供应链管理的集成微服务框架与语义注释的实现 - 2019 ICTExpress ScienceDirect George Kou...

⃝可在www.sciencedirect.com在线获取ScienceDirectICTExpress 5（2019）141www.elsevier.com/locate/icte一个基于微服务的框架，用于集成物联网管理平台，语义和AI服务，用于供应链管理George Kousiourisa，Boga，Stylianos Tsarsitalousa，Evangelos Psomakelisa，StavrosKoloniarisa，Cleopatra Bardakib，Konstantinos Tserpesa，Mara Nikolaidoua，DimosthenisAnagnostopoulosaa雅典Harokopio大学信息和电信系，Omirou 9 Str.，希腊雅典b雅典经济和商业大学ELTRUN电子商务研究中心，Evelpidon 47和Lefkados 33 Str.，希腊雅典接收日期2019年4月5日;接受日期2019年在线提供2019年摘要随着物联网和云等技术的使用，跨越制造，生产和分销的范围，典型的供应链管理（SCM）系统依赖于多种服务的支持。本文的目的是提出 一个集成的系统微服务架构和实现，消费和语义注释来自在线系统的数据馈送，同时执行后处理任务，如供应链监控，货物位置分析和估计延迟。合适的应用程序代码编程通过直观的工作流编程为基础的结构也被注入，而该方法是通过一组部署方案进行验证。c2019韩国通信与信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：物联网;供应链管理;云计算;语义;微服务1. 介绍随着物联网（IoT）的出现，出现了与货物配送和供应链的实时监控、管理和优化相关的新机会和能力。Gartner将人工智能（AI）、物联网和预测/规范分析列为2018年最重要的供应链技术趋势[1]。新的功能包括基于云的服务，软件即服务产品管理系统，可以通过嵌入在产品上的智能传感器来强制监控事物（这些产品的实例），能够被扫描并提供温度，湿度和位置等信息[2]，同时能够定义警报的条件规则。利益相关者。包括智能传感，通信和集中式云分析在内的技术组合已被设计用于解决与工业和农业用例中敏感商品状态的发现和监控相关的问题[3，4]。数据中心∗ 通讯作者。电子邮件地址： gkousiou@hua.gr（G. Kousiouris）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2019.04.002这也是一个重要特征[5]。通过这些解决方案，企业可以减少对复杂供应链中发生的情况缺乏足够信息的情况，从而优化风险评估和可持续供应链管理战略。然而，从实践的角度来看，这些组合是非常具有挑战性的，因为所涉及的IT系统的多样性和技术上的无法合并和推理以语义上有意义的方式处理所提供的数据。虽然全球化有助于增加供应商之间的竞争，并应确保为公司提供更好的供应条件，但与管理全球供应链相关的复杂性、适应需求和风险的增加可能会抵消这些好处。通过流程和信息集成实现的敏捷性是优化供应链管理的最大贡献者之一[7]，以及新技术的整合和对工厂需求和流程的适应[2]。本文的目的是提出一个基于微服务的系统架构和实现（即Afec-tUs框架）（第3节），其目标是轻松集成和部署（通过单击部署过程）2405-9595/2019韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。142G. Kousiouris，S.Tsarsitaleidae，E.Psomakelis等人/ICT Express 5（2019）141供应链管理系统的各种关键要素的集成（第4节）。系统元素包括用于基线数据馈送的外部物联网管理平台、旨在注释传入数据的语义服务（丰富了专门的本体，但与最终用户解耦）以及用于检测注释馈送中的异常条件的人工智能机制。第5节介绍了对其操作进行的测量，而第6节总结了论文。2. 相关工作为复杂的供应链管理（SCM）系统定义系统架构的相关工作出现在[8]中，特别是为了结合物联网原则和供应链跟踪。使用外业数据填充数据存储（可在其上收集和处理信息）的基本原理在供应链和产品跟踪方面也是类似的，同时也认识到需要就具体产品向所涉利益攸关方然而，在这种情况下，仅通过向公共发布/订阅系统的静态注册来执行通知用户的标识，而不是像AffectUs的情况那样基于通过使用语义的标识依赖性来在[9]中，提出了一个用于食品供应链管理的参考架构。关键创新方面包括通过手动插入规则制定的事件智能和预测分析，以实现更多的供应链和对象自动化。该方法也规定了分布式的性质，考虑到电子产品代码信息服务（EPCIS）的供应链参与者之间的信息共享，表明这种信息共享是至关重要的。AffectUs方法遵循前面提到的一组架构和功能建议，包括管理系统自动化的抽象方法。在[10]中，介绍了一个系统的Lab视图原型，用于对本文定义的供应链的类似阶段进行建模，特别是针对食品领域。在供应链管理（SCM）的背景下使用增强的大数据相关架构解决方案的价值在[11]中进行了论证，这也符合本文的工作结构，包括NoSQL数据 存 储 和 并 行 计 算 的 方 式 （ 在 我 们 的 情 况 下 通 过MongoDB查询），以及用于链接供应链数据的可视化组件和ETL过程（在我们的情况下通过语义注释和结构执行）。3. 系统模型与设计系统结构如图1所示。它包括三个主要模块，Node-RED中间件，实现UI和协调/适配模块，以及后端组件，实现子系统，如语义服务和数据管理/AI子系统。通过使用RabbitMQ作为消息传递层，所有系统元素之间也存在垂直链接，其中需要非基于REST的交互（例如异步通知侦听用户违规，数据馈送等）。图1.一、 总体系统架构和模块。3.1. Node-RED层Node-RED是一个流编程工具，可以创建各种功能，包括Web服务，UI，适配和中间件逻辑。在AffectUs的上下文中，它用于以下目的：作为一个UI实现层，它包含图形界面，通过图形界面，各种参与者可以声明产品的使用，依赖关系以及实例化其供应链的特定元素（例如阶段的位置和类型）。它们还插入所需的实用信息，例如用于链接到外部物联网平台的API密钥。作为现有物联网管理平台（如EVRYTHNG [12]）的插件机制，以便基于来自智能传感器的扫描数据以流方式检索产品（通过其各自API的客户端方法）以及来自这些产品的通知馈送。中间件和集成层，通过该中间件和集成层，可以执行从一个数据源到另一个数据源的相应修改和适配（例如，将UI声明转换为语义三元组以用于在相应服务中馈送）以及在用户友好的基于流编程的模型中实现应用特定逻辑（例如，基于其将检测和传播异常的规则）。此外，它使用语义服务来丰富与供应链相关的注释的传入数据馈送，并将这些数据转发到数据管理块中，以供AI流程使用。3.2. 语义服务块第二个主要模块是语义服务。这包含了AffectUs本体，该本体将供应链中的概念（如阶段、位置类型···G. Kousiouris，S.Tsarsitaleidae，E.Psomakelis等人/ICT Express 5（2019）141143和演员之间的关系。通过应用这些链接，来自产品的传入数据馈送可以被映射到供应链的语义概念，并且可以确定来自其他参与者或对象的依赖性。关于AffectUsOntology结构的更多信息可以在[13]中找到。语义框架建立在三个方面：知识库，它使用OWL本体进行推理和推理，SPARQL 1.1包含查询和与Node-RED端的编程规则的集成，以及知识库（KB）中Jena推理机的其他自定义规则。该体系结构是面向服务的，因此知识库实际上是一个语义Web服务.为此，使用了Apache Jena Fuseki Server，它通过HTTP提供RDF数据，使用SPARQL以RDF形式传递知识。3.3. 人工智能块第三个主要模块由人工智能（基于Tensorflow）和数据存储（基于MongoDB）服务组成，旨在推断每个阶段的关键指标（例如给定位置的平均休息时间），并通过检查注释的历史数据来检测异常。为此，它存储关于产品在相应链阶段中的进入和离开的转发的注释数据馈送（产品ID、物品ID、链阶段类型、日、月和时间）。接下来，可以利用丰富的输入数据，以便基于每个供应链阶段中的过渡时间的历史数据来提取预测模型。这个模型（基于DNNRegressor深度神经网络）需要为一个事物（产品实例或批次）应该停留在链的特定阶段的预期持续时间创建一个预测。然后，基于实时数据，可以检测与正常行为的偏差，从而触发对所涉及实体的早期通知。预测参数也可以用来自外部通知的数据来丰富（例如从社交网络[14]检测 到的 大 型人 群 聚 集事 件 、交 通 和天 气 信息 等 ） 。AffectUs AI框架基于Tensorflows，使用Python 3。4. 系统实现系统的所有元素都被封装为Docker镜像，以便于管理，更新和部署过程。Docker部署可以基于单个容器，也可以组合在一起，形成整体服务的元素的组合。后者更有好处，因为它在相关Docker compose文件存在之后启用了一键该文件描述了许多方面，其中包括所有服务加入的虚拟网络，虚拟IP（用于服务之间的自动发现），服务的端口，它们启动的顺序（如果存在依赖关系），启动命令和安装，所需实例的数量等。此外，Docker Swarm用作集群管理系统，用于服务部署节点之间的负载平衡。图二、 用于从EVRYTHNG 声明产品的UI。在 Node-RED 中 执 行 用 于 与 外 部 平 台 （ 如EVRYTHNG）链接和选择要合并的产品的用户界面的实现。该框架的一个关键方面是它能够将这些用户友好的声明转换为包含在本体知识库中的必要三元组。因此，UI背后的逻辑（图）。 2）从用户处检索这些信息，然后链接到平台以检索产品特征，最后在内部创建声明各种特征的所有必要三元组。通过这种方法，它完全消除了最终用户的所有语义复杂性。Node-RED中用于实现这一点的指示性流程如图3所示。为了在所有需要的流（例如捕获和生成的UI）和语义Web服务之间创建语义通信以包含三元组，创建了一个连接器子流，它允许随意查询和处理KB。需要注意的是，没有现成的Node-RED节点可以实现这一点。当前存在的SPARQL节点只能进行静态SELECT查询。为了使查询公式化是动态的，我们传递一个查询模板和动态参数。这些查询的公式化和评估是直接从JSON中完成的，SPARQL.js library然后通过HTTP执行查询并处理响应。5. 系统部署和测试为了部署系统，需要一个命令来启动上述Dockercompose文件。接下来，容器化的服务元素被启动并在Docker Swarm的各个可用节点中可用（图11）。 5）。最初，需要调查的一个方面是在Docker中启动整个服务集群所需的时间。这与打包解决方案的服务连续性和/或系统管理等方面直接相关。为了测量该时间延迟，不仅需要考虑经由容器状态（“已启动”状态）和容器统计记录的容器启动时间，而且需要考虑启动容器内的应用并且直到相应端点确实响应所需的时间。出于这个原因，使用了Docker的“Healthcheck”功能，其中可以直接指定Docker的方式可以验证容器内的应用正在运行的事实（例如，经由相应端点处的HTTP GET方法、经由在容器内执行的命令等）。为了监控链的状态，相关UI具有也被创造出来（图4）。初始化测量包括启动时的时间戳和直到所有服务的时间的连续采样144G. Kousiouris，S.Tsarsitaleidae，E.Psomakelis等人/ICT Express 5（2019）141图三. UI Node-RED流程，用于合并编程逻辑，将插入的信息转换为语义三元组。图四、 整个供应链中产品延迟的指示性UI。图五、 监控Swarm部署的服务。元素被认为是健康的（即端点可达）。整个过程重复100次，以提取更准确的结果（PDF文件，如图1所示）。（六）。从上述结果可以得出结论，41 s的总旋转时间取决于RabbitMQ元件，因为在所有情况下，这是最晚开始的，因为其分布不与任何其他情况重叠。另一个结论是，最稳定的是Python，MongoDB和Jena容器，如图中更高和更窄的PDF所示。第六章另一方面，Node-RED在18和21秒左右显示出两个浓度。图第六章 容器启动时间分布。6. 结论总之，将语义、人工智能、集成方法和物联网管理平台等跨越不同领域的多种技术相结合，可以证明既具有挑战性又有益，从而提高对供应链及其依赖关系状况的态势感知水平。Node-RED的使用实现了多样化和复杂系统之间的集成，实现了信息适应和工作流创建，以实现所需的操作序列。最后，服务的对接实现了所有元素及其自动连接、发现和配置的快速无缝部署，而对通过UI执行输入的扩展关注可以使框架的使用和所需声明更容易，将最终用户与底层语义定义完全解耦。致谢本文中介绍的工作已获得AffectUs扩展（希腊）的资助，这是一个由欧盟（EU）Horizon 2020计划共同资助的TagItSmart Open Call 1扩展项目，资助号为688061。利益冲突作者声明，本文中不存在利益冲突。引用[1] Gartner Top 8供应链技术趋势2018,可在：https：//www.gartnerr.Com/smarterwithgartner/gartner-top-8-supply-chain-technology-trends-for-2018/.[2] T. Cucinotta等人，工业自动化的实时面向服务的体系结构，IEEETrans. 印第安纳INF. 5（3）（2009）267[3] Z. D. Patel，物联网（iot）面向服务的架构回顾，在：2018年第二届电子和信息学趋势国际会议（ICOEI），Tirunelveli，2018年，pp。466-470[4] A. K.K.康德，基于物联网的传感和通信基础设施的新鲜食品供应链，计算机51（2）（2018）76-80。[5] P. Alho，M. Jouni，实时面向服务的架构：分布式和异构机器人系统的数据中心实现，在：IESS，施普林格，柏林，海德堡，2013年，pp. 第262-271页。G. Kousiouris，S.Tsarsitaleidae，E.Psomakelis等人/ICT Express 5（2019）141145[6] C. Busse ， J. Meinlschmidt ， K. Förstl ， Managing informationprocessing needs in global supply chains：a premissible to sustainablesupply chain management，Journal of Supply Chain Management，http：//dx. 多岛或g/10。1111/jscm. 12129.[7] Kuo-Jui Wu等人，在不确定性下通过供应链敏捷性实现竞争优势：一种新的多标准决策结构，IJPE（ISSN：0925-5273）190（2017）96-107。[8] Z.D. R Gnimpieba，A. Nait-Sidi-Moh，D. Durand，J. Fortin，使用物联网技术进行协作供应链：应用于跟踪托盘和集装箱，ProcediaComput。Sci. （ISSN：1877-0509）56（2015）550[9] C.N. Verdouw，J. Wolfert，A.J.M. Beulens，A. Rialland，物联网食品 供 应 链 的 虚 拟 化 ， J. Food Eng. （ ISSN ： 0260-8774 ） 176（2016）128 http://dx.doi.org/10.1016/j.jfoodeng。2015.11.009。[10] Riccardo Accorsi ， Marco Bortolini ， Giulia Baruffaldi ， FrancescoPilati，Emilio Ferrari，食品供应链控制和管理中的物联网范式，ProcediaManuf. （ ISSN ： 2351-9789 ） 11 （ 2017 ）889http://dx.doi.org/10.1016/j.promfg.2017.07.192[11] S. Biswas，J. Sen，A proposed architecture for big data drivensupplychain analytics，IUP J. Supply Chain Manag. 13（3）（2016）7-33.[12] EVRYTHNG物联网管理平台，网址：http：//evrythng。com/.[13] AffectUsD1.2 集 成 组 件 原 型 ， 2018 年 ， 可 在https://tagitsmart.eu/AffectUs/D1.2.pdf上获得。[14] G. Kousiouris等人，一个集成的信息生命周期管理框架，用于利用社交网络数据来识别智能城市应用中的动态大型人群集中事件，FGCS（ISSN：0167- 739 X）78，第2部分（2018）516-530。