CN117289669A - 一种基于工业大模型的自动调整式生产线控制***及方法 - Google Patents
一种基于工业大模型的自动调整式生产线控制***及方法 Download PDFInfo
- Publication number
- CN117289669A CN117289669A CN202311585386.2A CN202311585386A CN117289669A CN 117289669 A CN117289669 A CN 117289669A CN 202311585386 A CN202311585386 A CN 202311585386A CN 117289669 A CN117289669 A CN 117289669A
- Authority
- CN
- China
- Prior art keywords
- area
- communication service
- production line
- service quality
- grids
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 134
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004891 communication Methods 0.000 claims abstract description 165
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 20
- 238000003062 neural network model Methods 0.000 claims description 16
- 230000000306 recurrent effect Effects 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 105
- 230000006870 function Effects 0.000 description 45
- 210000004027 cell Anatomy 0.000 description 27
- 230000005540 biological transmission Effects 0.000 description 23
- 230000015654 memory Effects 0.000 description 23
- 238000003860 storage Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供一种基于工业大模型的自动调整式生产线控制***及方法，涉及人工智能领域，以保证智能生产线的网络服务的稳定性。该方法包括：管理设备从运营商网络获取园区生产线所在区域在第一时间的通信服务质量；管理设备通过工业大模型处理园区生产线所在区域在第一时间的通信服务质量，以预估园区生产线所在区域在第二时间的通信服务质量，其中，第二时间在第一时间之后；管理设备根据园区生产线的排产情况，以及园区生产线所在区域在第二时间的通信服务质量，请求运营商网络为园区生产线所在区域中的目标区域提供信号增强服务。
Description
技术领域
本申请涉及人工智能领域，尤其涉及一种基于工业大模型的自动调整式生产线控制***及方法。
背景技术
智能生产线是一种高度自动化的生产方式，通过引入先进的传感器、机器人和人工智能技术，实现生产过程的智能化、自动化和可视化。智能生产线可以大幅提高生产效率，降低生产成本，提高产品质量，并减少对劳动力的依赖。
全园区覆盖的5G网络可以为智能生产线提供稳定、高效的通信支持，使生产线的各个环节实现实时监控和数据传输，提高生产线的协同效率。此外，全园区覆盖的5G网络还可以为企业提供远程监控、远程控制等服务，实现对整个生产园区的实时监控和管理，提高企业的管理水平和生产效率。
然而，由于无线通信的不稳定性，5G网络的信道质量会出现随机衰减，从而对智能生产线的网络服务的稳定性产生影响，因此，如何保证智能生产线的网络服务的稳定性是目前研究的热点问题。
发明内容
本申请实施例提供一种基于工业大模型的自动调整式生产线控制***及方法，用以保证智能生产线的网络服务的稳定性。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请实施例提供了一种基于工业大模型的自动调整式生产线控制方法，该方法应用于园区生产线的管理设备，该方法包括：管理设备从运营商网络获取园区生产线所在区域在第一时间的通信服务质量；管理设备通过工业大模型处理园区生产线所在区域在第一时间的通信服务质量，以预估园区生产线所在区域在第二时间的通信服务质量，其中，第二时间在第一时间之后；管理设备根据园区生产线的排产情况，以及园区生产线所在区域在第二时间的通信服务质量，请求运营商网络为园区生产线所在区域中的目标区域提供信号增强服务。
可选地，管理设备从运营商网络获取园区生产线所在区域在第一时间的通信服务质量，包括：管理设备请求运营商网络开放园区生产线所在区域的通信服务质量；管理设备接收运营商网络根据管理设备的请求，开放的园区生产线所在区域在第一时间的通信服务质量。
可选地，管理设备请求运营商网络开放园区生产线所在区域的通信服务质量，包括：管理设备向运营商网络的NEF网元发送网络能力开放请求，其中，能力开放请求携带有用于指示园区生产线所在区域的信息，以及用于请求开放通信服务质量的信元，其中，用于指示园区生产线所在区域的信息被NEF网元转换为对应的小区标识列表，小区标识列表指示的至少一个小区覆盖园区生产线所在区域；管理设备接收运营商网络根据管理设备的请求，开放的园区生产线所在区域在第一时间的通信服务质量，包括：管理设备接收运营商网络根据能力开放请求返回的能力开放响应，其中，能力开放响应包括M*N个栅格中每个栅格内的第一通信服务质量，以及用于指示第一时间的信息，园区生产线所在区域被划分为M*N个栅格，M和N均大于1的整数。
也就是说，NEF网元可以根据小区标识列表，找到这些小区对应的RAN设备，然后向RAN设备发送用于指示园区生产线所在区域的信息，以请求RAN设备测量该区域的通信服务质量。RAN设备可以根据该用于指示园区生产线所在区域的信息，将该区域划分为M*N个栅格（具体划分逻辑或策略可以基于RAN设备本地的策略决定，对此不做限制），并为每个栅格分配对应的一个标识，用以后续上报时能够识别。然后，RAN设备可以在第一时间（如当前）测量每个栅格内的第一通信服务质量，如RSRP。其中，测量可以是RAN设备让位于每个栅格内的一个或多个UE上报自身测量的RSRP，共一个或多个RSRP，这一个或多个RSRP加权求和的均值可以作为该栅格内的第一通信服务质。
可以理解，小区覆盖该区域的RAN设备可以有多个。这种情况下，可以由一个RAN设备（即为目标RAN设备）划分格栅，然后，目标RAN设备将划分好的M*N个栅格分发给余下的RAN设备，每个RAN设备在第一时间仅测量自身小区所能覆盖的栅格内的第一通信服务质量，并上报给目标RAN设备，由目标RAN设备汇总得到M*N个栅格中每个栅格内的第一通信服务质量。其中，目标RAN设备可以由NEF网元指定，或者协议预定义，对此不做限定。
可选地，管理设备通过工业大模型处理园区生产线所在区域在第一时间的通信服务质量，以预估园区生产线所在区域在第二时间的通信服务质量，包括：管理设备将M*N个栅格中每个栅格内的第一通信服务质量输入到工业大模型，得到工业大模型输出的在预设时长之后M*N个栅格中每个栅格内的第二通信服务质量，其中，第一时间之后的预设时长即为第二时间。
可选地，工业大模型的卷积神经网络模型，管理设备将M*N个栅格中每个栅格内的第一通信服务质量输入到工业大模型，得到工业大模型输出的在预设时长之后M*N个栅格中每个栅格内的第二通信服务质量，包括：管理设备将M*N个栅格中每个栅格内的第一通信服务质量映射为第一网格图像，其中，第一网格图像包括M*N个网格，第一网格图像中的M*N个网格中的每个网格与M*N个栅格中的一个栅格对应，第一网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第一通信服务质量；管理设备将第一网格图像输入到卷积神经网络模型，得到卷积神经网络模型输出的第二网格图像，其中，第二网格图像包括M*N个网格，第二网格图像中的M*N个网格中的每个网格与M*N个栅格中的一个栅格对应，第二网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第而通信服务质量；管理设备将第二网格图像逆映射为M*N个栅格中每个栅格内的第二通信服务质量。
可选地，工业大模型的递归神经网络模型，递归神经网络模型的输入数据格式为输出L项数据，L大于或等于M*N，管理设备将M*N个栅格中每个栅格内的第一通信服务质量输入到工业大模型，得到工业大模型输出的在预设时长之后M*N个栅格中每个栅格内的第二通信服务质量，包括：管理设备将M*N个栅格中每个栅格内的第一通信服务质量作为一项第一数据，共前M*N项第一数据，以及管理设备将后L-M*N项第一数据填充为0；管理设备将前M*N项第一数据以及后L-M*N项第一数据，共L项第一数据输入递归神经网络模型，得到递归神经网络模型输出的L项第二数据，其中，L项第二数据中前M*N项第二数据为M*N个栅格中每个栅格内的第二通信服务质量，L项第二数据中后L-M*N项第二数据为0。
可选地，管理设备根据园区生产线的排产情况，以及园区生产线所在区域在第二时间的通信服务质量，请求运营商网络为园区生产线所在区域中的目标区域提供信号增强服务，包括：管理设备确定M*N个栅格中第二通信服务质量小于通信服务质量阈值的至少一个待选格栅；管理设备园区生产线的排产情况，从至少一个待选格栅中确定至少一个目标格栅，至少一个目标格栅所在区域内的生产线的排产量大于排产量阈值，至少一个目标格栅组成的区域为目标区域；管理设备请求运营商网络为目标区域提供信号增强服务。
可选地，管理设备请求运营商网络为目标区域提供信号增强服务，包括：管理设备向运营商网络中的NEF网元发送增强服务请求，其中，增强服务请求包括至少一个目标格栅各自的标识，至少一个目标格栅各自的第二通信服务质量，用于指示第二时间的信息，以及用于请求信号增强服务的信元。
可选地，信号增强服务是指通过RIS反射的RAN设备的波束与RAN设备自行发射的波束共同照射需要获得信号增强服务的区域。
例如，NEF网元可以将至少一个目标格栅各自的标识，至少一个目标格栅各自的第二通信服务质量，用于指示第二时间的信息，以及用于请求信号增强服务的信元发送给事先执行测量的RAN设备，如目标RAN设备。目标RAN设备可以根据至少一个目标格栅各自的标识，至少一个目标格栅各自的第二通信服务质量，用于指示第二时间的信息，确定之后在第二时间，这至少一个目标格栅的信道可能出现衰落，导致通信服务质量不好。因此，在目标RAN设备可以根据用于请求信号增强服务的信元，调度波束能够覆盖至少一个目标格栅的RIS，如控制RIS的反射方向。例如，目标RAN设备向为至少一个目标格栅提供服务的RAN设备发送指示信息，以指示其在第二时间在向至少一个目标格栅发送波束的同时，还要向RIS发送波束，同时，目标RAN设备还配置RIS的反射方向指向至少一个目标格栅，且生效时间是第二时间。这样，在第二时间，为至少一个目标格栅提供服务的RAN设备的波束不仅能够直接照射到至少一个目标格栅，其波束还可以被RIS反射到至少一个目标格栅，从而实现信号增强服务。
第二方面，本申请实施例提供了一种基于工业大模型的自动调整式生产线控制***，该***包括园区生产线的管理设备，该***被配置为：管理设备从运营商网络获取园区生产线所在区域在第一时间的通信服务质量；管理设备通过工业大模型处理园区生产线所在区域在第一时间的通信服务质量，以预估园区生产线所在区域在第二时间的通信服务质量，其中，第二时间在第一时间之后；管理设备根据园区生产线的排产情况，以及园区生产线所在区域在第二时间的通信服务质量，请求运营商网络为园区生产线所在区域中的目标区域提供信号增强服务。
可选地，该***被配置为：管理设备请求运营商网络开放园区生产线所在区域的通信服务质量；管理设备接收运营商网络根据管理设备的请求，开放的园区生产线所在区域在第一时间的通信服务质量。
可选地，该***被配置为：管理设备向运营商网络的NEF网元发送网络能力开放请求，其中，能力开放请求携带有用于指示园区生产线所在区域的信息，以及用于请求开放通信服务质量的信元，其中，用于指示园区生产线所在区域的信息被NEF网元转换为对应的小区标识列表，小区标识列表指示的至少一个小区覆盖园区生产线所在区域；管理设备接收运营商网络根据管理设备的请求，开放的园区生产线所在区域在第一时间的通信服务质量，包括：管理设备接收运营商网络根据能力开放请求返回的能力开放响应，其中，能力开放响应包括M*N个栅格中每个栅格内的第一通信服务质量，以及用于指示第一时间的信息，园区生产线所在区域被划分为M*N个栅格，M和N均大于1的整数。
可选地，该***被配置为：管理设备将M*N个栅格中每个栅格内的第一通信服务质量输入到工业大模型，得到工业大模型输出的在预设时长之后M*N个栅格中每个栅格内的第二通信服务质量，其中，第一时间之后的预设时长即为第二时间。
可选地，工业大模型的卷积神经网络模型，该***被配置为：管理设备将M*N个栅格中每个栅格内的第一通信服务质量映射为第一网格图像，其中，第一网格图像包括M*N个网格，第一网格图像中的M*N个网格中的每个网格与M*N个栅格中的一个栅格对应，第一网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第一通信服务质量；管理设备将第一网格图像输入到卷积神经网络模型，得到卷积神经网络模型输出的第二网格图像，其中，第二网格图像包括M*N个网格，第二网格图像中的M*N个网格中的每个网格与M*N个栅格中的一个栅格对应，第二网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第而通信服务质量；管理设备将第二网格图像逆映射为M*N个栅格中每个栅格内的第二通信服务质量。
可选地，工业大模型的递归神经网络模型，该***被配置为：管理设备将M*N个栅格中每个栅格内的第一通信服务质量作为一项第一数据，共前M*N项第一数据，以及管理设备将后L-M*N项第一数据填充为0；管理设备将前M*N项第一数据以及后L-M*N项第一数据，共L项第一数据输入递归神经网络模型，得到递归神经网络模型输出的L项第二数据，其中，L项第二数据中前M*N项第二数据为M*N个栅格中每个栅格内的第二通信服务质量，L项第二数据中后L-M*N项第二数据为0。
可选地，该***被配置为：管理设备确定M*N个栅格中第二通信服务质量小于通信服务质量阈值的至少一个待选格栅；管理设备园区生产线的排产情况，从至少一个待选格栅中确定至少一个目标格栅，至少一个目标格栅所在区域内的生产线的排产量大于排产量阈值，至少一个目标格栅组成的区域为目标区域；管理设备请求运营商网络为目标区域提供信号增强服务。
可选地，该***被配置为：管理设备向运营商网络中的NEF网元发送增强服务请求，其中，增强服务请求包括至少一个目标格栅各自的标识，至少一个目标格栅各自的第二通信服务质量，用于指示第二时间的信息，以及用于请求信号增强服务的信元。
可选地，信号增强服务是指通过RIS反射的RAN设备的波束与RAN设备自行发射的波束共同照射需要获得信号增强服务的区域。
第三方面，本申请实施例提供了一种计算机可读存储介质，所述存储介质上存储有程序代码，当所述程序代码被所述计算机运行时，执行如第一方面所述的方法。
综上，上述方法及装置具有如下技术效果：
管理设备可以基于从运营商网络获取园区生产线所在区域在第一时间的通信服务质量，通过工业大模型预估其在第二时间的通信服务质量，以确定在未来哪些区域（如目标区域）的信号可能会出现衰减，从而请求运营商网络给目标区域提供信号增强服务，以避免信号衰减产生的影响，保证智能生产线的网络服务的稳定性。
附图说明
图1为5G***的架构示意图；
图2为本申请实施例提供的一种生产***的架构示意图；
图3为本申请实施例提供的一种基于工业大模型的自动调整式生产线控制方法的流程图；
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
1、第五代（5th generation，5G）移动通信***：
图1为5G***的架构示意图，如图1所示，5G***包括：接入网（access network，AN）和核心网（core network，CN），还可以包括：终端。
上述终端可以为具有收发功能的终端，或为可设置于该终端的芯片或芯片***。该终端也可以称为用户装置（uesr equipment，UE）、接入终端、用户单元（subscriberunit）、用户站、移动站（mobile station，MS）、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置。本申请的实施例中的终端可以是手机（mobile phone）、蜂窝电话（cellular phone）、智能电话（smart phone）、平板电脑（Pad）、无线数据卡、个人数字助理电脑（personal digital assistant，PDA）、无线调制解调器（modem）、手持设备（handset）、膝上型电脑（laptop computer）、机器类型通信（machinetype communication，MTC）终端、带无线收发功能的电脑、虚拟现实（virtual reality，VR）终端、增强现实（augmented reality，AR）终端、工业控制（industrial control）中的无线终端、无人驾驶（self driving）中的无线终端、远程医疗（remote medical）中的无线终端、智能电网（smart grid）中的无线终端、运输安全（transportation safety）中的无线终端、智慧城市（smart city）中的无线终端、智慧家庭（smart home）中的无线终端、车载终端、具有终端功能的路边单元（road side unit，RSU）等。本申请的终端还可以是作为一个或多个部件或者单元而内置于车辆的车载模块、车载模组、车载部件、车载芯片或者车载单元。
上述AN用于实现接入有关的功能，可以为特定区域的授权用户提供入网功能，并能够根据用户的级别，业务的需求等确定不同质量的传输链路以传输用户数据。AN在终端与CN之间转发控制信号和用户数据。AN可以包括：接入网元，也可以称为无线接入网元（radio access network，RAN）设备。
RAN设备可以是为终端提供接入的设备。例如，RAN设备可以包括：RAN设备也可以包括5G，如新空口（new radio，NR）***中的gNB，或，5G中的基站的一个或一组（包括多个天线面板）天线面板，或者，还可以为构成gNB、传输点（transmission and reception point，TRP或者transmission point，TP）或传输测量功能（transmission measurementfunction，TMF）的网络节点，如基带单元（building base band unit，BBU），或，集中单元（centralized unit，CU）或分布单元（distributed unit，DU）、具有基站功能的RSU，或者有线接入网关，或者5G的核心网网元。或者，RAN设备还可以包括无线保真（wirelessfidelity，WiFi）***中的接入点（access point，AP），无线中继节点、无线回传节点、各种形式的宏基站、微基站（也称为小站）、中继站、接入点、可穿戴设备、车载设备等等。或者，RAN设备可以也可以包括下一代移动通信***，例如6G的接入网元，例如6G基站，或者在下一代移动通信***中，该网络设备也可以有其他命名方式，其均涵盖在本申请实施例的保护范围以内，本申请对此不做任何限定。
CN主要负责维护移动网络的签约数据，为终端提供会话管理、移动性管理、策略管理以及安全认证等功能。CN主要包括如下网元：用户面功能（user plane function，UPF）网元、认证服务功能（authentication server function，AUSF）网元、接入和移动性管理功能（access and mobility management function，AMF）网元、会话管理功能（sessionmanagement function，SMF）网元、网络切片选择功能（network slice selectionfunction，NSSF）网元、网络开放功能（network exposure function，NEF）网元、网络功能仓储功能（NF repository function，NRF）网元、策略控制功能（policy control function，PCF）网元、统一数据管理（unified data management，UDM）网元、应用功能（applicationfunction，AF）网元、以及网络切片和独立非公共网络（standalone non-public network，SNPN）的鉴权授权功能（network slice-specific and SNPN authentication andauthorization function，NSSAAF）网元。
其中，UPF网元主要负责用户数据处理（转发、接收、计费等）。例如，UPF网元可以接收来自数据网络（data network，DN）的用户数据，通过接入网元向终端转发该用户数据。UPF网元也可以通过接入网元接收来自终端的用户数据，并向DN转发该用户数据。DN网元指的是为用户提供数据传输服务的运营商网络。例如网际互连协议（internet protocol，IP）多媒体业务（IP multi-media srvice，IMS）、互联网（internet）等。
AUSF网元可用于执行终端的安全认证。
AMF网元主要负责移动网络中的移动性管理。例如用户位置更新、用户注册网络、用户切换等。
SMF网元主要负责移动网络中的会话管理。例如会话建立、修改、释放。具体功能例如为用户分配互联网协议（internet protocol，IP）地址，选择提供报文转发功能的UPF等。
PCF网元主要支持提供统一的策略框架来控制网络行为，提供策略规则给控制层网络功能，同时负责获取与策略决策相关的用户签约信息。PCF网元可以向AMF网元、SMF网元提供策略，例如服务质量（quality of service，QoS）策略、切片选择策略等。
NSSF网元可用于为终端选择网络切片。
NEF网元可用于支持能力和事件的开放。
UDM网元可用于存储用户数据，例如签约数据、鉴权/授权数据等。
AF网元主要支持与CN交互来提供服务，例如影响数据路由决策、策略控制功能或者向网络侧提供第三方的一些服务。
2、波束：
波束在协议中的体现可以是空域滤波器（spatial domain filter），或者称空间滤波器（spatial filter），或称空域参数（spatial domain parameter），空间参数（spatial parameter），空域设置（spatial domain setting），空间设置（spatialsetting），或准共址（Quasi-colocation，QCL）信息，QCL假设，QCL指示等。波束可以通过传输配置指示状态（TCI-state，Transmission Configuration Indication state）参数来指示，或通过空间关系（spatial relation）参数指示。因此，本申请中，波束可以替换为空域滤波器，空间滤波器，空域参数，空间参数，空域设置，空间设置，QCL信息，QCL假设，QCL指示，TCI状态（DL TCI-state，UL TCI-state），空间关系等。上述术语之间也相互等效。波束也可以替换为其他表示波束的术语，本申请不做限定。
用于发送信号的波束可以称为发送波束（transmission beam，Tx beam），比如上行发送波束或下行发送波束，也可以称为空域发送滤波器（spatial domain transmissionfilter），空间发送滤波器（spatial transmission filter），空域发送参数（spatialdomain transmission parameter）或空间发送参数（spatial transmission parameter），空域发送设置（spatial domain transmission setting）或空间发送设置（spatialtransmission setting）。下行发送波束可以通过TCI状态指示。
用于接收信号的波束可以称为接收波束（reception beam，Rx beam），比如上行接收波束或下行接收波束，也可以称为空域接收滤波器（spatial domain receptionfilter），空间接收滤波器（spatial reception filter），空域接收参数（spatial domainreception parameter）或空间接收参数（spatial reception parameter），空域接收设置（spatial domain reception setting）或空间接收设置（spatial reception setting）。发送波束可以通过空间关系，或上行TCI状态，或探测参考信号（Sounding ReferenceSignal，SRS）资源（表示采用该SRS的发送波束）来指示。上行发送波束还可以替换为SRS资源。
发送波束也可以是指信号经天线发射出去后在空间不同方向上形成的信号强度的分布，接收波束也可以是指从天线上接收到的无线信号在空间不同方向上的信号强度分布。
此外，波束可以是宽波束，或者窄波束，或者其他类型波束。形成波束的技术可以是波束赋形技术或者其他技术。波束赋形技术具体可以为数字波束赋形技术、模拟波束赋形技术或者混合数字/模拟波束赋形技术等。
波束一般和资源对应，例如进行波束测量时，网络设备通过不同的资源来测量不同的波束，终端反馈测得的资源质量，网络设备就知道对应的波束的质量。在数据传输时，波束信息也是通过其对应的资源来进行指示的。例如网络设备通过下行控制信息（downlink control information，DCI）中的传输配置编号（transmission configurationindication，TCI）字段，来指示终端的物理下行共享信道（physical downlink sharingchannel，PDSCH）波束的信息。
可选地，将具有相同或者类似的通信特征的多个波束视为是一个波束。一个波束内可以包括一个或多个天线端口，用于传输数据信道、控制信道和探测信号等。形成一个波束的一个或多个天线端口也可以看作是一个天线端口集。在波束测量中，每一个波束对应一个资源，因此可以以资源的索引来唯一标识该资源对应的波束。
3、深度神经网络（deep neural network，DNN）：
DNN是机器学习的一种具体实现形式。根据通用近似定理，神经网络理论上可以逼近任意连续函数，从而使得神经网络具备学习任意映射的能力。根据网络的构建方式，DNN可分为前馈神经网络（feed forward neural network，FNN）、卷积神经网络（convolutional neural networks，CNN）和递归神经网络 （recurrent neural network，RNN）。
FNN网络的特点为相邻层的神经元之间两两完全相连，这使得FNN通常需要大量的存储空间、导致较高的计算复杂度。
CNN是一种专门来处理具有类似网格结构的数据的神经网络。例如，时间序列数据（时间轴离散采样）和图像数据（二维离散采样）都可以认为是类似网格结构的数据。CNN并不一次性利用全部的输入信息做运算，而是采用一个固定大小的窗截取部分信息做卷积运算，这就大大降低了模型参数的计算量。另外根据窗截取的信息类型的不同（如同一幅图中的人和物为不同类型信息），每个窗可以采用不同的卷积核运算，这使得CNN能更好的提取输入数据的特征。
RNN是一类利用反馈时间序列信息的DNN网络。它的输入包括当前时刻的新的输入值和自身在前一时刻的输出值。RNN适合获取在时间上具有相关性的序列特征，特别适用于语音识别、信道编译码等应用。
在本发明实施例中，“指示”可以包括直接指示和间接指示，也可以包括显式指示和隐式指示。将某一信息所指示的信息称为待指示信息，则具体实现过程中，对待指示信息进行指示的方式有很多种，例如但不限于，可以直接指示待指示信息，如待指示信息本身或者该待指示信息的索引等。也可以通过指示其他信息来间接指示待指示信息，其中该其他信息与待指示信息之间存在关联关系。还可以仅仅指示待指示信息的一部分，而待指示信息的其他部分则是已知的或者提前约定的。例如，还可以借助预先约定(例如协议规定)的各个信息的排列顺序来实现对特定信息的指示，从而在一定程度上降低指示开销。同时，还可以识别各个信息的通用部分并统一指示，以降低单独指示同样的信息而带来的指示开销。
此外，具体的指示方式还可以是现有各种指示方式，例如但不限于，上述指示方式及其各种组合等。各种指示方式的具体细节可以参考现有技术，本文不再赘述。由上文所述可知，举例来说，当需要指示相同类型的多个信息时，可能会出现不同信息的指示方式不相同的情形。具体实现过程中，可以根据具体的需要选择所需的指示方式，本发明实施例对选择的指示方式不做限定，如此一来，本发明实施例涉及的指示方式应理解为涵盖可以使得待指示方获知待指示信息的各种方法。
应理解，待指示信息可以作为一个整体一起发送，也可以分成多个子信息分开发送，而且这些子信息的发送周期和/或发送时机可以相同，也可以不同。具体发送方法本发明实施例不进行限定。其中，这些子信息的发送周期和/或发送时机可以是预先定义的，例如根据协议预先定义的，也可以是发送端设备通过向接收端设备发送配置信息来配置的。
“预先定义”或“预先配置”可以通过在设备中预先保存相应的代码、表格或其他可用于指示相关信息的方式来实现，本发明实施例对于其具体的实现方式不做限定。其中，“保存”可以是指，保存在一个或者多个存储器中。所述一个或者多个存储器可以是单独的设置，也可以是集成在编码器或者译码器，处理器、或电子设备中。所述一个或者多个存储器也可以是一部分单独设置，一部分集成在译码器、处理器、或电子设备中。存储器的类型可以是任意形式的存储介质，本发明实施例并不对此限定。
本发明实施例中涉及的“协议”可以是指通信领域中协议族、类似协议族帧结构的标准协议、或者应用于未来的物联网设备的可靠接入方法***中的相关协议，本发明实施例对此不作具体限定。
本发明实施例中，“当……时”、“在……的情况下”、“若”以及“如果”等描述均指在某种客观情况下设备会做出相应的处理，并非是限定时间，且也不要求设备在实现时一定要有判断的动作，也不意味着存在其它限定。
在本发明实施例的描述中，除非另有说明，“/”表示前后关联的对象是一种“或”的关系，例如，A/B可以表示A或B；本发明实施例中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A、B可以是单数或者复数。并且，在本发明实施例的描述中，除非另有说明，“多个”是指两个或多于两个。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a、b或c中的至少一项（个），可以表示：a，b，c，a-b，a-c，b-c，或a-b-c，其中a，b，c可以是单个，也可以是多个。另外，为了便于清楚描述本发明实施例的技术方案，在本发明的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。同时，在本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念，便于理解。
本发明实施例描述的网络架构以及业务场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
下面将结合附图，对本申请中的技术方案进行描述。
请参阅图2，本申请实施例提供了一种生产***，该生产***可以包括：管理设备和运营商网络。
其中，管理设备可以理解为终端，终端可以为具有通信功能的终端，或可以为设置于该终端的芯片或芯片***。该终端设备也可以称为用户装置（user equipment，UE）、接入终端、用户单元、用户站、移动站、移动台、远方站、远程终端、移动设备、用户终端、终端、无线通信设备、用户代理或用户装置。本申请的实施例中的终端设备可以是手机（mobilephone）、平板电脑（Pad）、带无线收发功能的电脑、虚拟现实（virtual reality，VR）终端设备、增强现实（augmented reality，AR）终端设备、工业控制（industrial control）中的无线终端、无人驾驶（self driving）中的无线终端、远程医疗（remote medical）中的无线终端、智能电网（smart grid）中的无线终端、运输安全（transportation safety）中的无线终端、智慧城市（smart city）中的无线终端、智慧家庭（smart home）中的无线终端、车载终端、具有终端功能的RSU等。
下面将结合方法，对上述生产***中管理设备和运营商网络的交互进行详细说明。
请参阅图3，本申请实施例提供了一基于工业大模型的自动调整式生产线控制方法。该方法可以适用于管理设备和控制设备之间的通信。该方法的流程包括：
S301，管理设备从运营商网络获取园区生产线所在区域在第一时间的通信服务质量。
其中，管理设备可以请求运营商网络开放园区生产线所在区域的通信服务质量。例如，管理设备向运营商网络的NEF网元发送网络能力开放请求，其中，能力开放请求携带有用于指示园区生产线所在区域的信息，以及用于请求开放通信服务质量的信元，其中，用于指示园区生产线所在区域的信息被NEF网元转换为对应的小区标识列表，小区标识列表指示的至少一个小区覆盖园区生产线所在区域。
也就是说，NEF网元可以根据小区标识列表，找到这些小区对应的RAN设备，然后向RAN设备发送用于指示园区生产线所在区域的信息，以请求RAN设备测量该区域的通信服务质量。RAN设备可以根据该用于指示园区生产线所在区域的信息，将该区域划分为M*N个栅格（具体划分逻辑或策略可以基于RAN设备本地的策略决定，对此不做限制），并为每个栅格分配对应的一个标识，用以后续上报时能够识别。然后，RAN设备可以在第一时间（如当前）测量每个栅格内的第一通信服务质量，如RSRP。其中，测量可以是RAN设备让位于每个栅格内的一个或多个UE上报自身测量的RSRP，共一个或多个RSRP，这一个或多个RSRP加权求和的均值可以作为该栅格内的第一通信服务质。
可以理解，小区覆盖该区域的RAN设备可以有多个。这种情况下，可以由一个RAN设备（即为目标RAN设备）划分格栅，然后，目标RAN设备将划分好的M*N个栅格分发给余下的RAN设备，每个RAN设备在第一时间仅测量自身小区所能覆盖的栅格内的第一通信服务质量，并上报给目标RAN设备，由目标RAN设备汇总得到M*N个栅格中每个栅格内的第一通信服务质量。其中，目标RAN设备可以由NEF网元指定，或者协议预定义，对此不做限定。
管理设备可以接收运营商网络根据管理设备的请求，开放的园区生产线所在区域在第一时间的通信服务质量。例如，管理设备可以接收运营商网络根据能力开放请求返回的能力开放响应。其中，能力开放响应包括M*N个栅格中每个栅格内的第一通信服务质量，以及用于指示第一时间的信息，园区生产线所在区域被划分为M*N个栅格，M和N均大于1的整数。
S302，管理设备通过工业大模型处理园区生产线所在区域在第一时间的通信服务质量，以预估园区生产线所在区域在第二时间的通信服务质量。
其中，第二时间在第一时间之后。管理设备可以将M*N个栅格中每个栅格内的第一通信服务质量输入到工业大模型，得到工业大模型输出的在预设时长之后M*N个栅格中每个栅格内的第二通信服务质量，其中，第一时间之后的预设时长即为第二时间。
方式1，工业大模型的卷积神经网络模型。
管理设备可以将M*N个栅格中每个栅格内的第一通信服务质量映射为第一网格图像，其中，第一网格图像包括M*N个网格，第一网格图像中的M*N个网格中的每个网格与M*N个栅格中的一个栅格对应，第一网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第一通信服务质量。管理设备可以将第一网格图像输入到卷积神经网络模型，得到卷积神经网络模型输出的第二网格图像，其中，第二网格图像包括M*N个网格，第二网格图像中的M*N个网格中的每个网格与M*N个栅格中的一个栅格对应，第二网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第而通信服务质量。管理设备可以将第二网格图像逆映射为M*N个栅格中每个栅格内的第二通信服务质量。
方式2，工业大模型的递归神经网络模型，递归神经网络模型的输入数据格式为输出L项数据，L大于或等于M*N。
管理设备可以将M*N个栅格中每个栅格内的第一通信服务质量作为一项第一数据，共前M*N项第一数据，以及管理设备将后L-M*N项第一数据填充为0。管理设备可以将前M*N项第一数据以及后L-M*N项第一数据，共L项第一数据输入递归神经网络模型，得到递归神经网络模型输出的L项第二数据。其中，L项第二数据中前M*N项第二数据为M*N个栅格中每个栅格内的第二通信服务质量，L项第二数据中后L-M*N项第二数据为0。
S303，管理设备根据园区生产线的排产情况，以及园区生产线所在区域在第二时间的通信服务质量，请求运营商网络为园区生产线所在区域中的目标区域提供信号增强服务。
管理设备可以确定M*N个栅格中第二通信服务质量小于通信服务质量阈值的至少一个待选格栅。管理设备可以根据园区生产线的排产情况，从至少一个待选格栅中确定至少一个目标格栅，至少一个目标格栅所在区域内的生产线的排产量大于排产量阈值，至少一个目标格栅组成的区域为目标区域。也即，选择信号可能会变差，且对应生成线的产能又比较大的目标区域。管理设备可以请求运营商网络为目标区域提供信号增强服务。例如，管理设备可以向运营商网络中的NEF网元发送增强服务请求。其中，增强服务请求包括至少一个目标格栅各自的标识，至少一个目标格栅各自的第二通信服务质量，用于指示第二时间的信息，以及用于请求信号增强服务的信元。可选地，信号增强服务是指通过RIS反射的RAN设备的波束与RAN设备自行发射的波束共同照射需要获得信号增强服务的区域。
例如，NEF网元可以将至少一个目标格栅各自的标识，至少一个目标格栅各自的第二通信服务质量，用于指示第二时间的信息，以及用于请求信号增强服务的信元发送给事先执行测量的RAN设备，如目标RAN设备。目标RAN设备可以根据至少一个目标格栅各自的标识，至少一个目标格栅各自的第二通信服务质量，用于指示第二时间的信息，确定之后在第二时间，这至少一个目标格栅的信道可能出现衰落，导致通信服务质量不好。因此，在目标RAN设备可以根据用于请求信号增强服务的信元，调度波束能够覆盖至少一个目标格栅的RIS，如控制RIS的反射方向。例如，目标RAN设备向为至少一个目标格栅提供服务的RAN设备发送指示信息，以指示其在第二时间在向至少一个目标格栅发送波束的同时，还要向RIS发送波束，同时，目标RAN设备还配置RIS的反射方向指向至少一个目标格栅，且生效时间是第二时间。这样，在第二时间，为至少一个目标格栅提供服务的RAN设备的波束不仅能够直接照射到至少一个目标格栅，其波束还可以被RIS反射到至少一个目标格栅，从而实现信号增强服务。
综上，管理设备可以基于从运营商网络获取园区生产线所在区域在第一时间的通信服务质量，通过工业大模型预估其在第二时间的通信服务质量，以确定在未来哪些区域（如目标区域）的信号可能会出现衰减，从而请求运营商网络给目标区域提供信号增强服务，以避免信号衰减产生的影响，保证智能生产线的网络服务的稳定性。
以上结合图3详细说明了本申请实施例提供的方法。以下介绍用于执行本申请实施例提供的方法的基于工业大模型的自动调整式生产线控制***。
该***包括园区生产线的管理设备，该***被配置为：管理设备从运营商网络获取园区生产线所在区域在第一时间的通信服务质量；管理设备通过工业大模型处理园区生产线所在区域在第一时间的通信服务质量，以预估园区生产线所在区域在第二时间的通信服务质量，其中，第二时间在第一时间之后；管理设备根据园区生产线的排产情况，以及园区生产线所在区域在第二时间的通信服务质量，请求运营商网络为园区生产线所在区域中的目标区域提供信号增强服务。
可选地，该***被配置为：管理设备请求运营商网络开放园区生产线所在区域的通信服务质量；管理设备接收运营商网络根据管理设备的请求，开放的园区生产线所在区域在第一时间的通信服务质量。
可选地，该***被配置为：管理设备向运营商网络的NEF网元发送网络能力开放请求，其中，能力开放请求携带有用于指示园区生产线所在区域的信息，以及用于请求开放通信服务质量的信元，其中，用于指示园区生产线所在区域的信息被NEF网元转换为对应的小区标识列表，小区标识列表指示的至少一个小区覆盖园区生产线所在区域；管理设备接收运营商网络根据管理设备的请求，开放的园区生产线所在区域在第一时间的通信服务质量，包括：管理设备接收运营商网络根据能力开放请求返回的能力开放响应，其中，能力开放响应包括M*N个栅格中每个栅格内的第一通信服务质量，以及用于指示第一时间的信息，园区生产线所在区域被划分为M*N个栅格，M和N均大于1的整数。
可选地，该***被配置为：管理设备将M*N个栅格中每个栅格内的第一通信服务质量输入到工业大模型，得到工业大模型输出的在预设时长之后M*N个栅格中每个栅格内的第二通信服务质量，其中，第一时间之后的预设时长即为第二时间。
可选地，工业大模型的卷积神经网络模型，该***被配置为：管理设备将M*N个栅格中每个栅格内的第一通信服务质量映射为第一网格图像，其中，第一网格图像包括M*N个网格，第一网格图像中的M*N个网格中的每个网格与M*N个栅格中的一个栅格对应，第一网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第一通信服务质量；管理设备将第一网格图像输入到卷积神经网络模型，得到卷积神经网络模型输出的第二网格图像，其中，第二网格图像包括M*N个网格，第二网格图像中的M*N个网格中的每个网格与M*N个栅格中的一个栅格对应，第二网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第而通信服务质量；管理设备将第二网格图像逆映射为M*N个栅格中每个栅格内的第二通信服务质量。
可选地，工业大模型的递归神经网络模型，该***被配置为：管理设备将M*N个栅格中每个栅格内的第一通信服务质量作为一项第一数据，共前M*N项第一数据，以及管理设备将后L-M*N项第一数据填充为0；管理设备将前M*N项第一数据以及后L-M*N项第一数据，共L项第一数据输入递归神经网络模型，得到递归神经网络模型输出的L项第二数据，其中，L项第二数据中前M*N项第二数据为M*N个栅格中每个栅格内的第二通信服务质量，L项第二数据中后L-M*N项第二数据为0。
可选地，该***被配置为：管理设备确定M*N个栅格中第二通信服务质量小于通信服务质量阈值的至少一个待选格栅；管理设备园区生产线的排产情况，从至少一个待选格栅中确定至少一个目标格栅，至少一个目标格栅所在区域内的生产线的排产量大于排产量阈值，至少一个目标格栅组成的区域为目标区域；管理设备请求运营商网络为目标区域提供信号增强服务。
可选地，该***被配置为：管理设备向运营商网络中的NEF网元发送增强服务请求，其中，增强服务请求包括至少一个目标格栅各自的标识，至少一个目标格栅各自的第二通信服务质量，用于指示第二时间的信息，以及用于请求信号增强服务的信元。
可选地，信号增强服务是指通过RIS反射的RAN设备的波束与RAN设备自行发射的波束共同照射需要获得信号增强服务的区域。
下面结合图4对电子设备500的各个构成部件进行具体的介绍：
其中，处理器501是电子设备500的控制中心，可以是一个处理器，也可以是多个处理元件的统称。例如，处理器501是一个或多个中央处理器（central processing unit，CPU），也可以是特定集成电路（application specific integrated circuit，ASIC），或者是被配置成实施本申请实施例的一个或多个集成电路，例如：一个或多个微处理器（digital signal processor，DSP），或，一个或者多个现场可编程门阵列（fieldprogrammable gate array，FPGA）。
可选地，处理器501可以通过运行或执行存储在存储器502内的软件程序，以及调用存储在存储器502内的数据，执行电子设备500的各种功能，如上述图3所示的方法中的功能。
在具体的实现中，作为一种实施例，处理器501可以包括一个或多个CPU，例如图4中所示出的CPU0和CPU1。
在具体实现中，作为一种实施例，电子设备500也可以包括多个处理器。这些处理器中的每一个可以是一个单核处理器（single-CPU），也可以是一个多核处理器（multi-CPU）。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据（例如计算机程序指令）的处理核。
其中，存储器502用于存储执行本申请方案的软件程序，并由处理器501来控制执行，具体实现方式可以参考上述方法实施例，此处不再赘述。
可选地，存储器502可以是只读存储器（read-only memory，ROM）或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器（random access memory，RAM）或
可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器（electrically erasable programmable read-only memory，EEPROM）、只读光盘（compact disc read-only memory，CD-ROM）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器502可以和处理器501集成在一起，也可以独立存在，并电子设备500
的接口电路（图4中未示出）与处理器501耦合，本申请实施例对此不作具体限定。
收发器503，用于与其他装置之间的通信。例如，基于多波束的定位装置为终端，收发器503可以用于与网络设备通信，或者与另一个终端通信。
可选地，收发器503可以包括接收器和发送器（图4中未单独示出）。其中，接收器用于实现接收功能，发送器用于实现发送功能。
可选地，收发器503可以和处理器501集成在一起，也可以独立存在，并通过电子设备500的接口电路（图4中未示出）与处理器501耦合，本申请实施例对此不作具体限定。
需要说明的是，图4中示出的电子设备500的结构并不构成对该装置的限定，实际的电子设备500可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
此外，基于电子设备500的技术效果可以参考上述方法实施例的方法的技术效果，此处不再赘述。
应理解，在本申请实施例中的处理器可以是中央处理单元（central processingunit，CPU），该处理器还可以是其他通用处理器、数字信号处理器（digital signalprocessor，DSP）、专用集成电路（application specific integrated circuit，ASIC）、现成可编程门阵列（field programmable gate array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
还应理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器（read-only memory，ROM）、可编程只读存储器（programmable ROM，PROM）、可擦除可编程只读存储器（erasable PROM，EPROM）、电可擦除可编程只读存储器（electrically EPROM，EEPROM）或闪存。易失性存储器可以是随机存取存储器（random access memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器（random accessmemory，RAM）可用，例如静态随机存取存储器（static RAM，SRAM）、动态随机存取存储器（DRAM）、同步动态随机存取存储器（synchronous DRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（double data rate SDRAM，DDR SDRAM）、增强型同步动态随机存取存储器（enhanced SDRAM，ESDRAM）、同步连接动态随机存取存储器（synchlink DRAM，SLDRAM）和直接内存总线随机存取存储器（direct rambus RAM，DR RAM）。
上述实施例，可以全部或部分地通过软件、硬件（如电路）、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a,b,或c中的至少一项（个），可以表示：a, b, c, a-b, a-c, b-c, 或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征字段可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于工业大模型的自动调整式生产线控制方法，其特征在于，所述方法应用于园区生产线的管理设备，所述方法包括：
所述管理设备从运营商网络获取所述园区生产线所在区域在第一时间的通信服务质量；
所述管理设备通过工业大模型处理所述园区生产线所在区域在第一时间的通信服务质量，以预估所述园区生产线所在区域在第二时间的通信服务质量，其中，所述第二时间在所述第一时间之后；
所述管理设备根据所述园区生产线的排产情况，以及所述园区生产线所在区域在第二时间的通信服务质量，请求所述运营商网络为所述园区生产线所在区域中的目标区域提供信号增强服务。
2.根据权利要求1所述的方法，其特征在于，所述管理设备从所述运营商网络获取所述园区生产线所在区域在第一时间的通信服务质量，包括：
所述管理设备请求运营商网络开放所述园区生产线所在区域的通信服务质量；
所述管理设备接收所述运营商网络根据所述管理设备的请求，开放的所述园区生产线所在区域在第一时间的通信服务质量。
3.根据权利要求2所述的方法，其特征在于，所述管理设备请求运营商网络开放所述园区生产线所在区域的通信服务质量，包括：
所述管理设备向所述运营商网络的NEF网元发送网络能力开放请求，其中，所述能力开放请求携带有用于指示所述园区生产线所在区域的信息，以及用于请求开放通信服务质量的信元，其中，所述用于指示所述园区生产线所在区域的信息被所述NEF网元转换为对应的小区标识列表，所述小区标识列表指示的至少一个小区覆盖所述园区生产线所在区域；
所述管理设备接收所述运营商网络根据所述管理设备的请求，开放的所述园区生产线所在区域在第一时间的通信服务质量，包括：
所述管理设备接收所述运营商网络根据所述能力开放请求返回的能力开放响应，其中，所述能力开放响应包括M*N个栅格中每个栅格内的第一通信服务质量，以及用于指示所述第一时间的信息，所述园区生产线所在区域被划分为所述M*N个栅格，M和N均大于1的整数。
4.根据权利要求3所述的方法，其特征在于，所述管理设备通过工业大模型处理所述园区生产线所在区域在第一时间的通信服务质量，以预估所述园区生产线所在区域在第二时间的通信服务质量，包括：
所述管理设备将所述M*N个栅格中每个栅格内的第一通信服务质量输入到所述工业大模型，得到所述工业大模型输出的在预设时长之后所述M*N个栅格中每个栅格内的第二通信服务质量，其中，所述第一时间之后的预设时长即为所述第二时间。
5.根据权利要求4所述的方法，其特征在于，所述工业大模型的卷积神经网络模型，所述管理设备将所述M*N个栅格中每个栅格内的第一通信服务质量输入到所述工业大模型，得到所述工业大模型输出的在预设时长之后所述M*N个栅格中每个栅格内的第二通信服务质量，包括：
所述管理设备将所述M*N个栅格中每个栅格内的第一通信服务质量映射为第一网格图像，其中，所述第一网格图像包括M*N个网格，所述第一网格图像中的M*N个网格中的每个网格与所述M*N个栅格中的一个栅格对应，所述第一网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第一通信服务质量；
所述管理设备将所述第一网格图像输入到所述卷积神经网络模型，得到所述卷积神经网络模型输出的第二网格图像，其中，所述第二网格图像包括M*N个网格，所述第二网格图像中的M*N个网格中的每个网格与所述M*N个栅格中的一个栅格对应，所述第二网格图像中的M*N个网格中的每个网格被填充的灰度值表示该网格对应的一个栅格的第而通信服务质量；
所述管理设备将所述第二网格图像逆映射为所述M*N个栅格中每个栅格内的第二通信服务质量。
6.根据权利要求4所述的方法，其特征在于，所述工业大模型的递归神经网络模型，所述递归神经网络模型的输入数据格式为输出L项数据，L大于或等于M*N，所述管理设备将所述M*N个栅格中每个栅格内的第一通信服务质量输入到所述工业大模型，得到所述工业大模型输出的在预设时长之后所述M*N个栅格中每个栅格内的第二通信服务质量，包括：
所述管理设备将所述M*N个栅格中每个栅格内的第一通信服务质量作为一项第一数据，共前M*N项第一数据，以及所述管理设备将后L-M*N项第一数据填充为0；
所述管理设备将所述前M*N项第一数据以及所述后L-M*N项第一数据，共L项第一数据输入递归神经网络模型，得到所述递归神经网络模型输出的L项第二数据，其中，所述L项第二数据中前M*N项第二数据为所述M*N个栅格中每个栅格内的第二通信服务质量，所述L项第二数据中后L-M*N项第二数据为0。
7.根据权利要求4-6中任一项所述的方法，其特征在于，所述管理设备根据所述园区生产线的排产情况，以及所述园区生产线所在区域在第二时间的通信服务质量，请求所述运营商网络为所述园区生产线所在区域中的目标区域提供信号增强服务，包括：
所述管理设备确定所述M*N个栅格中第二通信服务质量小于通信服务质量阈值的至少一个待选格栅；
所述管理设备所述园区生产线的排产情况，从所述至少一个待选格栅中确定至少一个目标格栅，所述至少一个目标格栅所在区域内的生产线的排产量大于排产量阈值，所述至少一个目标格栅组成的区域为所述目标区域；
所述管理设备请求所述运营商网络为所述目标区域提供信号增强服务。
8.根据权利要求7所述的方法，其特征在于，所述管理设备请求所述运营商网络为所述目标区域提供信号增强服务，包括：
所述管理设备向所述运营商网络中的NEF网元发送增强服务请求，其中，所述增强服务请求包括所述至少一个目标格栅各自的标识，所述至少一个目标格栅各自的第二通信服务质量，用于指示所述第二时间的信息，以及用于请求信号增强服务的信元。
9.根据权利要求7所述的方法，其特征在于，所述信号增强服务是指通过RIS反射的RAN设备的波束与RAN设备自行发射的波束共同照射需要获得信号增强服务的区域。
10.一种基于工业大模型的自动调整式生产线控制***，其特征在于，所述***包括园区生产线的管理设备，所述***被配置为：
所述管理设备从运营商网络获取所述园区生产线所在区域在第一时间的通信服务质量；
所述管理设备通过工业大模型处理所述园区生产线所在区域在第一时间的通信服务质量，以预估所述园区生产线所在区域在第二时间的通信服务质量，其中，所述第二时间在所述第一时间之后；
所述管理设备根据所述园区生产线的排产情况，以及所述园区生产线所在区域在第二时间的通信服务质量，请求所述运营商网络为所述园区生产线所在区域中的目标区域提供信号增强服务。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311585386.2A CN117289669B (zh) | 2023-11-27 | 2023-11-27 | 一种基于工业大模型的自动调整式生产线控制***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311585386.2A CN117289669B (zh) | 2023-11-27 | 2023-11-27 | 一种基于工业大模型的自动调整式生产线控制***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117289669A true CN117289669A (zh) | 2023-12-26 |
| CN117289669B CN117289669B (zh) | 2024-02-02 |
Family
ID=89252125
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311585386.2A Active CN117289669B (zh) | 2023-11-27 | 2023-11-27 | 一种基于工业大模型的自动调整式生产线控制***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117289669B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117572838A (zh) * | 2024-01-17 | 2024-02-20 | 青岛创新奇智科技集团股份有限公司 | 一种基于工业大模型的自动调整生产线速度的方法 |
| CN117590790A (zh) * | 2024-01-17 | 2024-02-23 | 青岛创新奇智科技集团股份有限公司 | 一种基于工业大模型的智能生产线监控方法及*** |
| CN118097971A (zh) * | 2024-04-24 | 2024-05-28 | 湖南创博龙智信息科技股份有限公司 | 基于gis的城市交通拥堵监测方法及*** |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030081612A1 (en) * | 2001-11-01 | 2003-05-01 | Goetzinger William John | QoS scheduler and method for implementing quality of service anticipating the end of a chain of flows |
| EP1383284A1 (en) * | 2002-07-17 | 2004-01-21 | Alcatel | Method, computer software products, client terminal, network element and network for efficient use of network resources by just-in-time modulation of quality of service based on service usage and user behavior |
| EP2597817A1 (en) * | 2011-10-04 | 2013-05-29 | Alcatel Lucent | Method of determining a path quality |
| WO2014036339A2 (en) * | 2012-08-31 | 2014-03-06 | Qualcomm Incorporated | Directional adjustment to quality of service based on predicted traffic activity on a link |
| CN111586860A (zh) * | 2019-02-19 | 2020-08-25 | 华为技术有限公司 | 一种通信方法及装置 |
| CN112564954A (zh) * | 2020-11-30 | 2021-03-26 | 锐捷网络股份有限公司 | 一种网络质量的预测方法及装置 |
| CN113112149A (zh) * | 2021-04-12 | 2021-07-13 | 宁波市科技园区明天医网科技有限公司 | 基于检查数据的服务质量可视化评估方法 |
| EP3886453A1 (en) * | 2020-03-26 | 2021-09-29 | Sony Group Corporation | An electronic device and related methods for predicting initiation of establishment of a network with one or more other electronic devices |
| CN114915653A (zh) * | 2021-02-10 | 2022-08-16 | 华为技术有限公司 | 一种通信方法和通信装置 |
| CN115176502A (zh) * | 2020-02-19 | 2022-10-11 | 中兴通讯股份有限公司 | 用于通信网络的数据收集和性能增强 |
| CN115549728A (zh) * | 2021-06-29 | 2022-12-30 | 华为技术有限公司 | 一种协作小区确定方法及装置 |
| CN115767092A (zh) * | 2022-11-02 | 2023-03-07 | 阿里巴巴（中国）有限公司 | 图像传输方法、云桌面及图像传输***、设备及产品 |
| CN116325686A (zh) * | 2020-12-30 | 2023-06-23 | 华为技术有限公司 | 一种通信方法和装置 |
| CN116669089A (zh) * | 2022-02-28 | 2023-08-29 | 罗伯特·博世有限公司 | 经由信道聚合预测服务质量 |
-
2023
- 2023-11-27 CN CN202311585386.2A patent/CN117289669B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030081612A1 (en) * | 2001-11-01 | 2003-05-01 | Goetzinger William John | QoS scheduler and method for implementing quality of service anticipating the end of a chain of flows |
| EP1383284A1 (en) * | 2002-07-17 | 2004-01-21 | Alcatel | Method, computer software products, client terminal, network element and network for efficient use of network resources by just-in-time modulation of quality of service based on service usage and user behavior |
| EP2597817A1 (en) * | 2011-10-04 | 2013-05-29 | Alcatel Lucent | Method of determining a path quality |
| WO2014036339A2 (en) * | 2012-08-31 | 2014-03-06 | Qualcomm Incorporated | Directional adjustment to quality of service based on predicted traffic activity on a link |
| CN111586860A (zh) * | 2019-02-19 | 2020-08-25 | 华为技术有限公司 | 一种通信方法及装置 |
| CN115176502A (zh) * | 2020-02-19 | 2022-10-11 | 中兴通讯股份有限公司 | 用于通信网络的数据收集和性能增强 |
| EP3886453A1 (en) * | 2020-03-26 | 2021-09-29 | Sony Group Corporation | An electronic device and related methods for predicting initiation of establishment of a network with one or more other electronic devices |
| CN112564954A (zh) * | 2020-11-30 | 2021-03-26 | 锐捷网络股份有限公司 | 一种网络质量的预测方法及装置 |
| CN116325686A (zh) * | 2020-12-30 | 2023-06-23 | 华为技术有限公司 | 一种通信方法和装置 |
| CN114915653A (zh) * | 2021-02-10 | 2022-08-16 | 华为技术有限公司 | 一种通信方法和通信装置 |
| CN113112149A (zh) * | 2021-04-12 | 2021-07-13 | 宁波市科技园区明天医网科技有限公司 | 基于检查数据的服务质量可视化评估方法 |
| CN115549728A (zh) * | 2021-06-29 | 2022-12-30 | 华为技术有限公司 | 一种协作小区确定方法及装置 |
| CN116669089A (zh) * | 2022-02-28 | 2023-08-29 | 罗伯特·博世有限公司 | 经由信道聚合预测服务质量 |
| CN115767092A (zh) * | 2022-11-02 | 2023-03-07 | 阿里巴巴（中国）有限公司 | 图像传输方法、云桌面及图像传输***、设备及产品 |
Non-Patent Citations (2)
| Title |
|---|
| 方维岚;陆正卿;: "基于WiFi定位的工业园区管理服务***设计", 新技术新工艺, no. 09 * |
| 邓璐娟 等: "基于变尺度法的网络流量预测模型的优化研究", 《通信技术》, vol. 3, no. 42 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117572838A (zh) * | 2024-01-17 | 2024-02-20 | 青岛创新奇智科技集团股份有限公司 | 一种基于工业大模型的自动调整生产线速度的方法 |
| CN117590790A (zh) * | 2024-01-17 | 2024-02-23 | 青岛创新奇智科技集团股份有限公司 | 一种基于工业大模型的智能生产线监控方法及*** |
| CN117572838B (zh) * | 2024-01-17 | 2024-04-05 | 青岛创新奇智科技集团股份有限公司 | 一种基于工业大模型的自动调整生产线速度的方法 |
| CN117590790B (zh) * | 2024-01-17 | 2024-04-12 | 青岛创新奇智科技集团股份有限公司 | 一种基于工业大模型的智能生产线监控方法及*** |
| CN118097971A (zh) * | 2024-04-24 | 2024-05-28 | 湖南创博龙智信息科技股份有限公司 | 基于gis的城市交通拥堵监测方法及*** |
| CN118097971B (zh) * | 2024-04-24 | 2024-07-05 | 湖南创博龙智信息科技股份有限公司 | 基于gis的城市交通拥堵监测方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117289669B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4099635A1 (en) | Method and device for selecting service in wireless communication system | |
| CN117289669B (zh) | 一种基于工业大模型的自动调整式生产线控制***及方法 | |
| KR20210067764A (ko) | 무선 통신 시스템에서 부하 분산을 위한 장치 및 방법 | |
| CN108476512B (zh) | 依赖位置对的干扰和业务模式数据库 | |
| US11012133B2 (en) | Efficient data generation for beam pattern optimization | |
| CN117311296B (zh) | 基于工业模型的高强度生产线协同优化与能效管理方法 | |
| CN117155805B (zh) | 一种基于统计机器学习的设备管理方法及装置 | |
| CN117527113B (zh) | 一种基于ai模型的无线信道衰落的预估方法 | |
| CN117768965A (zh) | 一种键合银丝设备的高性能连接与传输方法 | |
| US11805022B2 (en) | Method and device for providing network analytics information in wireless communication network | |
| CN108353370A (zh) | 增强通信网络对终端设备位置的了解的准确性 | |
| US20230209452A1 (en) | Method and apparatus for supporting mobility for collection and analysis of network data in wireless communication network | |
| US20230162006A1 (en) | Server and agent for reporting of computational results during an iterative learning process | |
| He et al. | QoE‐aware Q‐learning resource allocation for NOMA wireless multimedia communications | |
| KR20220143675A (ko) | 무선 통신 시스템에서 관리 데이터 분석 서비스(mdas) 지원 페이징을 위한 방법 및 장치 | |
| CN117580079B (zh) | 一种基于网络环境的电力态势感知方法 | |
| CN118075785B (zh) | 基于5g通信的智能键合金丝设备控制***及方法 | |
| CN116489773B (zh) | 一种基于波束的跨网络电商数据传输方法及装置 | |
| CN116208992B (zh) | 一种运行状态的稳定性评估方法及装置 | |
| CN115567899B (zh) | 一种智能电表的误差分析方法及装置 | |
| CN117528462B (zh) | 一种多网络组网实现的工业物联网的数据传输方法 | |
| CN117202287B (zh) | 基于大数据分析的订单配送管理方法及装置 | |
| CN117580146B (zh) | 一种伺服电机集群的控制方法及装置 | |
| CN118075785A (zh) | 基于5g通信的智能键合金丝设备控制***及方法 | |
| KR20230026874A (ko) | 무선 통신 시스템에서 단말을 추적하기 위한 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |