国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

卡奧斯工業(yè)智能研究院（青島）有限公司陳錄城

卡奧斯物聯(lián)科技股份有限公司魯效平，盛國(guó)軍

卡奧斯工業(yè)智能研究院（青島）有限公司楊振發(fā)，秦承剛，王超，王朋靜

1　引言

家電行業(yè)是典型的離散制造業(yè)細(xì)分領(lǐng)域，是支撐我國(guó)經(jīng)濟(jì)飛速發(fā)展的關(guān)鍵力量。隨著新一代信息技術(shù)的廣泛應(yīng)用，家電行業(yè)面臨著以下困境：產(chǎn)品在外觀設(shè)計(jì)、功能性等方面具有高度相似性，同質(zhì)化現(xiàn)象突出，難以滿足體驗(yàn)經(jīng)濟(jì)時(shí)代消費(fèi)者差異化、多樣化的需求，價(jià)格戰(zhàn)頻發(fā)，利潤(rùn)空間受到擠壓；消費(fèi)者對(duì)產(chǎn)品品質(zhì)、智能化、個(gè)性化的需求不斷增加，傳統(tǒng)的生產(chǎn)模式無法快速響應(yīng)市場(chǎng)變化，訂單交付周期長(zhǎng)，質(zhì)量管控力度不足，庫(kù)存周轉(zhuǎn)壓力大，等等^[1]。這些挑戰(zhàn)逼迫家電企業(yè)進(jìn)行數(shù)字化、智能化轉(zhuǎn)型，以海爾為代表的龍頭企業(yè)早已開始著手布局工業(yè)互聯(lián)網(wǎng)。其通過搭建工業(yè)互聯(lián)網(wǎng)平臺(tái)^[2,3]，形成以用戶為中心的大規(guī)模個(gè)性化定制生產(chǎn)模式^[4]，完成人、機(jī)、料、管理流程、管理系統(tǒng)的廣泛互聯(lián)，使用戶參與到產(chǎn)品從概念設(shè)計(jì)到成品制造的全過程，實(shí)現(xiàn)用戶需求的實(shí)時(shí)響應(yīng)和生產(chǎn)資源的無縫對(duì)接，從而實(shí)現(xiàn)降本、增效、提質(zhì)。面向家電行業(yè)的工業(yè)互聯(lián)網(wǎng)平臺(tái)需要解決多種類工業(yè)設(shè)備接入、多源工業(yè)數(shù)據(jù)集成、海量數(shù)據(jù)處理、工業(yè)數(shù)據(jù)建模分析、工業(yè)知識(shí)積累迭代等一系列問題，在傳統(tǒng)的“云-端”架構(gòu)中，訓(xùn)練和推理服務(wù)器部署在遠(yuǎn)端數(shù)據(jù)中心或云端，端側(cè)的數(shù)據(jù)需要通過網(wǎng)絡(luò)傳輸?shù)皆贫私y(tǒng)一處理和分析，但家電智能工廠涉及海量的生產(chǎn)設(shè)備和傳感器，如果所有數(shù)據(jù)都發(fā)往云端處理，會(huì)消耗大量網(wǎng)絡(luò)帶寬資源，增加企業(yè)隱私和機(jī)密信息泄漏風(fēng)險(xiǎn)，一旦出現(xiàn)網(wǎng)絡(luò)不穩(wěn)定或斷網(wǎng)的情況，還會(huì)導(dǎo)致生產(chǎn)中斷，也無法滿足生產(chǎn)線監(jiān)控、設(shè)備狀態(tài)檢測(cè)等特定場(chǎng)景對(duì)數(shù)據(jù)處理的低延遲需求^[5,6]。邊緣計(jì)算恰好可以彌補(bǔ)這一短板，它通過將計(jì)算資源放置在靠近數(shù)據(jù)源的邊緣節(jié)點(diǎn)上，在本地實(shí)現(xiàn)部分?jǐn)?shù)據(jù)處理和決策能力，只將關(guān)鍵數(shù)據(jù)或結(jié)果傳輸?shù)皆贫耍瑴p少了數(shù)據(jù)傳輸延遲，提高了響應(yīng)速度，減少了對(duì)網(wǎng)絡(luò)帶寬的需求，即使在沒有網(wǎng)絡(luò)的情況下，設(shè)備仍然可以正常運(yùn)行。在云邊協(xié)同架構(gòu)中，計(jì)算資源的異構(gòu)性、處理器的地理分散性等因素，給云端和邊緣端的資源分配和任務(wù)調(diào)度優(yōu)化帶來了新的挑戰(zhàn)，云邊資源優(yōu)化調(diào)度成為工業(yè)互聯(lián)網(wǎng)的重要研究方向之一^[7]。倪志偉等^[8]提出了一種基于多目標(biāo)離散型人工蜂群算法的云任務(wù)調(diào)度優(yōu)化策略，能更好地改善虛擬資源中云任務(wù)調(diào)度系統(tǒng)的性能。趙宏偉等^[9]提出了一種改進(jìn)的差分人工蜂群算法，能優(yōu)化云邊協(xié)同調(diào)度模型，并有效解決多目標(biāo)資源調(diào)度問題。王淑玲等^[10]從場(chǎng)景拆分、調(diào)度目標(biāo)、求解方案的角度依次對(duì)兩種典型的云邊協(xié)同場(chǎng)景進(jìn)行分析，給出了適應(yīng)場(chǎng)景特性的資源調(diào)度優(yōu)化參考方案。

海爾集團(tuán)基于自身近40年的制造經(jīng)驗(yàn)與數(shù)字化轉(zhuǎn)型實(shí)踐，探索出一套基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺(tái)體系。該平臺(tái)利用5G的快速部署、高可靠、低時(shí)延等特性構(gòu)建家電智能工廠的網(wǎng)絡(luò)架構(gòu)，將云計(jì)算全局性、非實(shí)時(shí)、長(zhǎng)周期的大數(shù)據(jù)處理、分析與業(yè)務(wù)決策能力，和邊緣計(jì)算實(shí)時(shí)性、低延遲的數(shù)據(jù)處理與應(yīng)用服務(wù)能力有機(jī)結(jié)合，可以從大規(guī)模任務(wù)統(tǒng)一調(diào)度、異構(gòu)計(jì)算協(xié)同部署與邊緣任務(wù)實(shí)時(shí)重構(gòu)三個(gè)層面對(duì)云端和邊緣端的計(jì)算資源進(jìn)行高效管控和利用，從而使家電企業(yè)能夠有效采集生產(chǎn)設(shè)備、生產(chǎn)線和生產(chǎn)現(xiàn)場(chǎng)成千上萬(wàn)種不同類型的數(shù)據(jù)，并依托人工智能技術(shù)強(qiáng)化數(shù)據(jù)分析與洞察能力，實(shí)現(xiàn)了智能化的管理和控制，為家電行業(yè)的智能化、自動(dòng)化轉(zhuǎn)型提供了參考和啟示。

2　基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺(tái)

通過創(chuàng)新現(xiàn)場(chǎng)級(jí)工業(yè)操作系統(tǒng)、數(shù)字工業(yè)操作系統(tǒng)和工業(yè)云腦，卡奧斯建立了基于云邊端協(xié)同的家電行業(yè)工業(yè)互聯(lián)網(wǎng)平臺(tái)。該平臺(tái)匯聚了各類工業(yè)資源，打通了交互定制、研發(fā)設(shè)計(jì)、精準(zhǔn)營(yíng)銷、模塊采購(gòu)、智能生產(chǎn)、智慧物流和智慧服務(wù)等業(yè)務(wù)全流程，形成了以用戶最佳體驗(yàn)為中心的跨行業(yè)、跨領(lǐng)域、全周期的企業(yè)-用戶、企業(yè)-資源、資源-用戶“三元價(jià)值矩陣”新工業(yè)體系，實(shí)現(xiàn)了企業(yè)全面精細(xì)化、信息化、智能化的管理與控制，賦能家電企業(yè)完成從大規(guī)模生產(chǎn)到大規(guī)模個(gè)性化定制的模式轉(zhuǎn)型。如圖1所示，平臺(tái)架構(gòu)自下而上分別為：

（1）端—工業(yè)裝備

端泛指連接到平臺(tái)邊緣節(jié)點(diǎn)的設(shè)備以及該設(shè)備承載的應(yīng)用，可以是注塑機(jī)、大型工控機(jī)床等各種生產(chǎn)設(shè)備，溫度、振動(dòng)、超聲等各類傳感器，以及攝像頭、AGV、工業(yè)機(jī)器人等。其通過大帶寬、低時(shí)延、高可靠的5G網(wǎng)絡(luò)，并適配MQTT、Modbus、OPC-UA等通信協(xié)議，實(shí)現(xiàn)多源異構(gòu)設(shè)備的海量接入。

（2）邊—現(xiàn)場(chǎng)級(jí)工業(yè)操作系統(tǒng)

現(xiàn)場(chǎng)級(jí)工業(yè)操作系統(tǒng)采用工業(yè)級(jí)高可用架構(gòu)，由云邊協(xié)同-邊緣組件、容器引擎、安全模塊、應(yīng)用容器組和實(shí)時(shí)Linux操作系統(tǒng)等部分組成，能夠完成邊緣節(jié)點(diǎn)的注冊(cè)認(rèn)證和管理。應(yīng)用容器組中配置了各種功能應(yīng)用，包括機(jī)器視覺算法、裝備預(yù)測(cè)性維護(hù)、產(chǎn)品裝配輔助、數(shù)據(jù)預(yù)治理、產(chǎn)線能效優(yōu)化和產(chǎn)品質(zhì)量提升等。系統(tǒng)兼容數(shù)百種通信協(xié)議，支持多源異構(gòu)工業(yè)裝備的泛在接入，依托協(xié)議轉(zhuǎn)換技術(shù)能夠?qū)崿F(xiàn)多源異構(gòu)數(shù)據(jù)的歸一化和融合集成，并可進(jìn)行邊緣計(jì)算和本地分析，實(shí)現(xiàn)底層數(shù)據(jù)的匯聚處理和向云端的集成。

（3）云—數(shù)字工業(yè)操作系統(tǒng)和工業(yè)云腦

數(shù)字工業(yè)操作系統(tǒng)包含容器云管平臺(tái)，數(shù)據(jù)庫(kù)、中間件、數(shù)據(jù)計(jì)算等選裝件管理及服務(wù)，數(shù)據(jù)增強(qiáng)、計(jì)算增強(qiáng)、交互增強(qiáng)等增強(qiáng)件管理及服務(wù)，組件服務(wù)開放API，云邊協(xié)同-云端組件，物聯(lián)管理和數(shù)據(jù)管理等部分，其通過數(shù)據(jù)主線技術(shù)可以連接多種企業(yè)數(shù)據(jù)源。容器云管平臺(tái)支持企業(yè)完成硬件資源管理、虛擬資源管理、容器管理和運(yùn)行/運(yùn)營(yíng)管理，為企業(yè)提供安全可靠的服務(wù)。

圖1 基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺(tái)體系架構(gòu)

工業(yè)云腦主要由專家模型庫(kù)、工業(yè)知識(shí)庫(kù)、工業(yè)大模型、工業(yè)大數(shù)據(jù)和能力網(wǎng)格等部分組成。專家模型庫(kù)支持設(shè)備故障預(yù)測(cè)、工廠生產(chǎn)排程、制造資源配置優(yōu)化以及AGV智能調(diào)度等功能；工業(yè)知識(shí)庫(kù)中沉淀了經(jīng)過數(shù)字化封裝的工業(yè)機(jī)理模型，具有強(qiáng)大的可復(fù)用能力，可以廣泛應(yīng)用于產(chǎn)品的設(shè)計(jì)研發(fā)和生產(chǎn)制造過程；工業(yè)大數(shù)據(jù)能夠?qū)叾藗鬏數(shù)臄?shù)據(jù)進(jìn)行存儲(chǔ)、治理、訪問、分析和決策；工業(yè)大模型支持多模態(tài)信息的融合，可以識(shí)別產(chǎn)品的CAD設(shè)計(jì)圖紙，生成設(shè)備操作指令，能夠調(diào)度專家模型完成工藝參數(shù)推薦。企業(yè)可以任意調(diào)用能力網(wǎng)格中的機(jī)器視覺、數(shù)字孿生、可視化看板等能力，實(shí)現(xiàn)生產(chǎn)自感知、自適應(yīng)、自診斷、自學(xué)習(xí)、自決策。

3　云邊資源智能優(yōu)化調(diào)度

平臺(tái)云端和邊緣端的資源分配和任務(wù)調(diào)度是通過內(nèi)置在云邊協(xié)同-邊緣組件和云邊協(xié)同-云端組件中的云邊資源智能優(yōu)化調(diào)度模塊實(shí)現(xiàn)的。如圖2所示，該模塊由任務(wù)響應(yīng)接收與處理子模塊、任務(wù)部署子模塊和任務(wù)調(diào)度算法庫(kù)子模塊三部分組成，能夠從大規(guī)模任務(wù)統(tǒng)一調(diào)度、異構(gòu)計(jì)算協(xié)同部署與邊緣任務(wù)實(shí)時(shí)重構(gòu)三個(gè)層面對(duì)邊端和云端計(jì)算資源進(jìn)行高效管控，以滿足異構(gòu)計(jì)算、任務(wù)部署、協(xié)同優(yōu)化的實(shí)時(shí)需求。

圖2 云邊資源智能優(yōu)化調(diào)度模塊

（1）任務(wù)接收與處理子模塊

任務(wù)接收與處理子模塊接收用戶提交的任務(wù)，其采用增量聚類技術(shù)讀取上載任務(wù)所需資源量、所對(duì)應(yīng)的物理設(shè)備、依賴數(shù)據(jù)源、依賴數(shù)據(jù)上載量、運(yùn)行過程與物理設(shè)備交互量、任務(wù)結(jié)果下載方式等數(shù)據(jù)信息，并通過不確定性量化模型計(jì)算任務(wù)運(yùn)行時(shí)長(zhǎng)及失效率，完成不確定性挖掘。該子模塊基于確定性規(guī)則按照領(lǐng)域粗分和需求細(xì)分對(duì)任務(wù)進(jìn)行分類，依據(jù)任務(wù)重要度、任務(wù)前驅(qū)后繼關(guān)系、任務(wù)運(yùn)行方式指派任務(wù)優(yōu)先級(jí)，以能耗和效率為任務(wù)調(diào)度的目標(biāo)，制定調(diào)度約束的統(tǒng)一需求描述規(guī)則。該子模塊的輸入為用戶提交的任務(wù)，輸出為任務(wù)分類和任務(wù)需求描述，由任務(wù)部署子模塊接收。

（2）任務(wù)部署子模塊

由于云端和邊緣端資源的分布性和異構(gòu)性，通過單一云平臺(tái)對(duì)所有可共享計(jì)算和存儲(chǔ)資源的統(tǒng)籌調(diào)度是十分低效的。隨著資源和任務(wù)規(guī)模的增大，多個(gè)云端和邊緣端逐漸實(shí)現(xiàn)分區(qū)域協(xié)同，通過域內(nèi)調(diào)度單元對(duì)用戶提交的任務(wù)群進(jìn)行調(diào)度和部署。對(duì)任務(wù)來說，可選資源群包含云端資源、鄰近邊端資源及非鄰近可達(dá)邊端資源，其中鄰近指資源與任務(wù)關(guān)聯(lián)的終端設(shè)備物理距離的鄰近。鄰近邊端資源主要用于處理通信量與實(shí)時(shí)性要求高的任務(wù)，云端資源主要用于處理通信和實(shí)時(shí)性要求較低的計(jì)算或存儲(chǔ)密集型任務(wù)，而非鄰近可達(dá)邊端則作為二者的折中，當(dāng)鄰近邊端和云端資源過載情況下，分擔(dān)其部分任務(wù)負(fù)載。由于任務(wù)需求不同且可選資源特性不同，為每一類任務(wù)需求和云邊協(xié)同場(chǎng)景建立特定的調(diào)度模型并求解顯然是不現(xiàn)實(shí)的。

因此，任務(wù)部署子模塊建立了異構(gòu)任務(wù)調(diào)度過程統(tǒng)一模型，將各領(lǐng)域關(guān)聯(lián)任務(wù)以拓?fù)鋱D模板表示，集成各類場(chǎng)景下獨(dú)立任務(wù)、關(guān)聯(lián)任務(wù)群的總執(zhí)行時(shí)間、各類任務(wù)能耗、工業(yè)任務(wù)的物流約束和質(zhì)量約束等，形成任務(wù)目標(biāo)集、變量編碼集和任務(wù)約束集，利用按位補(bǔ)齊和掩碼技術(shù)實(shí)現(xiàn)不同長(zhǎng)度調(diào)度變量的變換，使編碼作為任務(wù)調(diào)度算法庫(kù)子模塊的一個(gè)統(tǒng)一輸入接口。子模塊具備云邊資源信息實(shí)時(shí)獲取功能，能夠?qū)?dāng)前任務(wù)對(duì)應(yīng)的可達(dá)資源劃分為上述三個(gè)層面，讀取不同層面資源的可利用率、節(jié)點(diǎn)路由信息、節(jié)點(diǎn)間可用頻道與帶寬、節(jié)點(diǎn)物理距離，為任務(wù)調(diào)度提供必要支持。

任務(wù)部署子模塊按照任務(wù)群分組、調(diào)度域劃分、調(diào)度模型配置、優(yōu)化方案生成、調(diào)度結(jié)果部署和任務(wù)動(dòng)態(tài)遷移等六個(gè)步驟實(shí)現(xiàn)任務(wù)群部署。按照類型將任務(wù)群分為多個(gè)調(diào)度組，每組任務(wù)依據(jù)其鄰近邊端資源狀態(tài)選擇調(diào)度域；基于異構(gòu)任務(wù)調(diào)度過程統(tǒng)一模型，為每組任務(wù)對(duì)應(yīng)生成一組變量編碼，配置不同調(diào)度目標(biāo)和約束，并調(diào)用任務(wù)調(diào)度算法庫(kù)子模塊中的算法生成優(yōu)化方案，最終將任務(wù)群按照方案逐一指派邊緣端和云端計(jì)算資源節(jié)點(diǎn)，生成具有特定硬件平臺(tái)約束的目標(biāo)代碼，進(jìn)而執(zhí)行代碼加載指令，遠(yuǎn)程控制目標(biāo)節(jié)點(diǎn)的指令更新，完成任務(wù)動(dòng)態(tài)部署。當(dāng)發(fā)生資源過載、任務(wù)中斷、負(fù)載不均時(shí)，子模塊將再次調(diào)用任務(wù)調(diào)度算法庫(kù)子模塊中的算法對(duì)問題節(jié)點(diǎn)中的任務(wù)進(jìn)行快速重調(diào)度，移至其他物理資源繼續(xù)運(yùn)行，實(shí)現(xiàn)動(dòng)態(tài)遷移。

任務(wù)部署子模塊是云邊資源智能優(yōu)化調(diào)度的核心實(shí)施部件，其輸入為可達(dá)云端和邊緣端的資源信息以及任務(wù)接收與處理子模塊的輸出，其輸出直接作用于云端和邊端資源，完成任務(wù)部署和動(dòng)態(tài)調(diào)整，是任務(wù)和資源的核心中間件。

（3）任務(wù)調(diào)度算法庫(kù)子模塊

任務(wù)調(diào)度算法庫(kù)子模塊基于超啟發(fā)思想，搭建了可配置智能優(yōu)化算法框架，集合了多種進(jìn)化搜索算子，建立了任務(wù)調(diào)優(yōu)的多個(gè)可選局部變換規(guī)則。根據(jù)迭代過程和種群劃分，算法的可配置分為兩個(gè)層面，第一個(gè)層面指針對(duì)不同迭代階段選取不同的進(jìn)化算子和局部啟發(fā)式規(guī)則實(shí)現(xiàn)種群的更新，通過指定其參數(shù)、執(zhí)行順序及迭代尋優(yōu)的次數(shù)來對(duì)所生成的算法進(jìn)行控制，算子作為靈活組成零件能在不同階段發(fā)揮廣度搜索和深度挖掘作用，當(dāng)某一個(gè)或多個(gè)低效算子被選中時(shí)，其他算子能在后一階段及時(shí)修正搜索方向，保持搜索的整體性能；第二個(gè)層面指針對(duì)不同個(gè)體配置選取不同的算子，各個(gè)算子針對(duì)個(gè)體的作用域不同、組成結(jié)構(gòu)不同、參數(shù)不同，它們?cè)谡麄€(gè)迭代過程同步執(zhí)行，多個(gè)算子的同時(shí)作用保證了個(gè)體的多樣性行為，高效算子可帶動(dòng)低效算子在各階段保持搜索效率，多個(gè)算子的混合保證在搜索時(shí)間復(fù)雜性不增的情況下拓展問題的適用范圍，保持算法整體的魯棒性，并帶動(dòng)其他個(gè)體實(shí)現(xiàn)協(xié)作求解。

在此基礎(chǔ)上，子模塊基于進(jìn)化算子和局部啟發(fā)式規(guī)則特征將算法結(jié)構(gòu)、算子及參數(shù)映射為算法編碼，集成主流的超啟發(fā)策略，實(shí)現(xiàn)算法結(jié)構(gòu)自動(dòng)變換、算子自動(dòng)選擇和算子參數(shù)自動(dòng)配置。從算子分類角度來看，進(jìn)化算子主要決定種群在整個(gè)解空間內(nèi)的進(jìn)化方向，而局部調(diào)度規(guī)則作為輔助則從個(gè)體局部范圍進(jìn)行定位。由于云邊資源狀態(tài)和協(xié)同模式的多變性，很難事先確定哪一種算子對(duì)哪一個(gè)場(chǎng)景的搜索是有效的，在這種情況下，子模塊將半隨機(jī)超啟發(fā)策略應(yīng)用到進(jìn)化算子的選擇中，并運(yùn)用各種隨機(jī)超啟發(fā)策略為每個(gè)個(gè)體在不同階段變步長(zhǎng)的選取局部搜索規(guī)則，提升了搜索效率和準(zhǔn)確性。

4　案例實(shí)施與效果

以某冰箱互聯(lián)工廠為例，其通過云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺(tái)，將云計(jì)算、邊緣計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)等數(shù)字化技術(shù)融入工業(yè)生產(chǎn)中，為生產(chǎn)決策提供了智能化服務(wù)，實(shí)現(xiàn)了端到端的互聯(lián)互通，前端連接用戶需求，后端連接智能工廠，在實(shí)現(xiàn)柔性化、定制化生產(chǎn)的同時(shí)，進(jìn)行全球資源的協(xié)同配置。同時(shí)，其基于大規(guī)模個(gè)性化定制模式，在賦能建設(shè)互聯(lián)工廠的過程中，不僅實(shí)現(xiàn)了數(shù)字化改造，還通過數(shù)字化手段面向用戶開放全流程，使其參與研發(fā)、設(shè)計(jì)、制造，實(shí)現(xiàn)產(chǎn)業(yè)鏈的連接形式隨用戶需求靈活變化，打造出端到端“燈塔工廠”。

經(jīng)過賦能，工廠面對(duì)用戶定制設(shè)計(jì)、快速交貨和高品質(zhì)的需求，通過大數(shù)據(jù)、數(shù)字孿生、先進(jìn)視覺檢測(cè)技術(shù)的應(yīng)用，實(shí)現(xiàn)按單生產(chǎn)智能制造、超薄真空節(jié)能發(fā)泡、數(shù)據(jù)集成分析、AI視覺真空管控、壓縮機(jī)柔性裝配、物流發(fā)運(yùn)智能調(diào)配等業(yè)務(wù)場(chǎng)景的數(shù)字化，訂單響應(yīng)周期縮短35%，生產(chǎn)效率提升35%，質(zhì)量績(jī)效提升36%。

5　結(jié)論

海爾集團(tuán)構(gòu)建了基于云邊協(xié)同的工業(yè)互聯(lián)網(wǎng)平臺(tái)，賦能家電行業(yè)數(shù)字化、智能化轉(zhuǎn)型，形成了以用戶為中心的大規(guī)模個(gè)性化定制生產(chǎn)模式，完成了人、機(jī)、料、管理流程、管理系統(tǒng)的廣泛互聯(lián)，使用戶參與到從產(chǎn)品設(shè)計(jì)到成品制造的業(yè)務(wù)全流程，實(shí)時(shí)響應(yīng)用戶需求，精準(zhǔn)匹配制造資源，實(shí)現(xiàn)可持續(xù)發(fā)展。平臺(tái)通過云邊資源智能優(yōu)化調(diào)度模塊對(duì)云端和邊緣端的計(jì)算資源進(jìn)行高效管控，能夠滿足云邊協(xié)同架構(gòu)對(duì)異構(gòu)計(jì)算、任務(wù)部署和協(xié)同優(yōu)化的實(shí)時(shí)需求。目前該平臺(tái)已經(jīng)賦能多家工廠完成數(shù)智化轉(zhuǎn)型，全面提升了核心競(jìng)爭(zhēng)力，為家電企業(yè)的數(shù)智化轉(zhuǎn)型起到了良好的示范作用。

★基金項(xiàng)目：國(guó)家自然科學(xué)基金青年基金（62303272），山東省博士后創(chuàng)新項(xiàng)目（SDCXZG-202203036），泰山產(chǎn)業(yè)領(lǐng)軍人才工程專項(xiàng)經(jīng)費(fèi)資助（tscx202306029），山東省自然科學(xué)基金青年基金（ZR2022QF038）。

作者簡(jiǎn)介：

陳錄城（1969-），男，山東青島人，正高級(jí)工程師，現(xiàn)就職于卡奧斯物聯(lián)科技股份有限公司，研究方向?yàn)楣I(yè)互聯(lián)網(wǎng)、智能制造、大規(guī)模個(gè)性化定制理論及關(guān)鍵技術(shù)等。

魯效平（1981-），男，山東泰安人，教授級(jí)高工，現(xiàn)就職于卡奧斯物聯(lián)科技股份有限公司，研究方向?yàn)楣I(yè)互聯(lián)網(wǎng)、智能制造關(guān)鍵技術(shù)等。（本文通訊作者）

楊振發(fā)（1993-），男，山東臨沂人，現(xiàn)就職于卡奧斯工業(yè)智能研究院（青島）有限公司，研究方向?yàn)橹悄軅鞲衅鳌⒐I(yè)互聯(lián)網(wǎng)、大規(guī)模個(gè)性化定制理論及關(guān)鍵技術(shù)等。

參考文獻(xiàn)：

[1] 趙爽, 許蕾, 張艷麗, 等. 家用電器行業(yè)個(gè)性化定制發(fā)展綜述[J]. 家電科技, 2020, (6) : 112 - 116.

[2] 蔡毅, 田暉, 彭玲, 等. 家電行業(yè)"5G+工業(yè)互聯(lián)網(wǎng)"標(biāo)準(zhǔn)化體系構(gòu)建研究[J]. 輕工標(biāo)準(zhǔn)與質(zhì)量, 2022, (5) : 116 - 119.

[3] 邢燕. 5G+工業(yè)互聯(lián)網(wǎng)賦能家電行業(yè)數(shù)字化轉(zhuǎn)型探析[J]. 信息通信技術(shù), 2022, 16 (5) : 13 - 17.

[4] 陳錄城, 魯效平, 盛國(guó)軍, 等. 大規(guī)模個(gè)性化定制研究綜述[J]. 新型工業(yè)化, 2023, 13 (10) : 11 - 21.

[5] 李智威, 莫王昊, 李北, 等. 基于資源約束多目標(biāo)優(yōu)化的物聯(lián)網(wǎng)邊緣計(jì)算資源分配[J]. 現(xiàn)代電子技術(shù), 2024, 47 (2) : 59 - 66.

[6] 王超, 魯效平, 劉倫明, 等. 5G+MEC在家電業(yè)機(jī)器視覺檢測(cè)系統(tǒng)中的應(yīng)用[J]. 電子技術(shù)應(yīng)用, 2022, 48 (12) : 84 - 88.

[7] 王凌, 吳楚格, 范文慧. 邊緣計(jì)算資源分配與任務(wù)調(diào)度優(yōu)化綜述[J]. 系統(tǒng)仿真學(xué)報(bào), 2021, 33 (3) : 509 - 520.

[8] 倪志偉, 李蓉蓉, 方清華, 等. 基于離散人工蜂群算法的云任務(wù)調(diào)度優(yōu)化[J]. 計(jì)算機(jī)應(yīng)用, 2016, 36 (1) : 107 - 112 + 121.

[9] 趙宏偉, 荊學(xué)慧, 張帥, 等. 面向云邊協(xié)同的資源調(diào)度優(yōu)化策略[J]. 沈陽(yáng)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2021, 33 (1) : 41 - 46 + 74.

[10] 王淑玲, 孫杰, 王鵬, 等. 云邊協(xié)同中的資源調(diào)度優(yōu)化[J]. 電信科學(xué), 2023, 39 (2) : 163 - 170.

摘自《自動(dòng)化博覽》2024年第二期暨《邊緣計(jì)算2024專輯