کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5470530 1519291 2017 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Operation Mode Study in Cloud Manufacturing Ecosystem
ترجمه فارسی عنوان
مطالعه حالت عملیات در اکوسیستم تولید ابر
کلمات کلیدی
اکوسیستم تولید ابر، تصمیم سازی، حالت کاربری، تکامل اکوسیستم، شبیه سازی مبتنی بر عامل،
ترجمه چکیده
با تولید ابری و داده های داده های به اشتراک گذاشته شده آن، مدیریت چرخه عمر منابع انبوه توزیع شده را می توان به عنوان یک اکوسیستم درنظر گرفت، که هر سازنده تصمیمات خود را به اطلاعات غنی شده بستگی دارد که بر چرخه زندگی منابع و دولت های کل صنعت. در این مقاله، یک حالت عملیاتی اصلی با سه پسوند برای توصیف چرخه حیات هر منبع ارائه شده است. یک مدل مبتنی بر عامل برای شبیه سازی حالت های اکوسیستم از همان ابتدا طراحی شده و نتایج نشان می دهد که اکوسیستم دارای: 1) طول دوره صفر کار کوتاه و نرخ بیکاری پایین تر با حالت انکوباسیون؛ 2) طول کوتاه صف شغل کوتاه و مقدار کمتر منابع ثبت شده با حالت برون سپاری؛ 3) کمترین مقدار منابع ثبت شده، اما میزان بیکاری منابع کمی بالاتر از حالت متابولیسم.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
پیش نمایش مقاله
مطالعه حالت عملیات در اکوسیستم تولید ابر
چکیده انگلیسی
With cloud manufacturing and its shared big-data, the life-cycle management of the massive distributed manufacturing resources can be considered as an ecosystem, in which every entity makes their own decisions depend on the enriched information, which will affect the life cycle of the resources and the overall industry states. In this paper, an original operation mode with three extensions are proposed to describe the life cycle vicissitude of each resource. An agent-based model was designed to simulate the ecosystem modes from the very beginning, and the results show that the ecosystem has: 1) shorter job queue length and lower resource idle rate with incubation mode; 2) a little shorter job queue length and fewer amount of registered resource with outsourcing mode; 3) the fewest amount of registered resource but a little higher resource idle rate with metabolism mode.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia CIRP - Volume 61, 2017, Pages 347-352
نویسندگان
, , , ,