基于混合云計算的制造業數字化生產線控制研究

孔麗云，孔麗霞

（1.廣西生態工程職業技術學院 汽車與信息工程學院，柳州 545004；2.哈爾濱工業大學（深圳），深圳 518055）

0 引言

云計算技術可通過設備終端與網絡獲取所需的各項服務，具有靈活性以及實時性高的特點[1]。云計算平臺的存儲資源強大，具有較高的容錯率，可提供高可靠性用戶信息防護服務。云計算中的一個云可以支持多個云應用，為用戶提供滿足用戶需求的動態化服務。混合云計算是包含兩個以及兩個以上的云，利用相關技術組合私有云以及公有云的云服務[2]，因此具有私有云以及公有云的安全性能高以及提升經濟效益的優點。混合云計算混合多個私有云，可組合以及協同大量云間服務[3]，已成功應用于我國眾多大型制造企業中，制造業利用云計算平臺可實現計算資源成本透明化、協同制造技術升級等。

目前制造業普遍采用傳統制造技術，需具備較高的制造服務匹配能力。傳統的制造生產技術存在制造流程升級遲緩以及成本過高的特點[4]，阻礙了制造業進一步發展。制造業數字化生產線控制在制造業信息網絡化發展的情況下，其重要性不言而喻。制造業的核心制造能力是提升核心競爭力的重要來源，混合云計算技術應用于制造業數字化生產線控制中，可以有效改善傳統制造技術有限的制造資源、低廉的制造成本以及單一的制造能力等缺陷[5]，可有效提升制造企業的核心競爭力，促進制造業的穩步發展。而目前針對優化制造業生產的研究較多，單子丹將云計算技術應用于制造業的網絡流程優化中，優化了制造業的生產流程；王瑞等人針對制造企業的成熟度進行評價，推動了制造企業的可持續發展。

根據以上研究人員的研究成果，研究基于混合云計算的制造業數字化生產線控制方法，將混合云計算技術應用于制造業數字化生產線控制中，通過實驗驗證該方法的實際應用效果。

1 制造業數字化生產線控制

1.1 混合云計算的制造業數字化生產線控制

目前制造業普遍采用傳統的制造技術，企業制造能力單一，混合云計算技術可提升制造業的云服務建設能力，提升數字化生產線的控制水平。基于混合云計算的制造業數字化生產線控制技術框架如圖1所示。

通過圖1可以看出，制造業數字化生產線控制主要包括混合云計算技術的集成運行環境層以及信息化制造平臺以及可視化界面三部分，利用SaaS平臺服務構件層連接不同部分。信息化制造平臺和混合云計算集成運行環境分別利用云構件庫和虛擬化方式封裝云服務，為制造企業提供相關服務。其中，制造業的傳統信息化制造平臺是混合云計算的制造業數字化生產線控制的基礎。

圖1 制造業數字化生產線控制技術框架

制造業數字化生產線控制過程中，將傳統制造過程中的信息化制造平臺與混合云計算技術連接，利用混合云計算技術實現統一資源調度與管理。利用嵌入式技術實現信息傳輸、信息提取等不同的操作，而在基于混合云計算的制造業數字化生產線控制過程中，物理制造單元與網絡連接技術極為重要，開發與適配物理制造單元的信息控制單元是連接物理制造單元與網絡的重要途徑，信息化制造平臺中的PID控制模塊具備二次開發技術，將其與控制單元共同結合，實現信息化制造平臺的智能化。

混合云計算技術是制造業數字化生產線控制的另一重要技術，云制造平臺利用混合云計算技術提供可配置計算資源，利用可配置的云計算資源搭建云制造平臺。制造業是云制造平臺的重要服務對象，制造業對云制造平臺發送傳送需求，并將該需求保存于云制造平臺中。

1.2 混合云計算技術

混合云計算技術架構圖如圖2所示。

圖2 混合云計算技術架構圖

圖2是由多個私有云組成的混合云計算技術架構，利用私有云將服務提供至制造企業的內部用戶中，私有云可以將多個云組合后為用戶提供服務。私有云層中的私有云加入以及退出均需通過混合云管理層中混合云管理中心的管理，利用混合云管理層為云計算技術提供跨云認證、授權以及訪問控制等眾多保障混合云計算技術良好運行的安全功能。

1.3 控制模塊中的PID控制算法

控制模塊采用PID控制算法，PID控制器是典型的線性控制算法，依據輸入PID控制器中的給定值以及輸出值建立PID控制偏差表達式如下：

PID控制器控制規律如下：

將公式（2）轉化為轉移函數，其表達式如下：

式(3)中，Kp與Ki分別表示比例系數以及積分系數，G與Kd分別表示帶寬調節系數以及微分系數。

設置制造業數字化生產線的理想響應作為P、I、D最佳增益的過程即PID控制算法的調諧過程，獲取最佳的制造業數字化生產線控制效果。選取工程整定法作為PID控制算法的參數整定算法，確定制造業數字化生產線為開環狀態下的動態特性，利用階躍響應曲線獲取可體現控制對象動態特性的各項參數。將所獲取曲線拐點做切線，獲取控制對象增益K、等效滯后時間T以及等效滯后時間常數L三個參數，整定PID控制算法的控制參數。

PID控制算法整定公式如下：

1.4 混合云計算資源調度方案

通過混合云計算資源調度方案保障制造業數字化生產線控制中的混合云計算資源負載處于均衡狀態。

1.4.1 適應度函數

混合云計算技術應用于制造業數字化生產線控制中時，需綜合考慮眾多因素，保障混合云計算技術可靠運行的同時，提升混合云計算資源利用率，令混合云計算技術可以在最低能耗下運行。

1）CPU使用率

混合云計算技術中的物理節點CPU使用率決定了混合云計算技術中服務等級協議運行狀況。充分考慮CPU使用率情況下，獲取服務等級協議評價函數表達式如下：

式(7)中，p與UCPU分別表示規定保障服務等級協議的閾值范圍以及物理節點的CPU使用率。通過式(7)選取最小CPU使用率的節點。

2）資源剩余率

混合云計算的資源使用率利用剩余資源評估。將混合云計算中的網絡、內存、CPU以及硬盤剩余資源與總資源對比，所獲取結果即標準化剩余資源。對比標準化以及最小標準化的剩余資源，設置最優解為具有最小資源差的解。

混合云計算技術中的資源剩余率函數表達式如下：

式(8)中，Smin與Si分別表示標準化剩余資源最小值以及維度為i的標準化剩余資源。資源剩余率在利用率均衡度越高時越小，所以本文將較低的不同維度資源剩余率的節點設置為放置節點。

3）節點能耗

利用CPU使用率衡量混合云計算技術中的節點能耗。節點能耗評價函數表達式如下：

式(9)中，Pidle與Pbusy分別表示空載以及滿載電能消耗，設置具有較低能耗的節點作為混合云計算的搜索解。

4）多目標適應度函數

綜合考慮以上指標，獲混合云計算資源調度的多目標適應度函數，其表達式如下：

式(10)中，K表示權重。

1.4.2 適應度函數求解

選取遺傳算法獲取多目標適應度函數的最優解。

1）選擇復制

利用選擇操作評價群體中的個體適應性，適應度函數個體選擇概率表達式如下：

式(11)中的g(j)為原始適應度值的集合，獲取具有最優跨度適應度函數值較高的個體。利用輪盤賭選擇策略隨機選擇數值為[0，1]的數組，所獲取數組高于選擇概率時，選擇該染色體，否則淘汰該染色體。

2）交叉

通過交叉算子形成新個體，選擇2個種群內的概率較高的個體，交換所選取的個體，設定交叉概率函數表達式如下：

式(12)中，gavg與max分別表示每代群體的平均適應度值以及種群中的最大適應度值；g'表示概率較大的適應度值的個體。

3）變異

通過變異算子作為形成新個體的輔助方法，交叉算子僅具有全局搜索功能，通過變異算子對個體編碼串內的基因值進行調整，令個體從局部出發逼近最優解。變異概率函數表達式如下：

式(13)中，g'表示待變異的個體適應度值。

4）終止條件

混合云計算的收斂終止條件設置為最優跨度適應度函數值的標準差。

終止條件表達式如下：

式(14)中，δ與Scale分別表示收斂閾值以及種群大小，δ∈(0，1)。完成進化后，從所獲取的迭代結果中獲取具有最高適應度值的染色體，解碼該染色體，此時的分配方案即混合云計算技術中任務資源調度的最優分配方案。

2 實例分析

為驗證所提出方法在制造業數字化生產線控制中的有效性，選取某省大型制造企業作為研究對象，將混合云計算技術應用于該企業數字化生產線控制中。設置混合云計算平臺中包含節點數量為20個，每個節點中包含磁盤空間大小為20GB。設置計算集群數量以及存儲集群數量分別為5個以及10個，虛擬機數量為10個，每個虛擬機可執行任務數量為10個，混合云計算平臺中的數據塊大小為128MB，平臺帶寬為0.1MBps～1.0MBps，總服務請求數量為10～600個，用戶請求時間間隔為0.5s～60s。

本文方法采用資源調度方案確定不同間隔時間段內各任務以及資源的優先級。采用本文方法調度混合云計算技術資源，選取文獻[6]方法以及文獻[7]方法作為對比方法，則混合云計算的能耗結果如圖3所示。

圖3 混合云計算能耗

圖3實驗結果可以看出，采用本文方法調度混合云計算技術的資源，CPU利用率以及內存利用率均為最低，表明采用本文方法的混合云計算技術CPU空閑率以及內存空閑率更高，因此本文方法可有效提升混合云計算節點執行任務時的執行效率。

統計采用三種方法控制制造業數字化生產線過程中的服務等級違背率，對比結果如圖4所示。

圖4 服務等級違背率

圖4實驗結果可以看出，采用本文方法控制制造業數字化生產線后，服務等級違背率明顯低于另兩種方法，原因在于本文方法可以快速獲取混合云計算資源調度的最優解，服務等級違背率較低。且隨著混合云計算技術運行時間的增加，本文方法的服務等級違背率仍保持在較低狀態，以此證明本文方法在混合云計算資源負載較高的情況下，仍具有較高的優勢。

統計采用三種方法控制制造業數字化生產線的資源剩余率，對比結果如圖5所示。

圖5 資源剩余率

從圖5實驗結果可以看出，采用本文方法控制制造業數字化生產線后的資源剩余率波動較小，且不同時間均低于12%，具有較高的穩定性，說明本文方法實現執行任務時可以高效利用混合云計算平臺中的資源。采用本文方法可以集中放置低載節點的虛擬機，高效利用資源，說明采用所設計的資源調度方案可以促進混合云計算集群中的資源利用率提升。

統計采用本文方法控制制造業數字化生產線后，統計三種方法的虛擬機遷移次數，對比結果如圖6所示。

圖6 虛擬機遷移次數

從圖6中的實驗結果可以看出，本文方法采用遺傳算法求解混合云計算資源調度的多目標適應度函數實現資源調度，可快速獲取最優的適應度函數，因此該方法具有最少的虛擬機遷移次數，說明本文方法的資源調度性能最優。

將本文方法應用于該制造企業中運行為期三個月的測試，數字化生產線制造報表如表1所示。

表1 制造企業數字化生產線制造報表

分析表1實驗結果可知，采用本文方法后，制造企業的數字化生產線制造水平有了明顯提升，驗證采用本文方法控制制造業數字化生產線，可明顯提升制造企業的生產水平。采用本文方法后該制造企業的生產線操作員可以滿足調度需求，滿足數字化生產線控制需求。依據表1中的廢品數量可以看出，采用本文方法控制制造業數字化生產線，有效降低數字化生產線廢品數量，說明本文方法可以有效降低制造企業制造過程的誤差。而采用本文方法控制數字化生產線的操作員數量明顯有所降低，說明將混合云計算技術應用于數字化生產線控制中，降低了對人力的依賴，提升了企業的信息化制造水平。采用本文方法控制數字化生產線，制造企業制造產品的生產種類以及生產批次有了大幅度增長，呈現上升趨勢，驗證了本文方法可以提升企業的市場規模，令企業獲取更多的制造服務能力。企業生產批次數量明顯提升，企業可以滿足訂單需求，可以提升企業的市場占有率。

3 結語

伴隨云計算技術的高速發展，制造業的自動化程度不斷提升，制造業數字化生產線控制技術受到人們的關注，制造業數字化生產線的控制得到不斷優化，高效推動制造行業進一步發展。采用混合云計算技術可以有效調度制造企業的數據資源，滿足制造企業需求，降低企業資源消耗，節約生產成本。將混合云計算應用于制造業數字化生產線控制中，推動了制造業數字化生產線的高速發展，避免生產線出現重復作業情況，保障數字化生產線的有序運行，提升了制造業的生產靈活性，推動了制造業行業的進一步發展。