超大規模三維數據并行處理技術實現方法

畢姍姍 劉軍 肖紅燕

（山東山大華天軟件有限公司 山東省濟南市 250000）

1 3D打印云平臺的研究現狀

近幾年，國內外涌現了一大批基于“互聯網+”的3D 打印云平臺，主要分成兩類：第一類是致力于提供3D 打印最新行業動態的3D 打印資訊平臺，在國內，南極熊網在這方面具有代表性；第二類則是3D打印云服務平臺，借助云端無界無形、聯通包容的性質，解決了廠商分布分散、設備移動不便、設備購買價格昂貴等問題，整合了3D 打印產業上中下游資源，將下游的材料和中游的設備進行封裝，使用戶能夠接觸的到就是不同類型的3D 打印服務，用戶將可以享受到更加便捷、更低成本的3D 打印使用體驗。

在3D 打印技術上，國內的發展起步比較晚，雖然在近幾年發展迅速，但在3D 打印云平臺領域仍落后于國外，特別是面向大眾的消費級3D 打印云平臺，雖然國外已出現如3DPrinterOS 的3D 打印云平臺，但其實現技術并不對外開放。

2 消費級3D打印云平臺應用和制造模式探究

云制造作為一種新的生產模式，是大數據、云計算、互聯網、智能制造和物聯網等技術運用于工業制造領域并進一步向流通、消費等領域拓展的產物，是工業化與信息化深度融合。運用互聯網技術和互聯網營銷模式，促進工業化與信息化深度融合，發展智能制造，促進制造業提檔升級，這是云制造的重要內涵。智能制造是制造業向高端發展的集中體現，也是云制造的核心內容。

對于傳統集中智能制造的模式來說，雖可以大規模生產，保證供應鏈的產量和配置，但在靈活應對客戶需求方面卻是令人擔憂。而消費級3D 打印云平臺的分布式智能制造的創新方式和模型架構，正好利用了大數據分析與運算，創新生產，整合資源，需求化地進行分配生產，具體有以下兩種模式。

2.1 全價值供應鏈下的3D打印云平臺分布式智能制造創新模型的建立

對傳統集中智能制造模式做進一步改進與挖掘，設計出全價值供應鏈下的3D 打印云平臺分布式智能制造創新模式，與前者相比該模式創新如下：

（1）3D 打印云平臺分布式制造代替了大規模集中制造；

（2）系統化的生產物流轉變成為最后一公里的產品配送物流；

根據表1可以看出：無論在前代過程還是在前代+回代過程，本方法均比LDU三角分解法和因子表法要快。在形成因子表的前代過程中，由于本方法利用了Y陣元素的對稱性省去大量非對角元素的計算，因此比LDU三角分解法快約55%～70%，比因子表法要快約45%。在前代+回代過程，由于本方法利用E陣元素結構的特點省去大量零元素的無效計算，因此比LDU三角分解法要快約65%～75%，比因子表法要快約60%。

（3）零部件供應商和產品庫存逐漸消失；

（4）通過搜索引擎和眾包的推廣，網絡平臺公眾中的創新創業者可以充分參與企業技術孵化和創新研究。

2.2 跨界融合技術變革下的3D打印云平臺分布式智能制造創新模式的建立

隨著物聯網、云計算、大數據挖掘等新興技術產業深度融入各行業領域，企業的業務邊界變得模糊不清，這種改變將深度影響高興企業的生產與制造模式，甚至重構企業內涵和組織架構。在這一大變局下，企業勢必將進行跨界融合，進行多領域多范圍的創新合作，基于此，在全價值供應鏈模式的基礎上再提出一種可跨界融合技術變革模式的 3D 打印分布式制造方式。該模式下，虛擬 VR 決策層替代了企業實際的決策管理層，而工商一體化的產品自制轉變為外包產品制造模式。

3 消費級3D打印云平臺的關鍵技術

針對深入落實創新驅動發展戰略和制造強國戰略中“拓寬社會資源與大眾創業創新對接通道”的需求，以“互聯網+3D 打印+創新創意”的消費服務新模式為主線，消費級3D 打印云平臺旨在突破3D 打印直接建模、超大規模三維數據并行處理、3D 打印物體精準彩色上色、三維模型知識產權保護等核心關鍵技術。其中，針對消費級3D 打印應用的并發性高的特點，超大規模三維數據并行處理技術旨在攻克超大規模3D 數據并行處理資源預測及優化調度技術，實現處理請求與資源需求的快速匹配，形成3D 打印在線處理云服務平臺基礎軟件框架，且具備萬人以上同時在線的支撐能力。

圖1

圖2

4 超大規模三維數據并行處理技術的實現

在超大規模三維數據并行處理技術與工具的研究過程中，以超大規模三維數據的并行處理和切片技術為主線，需要先開展智能調度技術和彩色切片技術的研究，然后實現云服務平臺基礎架構的研究。其中，在智能調度技術方面，擬建立針對三維數據并行處理任務的性能預測模型，形成基于統計學習的智能化資源供給和調度方法，并引入應用行為感知的自適應負載評估與自動化容器編排技術，實現資源調節功能從基于規則的單向自動化處理模式轉變為知識驅動的反饋自調節模式，充分提升軟件過程的智能化水平，支持超大規模三維數據并行處理的持續高效運行環境。在并行彩色切片技術方面，彩色切片是實現設計模型向生產指令轉換的重要橋梁，通過可打印性檢查與修復技術確保模型可打印，通過紋理、微結構識別與切片，實現模型描述信息向打印路徑信息的轉換，通過并行切片技術，切實提高切片效率。最后，基于已有的云計算和云制造平臺研究成果，構建高并發、彈性擴展、支持容器和容器編排的3D 打印在線處理云服務平臺架構，實現在線建模、切片引擎、智能調度引擎、色彩校正等工具的集成，形成3D 打印在線處理云服務軟件平臺，為3D 打印創新創意平臺應用示范提供基礎架構和軟件支撐。

4.1 彩色3D打印切片技術

彩色3D 打印切片技術的研究以技術流程為驅動，首先對模型的可打印性做檢查分析，對影響打印的缺陷模型進行修復；其次計算初始切片路徑，識別凹凸紋理、微結構，并修正初始切片路徑；最后對切片路徑賦予顏色信息，根據3D 打印描述數據規范，輸出打印路徑文件，驅動打印機進行彩色模型3D 打印。其實施路線圖如圖1 所示。

（1）對彩色3D 打印需求進行調研，明確數據轉換的轉換格式、精度、范圍需求，調研3D 打印機對打印模型數據的要求，明確數據處理需求，調研模型可打印性檢查修復需求，調研基礎彩色切片技術需求，調研分析凹凸紋理識別、微結構識別以及打印路徑修復的數據、精度、功能、性能等需求。

（2）對彩色3D 打印切片涉及的關鍵技術進行攻關。設計3D打印數據格式規范方案、可打印性檢查與修復方案、彩色模型切片方案、凹凸紋理及微結構切片方案等。

（3）根據系統設計方案，對上述關鍵技術與算法模塊開展研發工作。

（4）對研發的彩色3D 打印切片進行實際數據收集、測試；集成到任務3 研發的軟件系統平臺中，完成并行彩色3D 打印切片工具的研發和集成。

4.2 面向超大規模計算場景的智能調度并行處理技術

面向超大規模計算場景的智能調度并行處理技術以數據并行處理平臺為基礎，圍繞云計算與數據并行處理技術，首先構建支持3D 打印任務提交與執行的基礎云平臺；然后基于運行時監測與日志數據對3D 打印任務進行性能建模，實現目標驅動的容量規劃模型；其次面向超大規模計算場景支持3D 打印任務的智能調度，實現調度目標靈活可變的智能調度框架；最后基于機器學習預測3D打印任務的負載行為，實現資源在線優化機制。本研究的實施路線圖如圖2 所示。

（1）基于云計算技術與數據并行處理技術，實現基于容器虛擬化技術的面向3D 打印并行處理任務的基礎云平臺，支持3D 打印任務的并行執行，支持任務的完整生命周期管理，提供可視化操作界面、可擴展編程接口、系統監測日志、故障診斷工具等基礎服務。

（2）對3D 打印任務進行預處理和模型分析，調研3D 打印任務不同于其他主流大數據分析任務的特性，研究資源需求分析的性能模型、資源細粒度調節機制和智能化資源調度策略，并據此建立容量規劃模型、智能調度框架和資源在線優化機制。

（3）根據前期調研和分析結果，進行功能模塊的設計與研發，實現上述路線圖中的系統，在研發過程中設計單元測試用例以保障代碼質量。

（4）對功能模塊進行集成，在測試環境中部署系統，并通過版本的不斷迭代更新完善整個系統。

4.3 3D 打印在線處理云服務平臺架構研究

面向3D 打印在線處理過程中超大規模三維模型的并行處理、并行峰值時擴展新的計算資源以及超大規模并行調度等的需求，開展3D 打印在線處理云服務平臺架構研究，基于已有的云計算和云制造平臺研究成果，構建高并發、彈性擴展、支持容器和容器編排的3D 打印在線處理云服務平臺架構，為3D 打印創新創意平臺應用示范提供基礎架構和支撐。

5 結論

消費級3D 打印云平臺將有效降低3D 打印制造技術應用門檻，打通萬眾創新與3D 打印制造的對接通道。超大規模三維數據并行處理技術通過研究凹凸紋理、彩色信息、微結構等描述數據的識別和切片處理技術，實現描述信息向打印信息的轉換；通過研究并行真彩色切片引擎，切實提升切片性能。通過研究3D 打印云服務中底層資源的細粒度管理控制功能，突破超大規模計算場景中資源智能調度和任務并行處理技術，支持基于在線學習的資源動態調節和負載均衡機制等，基于超大規模三維數據并行處理技術的實現，消費級3D 打印云平臺將為搭建高并發、彈性擴展的3D 打印軟件云平臺架構提供技術基礎。