基于区块链的大规模定制框架在工业4.0应用中的优化生产管理

工程科学与技术，国际期刊36（2022）101151基于区块链的大规模定制框架使用优化的生产管理用于工业4.0应用Hasan Yetisa，Mehmet Karakosea，Nursena Bayginb，a土耳其埃拉泽市费拉特大学计算机工程系b土耳其卡尔斯卡夫卡大学计算机工程系阿提奇莱因福奥文章历史记录：收到2021年2022年2月1日修订2022年3月16日接受2022年3月31日在线提供保留字：工业4.0大规模定制能效区块链A B S T R A C T客户希望体验适合他们个人喜好的独特产品。因此，公司正在寻找通过摆脱传统生产模式来生产个性化产品的方法。区块链、物联网和网络物理系统等技术在采用个人定制生产模式方面发挥着重要作用。在这项研究中，提出了一个可靠的和优化的大规模定制框架。该框架有三个主要贡献。首先，区块链的使用在数据持久性、可追溯性、透明度和可靠性方面提供了优势。其次，通过使用人工智能方法优化生产过程。提出了一种决策支持机制，为客户谁将下订单。作为贡献的组合，所提出的大规模定制框架涵盖了从订货到生产的过程。除了诸如便利的定制和可靠的数据等贡献之外，所提出的框架还增加了生产中的节能仿真结果表明，实现了10%至47%的节能。©2022 Karabuk University. Elsevier B.V.的出版服务。这是CCBY许可证（http://creativecommons.org/licenses/by/4.0/）。1. 介绍技术的发展影响了该行业与其他领域[1]。前四次工业革命分别通过在机械化上使用蒸汽动力、在生产线上使用电力、在自动化系统上使 用 微 处 理 器 以 及 在 第 四 次 工 业 革 命 期 间 使 用网 络 物 理 系 统（CPS）和物联网（IoT）来实现。今天，工业革命是通过在各个行业使用区块链技术来实现的。技术引发工业革命的影响如图1所示[3]。当大规模生产模式在早期工业时代很常见时，一种产品被大量生产[4]。随着新的工业概念，生产过程变得比以往任何时候都更加灵活，消除了生产线上产品数量有限的缺点[5]。这种发展使得大规模定制成为现实*通讯作者：Kafkas University，Engineering and Architecture Faculty，Computer Engineering Department，36000 Kars，Turkey.电 子 邮 件 地 址 ： hyetis@firat.edu.tr （ H.Yetis ） ， mkarakose@firat.edu.tr（M.Karakose），nbaygin@kafkas.edu.tr（N. Baygin）。本文的工作是在Nursena Baygin的博士论文“为工业5.0平台开发基于区块链的智能大规模定制方法”的范围内进行的论文导师穆罕默德·卡拉克瑟。[6]。大规模定制是一种生产方式，在这种生产方式中，客户根据他/她的需求定制产品后才实现生产[7]。与大规模生产不同，大规模定制是先销售产品，然后再生产。这种生产方法允许客户在产品中拥有他们想要的东西[8]。另一方面，它对公司也很有用，因为它消除了库存积压问题[9，10]。但是，从下订单到拿到产品之间的等待时间是大规模定制对客户的最大缺点之一[11]。因此，生产设施的设计应能以最快的方式响应大规模定制这是可能的CPS[12，13]今天，大规模定制的最常见的水平是按订单生产，它允许公司通过组合先前制造的模块来生产独特的产品用户的要求[14]。今天，戴尔、耐克和MyMuesli等领先公司都在实践按订单生产的大规模定制化[7]。定制和个性化之间最重要的区别是数据输入和谁进行更改。在个性化方面，公司根据客户的要求使用数据对产品进行更改。在定制中，客户根据自己的需求在公司定义的选项中进行选择[15]。虽然控制是在该公司在https://doi.org/10.1016/j.jestch.2022.1011512215-0986/©2022 Karabuk University.出版社：Elsevier B.V.这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestchH. Yetis，M.Karakose和N.巴伊金工程科学与技术，国际期刊36（2022）1011512表1关于大规模定制，优化和区块链的最新研究关键贡献年份技术参考工业4.0中传感器网络收集的大数据的监测和分析确保多医院提出了现代供应链系统中的动态车辆路径问题2021工业4.0[24]2021区块链[25]2021优化[26]在订单发起、服务、支付和仲裁方面2020财团区块链[27日]基于Kano模型影响客户决策的降低客户需求成本并平衡所花费大规模定制供应链瓶颈识别与模块化系统2020卡诺模型[28]2020优化[29]2020优化[30]Fig. 1.工业革命[5]。个性化，定制是在客户。个性化存在挑战，例如依赖性，数据隐私和复杂性[16]。另一方面，集中化、标准化的定制生产模式，使产品的生产能力受到限制，不能满足市场需求。[17]第10段。随着全球市场和数字经济时代的到来，合作工作模式预计将增加此外，工业4.0质量的提高也可以在更先进的新技术的整合中实现[18，19]。然而，一些限制因素阻止了协作工作模式变得更加普遍。这些问题包括当事方之间难以达成协议，基于区块链的模型，将确保生产系统中使用的物联网设备的安全性和网络物理系统一种以客户为导向的生产模式，在这种模式下，软件、硬件和服务等组件在制造部门面向客户-业务集成的开放式制造理念与产品信息模型消除供应链计划中大规模私有化的矛盾提高合作者的利益水平2020[31]第三十一话2018区块链[32]2018区块链[33]2009优化[34]客户要求，合作者没有类似的政策（不同国家的商业法律通过区块链提供的智能合约，可以预见将在全球范围内接受的协议将得以实现[20]。他们可以有一个类似的政策，由于确定的规则和批准他们之间的双方与本协议，这是完全实现之间的各方[21]。此外，由于其分散的结构，区块链使交易能够在不需要第三方的情况下凭借其加密和consensus算法，它提供了一个协作结构以及数据安全性[22]。其可追溯性的特点使各方对产品信息的后续行动充满信心它还为大规模定制所需的客户-制造商交互提供了平台。总之，区块链通过共识、不变性、安全性和智能合约提高了系统的效率[23]。相关文献研究见表1。如表1所示，优化和区块链是大规模定制研究中的两个不同主题。随着工业4.0工业革命的发生，一种新的范式发生了变化，包括智能和机器连接[bb]。这种模式得到CPS和物联网技术的支持CPS将物理世界中实现的生产模型移植到虚拟环境中。因此，通过处理生产数据获得物联网使用这些信息将其传输到互连的组件。这就揭示了智能工厂的概念[35]。智能工厂在面对不断变化的条件时具有非常灵活的结构[36]。凭借这些功能，他们支持个性化的生产模式。新的范式需要采用增材制造技术来满足产品需求[37]。标准程序不允许客户访问物理和计算机辅助生产过程[36，38]。此外，在传统的MC生产模型中，人与人之间的数据传输机器是不够的[39]。这使得客户和制造商对是否纳入MC生产模式犹豫不决[40]。这此外，由于MC系统具有非常动态的结构，因此它们需要优化方法[41]。我们提出了一项研究，其中区块链，优化和决策支持系统一起使用来解决这些问题。文献中没有涵盖从订购过程到生产过程的研究[42]。本文旨在回答以下相关问题：RQ1：如何将区块链融入大规模定制？RQ2：区块链能否解决大规模定制生产模式中各方之间的互动、合作和信任问题RQ3：是否有可能为基于大规模定制的工厂获得更多的能源和时间效率的RQ4：从其他客户匿名收集的数据是否可以综上所述，本文提出了一个基于区块链的大规模定制框架。 本研究的动机和贡献可以概括如下：大规模定制的最重要的标准之一是达到客户的要求和生产的产品符合客户通过克服各种困难，达到客户需求，在这项研究中，我们建议将制造业的参与者聚集在一起。为此，我们强调了大规模定制产品生产所需的协作环境，并研究了区块链的适用性。●H. Yetis，M.Karakose和N.巴伊金工程科学与技术，国际期刊36（2022）1011513通过创建智能合约，我们提供了一个可以用“时间戳”监控的受控报价此外，我们提出的这种方法提供了一个分散的平台，允许在没有第三方批准的情况下进行交易。因此，获得了更可靠和可追溯的过程。为了在大规模定制环境下提供节能生产，将优化方法集成到所提出的大规模定制框架中。由于该方法，除了节能生产外，预计客户的等待时间将随着生产时间的减少而减少。利用大规模定制订单提供的数据，采用数据挖掘方法对客户习惯进行了研究。代替使用严格的市场调查方法，如surveys，已经提出了一种方法来研究客户习惯，以获得更准确的结果[44]。从而为不确定产品规格的客户提供决策支持机制。2. 区块链概述区块链被定义为一种分散的数据库技术，它是防篡改的，并确保许多用户之间的一致交易。研究表明，区块链可以减少问题通过向所有参与者均匀地呈现经验证的交易来消除不信任和怀疑。它还允许用户通过提供数据访问机制和共识来管理和监控网络移动。区块链以其可靠的结构，通过在健康，金融和工业等许多领域提供创新，增加了其受欢迎程度[45]。此外，它以其可扩展性、可追溯性和可持续性吸引与古典制度不同，它具有革命性，其特点是消除中央权威[46]。这一优势有望从根本上改变需要可靠第三方的经济和社会模式。2.1. 区块链的结构交易：这是指区块链中的每笔交易。区块：指记录交易的区域。例如，区块链中的第一个区块被称为生成区块。节点：指网络上的每个设备。有两种类型：全节点和光节点。时间戳：它提供了在数字环境中创建和修改文档的可追溯性。分类帐：这是记录网络上所有交易的分类帐。所有节点都存储它。密码学：用于在受到攻击时保护网络。加密有两种类型：对称和非对称。共识：这是授权网络中所有节点的协议。2.2. 区块链的工作区块链有一个记录各种过程的分类账。想要启动事务的节点保存数据并将其发布到网络。接收数据的节点会质疑数据的准确性如果数据被确认，则将其保存在块中。网络上的所有节点通过将工作量证明算法应用于需要身份验证的块来验证该过程。网络使用的共识算法将数据存储在添加到区块链的块中。并且网络中的所有节点都注册该块。2.3. 区块链的好处透明度：网络上的所有用户都可以验证每个操作，并将其保存在一个恒定的记录下。可靠性：所有用户都可以监控每笔交易。因此，所有交易都是根据用户的知识进行的。此外，网络还受到加密算法的保护，以免受攻击。不可变性：区块链中的交易存储在块中，每个块都被加密和存储。任何用户都不能更改块。这可以防止恶意攻击者访问和更改网络上的数据可追溯性：区块链通过其分布式和透明的结构可以轻松监控每一笔交易。每个交易的所有阶段都可以从初始阶段到最终阶段进行跟踪。去中心化：在中心化系统中，网络由一个人管理，但在区块链中，交易由用户的共识验证。因此，系统保护由网络上的所有用户执行3. 拟议框架大规模定制是一种难以管理的生产模式，包含管理供应、管理订单流程、管理制造和管理交付等问题[47]。在大规模定制中，工厂与供应商、客户和其他代理商（如发货）的沟通非常重要。此外，数据的透明度和可靠性也是需要考虑的其他因素。由于大规模定制的目标是在大规模生产线上生产定制产品，因此订单和生产系统除了可靠外，还必须尽快响应高需求。除此之外，大规模定制还需要一个用户友好的产品定制界面。在这项研究中，我们提出了一个可靠的，优化的，用户友好的大规模定制框架.在所提出的大规模定制框架中使用区块链在数据持久性、可追溯性、透明度和可靠性方面提供了优化过程体现在CPS的网络层中。并利用大规模定制生产中提供的数据，拟议框架的贡献如图所示。 2与一个例子- ple基于CPS的大规模定制生产设施。下文详细介绍了这些贡献，并附有小标题3.1. 区块链整合在传统的应用中，用户通过讨论成本、生产过程、材料和设计等问题来决定最合适的然而，这是非常耗时和昂贵的。此外，还遇到了诸如在交付中没有所需产品和延长采购过程等问题这里的主要问题源于在生产和销售过程中缺乏个人沟通。作为这个问题的解决方案，我们提出了一个场景，在这个场景中，区块链和系统中的所有个人都在一起，他们的权利受到保护。通过区块链提供的智能合约，可以确保在不需要第三方中介的情况下执行交易来降低成本此外，通过智能控制自动管理交易●●●●●●●●●●●●●●●●●●●H. Yetis，M.Karakose和N.巴伊金工程科学与技术，国际期刊36（2022）1011514图二. 一个基于MC的生产设施的例子和所提出的框架的主要贡献。tracts防止可能的错误。通过分布式机制，这是区块链的另一个特征，通过将数据保存在所有各方之间来防止数据丢失。此外，区块链的可追溯性和透明度特征提供了一个重要的优势，可以提供商业交易所需的信任环境。所提出的流程的一般流程图在图中给 出 。3.第三章。如图所示，客户首先图三. 智能合约的总体流程图。创建一个智能合约。然后客户提供有关他想要设计的产品的详细信息。智能合约向研究工程师发送请求用于产品研究。如果工程师收到批准，则向智能合约提供确认消息。否则，客户将得到不适合生产的订单信息。工厂生产适合生产的产品。产品制造信息被发送给客户，并且通过智能合约从客户接收产品价格。然后由制造商将产品发送给客户。产品到达客户后，发送产品价格到制造商的账户。从客户接收的关于产品的信息被发送到智能合约并与制造商共享。这部分研究旨在通过使用区块链技术的分布式数据存储，点对点通信，共识，加密和智能合约功能来加速和保护订购过程在使用区块链时，实现了以下贡献通过区块链的加密基础设施，可靠性，对参与者授权的可访问性，以及对参与者批准的交易的验证参加者可直接在平台上提出要求，缩短轮候时间客户的设计和要求以不可更改的方式记录。利用区块链的“时间戳”特性，确保产品信息的可追溯性3.2. 基于区块链在大规模定制生产模式下，消费者与服务提供商之间的沟通与合作是一个重要的问题. 目前的研究表明，在信任的环境中，●●●●H. Yetis，M.Karakose和N.巴伊金工程科学与技术，国际期刊36（2022）1011515合作是无法实现的。在这项为此目的而进行的研究中，区块链技术被用来确保合作和信任。区块链提供了一个在线平台，利益相关者受到类似政策的约束。如图4所示，当用户请求个性化产品时，该过程开始。根据这一要求，从研究工程师、供应商和制造商处获得信息。 如果所有利益相关者都批准，则产品将被纳入生产过程。通过这种方法，我们建议用户和服务提供商在同一个环境中走到一起，所有利益相关者都参与产品生产过程。3.3. 优化大规模定制生产过程今天，产品的范围通常是通过模块化生产实现的[48]。在模块化生产中，生产环境中的配置与独特类型产品的数量一样多样化。每个单元由执行器组成。因此，对于每种产品，必须根据所选选项设置执行器的配置。根据生产环境的不同，在配置之间进行切换可能会在能源和时间等标准方面造成高昂的成本。例如，假设接受订单的顺序如图5（a）所示，并且所有组件的状态转换成本相等且为1。在这种情况下，生成所有订单所需的配置将发生更改在图5（a）中标记了队列。当生产根据订单时间进行时，成本为12个单位。但是，我们可以以更低的成本生产同样的订单。在图5（b）中，我们可以看到订单被重新排序以最小化状态转移成本。在新的情况下，所有订单的生产成本仅为9个单位。这意味着大约25%的能量增益。对于n个订单的数量，有n！处理这些订单的不同方式。表2中给出了所有组合的漫游所用时间。从表2中可以看出，由于数据量随着时间的增加，计算所需的时间呈指数级增加。将生产单元从一种状态切换到另一种状态可能会导致能源或时间方面的不同成本。这些代价可以用一个矩阵的形式来表示，这个矩阵叫做状态转移矩阵。表3中给出了具有三个选项的组件（C1，C2）的示例状态转换矩阵。该表不必是对称的，因为从X到Y的转换和从Y到X的转换的成本可能会有所不同。在状态转换表中，行表示当前状态，而列表示将切换到的状态。在实际操作中，所有订单都可以在一定的时间段内进行排序，选定的订单可以投入生产。然而，通过这种方式，提前下的订单可以在更晚的时候生产。而且，以这种方式解决的优化问题将更加复杂。为此，建议在优化前根据到达顺序将订单划分为大小为N的子订单。通过这种方式，缩小了搜索空间，并且解决了早而且生产时间可以预估，可以提前通知客户因为优化过程是在彼此靠近的订单之间执行的，所以在计算成本函数时不需要考虑客户等待该过程的框图如图所示。 六、随着全球市场和数字经济时代的到来，合作工作模式预计将增加然而，有几个限制因素阻止了协作工作模式变得更加普遍.这些问题包括各方之间难以达成协议、难以访问客户请求、合作者没有类似的政策（国家之间的商业法律通过区块链提供的智能合约，可以预见将在全球范围内接受的协议将得以实现[20]。他们可以有一个类似的政策，由于确定的规则和批准他们之间的双方与此协议，这是完全实现之间的各方。此外，凭借其分散的结构，区块链使交易能够在不需要第三方的情况下进行凭借其加密和共识算法，它提供了一个协作结构以及数据安全性[22]。其可追溯性的特点使各方对产品信息的跟进充满信心它还为大规模定制所需的客户-制造商交互提供了平台。目标是实现将所有单元从前一状态移动到下一状态的最小成本。首先，由于相同订单之间的状态转换为零，因此相同订单将被视为单个订单然后确定费用函数，用遗传算法搜索最优解设N为分割阶的子阵列大小，例如，工厂的最大日生产能力。取订单列表中的前N个订单，并对其应用优化如果少于N个订单，则接受所有订单状态转移矩阵用于计算成本。具有M个分量的N阶数所需的成本计算如（1）中那样进行，其中Kij是第i阶的第j个分量，Tj是第j个分量的状态转移矩阵。N MC¼XXTj½Ki-1j;Kij]11/2第1页见图4。 基于区块链的大规模定制进展。进行时间成本分析的情况变得有点复杂。如果生产线的速度低于组件移动到新状态的速度，这不会为时间转换产生额外成本。在这种情况下，成本函数由（2）给出计算，其中L是用于将生产带滑动一个单位的经过时间。H. Yetis，M.Karakose和N.巴伊金工程科学与技术，国际期刊36（2022）1011516.- 是 的Σ¼¼¼PK;K 联系我们miNJI¼j¼J吉吉IJm¼1P.P.n/m² 1图五、考虑报价的顺序，（a）根据所花费的时间，（b）根据优化的顺序。表2不同解决方案的数量。订单计数排列经过的时间（秒）Inc.率详细内容[49]然后计算所有不同组合的得分值。表4的评分见表5。677205.0400.0045850.020192–4,4但是，当问题的规模增加时，com的数量合并也增加了。例如，如果每个组件有七个组件840.3200.1022705有十种选择，有10.000.000种不同的组合，9362.8800.6718336,5分析了因此，在这项研究中，使用遗传算法，而不是联系我们0;elseð2Þ一个接一个地检查所有的密码对遗传算法进行调整，以找到具有最大得分的组合。当只有用户选择的规格被纳入流程时，未选择模块的建议将显示给客户。这样，决策支持机制是有利的，二氧化碳M1TK;K-Lωfij如表2所示，由于数据增加而导致的计算复杂性的增加是一个具有挑战性的问题。必须在可接受的时间内产生适当的解决方案。这部分研究的目的是计算一个成本较低的生产队列在可接受的时间内的排序。因此，必须运行诸如遗传算法的优化方法。3.4. 决策支持机制大规模定制订单数据对于客户偏好的调查也是有价值的文献[49]中提出了一种使用暴力算法的方法。然而，所提出的方法变得耗时的数据的数量或模块的数量的增加。在这项研究中，建议使用优化方法，而不是寻找所有值之间的最佳解决该方法首先计算各分量的置信度该值如（3）中那样计算，Sn是第n个分量，P是重复的总次数。PAND Kmi; KnjP SmKmi&&SnKnjP OR.K mi; K njp.Sm<$KmijjSn<$Knj为客户定制。3.5. 仿真结果提出的优化和决策支持方法进行了模拟验证。所有的仿真都是在Windows 10、i7 7200 M处理器和12 GB RAM的计算机上使用MATLAB完成的。由于遗传算法的结果可能会因初始种群而异，因此所有场景都要测试三次并取平均值。作为子阵列大小的N被选择为1，000、10，000和100，000。综合地产生具有子阵列大小的阶。单位转换成本被确定为等于1。假设每个组成部分有10个选项。采用排列编码遗传算法对生产过程进行优化。首先将待排序的数据转换为相同的数据。这是通过删除重复的命令来实现的。因此，如果可以生产的唯一产品的数量低于子阵列大小，则工作的性能将受到可以生产的唯一产品的数量的影响（A = N）。A值表示基因的长度设A = 8，则示例个体如图所示。7.第一次会议。不同的参数的影响进行了研究，使用样本的情况。首先计算不同种群规模在不同迭代中的增益，选择种群规模; 为此，使用了包含5个组件的1，000个订单数据当这些F. Kmi;KnjPAND. Kmi;Knj<$ωPAND<$Kmi;Knj<$ð3Þ订单按订单来的顺序处理，成本是4498。分数<$PjSj-1PjSjFKmi;Knj优化的结果和性能在表6中给出。根据计算结果，当迭代次数为lim-然后，对于所有组件和选项，计算FKmi;Knj值。在表4中，给出了样本的F矩阵该表是通过使用前面工作中的实例创建的。读者可参考然而，观察到群体大小对结果的影响更大。因此，在正在进行的实验中，种群数量确定为60。第二，进行了测试，表3C1的转换矩阵示例 C 2。C11C12C13C21C22C23C11023C21012C12301C22103C13210C23320103.628.8004.1492236,21139.916.80053.8689613F. 1;L

下载后可阅读完整内容，剩余1页未读，立即下载