异构数据驱动和UML融合的供应链智能控制系统设计

张 生 福

(青海民族大学计算机学院 青海 西宁 810007)

异构数据驱动和UML融合的供应链智能控制系统设计

张 生 福

(青海民族大学计算机学院 青海 西宁 810007)

为了提高供应链的管理水平和商品利用率等性能，基于供应量过程异构数据驱动模型，融合UML智能控制器，构建了供应链智能控制系统。首先，通过收集供应链的管理过程产生的大量数据，以提高控制效率和精度为目的，对过程大数据进行分类并与控制过程建立有机联系，提出线性特征求解二维平面和数据驱动的动态拓扑，构建异构数据驱动模型。接着，借助UML语言，将供应链异构数据内部结构与供应链过程进行描述与建模，并且将异构数据驱动的效应分布式泛化到各个供应链子进程，设计了UML融合机制。最后，给出了数据驱动UML融合嵌入式控制流程和供应链智能控制系统工作步骤。仿真实验对比了所提出的供应链智能控制系统和参数化驱动的控制系统在控制效果、控制收益和商品利用率等方面性能。结果表明，所提出的供应链控制系统性能更佳。

异构数据 驱动控制 UML 供应链控制

0 引 言

供应链管理与控制[1]成为制约现代工业、企业发展的重要因素，如何重发调度分布式流水线[2]的协同合作[3]，通过智能控制和嵌入式微系统，优化供应链控制决策，成为供应链利润最大化[4]和成本最优化[5]的关键技术。

从复杂网络节点出发，基于供应链质量，结合控制流程，文献[6]提出了供应链质量优化应用范式。为了便于维护软件和功能扩展，降低复杂度，文献[7]基于UML的状态，结合Qt的自动机框架改进了IEC 60870-5-104规约主站端。通过深入挖掘UML模型集成测试需求，文献[8]设计了一种测试需求驱动的UML覆盖和集成相融合的测试方案。文献[9]研究了模型驱动与转换技术，设计了UML与Simulink的映射转换算法，进一步提出了元与元混合模型和映射规则。

文献[10]使用文本相似技术分析UML模型。文献[11] 提出了一种基于模型的方法来测试是否实现满足其设计模型所施加的约束。文献[12]提出一个新的符号集，扩展了UML状态图表示法，并应用于在线工业调查测量的新符号语义透明度，及其覆盖的建模状态为基础的安全。基于RFID和嵌入式系统，文献[13]在充分考虑生产线与分销商之间物流延迟、供应耗时、商品处理完成等因素，设计了供应链系统架构模型。基于供应链系统动态演化和库存模型，文献[14]充分发挥了订货量非负驱动因素，解决了系统时滞的非线性问题。

上述研究在UML与嵌入式系统的融合、供应链智能控制和供应链管理质量保障等方面未作深入研究。因此，本文从供应链异构数据驱动出发，设计了一种基于UML融合的供应链智能控制系统。

1 异构数据驱动模型

供应链的管理过程产生大量数据，为了提高控制效率和精度，对过程大数据进行分类并与控制过程建立有机联系。过程大数据具有如下特征：

(1) 高精度数据便于获取，但特征提取难度大；

(2) 高冗余度数据特征显著且相对简单获取难度低，但数据的不确定性高；

(3) 过程大数据的控制机理与管理的映射关系复杂，同构模型无法满足控制需求。

因此，基于供应链控制系统的输入向量和输出矢量，结合异构框架，在提高控制数据的特征提取效率同时，确保供应链控制系统输出数据的驱动性能。结合过程大数据的动态特征和控制过程的分布式特点，通过建立异构数据驱动模型，充分发挥过程大数据的线性优势和实时控制器驱动能力。从供应链过程大数据的整体出发，公式给出了异构数据驱动控制的供应链数据控制关系:

(1)

其中，y表示输出矢量函数，F表示供应链控制函数，x表示异构数据集合。过程大数据的规模由系数k统计。函数P用于获取过程大数据，且按照时间t线性控制。异构数据的分布式集合规模是n。

当大数据质不变且供应链系统输入输出一致时，供应链控制单元的异构数据响应幅度相同，此时异构数据驱动的过程大数据具有线性特征，可表示为：

(2)

其中，向量H是供应链控制系统大数据质向量。Q函数获取供应链控制系统的管理数据且按照时间线性控制。因此，异构数据驱动的过程大数据具有了D线性特征，并且供应链控制系统满足了大数据的异构特性。D线性特征的二维平面的求解如图1所示。

图1 D线性特征求解二维平面

(3)

其中，α表示两路曲线的线性夹角。γ表示异构数据响应幅度。供应链管理健壮性约束参数如下：

(4)

在保障供应链健壮性同时，过程大数据的输出用于控制供应链并进行精确驱动，需要获得被驱动对象的准确控制模型。因此，在二维平面上充分发挥向量H和Q的线性特征，在驱动数据与被驱动对象之间建立供应链控制系统的动态拓扑如图2所示，以便实时准确地为供应链控制提供高可靠性数据。动态拓扑也具有线性特征。该拓扑中的数据来源于D线性特征中的被驱动对象的特征向量。该数据驱动模型以供应链系统的实时采集管理过程的输出数据为驱动，结合被驱动对象的线性转换动态信息。

图2 数据驱动的动态拓扑

综上，该异构数据驱动模型映射了供应链系统的实时动态管理信息和执行状态。该驱动模型以供应链系统的管理对象为出发点，将供应链的内部管理延迟和外围环境制约因素相结合，以精准数据驱动供应链控制。该驱动模型的异构数据函数形式如公式：

(5)

此外，异构数据驱动模型的输出数据样本满足公式所示的线性特征：

(6)

2 UML融合的供应链智能控制系统

为了进一步提高供应链的管理水平和控制效率，充分发挥异构数据的驱动性能，需要一种内部结构与供应链过程大数据的构造相似的语言，对供应链进行描述与建模。UML语言中的抽象类、多样性接口和用例等元素可以准确地捕捉供应链过程的大数据结构特性和收集数据的组织管理。通过对被控制对象的模型化处理，UML采用附加依赖于线性关联相结合的方法，融入供应链控制系统，框架如图3所示。同时，UML将异构数据驱动的效应分布式泛化到各个供应链子进程，从而提高供应链各元素之间的一致性和更新数据拓扑，UML融合控制系统架构如图4所示。从图3和图4中可以看出，UML融合后，供应链控制系统的子进程建模更加准确，有助于精确阐述供应链控制系统中各个子进程的管理框架，建立各种周边环境对供应链控制系统的干扰映射。

图3 UML融合框架

图4 UML融合控制系统架构

图3中将供应链的管理过程划分为n个进程，记为k1,k2,…,kn。异构数据驱动集合中含有若干个元素，每个元素记为Da向量。供应链的UML融合的控制核心包括三个子模块：抽象类、多样性接口和用例，为UML融合提供捕捉特征的辅助和分析功能。

图4中，将供应链控制系统分为软件子系统和硬件子系统。此处，硬件用于采集供应链过程数据，软件子系统用于优化数据驱动的拓扑。为了提升控制系统的智能水平，在图4的控制模块升级为图5所示的智能控制器，其控制流程详见图6。

图5 智能控制器

图6 数据驱动UML融合嵌入式控制流程

基于上述图3-图6，下面给出UML融合的供应链智能控制系统工作步骤：

步骤一：根据式(1)和式(2)，验证供应链系统是否具备线性特征；

步骤二：按照时间构建二维求解平面；

步骤三：获取图2所示的数据驱动的动态拓扑；

步骤四：将步骤三的结果和异构数据驱动集合输入图5；

步骤五：将图5的输出结果通过图6所示流程，输出结果至图4的控制模块。

3 系统性能验证

为了分析本文所提出的供应链智能控制系统的执行特点和验证控制性能，通过数学仿真的方法与基于参数化驱动的控制系统进行对比。两种控制系统的实施均在如式(7)所示的线性系统结构动态变化的分布式离散时间线性被控函数：

(7)

其中，t是整个供应链控制系统的工作时间。N表示供应链控制系统的用户体验时间。

同时，分析过程中供应链满足如下假设条件：

(1) 商品制造商与零部件之间具有一对多的生产关系；

(2) 供应链的产品价格在供应期间保持一致；

(3) 供应链数据驱动的集合具有动态特性，可以实时更新，满足期望分布区间和可信区间；

(4) 在供应末期，用户不满意的商品不计残值，同时也不计缺货损失。

min(y(t))t→n+φ·F

(8)

图7和图8给出了随着不同的采样时刻，两种控制系统的控制输入和输出效果与实际统计结果对比。发现所建立的供应链智能控制系统的异构数据驱动模型实时映射了供应链系统的实时动态管理信息和执行状态。同时该驱动模型将供应链的内部管理延迟和外围环境制约因素相结合，实现了精准数据驱动。因此，与参数化驱动控制系统相比，在空参数输入和控制系统输出方面具有更好的控制效果。

图7 控制输入

图8 输出

根据式(7)和式(8)，计算两种控制系统的智能控制收益率，详见图9。因为所提出的控制系统融合了UML语言及其嵌入式控制器。该系统充分发挥了UML中的被控对象抽象类、控制器多样性接口和供应链用例等元素，从而准确地捕捉供应链过程的大数据结构特性并且有效组织采集数据。参照图3-图6的控制模型，所提出的控制系统可以深入融合UML，基于线性关联的附加依赖，提高了供应链控制系统的智能收益率，而且具有较高的商品利用率(详见图10)。

图9 智能收益率

图10 供应链的商品利用率

4 结 语

面对多样化商品供销需求，传统的供应链具有管理复杂，执行效率低和商品损毁严重等一系列问题，为了解决上述问题，本文设计了一种异构数据驱动和UML融合的供应链智能控制系统。一方面，在获取供应链的管理过程大数据基础上，分类并控制过程大数据，得到供应链的线性特征求解二维平面和数据驱动的动态拓扑后，提出了异构数据驱动模型。另一方面，通过建立供应链数据内部结构与过程之间的映射布局，设计了UML融合模块，从而将异构数据驱动的效应分布式泛化到各个供应链子进程。综上，设计了数据驱动UML融合嵌入式控制流程和供应链智能控制系统。数学仿真实验结果表明，在控制效果、控制收益和商品利用率等方面，所设计的供应链智能控制系统比参数化驱动的控制系统性能更优，可以有效提高供应链的管理水平和控制能力。

[1] 杨冀南. 电子元器件行业供应链控制的方法与策略[J]. 经济与社会发展研究, 2015(3):268-268.

[2] 申强, 杨为民, 刘笑冰,等. 基于两种策略的四级供应链质量控制优化研究[J]. 中国管理科学, 2016, 24(10):52-59.

[3] 王广泽. 改进粒子群算法在供应链库存控制中的应用[J]. 哈尔滨理工大学学报, 2016(5):90-95.

[4] 张义, 钟斌. 装备项目型供应链风险控制策略[J]. 火力与指挥控制, 2015(6):112-114.

[5] 赵皆星. 供应链成本控制中应用目标成本管理研究[J]. 中国经贸, 2016(17):265-265.

[6] 万能, 王福红, 宰银冰. 复杂网络理论在供应链质量控制中的应用研究[J]. 物流科技, 2016,39(11):109-117.

[7] 余存, 黄利军, 黄浩然,等. 基于UML状态图和Qt状态机框架的IEC104规约的分析与实现[J]. 电力系统保护与控制, 2015(15):118-125.

[8] 樊鑫, 郑巍, 杨丰玉. 基于UML模型集成测试工具的建模与设计[J]. 计算机测量与控制, 2015, 23(12):4210-4213.

[9] 郭鹏, 李亚晖, 孙磊,等. 面向嵌入式软件开发的UML到Simulink模型转换方法[J]. 计算机科学, 2016, 43(2):192-198.

[10] Kchaou D, Bouassida N, Ben-Abdallah H. UML models change impact analysis using a text similarity technique[J]. Iet Software, 2017,11(1):27-37.

[11] Chavez H M, Shen W, France R B, et al. An Approach to Checking Consistency between UML Class Model and Its Java Implementation[J]. IEEE Transactions on Software Engineering, 2016,42(4):322-344.

[12] El-Attar M, Luqman H, Kárpáti P, et al. Extending the UML Statecharts Notation to Model Security Aspects[J]. IEEE Transactions on Software Engineering, 2015,41(7):661-690.

[13] 邹承俊. 物联网RFID技术下的供应链系统[J]. 实验室研究与探索, 2015,34(9):265-268.

[14] 李卓群, 严广乐. 时滞非线性供应链系统的复杂动态行为仿真分析[J].计算机应用研究,2016(1):78-81.

DESIGNOFINTELLIGENTCONTROLSYSTEMFORSUPPLYCHAINBASEDONHETEROGENEOUSDATADRIVENANDUMLFUSION

Zhang Shengfu

(SchoolofComputerScience,NationalUniversityofQinghai,Xining810007,Qinghai,China)

In order to improve the management level of the supply chain and the utilization of goods and other properties, we have built a supply chain intelligent control system. The system is based on the heterogeneous data-driven model of the supply process and the fusion UML intelligent controller. First, we collected the large amount of data generated by the management process of the supply chain, classified it and established an organic connection with the control process to improve the control efficiency and accuracy. Besides, we proposed linear features to solve two dimensional and data-driven dynamic topologies, and constructed heterogeneous data-driven models. Second, we described and modeled the supply chain heterogeneous data internal structure and supply chain process using UML language. Furthermore, we generalized the heterogeneous data-driven effects into each supply chain process, and designed the UML fusion mechanism. Finally, the paper gave the steps of data-driven UML fusion embedded control flow and supplied chain intelligent control system. Simulation experiments are carried out to compare the performance of the intelligent control system of the supply chain and the control system driven by the parameter in the control effect, the control benefit and the commodity utilization ratio. The results show that the performance of the proposed supply chain control system is better.

Heterogeneous data Driver control Unified Modeling Language Control system of support chain

TP319 TP393

A

10.3969/j.issn.1000-386x.2017.09.061

2017-04-13。教育部春晖计划项目(Z2016070)。张生福，副教授，主研领域：微系统设计，ERP设计。