26、制造业资源动态调度技术解析

制造业资源动态调度技术解析

1. 工业通信与机器学习技术

1.1 D2D 通信技术

D2D 通信技术在智能制造中发挥着重要作用。在制造过程中，设备之间能够有序高效地进行协商。仓储设备和进料设备可以实现端到端通信，实时调整物料储备。作为 D2D 通信的基础技术，LTE 实现了通信认证和准入控制。在无线网络盲区，MTC 设备可将相邻 MTC 设备作为网络中继，通过多跳网络中继将数据传输到制造云平台或与远程设施进行交互。这种通信技术为智能制造提供了高质量的网络服务，尤其在小规模网络中，能方便地提供数据传输、指令传递和资源共享等服务。

1.2 机器学习技术

1.2.1 机器学习概述

机器学习（ML）是指机器（如计算机或智能控制器）从先验知识中学习到的智能行为。它包括感知、理解、学习、判断、推理、规划、设计和解决等多个过程。嵌入工业物联网（IIoT）系统的 ML 使网络具备表征、学习和推理的认知能力。人类虽掌握了多种数据分析方法，但面对不断增加的信息量，难以快速响应分析需求的变化。ML 涵盖理论、方法、技术和应用，以增强人类智能，包括感知、深度学习（DL）、强化学习和决策等技术，以及计算机视觉、自然语言处理、智能机器人和推荐系统等应用。ML 在分类、回归、聚类和规则提取等任务中优于传统统计方法，典型的 ML 算法有决策树、支持向量机、回归分析、贝叶斯网络和深度神经网络等。

1.2.2 深度学习算法

DL 算法作为 ML 算法的子集，性能优于其他 ML 算法。其成功主要归因于三个因素：大量数据的可用性、计算机架构和硬件（如图形处理单元 GPU）带来的计算能力提升，以及各种 DL 算法（如卷积神经网络 CNN、长短期记忆网