基于物联网数字工厂与智能工厂的整合研究
智能化工厂建设中的工业物联网和信息化技术
智能化工厂建设中的工业物联网和信息化技术随着技术的不断发展，智能化工厂已成为未来工业发展的必然趋势。
而工业物联网和信息化技术的运用，则是实现智能化工厂建设的核心。
在智能化工厂建设中，工业物联网和信息化技术的应用，可以实现生产线上的全面自动化、数据的实时采集、运营效率的极大提升和生产质量的实现，对于提升企业生产力、优化企业运营管理等方面有着极大的帮助。
一、工业物联网工业物联网是指将设备、物料等与互联网结合起来，实现设备之间互联互通，实现自动化生产，提高工业生产的效率和质量。
工业物联网主要包括设备感知、数据管理和应用三个方面。
1. 设备感知工业物联网通过传感器等技术，将设备之间进行连接，实现实时监测、感知和采集设备信息，包括设备运行情况、设备维护情况等。
通过对设备信息的实时掌握，可以帮助企业及时发现设备存在的问题，降低维修成本，提高生产效率和质量。
2. 数据管理工业物联网通过对采集到的信息进行管理，实现数据可视化、集成化、标准化管理，帮助企业对生产过程进行全面管理与监控。
具体包括数据采集、存储、传输、分析处理等环节。
3. 应用工业物联网通过如预测性维护、工业云以及智能仓储等应用形式，为企业实现生产质量提供了新的方向，帮助企业降低生产成本，提高产品质量和生产效率。
二、信息化技术信息化技术是在工业物联网的基础上，通过计算机网络、软件等手段，将生产线物料和信息进行全面实时掌握，实现企业高效生产和智能化管理。
信息化技术在智能化工厂建设中，主要有以下几个方面。
1. MES系统MES是制造执行系统，主要用于控制生产车间的生产过程、提高生产率和质量。
MES系统通过实时掌握生产进程，收集生产数据可以根据实际情况预测产品的产量，也能够更准确的把握加工任务的完成情况。
2. ERP系统ERP是企业资源计划系统，主要用于整合企业各个部门间的信息系统，实现不同部门之间的共享数据和资源。
ERP系统可以全面监测企业内部各个环节，提高协同作业效率，减少人力物力的浪费，从而提高企业整体的效率和竞争力。
基于物联网的智能车间数字化采集系统的研究
基于物联网的智能车间数字化采集系统的研究摘要：针对现今许多自动化工厂面临数字化转型的需求，本文为解决工厂在数字化升级过程中对自动化设备进行数据采集相关的问题做出研究，其中构建一个具有三层结构的系统，采用OPC UA规范，它分为现场层，实时数据采集层，实时数据监控层，配备专用硬件设备，采用物联网技术能构建所采集设备与管理层之间的信息传输通道，将机器的数据进行可视化处理，直观的显现在专用设备上，便于企业对整个数据的全方位掌握，以及做出决策和分析。
关键词：数字化转型；数据采集；OPC UA；互联网技术；可视化1引言按照《中国制造2025要求》，为了推动产业结构调整和转型升级，促进企业研发制造迈向中高端市场，必须不断开展科技创新和推进先进工艺技术应用，特别是要全面开展产品智能化的研究和相关技术升级，应用电子信息技术提高产品全流程的智能化水平，是推进制造装备的数字化建设的重要途经。
智能工厂的长期目标和长远发展方向，是通过自动化和信息化的发展和完善来建设工厂大数据系统，能够实现对工厂进行全流程和精准化控制，最终达到提高生产效率，提高工厂效益的目的。
因此，工厂的数字化必须从提高整个工厂生产水平，提高工厂内外物流管理水平，提高产品售后服务管理水平，提高能源(电，水，气)消耗利用管理水平，提高全流程信息管理水平等各方面入手，全面实施制造工厂的智能化。
数据采集系统（Data Acquisition system）[1]是制造业企业信息化建设的重要环节，它可以建立一个现场自动化控制装置和管理层的信息纽带。
数据采集在整个智能工厂中，可以为上层ERP、中间层MES系统提供及时、详尽的现场信息，并为生产决策、计划调度等提供可靠的依据。
数据采集是工业数字化、智能化制造的基础工程，它与信息在各种生产过程中的持续性和关联性有关，从而影响到追溯、分析、判别和决策中对上层一体化信息的应用效果[2],因此数据采集是整个智能工厂的基础和必备条件。
智慧工厂运维系统设计方案
智慧工厂运维系统设计方案智慧工厂是基于物联网、云计算、大数据、人工智能等技术的工厂运维系统。
它通过整合生产设备、传感器、数据库等信息资源，实现生产过程的数字化、智能化。
下面是一个智慧工厂运维系统的设计方案。
1. 系统架构设计智慧工厂运维系统采用分布式架构，包括前端采集层、数据存储层、数据分析层和应用层。
前端采集层：安装传感器、设备监控设备，实时采集生产设备的工作状态、温度、湿度、压力等参数；数据存储层：采用分布式数据库或者云存储技术，实时存储采集到的数据，并且具有高可靠性和高可扩展性；数据分析层：基于大数据技术进行数据分析和挖掘，包括实时数据分析和离线数据分析；应用层：包括运维监控、故障预警、设备维护、生产计划等模块，提供运维人员和管理人员进行操作和管理。
2. 数据采集与传输采集层引入各种传感器和设备模块，通过网络将数据传输至数据存储层。
数据传输采用TCP/IP协议，保证数据传输的可靠性和稳定性。
对于实时性要求高的数据，可以采用高速数据采集卡和专用的高速网络。
3. 数据存储与处理数据存储层采用分布式数据库或云存储技术，将采集到的数据实时存储，并保证数据的完整性和可靠性。
大数据存储和分析采用Hadoop分布式存储和计算平台，可以进行海量数据的存储和快速查询。
4. 数据分析与挖掘数据分析层利用采集到的数据进行实时数据分析和离线数据分析。
实时数据分析通过实时监控仪表盘和实时报警系统，对设备的工作状态进行实时监控和分析，及时发现异常状况进行处理。
离线数据分析通过离线数据挖掘和建模，对设备的寿命预测、维护计划等进行优化和决策支持。
5. 应用层功能模块应用层提供一系列功能模块，包括：- 运维监控模块：实时监控设备工作状态、温湿度等参数，及时发现异常情况；- 故障预警模块：通过数据分析和挖掘，预测设备故障可能出现的时间和位置，提前做好维修准备；- 设备维护模块：记录设备的维护记录和维护计划，对设备维护工作进行统一管理和调度；- 生产计划模块：根据设备状态和生产需求，生成最佳的生产计划，并提供给生产人员执行。
智能工厂的建设与优化
智能工厂的建设与优化智能工厂是指利用先进的物联网技术、传感器和自动化控制系统，通过融合信息技术和制造技术，实现生产过程的数字化、自动化和智能化的工厂。
随着科技的不断发展，智能工厂已经成为制造业转型升级的重要方向之一。
在建设智能工厂的过程中，我们需要考虑不仅仅是引入智能化系统，还需要对整个生产流程进行优化，以实现效率的最大化和质量的最优化。
一、智能工厂的建设1. 引入物联网技术：物联网技术是实现智能工厂的核心，通过将传感器和设备连接到云平台，实现设备之间的信息共享和协同作业。
通过物联网技术，可以实现设备的远程监控和故障预测，提高设备运行的可靠性和稳定性。
2. 自动化生产线：在智能工厂中，自动化生产线是必不可少的。
通过引入机器人和自动化设备，可以实现生产过程的自动化，减少人力成本和生产周期，并提高生产效率和产品质量。
3. 数据分析与优化：智能工厂中的各个设备都会产生大量的数据，通过对这些数据进行收集和分析，可以实现对生产过程的优化和改进。
例如，通过对生产数据的监控和分析，可以实时调整生产计划，以满足市场需求和提高生产效率。
二、智能工厂的优化1. 环境监测与管理：智能工厂应该实现对生产环境的实时监测和管理。
通过安装传感器，可以实时监测生产车间的温度、湿度和气体浓度等环境参数，及时发现并解决潜在的环境问题。
2. 设备维护与管理：智能工厂中的设备需要定期进行维护和管理，以确保其正常运行。
通过物联网技术，可以实现对设备的远程监控和故障预测，及时发现设备故障并进行维修，提高设备的可靠性和稳定性。
3. 生产过程优化：通过对生产数据和运营数据进行分析，可以实现生产过程的优化。
例如，通过对生产数据的监控和分析，可以发现生产中存在的问题，并及时调整生产计划和工艺参数，以提高生产效率和产品质量。
三、智能工厂的挑战与展望1. 数据安全与隐私保护：智能工厂中产生的大量数据需要保证其安全性和隐私性。
在建设智能工厂的过程中，需要采取相应的安全措施，确保数据不被泄露或篡改。
智慧工厂整体解决方案
业,有效解决当前客户、货件、销售员以及后台管理者之间信息交互慢、效率低，对快递员
的工作监管难、量化考核难等现实问题。
➢ 目前、在全国多个企业合作应用，并进一步向其他地区辐射延伸，在激烈的竞争下提高
客户满意度及管理水平。
智能终端产品
销售员
行业信息
客户
企业
客户短信查单
三、智能仓库物流销售管理
企业物流园区解决方案
一、感知工业节能
案例：大型离散制造过程的可视化 –宇通客车
二、智能工厂
• 实施全流程智能化改造 • 将智能传感器技术、工业无线传感网技术、国际开放现场总线和控制
网络的有线/无线异构智能集成技术、信息融合与智能处理技术等融入 到生产各环节 • 与现有的企业信息化技术融合，实现复杂工业现场的数据采集、过程 监控、设备运维与诊断、产品质量跟踪追溯、优化排产与在线调度、 用能优化及污染源实时监测等应用
自动识别技术 互联网应用技术 GPS定位导航技术 移动网络应用技术 GIS地理信息系统技术
基于WCDMA的物流调度管理系统介绍（二）
终端数பைடு நூலகம்采集
人员登录、认证
货单号码扫描
信息输入上传
系 统
签字、货物拍照 信息查询
主
要 功
定位及轨迹管理
能
实时了解车
辆位置
跟踪车辆的
行进线路
车辆历史轨
迹回放
互动导航
实时监控人 员和车辆 人、车位置 互动
一、感知工业节能
应用领域—场景与案例
一、工业现场分析与装备健康运行监测平台与应用解决方案
物流
生产
包装
销售
运营
大规模复杂现场环境传感器网络的实时 可靠传输技术
智能制造：构建数字工厂,实现高效生产与精益管理
智能制造：构建数字工厂，实现高效生产与精益管理引言随着科技的不断进步，智能制造概念也逐渐引起了各行业的关注。
智能制造以信息技术为支撑，通过应用先进的技术手段和智能设备，实现生产过程的自动化、智能化和高效化，为企业带来了巨大的生产效益和竞争优势。
本文将重点介绍智能制造的概念和数字工厂的构建，以及如何实现生产过程的高效和精益管理。
智能制造的概念智能制造是指基于信息技术和先进制造技术，以智能化的手段实现产品全生命周期的高效管理和优化生产决策的制造模式。
智能制造致力于将现代信息技术与传统制造业相结合，通过数字化、网络化和智能化的手段，实现生产过程的全面控制和精细化管理。
智能制造的核心目标是提高产品质量、降低制造成本、提高生产效率和灵活性，进而增强企业的市场竞争力。
数字工厂的构建数字工厂是智能制造的核心组成部分，它是将传统的制造工厂通过信息技术的手段进行改造和升级，实现生产过程的数字化、网络化和智能化。
数字工厂的构建需要包括以下关键要素：传感器和物联网技术传感器是数字工厂的重要组成部分，通过安装在设备和机器上的传感器，可以实时感知设备的运行状态和环境信息，并将这些数据通过物联网技术传输到数据中心进行分析和处理。
传感器和物联网技术的应用可以实现对生产过程的实时监控和追踪，帮助企业及时发现生产过程中的异常和问题，并进行及时的处理和调整。
数据分析和人工智能技术数据分析和人工智能技术是数字工厂的核心技术，通过对生产过程中产生的大量数据进行分析和挖掘，可以帮助企业发现生产过程中的潜在问题和优化空间，并通过建立模型和算法进行预测和优化。
人工智能技术的应用还可以实现对生产过程的自动化控制和优化决策，提高生产效率和质量稳定性。
软件系统和平台建设数字工厂的构建还需要建立适应企业需求的软件系统和平台，实现生产过程的全面管理和协同合作。
软件系统和平台可以实现从订单管理、生产计划、设备管理到质量检测和物流配送的全流程闭环管理，实现生产过程的透明化和高效化。
数字工厂整体解决方案
数字工厂整体解决方案数字工厂是指利用数字化技术和信息化手段对传统工厂进行升级改造，实现生产过程的智能化、自动化和柔性化。
数字工厂整体解决方案是针对工厂生产过程中的各个环节，从设备、人员、管理等多个方面进行综合优化，以实现生产效率的提升、成本的降低和质量的提高。
本文将就数字工厂整体解决方案的相关内容进行介绍。
首先，数字工厂整体解决方案的核心是数字化技术的应用。
通过在生产设备上安装传感器、执行器和智能控制系统，实现对设备运行状态的实时监测和控制，从而提高设备的利用率和生产效率。
同时，利用大数据分析和人工智能技术，对生产过程中的数据进行实时分析和预测，帮助企业更好地进行生产计划和资源调配。
其次，数字工厂整体解决方案还包括对生产过程中的人员进行管理和培训。
通过引入智能制造系统和工业互联网技术，实现生产过程中人员的信息化管理和培训，提高员工的技能水平和工作效率。
同时，利用虚拟现实技术，对生产过程中的危险操作进行模拟演练，提高员工的安全意识和操作技能。
此外，数字工厂整体解决方案还涉及到生产过程中的管理和协调。
通过建立数字化的生产管理系统和供应链管理系统，实现生产计划、物料采购、生产调度等各个环节的信息化管理和协调，提高生产过程中的资源利用率和生产效率。
同时，利用物联网技术，实现生产设备之间的互联互通，实现生产过程的自动化和柔性化。
总的来说，数字工厂整体解决方案是利用数字化技术和信息化手段对传统工厂进行全面升级改造，实现生产过程的智能化、自动化和柔性化。
通过对设备、人员、管理等多个方面进行综合优化，提高生产效率、降低成本、提高质量，从而帮助企业实现可持续发展和竞争优势。
数字工厂整体解决方案是未来工业发展的趋势，也是企业转型升级的重要途径。
希望本文的介绍能够帮助各位了解数字工厂整体解决方案的相关内容，为企业的发展提供参考和借鉴。
数字工厂整体解决方案
数字工厂整体解决方案
《数字工厂整体解决方案》
数字工厂是指采用先进的数字化技术和智能制造系统，将传统工厂数字化、网络化和智能化的制造模式。
数字工厂整体解决方案则是为了实现数字工厂的建设和运营而提供的一揽子解决方案，包括了数字化生产线、智能物流系统、数据分析和预测等多个方面。
数字工厂整体解决方案的目标是提高生产效率、质量和灵活性，降低生产成本，实现智能化制造。
数字工厂整体解决方案的关键组成部分包括数字化生产线、智能制造系统、大数据分析和预测等。
数字化生产线采用物联网技术和传感器网络，实现机器设备之间的联动和实时监控，能够自动捕捉生产数据并及时反馈到智能制造系统中。
智能制造系统通过实时控制和优化生产过程，提高生产效率和质量。
大数据分析和预测则利用先进的数据挖掘技术，对生产过程和产品质量进行分析和预测，帮助企业及时发现和解决问题，提升整体生产效率。
数字工厂整体解决方案在实际应用中能够带来诸多好处。
首先，它能够大幅提高生产效率和质量，减少人为错误和废品率，从而提高企业竞争力。
其次，数字工厂整体解决方案能够降低生产成本，提高资源利用效率，提升企业盈利能力。
最后，数字工厂整体解决方案还能够提高企业反应速度和灵活性，满足客户个性化需求和市场变化。
总之，数字工厂整体解决方案是一种综合利用数字化技术和制
造智能化的制造模式，能够为企业带来诸多好处，提高企业竞争力和市场地位。
未来，随着数字技术和智能制造的不断发展，数字工厂整体解决方案将成为制造业的主流发展方向。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于物联网数字工厂与智能工厂的整合研究
摘要：本文结合数字工厂的发展和数字孪生工厂的起源，探讨了如何从数字孪
生工厂的角度重新定义数字工厂，从而更好地将数字工厂的建设与未来工厂的实
践结合起来。
智能数字双工厂是数字工厂经过30年不断演进和升级换代后最先
进的表现形式。
新一代数字工厂建设的标准化、面向微观的仿真技术、过程工业
和中小制造业的数字孪生应用等是后续研究和实践的重点方向。
关键词：物联网；数字工厂；智能工厂；整合研究
1面向智能制造的数字工厂整体解决方案开发与技术攻关
在工程应用层，主要包括基于三维模型的数字协同开发、基于虚拟仿真技术的数字仿真
工厂、基于制造过程控制与优化的数字车间三个模块。
将其应用于MBD技术、基于模型的
工艺设计与管理，重点研究了工艺/设备仿真与仿真技术优化设计、基于制造过程控制与优化的数字化车间开发与应用等单点技术。
多工具、多平台集成应用：突破了三维流程设计、三维流程仿真验证、三维AO/fo准备、现场可视化、集成应用等技术难点，实现了多系统集成，保证数据流畅共享，促进业务流程
优化。
消耗品工艺设计与管理：以整机MBOM为基础，自上而下构建整机MBOM数据。
在装
配工艺设计过程中，为了保证装配说明书中的MBOM和安装清单的数据一致性和完整性，需要消耗相应MBOM中的数据。
过程指令动态发布：实现过程指令的动态发布。
AO/fo包括三维草图、装配动画、过程
数字模拟等，并将所示卡释放到制造端。
基于仿真技术的过程/设备仿真与优化设计。
过程仿真技术的发展包括：装配仿真、数控加工仿真、管道制造仿真等实现过程优化设计。
通过数字化化工厂的布局设计和可视化技术，检查化工厂的设计、布局和安装过程，对
化工厂的各种资源，包括机床、输送带、通道、AGV、起重机、集装箱和操作人员进行数字
化显示，优化化工厂的布局设计。
基于制造过程管控与优化的数字车间。
基于物联网技术和信息化技术，如安灯技术、设
备互联互通技术、大数据处理技术、数字孪生技术、信息显示技术等，实时监控设备运行情
况和生产执行状态，及时处理生产现场的问题。
2基于物联网平台集成数字化和虚拟化工厂的方法
2.1创建域模型
本文介绍了虚拟化和数字工厂的概念，并对每个领域进行了详细的分析，建立了一个具
有属性和关系的特定领域的概念集。
由于资源/产品信息是异构的、分布的，因此需要建立一个抽象模型来识别相关领域中重叠的概念及其对应的语义。
物理实体有许多虚拟表示，如机
床和温度传感器。
每个虚拟实体必须只有一个唯一的ID标识。
虚拟实体是物理实体所需属性集的同步表示。
如果物理实体的温度发生变化，则还必须更新其对应虚拟实体的温度属性。
数字实体是由数字表示的元素，例如数据库、三维模型或PLM中的物理实体。
设备是将实体
的真实世界与互联网的数字世界（如传感器和执行器）连接起来的技术对象。
服务是虚拟实
体或物理实体可以执行的功能。
一个简单的服务示例是一个查询，它写入虚拟实体以获取机
器特定部分的温度。
服务可以协调，形成完整的系统。
虚拟实体服务提供对虚拟实体级别信息、处理收集的数据和触发操作的访问。
事件是在实例中发生并更改系统中状态的操作，例
如虚拟实体公开的数据的值更改。
事件可以在服务或服务内触发。
任何虚拟实体都可以订阅
其自己或其他实体的事件。
当事件被触发时，事件源将事件数据传递给订阅服务器。
例如，
当温度高于预定阈值时，通知将发送给维修人员。
2.2开发信息模型
物联网信息模型定义了领域建模步骤中识别的所有信息结构（如关系、属性），包括信
息流中重叠概念的建模、物联网平台中的数据存储以及这些概念的关联模式。
信息模型描述
了虚拟实体的建模，并使用名称、类型和关联元信息的默认值来标识属性。
如第3节所述，
实时数据的重要元信息是测量值的时间（即时间戳）和测量发生的位置。
此外，在这一步骤中，虚拟实体与服务之间的关系表示为与服务关联的虚拟实体的属性。
物联网信息模型模拟
了虚拟世界中明确表达和操纵的领域模型的所有概念以及这些概念之间的关系。
物联网系统
中明确表达的领域模型概念主要有虚拟实体和数字实体及其相应的服务。
虚拟实体是数字世
界中物理实体的模型，物理实体作为物联网信息模型的一部分，根据物联网平台中要表示的
域模型，选择简化的概念集及其相应属性。
虚拟实体属性是需要在虚拟世界中捕获的物理实
体的属性。
您可以定义此类型的虚拟实体具有哪些属性。
2.3通信模型和协议
通信能力与设备交换的数据类型（标识符+数据、时间戳）有关，互操作性是通过使用URI作为事物的唯一标识符来实现的。
网络提供的对象URL（uniform resource locator）作为
对象的唯一标识符来实现互操作性。
如果与某个事物相关联的设备无法处理该事物的URL，
则该设备与必须将rdfurl转换为其各自设备特定标识符的网关相关联。
因为使用了oslc，所
以信息的描述可以是XML、RDF+XML或JSON。
其中，JSON比XML更加紧凑，需要的数据存
储空间更少。
特别是物联网中的虚拟实体也可以与非物联网交互。
例如，虚拟实体需要一些
由自主Web应用程序（非物联网实体）提供的决策信息。
RDF可以表示不属于oslc规范的属性[18]，并且可以将任何虚拟实体属性链接到web上的其他资源。
当使用RDF进行信息注释时，URL必须包含在信息描述中。
2.4确定物联网和PLM之间要集成的数据类型
在物联网应用中，需要处理不同类型的数据。
第一类数据是表示系统当前状态的实时数据。
在物联网中，只有直接从传感器中读取的数据才能被视为实时数据，而实时数据并不是PLM系统的典型目标；第二类数据是通过分析原始数据生成的派生数据，例如特定时间跨度
内制造资源的平均能耗。
第三种类型的数据是推理数据，通过应用逻辑或事实来推断。
例如，观察特定的振动模式可能是机器故障的迹象。
第二类和第三类数据值作为PLM系统配置管理
的一部分，用于产品设计改进。
制造资源的结构和技术数据通常是PLM系统中存在的信息，
集成到物联网（IOT）平台中，避免人工实例化。
使用oslc和链接数据有助于最大限度地减少两个系统之间要复制的数据量。
另一种类型的集成是基于文件的集成，其中应用程序文件由PLM系统通过一些签入和签出机制进行管理。
PLM系统对文件的内容一无所知，但将它们作
为批处理数据进行管理。
然而，PLM系统通常管理一些元数据（例如，文件名和格式、创建
和修改日期、版本和状态）。
因此，为了优化，PLM系统中最新版本的stepnc文件（包括产
品描述、尺寸和公差、特征、刀具路径和操作）可以链接到物联网平台。
结束语
为了实现智能工厂（实时数据）与数字工厂的互操作性，必须考虑以下三个方面：一是
数据传输协议；二是数据表示；三是语义和数据理解。
有许多方法、技术和数据模型可以在
每个级别上互操作。
然而，需要根据目标选择最合适的方法来确定最佳的集成方案。
因此，
本文提出了一种确定信息集成内容、时间和方式的新方法，有助于物联网与数字工厂的集成。
其次，利用语义web技术和oslc技术，将物联网（IOT）和PLM平台进行集成。
Oslc使用HTTP作为数据传输协议，RDF和JSON作为数据格式。
其优点是一个开放的标准，它还允许
任何特定的资源链接到其他中心的信息。
将综合本体与轻量级数据格式（如JSON）相结合的
能力需要更少的存储和处理器空间。
物联网的安全性也是互操作解决方案中的一个关键问题。
物联网的安全性将在未来研究。
参考文献
[1]蔡婷，陈昌志，欧阳凯，等.改进的物联网感知层访问控制策略[J].计算机工程与科学，2015,37(7):1225-1271.
[2]戴航，何景师.基于KPCA-PSO-SVM的物联网信息平台安全检测方法研究[J].现代制造工程，2015(5):35-38.
[3]彭瑜.智能工厂、数字化工厂及中国制造[J].自动化博览，2015(1):28-31.
[4]郭跃华，张红.基于智能代理的异地协同产品开发体系结构研究[J].工业工程，
2013,6(6):1-5.。