一种工业互联网全域资源动态编排方法、设备及介质与流程

本申请涉及智能编排，尤其涉及一种工业互联网全域资源动态编排方法、设备及介质。

背景技术：

1、随着智能制造体系的纵深发展以及工业互联网平台的大规模部署，大型制造集团与产业联合体为实现产能优化布局与区域协同制造，通常在不同地理区域部署多个分布式制造单元，形成多节点、多要素、多指令的复杂协同场景。各分布式制造单元作为独立的生产节点，分别配置了算力资源、存储资源、网络运力资源、产线装备资源以及动力网络资源等多类异构工业要素，同时承担着差异化优先级的多项制造指令，这对跨节点的全域资源协同编排能力提出了极高要求。

2、在现有的工业互联网平台资源管理技术中，普遍采用的资源编排方式分为两类。一类是单节点集中式编排方式，该方法仅针对单一制造单元内部的各类工业要素进行分配与管理，各节点的资源调度相互独立，无法实现跨节点工业要素的统筹协调与动态调配，导致全域工业要素综合效能低下，局部节点负载过重而其他节点资源闲置的矛盾尤为突出。另一类是初步的全域要素调度方式，该类方法尝试实现多节点之间的工业要素信息互通与基础调度，但普遍存在态势感知维度严重缺失的问题，仅关注单一或少数几类资源的状态，无法全面反映算力、存力、运力、产线装备及动力网络等多类异构要素的实时运行状态与耦合关联关系，导致编排决策所依据的基础数据不完备。

技术实现思路

1、本申请实施例提供了一种工业互联网全域资源动态编排方法、设备及介质，用以解决上述技术问题。

2、一方面，本申请实施例提供了一种工业互联网全域资源动态编排方法，包括：

3、获取分布式制造单元中各工业节点核心工业要素的全维度状态数据及多维关联信息，并对全维度状态数据与多维关联信息进行时间对齐与归一化处理，生成统一维度的工业要素状态表征张量；

4、基于工业要素状态表征张量与当前待执行制造指令集合中的各制造指令需求特征，构建跨节点工业要素协同编排多目标优化数学模型；多目标优化数学模型包含全域工业要素综合效能指数最大化目标函数和端到端制造指令响应延迟最小化目标函数；

5、基于预设的双引擎协同寻优调度引擎，求解多目标优化数学模型，获得非支配前沿解簇，并根据预设的偏好方向从非支配前沿解簇中筛选生成多组候选编排策略；双引擎协同寻优调度引擎融合多目标进化策略算法与群体智能寻优算法；

6、基于预先构建的递进式可信性验证体系，对候选编排策略执行多维验证与评估操作，并根据各项验证与评估结果对无效的候选编排策略进行修正处理，保留通过全部验证环节的有效策略候选集；

7、获取有效策略候选集在实际执行过程中的实时运行数据，对实时运行数据与预期运行数据进行偏差分析，当偏差量超出预设偏差允许阈值时，根据偏差分析结果更新当前编排策略中的可调参数，并基于更新后的参数重新生成优化编排策略。

8、另一方面，本申请实施例还提供了一种工业互联网全域资源动态编排设备，设备包括：

9、至少一个处理器；

10、以及，与至少一个处理器通信连接的存储器；

11、其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如上述的一种工业互联网全域资源动态编排方法。

12、另一方面，本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令被执行时，实现如上述的一种工业互联网全域资源动态编排方法。

13、本申请实施例提供了一种工业互联网全域资源动态编排方法、设备及介质，至少包括以下有益效果：

14、通过构建覆盖五类核心工业要素的全域态势感知机制并生成统一表征张量，实现了多态工业要素的全维度高精度感知，有效避免了因感知缺失导致的要素错配；通过建立兼顾全域综合效能与响应及时性的双目标优化模型并配套多类约束条件，突破了现有技术局部优化的局限；通过双引擎协同寻优与递进式可信性验证，兼顾了求解效率与策略可行性，规避了策略执行失败风险；通过实时反馈驱动的参数自整定与闭环调控，使系统能够动态适配现场波动与突发异常。

1.一种工业互联网全域资源动态编排方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种工业互联网全域资源动态编排方法，其特征在于，获取分布式制造单元中各工业节点核心工业要素的全维度状态数据及多维关联信息，并对所述全维度状态数据与所述多维关联信息进行时间对齐与归一化处理，生成统一维度的工业要素状态表征张量，具体包括：

3.根据权利要求1所述的一种工业互联网全域资源动态编排方法，其特征在于，基于所述工业要素状态表征张量与当前待执行制造指令集合中的各制造指令需求特征，构建跨节点工业要素协同编排多目标优化数学模型，具体包括：

4.根据权利要求1所述的一种工业互联网全域资源动态编排方法，其特征在于，基于预设的双引擎协同寻优调度引擎，求解所述多目标优化数学模型，获得非支配前沿解簇，并根据预设的偏好方向从所述非支配前沿解簇中筛选生成多组候选编排策略，具体包括：

5.根据权利要求1所述的一种工业互联网全域资源动态编排方法，其特征在于，基于预先构建的递进式可信性验证体系，对所述候选编排策略执行多维验证与评估操作，并根据各项验证与评估结果对无效的候选编排策略进行修正处理，保留通过全部验证环节的有效策略候选集，具体包括：

6.根据权利要求1所述的一种工业互联网全域资源动态编排方法，其特征在于，获取所述有效策略候选集在实际执行过程中的实时运行数据，对所述实时运行数据与预期运行数据进行偏差分析，当偏差量超出预设偏差允许阈值时，根据偏差分析结果更新当前编排策略中的可调参数，并基于更新后的参数重新生成优化编排策略，具体包括：

7.根据权利要求1所述的一种工业互联网全域资源动态编排方法，其特征在于，所述方法还包括：

8.根据权利要求1所述的一种工业互联网全域资源动态编排方法，其特征在于，所述方法还包括：

9.一种工业互联网全域资源动态编排设备，其特征在于，所述设备包括：

10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令被执行时，实现如权利要求1-8任一项所述的一种工业互联网全域资源动态编排方法。