فهم بصری گردش کار صنعتی تحت خطای تخمینی بر معماری سرویس گرای توزیع شده:
چکیده:
معماری سرویس گرا (SOA) تکاملی از محاسبات توزیع شده براساس الگوی طراحی
درخواست/پاسخ برای برنامه های کاربردی همگام و ناهمگام است.در برخی معماری ها توسعه
دهنده برنامه یا فروشندگان سیستم می توانند حالاتی را توسط حروف چینی یا با سرویس های متعدد
بدون دانستن پیاده سازی زمینه ای از خدمات ایجاد کند.در این مقاله،ما چارچوب SOA را برای
برنامه ریزی انلاین کارهای صنعتی مجموعه اتخاذ کرده ایم.SOA مطرح شده شامل سه لایه اصلی
است.لایه ورودی،لایه محک ،لایه پیش بینی و زمان بندی است.نواوری اصلی معماری SOA ما
لایه پیش بینی است که ابزار بینایی کامپیوتر را قادر به مشاهده بصری می کند که چگونه گردش کار
صنعتی درواقع اجرا می شود.از این راه،ما می توانیم بصورت خودکار زمان اجرای پروسه را
تخمین بزنیم.بطورخاص الگوریتم ردیاب مقداردهی بصری در این مقاله برای مسیر کارگران در یک
کارخانه از طریق مشاهده بصری مطرح شده است.سپس انطباق منحنی بخش به کل ارائه شده است
لایه ورودی عملیات صنعتی را با استفاده از فرمت XPDL توضیح می دهد.ارزیابی محک سریعتر
از زمان واقعی است و از روش افلاین نیز سریعتر است اخرین مولفه SOA مطرح شده برنامه
ریزی با هدف تخصیص گردش کار برای منابع در دسترس است.در این مقاله اولین مزایای
حداکثر(MBF) ارائه شده است تجربیات بر کارخانجات صنعتی جهان واقعی اتومبیل نیسان در سیستم
مطرح شده ارائه شده است.
مقدمه:
احتمالا یکی از مهمترین وظایف مدیریتی در داخل صنعت با مقیاس بزرگ برنامه تولید است که
تعداد عملیات موجود صنعتی را به منابع تولید در دسترس در طول زمان برنامه ریزی تخصیص می
دهد.برنامه ریزی صنعتی می تواند اجرای کافی عملیات پیش تعریف شده را تضمین کند.و درنتیجه
رشد اقتصادی صنعت را بهبود می بخشد.برنامه ریزی شامل سازمان مجموعه فعالیت ها در پیچیدگی
بیشتر یا کمتر و تلاش برای اطمینان از حداکثر دسترسی عملیاتی برای منابع صنعتی و بهره برداری
بهتر از پتانسیل نیروی انسانی موجود است.این مسئله برای دلایل ایمنی به منظور جلوگیری از
حوادث غیر قابل پیشبینی که فاجعه امیز خواهد بود حیاتی است.روش معاصر برای برنامه ریزی
صنعتی از طریق دستورات نوشته شده است که مدیر یا مهندس ارشد به کارکنان در فواصل زمانی
منظم می دهد.کارکنان باید دقیقا این سفارشات را برای تولید کالاها با کیفیت بالا و بدون خطر برای
اجرای عملیات صنعتی دنبال کنند.این بازده برنامه ریزی استاتیک طبیعت دینامیک را برای اجرای
کار به حساب نمی اورد.واضح است که فاصله ای میان زمان اتمام کار برنامه ریزی شده و واقعی
وجود دارد.این حتی مهمتر می باشد اگر یکی از وابستگی ها میان عملیات صنعتی اجرا شده باشد.این
محتمل است برای مثال برای تکمیل کار قبل از شروع دیگری باشد.این بدان معناست که تاخیر کار
ممکن است باعث تاخیر در اجرای وظایف دیگر و احتمالا نتیجه اش در بخش زیادی از منابع تولید
بهره برداری نشده باشد.مهمترین اطلاعات مورد نیاز برای برنامه ریزی تولید دینامیک انلاین برای
ثبت اجراهایی است که اکنون در کارخانه صورت می گیرد.در این مسیر ما می توانیم پیشرفت کار
را تخمین بزنیم برای ثبت با این وجود پیشرفت جاری برای اجرای صنعتی ما نیاز به استفاده از
1)سرکارگر2)حسگر با فرکانس رادیویی(RF)3)عامل هوشمند4)شبکه های عصبی5)تحلیل فازی
6)تئوری پارتیشن بندی گراف داریم.در مورد اول مزایای اقتصادی توسط برنامه ریزی مناسب در
واقع هزینه های اضافی و بهره برداری از منابع انسانی بیشتر می باشد.در مورد دوم استفاده از
حسگر RF منحصر به کار مستقل پرسنل صنعتی است.علاوه بر این RF برای محیط های محدود
صنعتی مناسب است.از طرف دیگر عوامل برای برنامه ریزی تولید صنعتی بکار می رود که نشان
داده شده است.تحلیل شبکه عصبی ،توصیف فازی برنامه ریزی و تکنیک های پارتیشن بندی گراف
ابزار هوشمندی هستند که بر داده های حسی بکار می روند تا طرح برنامه ریزی کارامدی بوجود
اید.پیشرفت های اخیر در کامپیوتر و ماشین یادگیری جامعه دارای دوربین با ظرفیت هوشمند است
که قابلیت تشخیص استاتیک اشیا ،ردیابی اشخاص در حال حرکت را دارد.هدف این فعالیت تبدیل
صنعت به کارخانه هوشمند است که شخصی بصورت انلاین منابع تولید را برنامه ریزی کند.سیستم
های هوشمند نظارت ویدوئی به درستی نیازهای صنعتی را اصلاح می کند.مشکل اصلی برای
برنامه ریزی ان لاین برروی خط بصری مشاهده گردش های صنعتی ناشی از توزیع و ماهیت
ناهمگن از سنسورهای بصری است.دوربین در واقع در مکان های مختلف در یک صنعت قرار می
گیرد.از طرف دیگر نوع،فرمت و ویژگی های هر دو سنسور موضوع نا همگونی است.معماری
سرویس گرا(SOA)واسط های استاندارد و پروتکل هایی را تعریف می کند که به توسعه دهنده ها
اجازه می دهد تا ابزار اطلاعات را بعنوان خدماتی که مشتری می تواند بدون دانش ان به ان
دسترسی یابد کپسول دار می کند.بنابراین ابزار که قبلا تنها در دسترس متخصصان بود می تواند
برای همه در دسترس باشد.در SOA داده و عملکرد بازده ای هستند که وابستگی را میان درخواست
خدمات و فراهم کنندگان به حداقل می رسانند.
کارهای مرتبط:
برنامه ریزی ان لاین بصری مشاهده شده در گردش صنعتی موضوع تحقیق است که بصورت جامع
بررسی نشده است.این ناشی از حقیقت به رسمیت شناختن حوادث،کارها و گردش کار در محیط
صنعتی پیچیده است تصویب معماری سرویس گرای جدید SOA قادر به رسیدگی به ماهیت توزیع
شده در اجراهای صنعتی و عملیات است.کارهای متعددی در این مقاله برای پروسه ی صنعتی
برنامه ریزی صورت گرفته است اغلب ان ها مفاهیمی که از برنامه ریزی کارهای عملیاتی در
پردازنده های محاسباتی می ایند بهره برداری می کنند.با این وجود اختلاط ابزار دید کامپیوتر قادر
به درک واقعی اجرای فرایندهای صنعتی که محدود است می باشد.در بررسی سیستم های بصری
صنعتی برای تشخیص و شناسایی عملیات تولید ارائه شده است در حالیکه ویژگی های برجسته
،استخراج قادر به شناسایی کارهای صنعتی است.اخیرا کارهایی که اطلاعات توزیع شده را از
دوربین های مختلف بهره برداری می کند شبکه ای از حسگر ها را ارائه می دهد.ردیابی اشیا
بصری قبل از تشخیص مطرح شده است در حالیکه عوامل هوشمند برای ردیابی اشیا بصری استفاده
می شوند.نهایتا کار،وقایع برجسته را توسط دوربین بی سیم چندگانه که با هم ارتباط دارند تشخیص
می دهد.با این وجود در موارد زندگی واقعی بسیاری از دوربین های حسگر ناهمگن و توزیع شده
نیاز به توضیح شرایط جاری دارند درحالیکه صنعت اغلب در چارچوب مقیاس بزرگ است.معماری
سرویس گرا می تواند از این مسیر کمک کند SOA مطرح شده قادر به حمایت سیستم اطلاعات
صنعتی است.به طور خاص معماری ارائه شده می تواند مدیریت و فرایند تولید را تحت سرویس
گراهای رایج انجام دهد تا اینکه سطوح متفاوت قابلیت همکاری پشتیبانی شود.در این کار مولف
سرویس جدیدی را گسترش می دهد قادر به گروه بندی سرویس دینامیک برای بهینه سازی زمان
اجرا است بهره وری از معماری در زندگی واقعی بر کاربرد نرم افزار تصویربرداری پزشکی
مورد ازمایش قرار گرفت.عموما گردش های کاری صنعتی می تواند به گروه های زیر طبقه بندی
شود.تک و استاتیک،چندگانه،همزمان و استاتیک،یک گانه و دینامیک و چندگانه،همزمان و
دینامیک.دومین عبارت به ماهیت گردش کار اجراشده بر می گردد.در این مقاله ما با استاتیک کار
می کنیم.اما گردش کار صنعتی بطور همزمان است.مسیر دیگر طبقه بندی نوع محل است که
جریان کار اجرا می شود.مورد ما با گردش کار صنعتی می باشد.از طرف دیگر سیستم دیگر با
انواع دیگر گردش کار انجام می شود.برنامه ریزی دینامیک و مسیریابی یگانه خدمات صنعتی ارائه
شده است
همکاری مطرح شده:
در این مقاله ما زیرساخت سرویس گرای جدید را برای نظارت بر پروسه های صنعتی اجرا شده بر
مقیاس های بزرگ و تولید پیچیده را مطرح می کنیم.ثبت اجرای صنعتی بصورت خودکار با استفاده
از دوربین های توزیع شده و چند گانه با محتوای هوش بصری و با مکانیسم فهم صورت می
گیرد.سیستم مطرح شده قادر به فعالیت معنایی با منطقه بررسی شده از طریق مشاهده بصری
است.در ابتدا ما معماری سرویس گرای جدیدی را توصیف می کنیم که مسیر شفاف و یکپارچه و
سازگار را برای ذخیره سازی و توصیف و اجرا ارائه می دهد.معماری متکی به ابزار بصری
کامپیوتر است که قادر به مشاهده بصری است در این مسیرما بصورت خودکار می توانیم زمان
اجرای واقعی را برای پروسه تخمین بزنیم.الگوریتم بصورت خودکار داده جدید را برای تصویر
جاری انتخاب می کند عملکرد ردیاب کافی نیست.سپس روش تطبیق منحنی بخش به کل اجرا می
شود تا زمان تکمیل را برای اجرا براساس پروسه در حال پیشرفت تخمین زند.زمان تکمیل مورد
انتظار همراه با درخواست ان توسط کاربرد الگوریتم جدید برنامه ریزی می شود که هزینه تولید را
بهینه سازی می کند.دیدگاه حداکثر و اولین مزایا (MBF ) به حداکثر سازی یافته های کلی دریافت
شده بوسیله صنعت کمک می کند.برای بهترین دانش ما این اولین باری است که الگوریتم بصری
کامپیوتر و ابزار برنامه ریزی تولید ان لاین با معماری سرویس گرا اجرا می شود.1)ماهیت توزیع
شده و ناهمگن دوربین 2)برنامه ریزی توسعه تولید با موضوع دینامیک.این به منزله اصالت اصلی
این مقاله است.بعلاوه در این مقاله نواوری دیگری نیز وجود دارد که شامل 1)الگوریتم بصری
کامپیوتر بکاررفته برای تشخیص انسان است 2)تطابق منحنی جز به کل بدون انکه اخرین نقطه
منحنی مشخص باشد.این مقاله بصورت زیر سازماندهی شده است بخش 2 مشکلات را که ما حل
کردیم فرمول بندی می کنددر بخش مشابه معماری سرویس گرا ارائه شده است ردیاب در بخش 3
ارائه شده است در حالیکه بخش 4 روش تطبیقی برای تطابق منحنی جز به کل را ارائه می دهد
نهایتا در بخش اخر نتیجه گیری مقاله امده است.
معماری سرویس گرا برای برنامه ریزی انلاین گردش کار صنعتی:
در این بخش ما معماری سرویس گرا را برای برنامه ریزی گردش کار صنعتی در محیط با مقیاس
بزرگ توضیح دادیم.SOA مطرح شده بصورت دینامیکی در کار صنعتی صورت می گیرد.در
بخش 2.1 ما مسائلی را که حل کردیم فرمول بندی می کنیم
فرمول بندی مسائل:
همانطور که ما در بخش 1 بیان کردیم مشکل اصلی در صنعت برنامه ریزی کارامد مجموعه
کارهای درخواست شده برای منابع تولید در دسترس است این بدان معناست که اگر N در صنعت
اجرا شود ما می توانیم بصورت شایسته ان را به منابع در دسترس علامت گذاری کنیم برنامه ریزی
عملیات بوسیله محاسبه تنها شروع درخواست و نتایج زمان پایان در برنامه ریزی استاتیک است در
حالیکه شروع اجرای صنعتی عامل دیگری است که می تواند اجرا را به تاخیر بیندازد یا سریعتر
سازداین به معنای ان است که ما می توانیم بصورت ایده ال عملکرد برنامه ریزی را بهبود بخشیم
اگر هر زمان برنامه ریزی فعال شود پیش بینی برای زمان تکمیل می تواند صورت گیرداجازه دهید
جریان کاری M < N را بررسی کنیم.و باقیمانده M-N برای منابع در دسترس تخصیص دهیم.این
بدان معناست که شاخص I=1.2…..M به جریان کار اجرا برمی گردد در حالیکه I=M+1…Nبه
چیز جدید بر می گردد.ACI از طریق ابزار بصری کامپیوتر محاسبه می شود.ما همچنین فرض می
کنیم کخ هر جریان کار متشکل از مجموعه کارها است که می تواند در پایان عملیات انجام شود.قبل
از برنامه ریزی ما اگاه نبودیم که منابع این کار باید تخصیص یابد اما بعد از برنامه ریزی ما منبع را
می دانیم و ما نیاز به کنترل بصری کار برای تخمین زمان تکمیل ACI داریم.فرض کنیم که هر
جریان کار دارای مزایایی برای صنعت است در حالیکه هر تاخیر دارای مهلت DI است بنابراین
هدف ما برنامه ریزی جریان کار در مسیری است که مزایای کلی B و خسارت J احتمال حداکثر
است .تاخیر نتیجه اش در اثرات منفی است که بسیاری از عملیات صنعتی می توانند بطور قابل
توجهی به تاخیر بیندازند و وابسته به مدل تصحیح است Ti → R : max{C = B − J} (1)
TI عملیات صنعتی است در حالیکه R منبع می باشد.
معماری سرویس گرا:
در این مقاله برای مدیریت کارامد در زمان واقعی توزیع شده و ماهیت همگن حسگر بصری از
معماری سرویس گرا استفاده می شود.SOA ارزیابی محاسبه توزیع شده براساس طرح درخواست و
پاسخ برای کاربرد همزمان و غیر همزمان است.بنابراین در برخی معماری ها توسعه دهنده کاربرد
یا یکپارچه سازی سیستم می تواند سناریویی را برای سرویس ها بدون دانستن اجرای سرویس فراهم
سازد.دلایلی که ما در این مقاله SOA را انتخاب می کنیم کنترل رسیدگی به عدم تجانس سیستم های
عامل ،انواع حسگرها و نرم افزار سیستم است.تصویر 1 مولفه اصلی معماری SOA مطرح شده در
این مقاله را برای کنترل و برنامه ریزی جریان کاری صنعتی که توسط دوربین مشاهده شده است
نشان می دهد.هدف لایه ورودی توصیف جریان کار صنعتی و کارهایی است که متشکل از
چارچوب سازگار است که می تواند از هر ماشین ،حسگر و سیستم نرم افزار قابل اعتماد باشد.این
نوع وابستگی دارای محدودیت زمانی بر جریان کار اجرا است در این مقاله ما فرمت XML را
انتخاب می کنیم و ان را XPDLبرای توضیح ساختار جریان کار می نامیم .
تصویر1.مولفه اصلی معماری SOA مطرح شده برای کنترل بصری سرویس های صنعتی.
خروجی لایه گردش کار بعنوان ورودی لایه محک تغذیه می شود این لایه برای اجرای زمان واقعی
الگوریتم بصری کامپیوتر لازم است در این لایه ما به ارزیابی زمان واقعی و مدل افلاین می
پردازیم.این نقش محک است ما باید تاکید کنیم که محک مدل استاتیک است تنها با ویژگی گردش کار
در نظر گرفته می شود.تاخیر ساختاری یا فاکتورهای دیگر می تواند بر اجرای واقعی گردش کار
که محاسبه نشده تاثیر گذارد.محدودیت ظرفیت سرویس بصورت عکس WSRF مجموعه عملیاتی را
فراهم م یکند که وب سرویس ها می توانند در روش استاتیک اجرا شوند
ردیابی خود مقداردهی اولیه بشر از طریق مشاهدات بصری:
اولین مولفه نسبت به تخمین انلاین زمان تکمیل واقعی برای جریان کار صنعتی ردیابی بصری
کالاهای برجسته است.در این مقاله انسان اشیا برجسته است.
تصویر 2.معماری بازیابی ردیابی.
با این حال معماری تنها برای صحنه حرکت اشیا کافی است که مورد صنعتی ما نیست.مخصوصا
انتخاب داده در مناطقی قرار گیرد که با بهره گیری از عملکرد ردیاب قابل اعتماد باشد.در محیط
صنعتی با این وجود عملکرد ردیاب بارها منحرف می شود که ناشی از پیچیدگی صحنه و انسداد بالا
است.بنابراین الگوریتم انتخاب داده نمی تواند به نحو احسن دوباره با مقدار دهی اولیه ردگیری
شود.برای این دلایل در این مقاله ما روش را اصلاح می کنیم تا مدل انتخاب داده جدید برای محیط
صنعتی پیچیده مناسب به دست اید.معماری عمومی است و هر نوع ردیابی می تواند مورد استفاده
قرار گیرد با این حال در این مقاله ما فیلتر الگوریتم ردیابی ذرات را بکار می بریم.
تصویر3. عملکرد ردیابی مکانیسم خود بازیابی در نیسان.جعبه زرد موقعیت ردیاب است.
تصویر4.عملکرد ردیابی برای الگوریتم خود مقداردهی در نیسان جعبه زرد موقعیت ردیاب را نشان می دهد.
انتخاب داده مناسب برای محیط های صنعتی:
زمینه بطور رایج برای گروه تکنیک ها برای بخش کالاهای مورد علاقه بکار می رود.تکمیل
مجموعه زمینه می تواند بعنوان شی مورد بررسی قرار گیرد.ما مدل مخلوط گوس (GMM) را
برای ارئه محتوای زمینه انتخاب کرده ایم.بعلاوه پارامترهای مدل بصورت دینامیکی در این روش به
روز می شود.اگر پیکسل C(K) متعلق به زمینه BG یا FG باشد
P(0) به احتمال بر می گردد.فرض می شود که است در نتیجه و در شرایط کلی :
برای بدست اوردن دینامیک زمینه S به روز می شود.و پارامترهای GMMو نیز به روز
می گردد.
علامت T برداری است مولفه M ذخیره می شود وزن نزولی را نشان دهد.
همانطور که ما در بالا توضیح دادیم. وزنی است که هر مولفه را در مخلوط توزیع نشان می دهد.
اگر ما اکنون تاثیر نمونه های جدید را توسط تنظیم کنیم معادله 4a بدست می اید.
نمایش منحنی:
اندازه گیری انحنای بکاررفته برای ارائه پیچیدگی منحنی است.ما انحنای مطلق cr و هر ارکی را
نشان می دهیم.
بطور مشابه ما می توانیم انتگرال cr ازs1 تا s2 نشان دهیم.
این هنوز دارای مشکل است که ما قسمت های دو منحنی را باهم تطابق دهیم.در این مقاله ما تاثیر
مجموعه شروع را توسط مشتق طول ارک محدود ساختیم.
تطابق منحنی ها:
همانطور که در بالا بیان کردیم.مشکل اصلی در تطابق منحنی ان است که ما نقطه پایانی را نمی
دانیم.به جای ان ما فرض می کنیم که شروع هر دو منحنی از نقطه مشابه است در ابتدا ما فرض می
کنیم که نقاط منحنی بر هردو منحنی است ما بررسی می کنیم که این نقاط پیچیدگی هر منحنی را
نشان می دهد ما دو مجموعه نقاط ارائه شده برای هر منحنی را در نظر می گیریم.
سپس ضریب تطابق در میان این دو منحنی بصورت زیر تعیین می شود:
همانطور که روش بهینه در این مقاله برای یافتن نقاط مناسب انتخاب شده است از طریق این موارد
ما فرض می کنیم که tr درواقع مجموعه f است برای کاهش پیچیدگی ما فرض می کنیم که تنها نقاط
ارائه شده در مجموعه sf واریانس منحنی را توضیح می دهد.بخصوص اخرین نقطه بهینه f از
طریق حداقل رسانی زیر یافت می شود
تشخیص داده می شود که اخرین نقطه برای منحنی f مناسب است ما سپس می توانیم زمان اجرای
واقعی را از طریق منحنی tr تخمین بزنیم ما می توانیم بطور خودکار تاخیر یا دقت را در اجرای
جریان کار و بصورت خطی پیش بینی کنیم.
نتایج تجربی:
در این بخش ما به ارزیابی عملکرد پیشنهادی معماری SOA برای برنامه ریزی مناسب و دقیق
صنعتی گردش کار به منابع تولید در دسترس می پردازیم.برای بهبود بهره وری کارامد ما به
مشاهده عملکرد صنعتی از طریق کاربرد دوربین های حسگر توزیع شده در نقاط مهم صنعت می
پردازیم.پنج دوربین در ماشین کار گذاشته شده اند پایگاه داده جمع اموری شده شامل ویدئو 3 روز
کامل بوده است .تصویر 3 برخی ویژگی های عملکرد ردیابی را در محیط صنعت نشان می دهد این
الهام ما برای تطبیق استراتژی ردیاب برای توسعه کنترل بشری بصورت موثر است برای مطرح
کردن ماهیت خود مقدار دهی که ما در این مقاله ارائه کردیم می تواند عملکرد ردیابی نهایی را بهبود
بخشد.که در تصویر 4 ارائه شده است.با این وجود شواهد بیشتری برای فریم نمایش ششم و هفتم
وجود دارد.ما از تصویر 3 می بینیم که در الگوریتم این فاصله زمانی بطور قابل توجهی با شکست
مواجه می شود در حالیکه دیدگاه ما قویتر باقی می ماند.
تصویر 5. ارائه گرافیکی برای ردیابی فضایی بشر در کارخانه.منحنی تیره مطابق با ردیابی ایده ال است درحالیکه منحنی روشن از ردیاب می اید
نقطه ها در منحنی روشن تصویر 5 به انحنای نقاط اشاره دارد که برای ویژگی پیچیدگی منحنی بکار
می رود.همانطور که در بخش 4 بحث شده است در این نقاط منحنی تطابق صورت می گیرد.برای
ارزیابی استحکام الگوریتم تطابق منحنی مطرح شده ما برنامه ریزی 50 بار را فعال ساختیم.اول ما
بصورت دستی ردیابی را توسط تماشای ویدئو بررسی کردیم دوم ما بصورت خودکار تطابقات ر
ا بعنوان یافته ها توسط الگوریتم تطابق منحنی با مرجع یافته ها از طریق بررسی دستی بررسی
کردیم.برای انحرافات بیشتر ما منحنی تطابق را بعنوان افزایش خطی و نامناسب بررسی کردیم در
ادامه ما عملکرد الگوریتم برنامه ریزی MBF مطرح شده را مقایسه کردیم.برای این هدف ما در
ابتدا دیدگگاه برنامه ریزی را توسط استفاده از نمونه ها ارزیابی کردیم.ما برنامه زمانی را به
10 واحد تقسیم کردیم و ما 1000 گردش کار را در کل ایجاد نمودیم.زمان شروع و پایان عملکرد
بصورت واحد با سه زمان توزیع شده اند ما مهلت ارسال را برای هر عملکرد 20%زمان اجرا در
میان زمان پایان در نظر گرفتیم.ما هر عملیات تکمیل شده را قبل از مهلت ان بررسی کردیم.این
بدان معناست که هزینه منفی می تواند ناشی شود.تصویر 6 برنامه ریزی موثر ایجاد شده توسط
کاربرد الگوریتم MBF را با تعداد عملیات متعدد نشان می دهد.این معادل عدم استفاده ابزار بصری
کامپیوتر است به تقلید اثرات ابزار بصری کامپیوتر ما فرض می کنیم که تاخیر بر 80% عملیات
اجرا شده است که واحد های توزیع شده میان زمان پایان درخواست و اجرای 100% ان است.نتایج
زمانی بهتر می شود که ابزار بصری کامپیوتر مورد استفاده قرار گیرددر این نتایج ایجاد گردش
کاری تصادفی تراکم احتمال گوس انحراف استاندارد عملکرد های متفاوت را نشان می دهد در مقابل
برای مقادیر بالاتر انحراف استاندارد جریان کاری تصویب شده در مدت زمان توزیع برای افزایش
بازده بیشتر صورت می گیرد.
تصویر6.برنامه ریزی عملکرد با استفاده از الگوریتم MBF مطرح شده با یا بدون ابزار بصری کامپیوتر
نهایتا ما بهره وری برنامه ریزی بصری کامپیوتر را براساس معماری SOA در اتومبیل نیسان
ازمایش کردیم.هدف برنامه ریزی بصری گردش کار در تولید منابع در دسترس بوده است.از
انجاییکه ما از مزایای اقتصاد هر گردش کار و غرامت ناشی از تاخیر اگاه نیستیم ما دو نوع سود
اقتصادی را بکار می بریم.مقادیر بالا برای عملیات مهم و نوع کمتر برای اهمیت های کمتر.پیچیدگی
محاسباتی الگوریتم برنامه ریزی مطرح شده بسیار کم است الگوریتم برنامه ریزی شده می تواند
برای انتخاب منابع مناسب اجرا شود.البته طرح براساس تکنیک اکتشافی و تقریبی از راه حل بهینه
برای تمام موارد است که می تواند تنها بوسیله کاربر مکرر روش استفاده شود.
نتیجه گیری:
معماری سرویس گرا(SOA)دیدگاه طراحی برای سازماندهی تکنولوژی اطلاعات موجود در مسیری
است که اجازه ی ناهمگونی پیچیده سیستم توزیع را می دهد.SOA این اطلاعات را کنترل می کند
بنابراین SOA به سازماندهی و تولید ارتباط قویتر با مشتری و پشتیبان کمک می کند در این مقاله ما
معماری جدیدSOA مناسب برای عملکرد صنعتی را ارائه کردیم.هدف این طرح پذیرفته شده برنامه
ریزی کارامد برای گردش کار صنعتی در منابع تولید در دسترس است.نواوری طرح پذیرفته شده
شامل 1)محکی است که قاد ربه دسترسی به زمان مورد نیاز برای اجرا و تضمین اجرای زمان
واقعی است.2)کاربرد سیستم کنترل بصری کامپیوتری جدید است که اجازه فعالیت انلاین و رویداد
استخراج بر کار برجسته را می دهد.ماهیت مقدار دهی خودکار ردیاب در این مورد برای کنترل
پیچیدگی بصری سابقه در کارخانه صنعتی مورد نیاز است.الگوریتم تطابق جز منحنی جز به کل
برای ردیابی با نوع ایده ال مطرح شده است نتایج نشان می دهد که ردیاب خود مقدار دهی مطرح
شده روش ردیابی معمول بهتری است بعلاوه استحکام تطابق منحنی مطرح شده معلوم است.نهایتا
برنامه ریزی MBF دیدگاه اکتشافی است که بنظر می رسد به خوبی کار می کند مدل های شبیه
سازی شده شامل حداکثر سود اقتصادی صنعت است.مدل های شبیه سازی شده می تواند برای فراهم
کردن زمان واقعی پیش نمایش مجازی برنامه ریزی بکارروند.ابزار شبیه سازی می تواند حاوی مدل
های پیچیده برای کنترل حرکت عوامل مخصوصا برای شرایط صنعتی زندگی واقعی مانند بررسی
های این مقاله باشند.
منابع:
مطالب مشابه :
اطلاع از نمره منفی و جریمه و خلافی خودرو و دریافت شناسه قبض و پرداخت جریمه با تلفن همراه
اطلاع از نمره منفی و جریمه و خلافی خودرو و دریافت خودرو (نوشته ی و از طریق اینترنت و
خوردگی داغ
خلافی آنلاین/استعلام خلافی خودرو از طریق اینترنت. شرایط اسیدی درنمک بوسیله انحلال
رزومه محمد یوسفی پور
خلافی آنلاین/استعلام خلافی خودرو از طریق اینترنت. از آکادمی برنا بوسیله استاد محمد
نمونه آزمون فنی حر فه ای سوالات درسpt آزمایش مایعات نافذ آزمایشات غیر مخرب
خلافی آنلاین/استعلام خلافی خودرو از طریق اینترنت. بعد از مرحله ظهور عیوبی که بوسیله ترک
فهم بصری گردش کار صنعتی تحت خطای تخمینی بر معماری سرویس گرای توزیع شده:
ارائه دهنده اینترنت پرسرعت و شده بوسیله صنعت کمک می استعلام و پرداخت خلافی خودرو ;
سیستم اور درایو چیست ؟
استعلام اینترنتی خلافی خودرو. انتقال وجه "کارت به کارت" از اینترنت. این سیستم بوسیلهی
انواع سیستم های ترمز ( ABS و EBD) و پایداری خودرو ESP
و پایداری خودرو استعلام اینترنتی خلافی کنترله که بوسیله نرم افزاری و در
فناوری اطلاعات و چالش های ظهور و توسعه آن
ارائه دهنده اینترنت پرسرعت و بوسیله مطالعات استعلام و پرداخت خلافی خودرو ;
سیستم سوخت رسانی انژکتوری... واحد کنترل الکترونیکی ECU :
استعلام اینترنتی خلافی خودرو. کارت" از اینترنت. رسانی بوسیله رگلاتور فشار کنترل
شبیه سازی (ژنتیک)
رزنت ارائه دهنده خدمات اینترنت و مولکولی dna بوسیله آزمایش خلافی خودرو ;
برچسب :
استعلام خلافی خودرو بوسیله اینترنت