英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
基于SCADA物联网框架的供应商管理库存机制
由高昌毅1和崔浩恩2,*ORCID
1台湾台北市100006苏州大学计算机科学与信息管理系
2中原基督教大学信息管理系， 台湾桃园市320314
*应向其发送通信的作者。
学术编辑：弗朗西斯科·法尔科内
电子科技 2022， 11（6）， 881;https://doi.org/10.3390/electronics11060881
收稿日期： 2022-02-02-09 / 修订日期：2022 年 3 月 6 日 / 录用日期： 2022-03-07 / 出版日期： 2022-03-10
目录
摘要
近年来，随着物联网（IoT）和人工智能（AI）的兴起，智能制造等各个领域的智能应用得到了优先考虑。智能制造中最重要的问题是保持较高的生产利用率。一方面，为了保持高利用率，生产线必须随时有足够的材料;另一方面，库存过多的材料会大大增加工厂的运营成本。因此，在避免库存过剩的同时保持充足的库存是智能制造中的重要关键问题。工厂收到订单后，会将制造订单下达给生产线进行制造。不同生产线的产能是不同的。如果基于物联网框架的监控和数据采集（SCADA）系统可以用来监控每条生产线的产能，除了估算产能外，还可以通过AI准确估算关键材料的使用情况;当关键材料的数量低于安全库存时，制造商可以主动通知供应商并要求补货。这是一种客户对企业（C2B）安全库存管理模型（即供应商管理的库存，VMI），它结合了AI和IoT。特别是消费类电子产品，由于其生命周期短，容易受到市场波动的影响，制造商必须调整生产能力。本研究将提出构建一个基于物联网的SCADA系统，包括生产线的产能、物料库存和下游订单需求，并利用人工神经网络（ANN）准确预测库存需求。在这项研究中，通过工厂，将构建一个基于AI和IoT的SCADA系统，以监控工厂的制造能力并预测下游制造商的产品销售，以便于安全库存的分析和决策。除了有效降低库存水平外，从本质上讲，本研究的目的是增强整体生产和销售生态系统的竞争力，并实现利用AI和IoT实现制造业数字化转型的目标。
关键字： 物联网;SCADA;客户对企业;供应商管理的库存;人工神经网络;数字化转型
1.引言
智能制造是工业4.0下的重要应用。特别是，在COVID-19大流行爆发后，可以通过人工智能 物联网（AIoT）快速建立监控系统，并且可以远程进行管理，以减少人际传播的情况。具体来说，为了应对万物互联（IoE）的兴起，工厂通常基于物联网构建SCADA系统。本研究提出了一种安全库存管理模型（即VMI），以提高工厂本身的利用率和准时交付。此外，AI预测是通过与下游制造商的产品销售数据接口进行的。因此，可以有效地估计关键材料的消耗量和库存需求;必要时，制造商可以主动向上游关键材料供应商报告所需数量，以便他们能够快速提供足够的库存。这也是智能工厂在工业4.0中的智能应用：整合价值链的C2B安全库存服务。
过去，工厂的生产模式是零售行业向制造业下达采购订单后，工厂会安排生产线进行生产，然后发布制造订单，并单独下订单材料，操作过程全部为人工操作。然而，随着AI和IoT技术的普及，C2B模式也应运而生。C2B强调客户交互业务模型，客户交互C2B模型将应用AIoT作为实现模型/方法。在C2B模型中，首先，下游制造商的销售数据将通过物联网服务从工厂端收集，并与SCADA数据相结合进行分析。然后，使用AI来估计关键材料的使用情况，并指示它们是否足够（通知发送给上游制造商或连接到上游制造商的MES / SCM系统）。这使我们能够实现关键材料安全库存的管理模式，提高生产线的准时交货率，并实施整合下游制造商的C2B服务模式。本研究在C2B一体化制造订单安排与管理模式下，利用SCADA获取生产线产能信息，结合下游厂商的销售预测，准确估算关键材料和零部件的使用情况，从而实践关键材料C2B安全库存管理模式。
2. 文献综述
在消费电子产品的生产模式中，制造业接受订单，然后工厂制造消费电子产品。然而，未来，电子产品的生产特性将逐渐走向小批量但多样化的电子产品趋势，这就要求生产线的产能调整能力具有高度的灵活性。在制造业中，为了按时交付产品，在接到订单后制造产品是一个标准化的过程。特别是产品的关键原材料一般都是库存的，因为如果生产过程中没有关键材料，生产就会严重耽误。但是，不同工厂的采购专家从供应链合作伙伴处采购原材料。除了采购时间长和供应方响应时间慢之外，原材料准备数量没有标准。这些问题可能导致库存过剩或材料准备不足，从而增加供应链的成本。制造业也开始通过各种信息和通信技术（ICT）协助生产管理：根据下游制造商的订单预测所需的材料数量，这是一种使用销售预测来协助估计产能需求的应用程序。过去，预测模型主要是手动的，这也导致预测在大多数企业中的应用效果低于预期[1]。一般来说，制造业无法掌握下游制造商的销售状况。如果关键材料的数量无法估计，将导致关键材料的囤积或短缺。囤积材料会增加企业的成本，而材料短缺将使企业无法按时交付产品。因此，企业将失去竞争力[2]。
制造业的生产过程包括诸如接受订单，材料需求勘探，材料和零件管理，材料采购，工厂生产，运输管理和交付等步骤。但是，从整个产品价值链的战略角度来看，价值链中负责生产的制造业应与上游供应商和下游客户建立紧密的整合，以形成协同的供应链价值链。协作规划、预测和补货 （CPFR） [3，4] 是一种价值链协作模型。CPFR注重效率，因此推广和讨论了即时（JIT）的实践[5，6，7]。JIT可以降低成本和浪费，同时可以增加灵活性和许多交互[8，9，10]，例如交货时间和交货数量。
此外，从制造业的角度来看，制造业正面临着市场全球化的趋势。制造业尽一切可能降低生产和产品开发成本。因此，基于下游订单预测上游物料数量是一种节省制造成本的协作，也被视为C2B[11，12]模型。由于市场波动性高，消费电子产品尤其如此。此外，制造业的数字化程度不高，基础环境需求量仍然很大，智能软件的建立率不高。因此，在制造业中使用CPFR的首要任务是将传统供应链转变为数字化和智能化的信息通信服务[13，14]，连接系统，并使用联合预测模型来预测材料库存[15]，以提高协作效率。
在安全存量管理方面，一些研究使用PHLX半导体行业指数来预测安全存量[16]，这是一种基于财务指数的分析和预测方法。也有相关的学术研究使用各种指标来分析材料库存，将其作为管理模型，但这种模式很难应用于与财务指标无关的产品的生产。此外，订单的准备时间和交货时间，货物的交货时间以及货物的准备时间被称为订单的交货时间，交货时间也可以用作安全库存的估计模型[17，18]。从供应商的操作流程中分析安全库存，利用行业指标与需求的关系[19]等，都是安全库存管理中的相关研究课题。使用的工具包括MACD [20]，需求指数（DI）计算[19]和指数移动平均线（EMA）[21]。
本研究提出了一种基于CPFR的机制，根据价值链下游的订单或销售数据，生产线的利用率和关键材料的使用情况来预测安全库存。在本研究中，安全库存的基础是销售预测。关于销售预测研究的文献综述，一些学者提出了灰色相关性分析，其中分析是通过与神经网络[22]相结合进行的;此外，[23，24]其他学者还提出了一种使用进化神经网络的新预测模型，其效果优于传统神经网络。与ARIMA预测方法[25]、模糊逻辑规则[26，27，28]以及推理机制[29，30，31]和统计模型相比，神经网络不需要指定特定的函数类型，数据不限于一定的统计分布假设，因此在预测中具有更多的应用空间。用于这些分析的数据将是价值链下游的销售数据，工厂物联网设备收集的数据以及来自SCADA [32，33，34]监控系统的数据。本研究的安全库存预测模型下，关键材料不会短缺。
3. 建议的体系结构和方法
本节将解释安全库存的整体框架，数据分析的预处理以及预测模型。
3.1. 系统框架
SCADA系统对于提高制造业的产量，数字化转型和数据回顾以及增强其竞争优势等具有重要意义和必要性。然而，在传统的SCADA系统中，由于生产线上的控制台无法提供应用程序编程接口（API）以及不容易实现功能扩展和后续维护等因素，小型制造业很难接受传统的SCADA框架。因此，构建一个基于云的SCADA系统，适合传统的中小型制造业，将有助于制造业进行运营管理。以物联网框架为基础，即通过网络（即基于云的SCADA系统）将物联网感知和收集的数据传输到应用层，就是提高生产数据的可追溯性。本研究提出的方法可以根据生产数据估算产能，并结合下游制造商的数据进行销售预测。基于AI分析的数据预测所需库存，生产线可以保持较高的利用率。
本研究中提出的总体框架由两部分组成，如图1所示。第一部分是SCADA的基于云的解决方案;本研究中SCADA解决方案的目的是收集生产过程数据，以估计生产能力，其中包括所需的物联网硬件和相应的实时监控系统。第二部分是通过整合供应商的销售数据，智能地分析和估算所需的关键材料，从而为安全库存提供采购参考。
图 1.基于SCADA物联网框架的架构。
第一部分是SCADA的基于云的解决方案。在设备级别，生产的在线物联网传感设备将通过客户端数据代理应用程序将数据传输回SCADA系统，该应用程序将在网关（GW）上设置。为了确定哪个联网设备感知并收集数据，客户端数据代理应用程序具有简单的配对机制。此外，为了在设备级别更轻松地管理客户端数据代理应用程序收集的数据，SCADA应用程序包括身份验证和行为监控等。如图 2 所示，工厂端使用各种 IoT 设备进行监控。各种传感设备具有不同的信号源和数据格式，不同的网络地址，甚至不同的温度单位（华氏/摄氏度）。以前，为了解决这个问题，有必要为GW端的每个物联网设备编写定制的读取方法和控制指令，并正确转换数据格式。在本研究中，它旨在标准化各种信号和数据格式，并通过代理连接信号。与设备代理应用程序接口相关的工作项如下所示：
图 2.SCADA系统。
- 分析设备控制信号和数据信号（序列信号）。开发固件层底层串行通信处理应用，根据不同的串行通信属性读取不同的设备通信接口，处理控制信号和数据信号序列，以及维护智能设备的状态，记录事件的发生，处理错误异常。
- 规范化读写格式和自定义说明，并设计数据手册。设计标准数据/指令数据格式。将数据读取内容文本化。不要判断数据内容，而是将它们提供给上层进行处理。对于接收到的指令，按照规范分解，并传送到相应的信号控制层。
- 确定 GW 中间数据格式。实现上层数据处理和控制指令逻辑，并将标准指令转换为每个智能设备的相应地址。然后，提供上层应用，通过函数调用，可以轻松执行设备设置、设备测试、数据读取、状态通知、控制指令传输、指令执行结果返回，无需考虑设备的实际对应地址。
在COVID-19大流行的热潮中，仍有黑客继续入侵信息系统，这引起了安全问题。如果信息系统的集中式授权机制用于 MQTT 设备，则可以使用基于 OAuth 的框架。OAuth 2.0 支持将授权服务器与资源服务器（如 MQTT 服务器）分离。当使用 OAuth 2.0 时，客户端会将其凭证提供给授权服务器，然后授权服务器执行身份验证检查并返回允许访问资源的访问令牌，然后使用访问令牌与 MQTT 服务器连接。MQTT 服务器通常通过与授权服务器通信来验证访问令牌，然后授予对资源的访问权限。每个物联网网关本身都关联一个独立的唯一ID，该ID将用于生成专门针对该物联网网关的注册对，以便用户在实际应用领域部署时可以直接在云平台上注册此物联网网关。在云平台的数据库中，每个物联网网关的数据报，包括设备注册模型应用和数据格式转换，将在数据库中进行处理。最后，数据将通过HTTPS API和Web钩子同步到VMI智能分析的数据集市进行分析。
3.2. 预测方法
制造商的工厂有自己的管理方法。他们大多依靠现场人员根据自己的经验调整管理方法。没有具体改进的数据。也容易因沟通差距造成产能不稳定，无法向下游客户有效承诺交货状态。在这项研究中，物联网设备感知到的数据，如材料条形码、操作员识别卡、生产机器号和制造订单号，通过代理传输回基于云的SCADA系统。
然后，使用学习排名法预测生产能力
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[589726]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
