其中，所述参数是指可连续定义值的产品属性，例如门窗或箱体的尺寸、压接线缆长度等；所述特征是指具有标准选项的产品属性，例如面板的材质、防冻液的冰点等；

即，所述可配置的超级bom，具体是定义一个根据参数或多个特征来决定具体零部件的组件，其不同参数或特征选项的组合可分别对应不同的具体零部件；

首先创建当前方案特征族及特征值；

再根据当前方案及子方案包含的所有特征族以及特征值构建约束条件，并与零部件进行关联。模块化产品零部件是可用于多产品的标准的模块化零部件，由于模块化零部件为公知的技术，故在此不再赘述。

例如，发电机组的超级bom，可通过定义参数，如线缆长度12米、静音箱的尺寸参数7000*8000*12000；选择特征包括：发动机品牌潍柴、机组功率1200kw、防冻液-40℃等；进而将其结合确定一个具体的产品及相应的标准bom。

超级bom管理微服务组件，用于建立所有零部件所对应的生产资料，研发数据和所需生产资源；其中，所述研发数据主要是指零部件的基础信息、各零部件的层级结构、各零部件的2d/3d图纸等。

即，为所有零部件定义它的研发数据和生产资料；定义零部件的组成结构，生产工艺，所需物料、设备等。

具体地，定义方法包括：

创建零部件的基础信息，相关图纸及多层级的bom结构，以清晰展现零部件的组成结构；

创建零部件的生产步骤，每个步骤所需的物料、设备、人员及所需加工时间。

选配下单微服务组件，用于获取可配置的超级bom并进行客户选配下单，以生成客户个性化产品的物料清单及生产资料。

具体地，当客户进行选配下单时，获取选取相关产品系列，并根据产品系列对应的超级bom进行特征项的匹配；

每一个选配项等于一个特征值，将选配完成后所得到的所有特征值与规则进行匹配，再结合选项值的选择进行具体零部件的匹配，以生成定制产品的物料清单；

当未选择某个特征时，则在清单中列出该特征下所有可以使用的物料。

生产管理微服务组件，用于根据客户个性化产品的生产工艺和所需的生产资料，进行生产计划安排和生产资源的调度。

应用时，主要使用遗传算法来优化排产，缩短生产周期，提高效率，传统的计划排程模型是建立在相对简单的供应链基础之上，排产技术面向单一的生产环境，而c2m生产模式不但规模庞大，组织结构复杂，而且生产呈现分布式的特点。作为大规模个性定制生产，在排产方面必须适应分布式生产的特点，才能保证整个供应链的同步，同时对其作出优化。针对分布式生产的特点，本发明基于计划模型中基于约束的计划、协同计划等概念，使用遗传算法对分布式生产计划安排生产资源调度进行了优化，具体步骤参照后续方法实施例的描述。

通过实施本发明实施例的方案，主要有益效果如下：

(1)满足消费者的个性需求、使得产品选配过程透明化、增强消费者的灵活性；

(2)对于制造企业可降低库存成本、增强品牌竞争力、按需制造增加产品议价能力；

(3)通过超级bom实现对产品研发过程的模块化设计，对生产过程的数据采集，对生产资源的高效调度等手段，有效利用制造过程大数据，实现品质提升；

(4)本发明实施使消费者直接对接工厂，迎合了消费者追求个性化、差异化的产品需求，也大大降低了成本、缩短了生产周期等，实现了工厂和客户的利益最大化；

(5)采用的微服务架构弥补了单体架构的不足，通过有效的拆分应用，实现敏捷开发和部署。

基于前述相同的发明构思，参考图2所示，本发明实施例还提供了一种基于工业互联网的c2msaas管理方法，应用于前文所述的一种基于工业互联网的c2msaas管理系统，所述方法包括：

s1，建立模块化的产品零部件和非模块化的产品零部件；其中，所述非模块化的产品零部件通过创建可配置的超级bom配置所得。

具体地，通过创建可配置的超级bom配置所得，具体包括：

根据定义的参数或多个特征来决定具体零部件的组件，其不同参数或特征选项的组合可分别对应不同的具体零部件。

创建当前方案特征族及特征值(最底层的配置方案必须有自己的特征族)；

应用时，所述当前方案即为正在创建的这个方案；通过创建一个配置方案，并为本配置方案创建其特征族及特征值。

根据当前配置方案及子方案包含的所有特征族以及特征值构建约束条件，并与零部件进行关联；

约束关系rule＝feature1option1&feature2option2，ruleusepart03……

产品定义：

cnamespace("productprops",

cselect([

ccase("柴油发电机组","柴油发电机组",aggregate("networkelements",1,aggregate("hu",2,opticalswitch4))),

ccase("离合器机组","离合器机组",aggregate("networkelements",1,aggregate("hu",8,opticalswitch6))),

ccase("水泵机组","水泵机组",aggregate("networkelements",1,aggregate("hu",11,opticalswitch16))),

])))；

配置：

"transceivers":[

{"name":"fadongji","label":"发动机(柴油机)","type":"sfp+","power":3,"wavelengths":"fadongji"},

]

零部件：

fadongji:1.00柴油机-玉柴-18kw-yc2108d-机械-不带水箱--3#11.5

1800

s2，建立所有零部件所对应的生产资料，研发数据和所需生产资源。

具体地，所述步骤s2具体包括以下步骤：

创建零部件的基础信息，相关图纸及多层级的bom结构，以清晰展现零部件的组成结构；

创建零部件的生产步骤，每个步骤所需的物料、设备、人员及所需加工时间。

s3，获取可配置的超级bom并进行客户选配下单，以生成客户个性化产品的物料清单及生产资料。

具体地，所述步骤s3具体包括以下步骤：

当客户进行选配下单时，获取选取相关产品系列，并根据产品系列对应的超级bom进行特征项的匹配，每一个选配项等于一个特征值，将选配完成后所得到的所有特征值与规则进行匹配，再结合选项值的选择进行具体零部件的匹配，以生成定制产品的物料清单，当未选择某个特征时，则在清单中列出该特征下所有可以使用的物料；

产品选配以及bom特征值匹配模型如图3所示。

其中，vdom：virtualdocumentobjectmode，虚拟文档对象模型；dom：documentobjectmode，文档对象模型。

具体选配下单步骤如下：

1：产品维护人员通过高级建模工具构建产品，再由平台通过解释器将高级建模的产品转换为标准统一的js代码，并生成选配界面；js代码示例：

2：用户通过web端进行选配，每一个选配项等于一个特征值，将选配完成后所得到的所有特征值，与零部件库中的特征进行匹配，获取与此产品特征相对应的匹配结果；

functiongetpartbyfeature(stringfeaturecode){}

3：根据匹配结果从物料清单中提取产品物料信息；

functiongetmtllistbypartcode(stringpartcode){}

s4，根据客户个性化产品的生产工艺和所需的生产资料，进行生产计划安排和生产资源的调度。主要使用遗传算法来优化排产，缩短生产周期，提高效率。

传统的计划排程模型是建立在相对简单的供应链基础之上,排产技术面向单一的生产环境,而c2m生产模式不但规模庞大,组织结构复杂,而且生产呈现分布式的特点。作为大规模个性定制生产,在排产方面必须适应分布式生产的特点,才能保证整个供应链的同步,同时对其作出优化。针对分布式生产的特点,本发明基于计划模型中基于约束的计划,协同计划等概念,使用遗传算法对分布式生产计划安排生产资源调度进行了优化。

具体地，所述步骤s4具体包括以下步骤：

1：对工厂编码

我们用数字来标志各个工厂,比如有三家工厂,分别标志为1,2,3。针对每项任务产生一个可能的工厂序列。假设任务“1”分别能在工厂“1”,“2”生产，则任务1的序列为1,2。

2：对任务编码

对不同的任务用id标志,如任务1为j01。针对每个任务,在可以完成该生产任务的工厂中,随机选取一个。根据选定工厂的处理过程，为任务的操作顺序编码；例如，任务1在某家工厂有三个工序，则任务的工序序列为j01j01j01。

3：把任务的工序编码与选定的工厂编码相结合

例如，任务2选择的工厂是3，任务2在工厂3有三个工序,则任务的基因编码是3j02-3j02-3j02。

4：群体初始化

对所有的任务编码后,将所产生的基因随机组合在一起，产生一条染色体；重复以上步骤，直至产生初始设定的种群规模。

5：杂交

选择两个染色体作为祖先，随机地交换部分基因代码，产生两个新的后代。为了保证染色体的有效性，还要删除或补偿部分基因代码。

6：变异

第一次变异作为局部遗传操作,仅对所选的染色体发生作用；第二次变异作为全局遗传操作，对所有的染色体发生作用。

7：适应度函数

生产系统的效率取决于很多因素，比如：设备的利用率、生产周期、成本等。

通常，利用这些因素中的一个或多个对生产效率进行评估：

最小生产周期：

这里f是染色体的适应度；et是机器的完工时间；fimj代表i工厂中的机器j；m是总的工厂数量；n是总的机器数量。

8：判断是否最优解

结束迭代的条件有两个，当任何一个条件满足时，改进的遗传算法即结束；最优个体即被认为找到。这两个条件是:①找到的最佳个体已经在迭代的过程中反复出现10次；②预先设定的算法迭代次数已经达到。

算法过程如下：

li_gen＝0//初始为第0代

uf_encode_job()

uf_evaluate()

uf_combine()

uf_evaluate(li_gen)

uf_select(li_gen)

while(terminationcondition＝false)do

uf_crossover(li_gen)

uf_muate(li_gen)

uf_all_muate(li_gen)

uf_evaluate()

uf_select(li_gen)

li_gen＝li_gen+1

end

需要说明的是，上述方法实施例中更详细的描述可参照前述系统实施例的描述，在此不再赘述。

上述方案通过零部件管理、超级bom管理、选配下单和生产管理的结合管理，通过大数据分析、云计算、智能订单引擎、智能制造实现c2m个性化定制模式；进而帮助制造业面对多品种、小批量、定制化、订单驱动的挑战，提高客户需求反应速度，快速响应制造要求，兼顾效率和柔性，从而实现高质量、低成本、短交期的市场需求。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。