Cleaner production (CP) is considered as one of the most important means for manufacturing enterprises to achieve sustainable production and improve their sustainable competitive advantage. However, implementation of the CP strategy was facing barriers, such as the lack of complete data and valuable knowledge that can be employed to provide better support on decision-making of coordination and optimization on the product lifecycle management (PLM) and the whole CP process. Fortunately, with the wide use of smart sensing devices in PLM, a large amount of real-time and multi-source lifecycle big data can now be collected. To make better PLM and CP decisions based on these data, in this paper, an overall architecture of big data-based analytics for product lifecycle (BDA-PL) was proposed. It integrated big data analytics and service-driven patterns that helped to overcome the above-mentioned barriers. Under the architecture, the availability and accessibility of data and knowledge related to the product were achieved. Focusing on manufacturing and maintenance process of the product lifecycle, and the key technologies were developed to implement the big data analytics. The presented architecture was demonstrated by an application scenario, and some observations and findings were discussed in details. The results showed that the proposed architecture benefited customers, manufacturers, environment and even all stages of PLM, and effectively promoted the implementation of CP. In addition, the managerial implications of the proposed architecture for four departments were analyzed and discussed. The new CP strategy provided a theoretical and practical basis for the sustainable development of manufacturing enterprises.

Currently, the typical challenges that manufacturing enterprises faced are the lack of timely, accurate and consistent information of manufacturing things (resources) during manufacturing execution. Real-time information visibility and traceability allows decision makers to make better-informed shop-floor decisions. In this article, a real-time information capturing and integration architecture of the internet of manufacturing things (IoMT) is presented to provide a new paradigm by extending the techniques of IoT to manufacturing field. Under this architecture and its key components, the manufacturing things such as operators, machines, pallets, materials etc. can be embedded with sensors, they can interact with each other. Considering the challenges of processing a huge amount of real-time data into useful information and exchange it among the heterogeneous application systems, a Real-time Manufacturing Information Integration Service (RTMIIS) has been designed to achieve seamless dual-way connectivity and interoperability among enterprise layer, workshop floor layer and machine layer. Finally, a near-life scenario has been used to illustrate the proof-of-concept application of the proposed IoMT.

Industrial Internet of Things (IIoT) has received increasing attention from both academia and industry. However, several challenges including excessively long waiting time and a serious waste of energy still exist in the IIoT-based integration between production and logistics in job shops. To address these challenges, a framework depicting the mechanism and methodology of smart production-logistics systems is proposed to implement intelligent modeling of key manufacturing resources and investigate self-organizing configuration mechanisms. A data-driven model based on analytical target cascading is developed to implement the self-organizing configuration. A case study based on a Chinese engine manufacturer is presented to validate the feasibility and evaluate the performance of the proposed framework and the developed method. The results show that the manufacturing time and the energy consumption are reduced and the computing time is reasonable. This paper potentially enables manufacturers to deploy IIoT-based applications and improve the efficiency of production-logistics systems.

The increasing demand of customized production results in huge challenges to the traditional manufacturing systems. In order to allocate resources timely according to the production requirements and to reduce disturbances, a framework for the future intelligent shopfloor is proposed in this paper. The framework consists of three primary models, namely the model of smart machine agent, the self-organizing model, and the self-adaptive model. A cyber-physical system for manufacturing shopfloor based on the multiagent technology is developed to realize the above-mentioned function models. Gray relational analysis and the hierarchy conflict resolution methods were applied to achieve the self-organizing and self-adaptive capabilities, thereby improving the reconfigurability and responsiveness of the shopfloor. A prototype system is developed, which has the adequate flexibility and robustness to configure resources and to deal with disturbances effectively. This research provides a feasible method for designing an autonomous factory with exception-handling capabilities.

Abstract Background Intrauterine adhesion (IUA) is one of the most severe causes of infertility in women of childbearing age with injured endometrium secondary to uterine performance. Stem cell therapy is effective in treating damaged endometrium. The current reports mainly focus on the therapeutic effects of stem cells through paracrine or transdifferentiation, respectively. This study investigates whether paracrine or transdifferentiation occurs preferentially in treating IUA. Methods Human amniotic mesenchymal stem cells (hAMSCs) and transformed human endometrial stromal cells (THESCs) induced by transforming growth factor beta (TGF-β1) were co-cultured in vitro. The mRNA and protein expression levels of Fibronectin (FN), Collagen I, Cytokeratin19 (CK19), E-cadherin (E-cad) and Vimentin were detected by Quantitative real-time polymerase chain reaction (qPCR), Western blotting (WB) and Immunohistochemical staining (IHC). The Sprague-Dawley (SD) rats were used to establish the IUA model. hAMSCs, hAMSCs-conditional medium (hAMSCs-CM), and GFP-labeled hAMSCs were injected into intrauterine, respectively. The fibrotic area of the endometrium was evaluated by Masson staining. The number of endometrium glands was detected by hematoxylin and eosin (H&E). GFP-labeled hAMSCs were traced by immunofluorescence (IF). hAMSCs, combined with PPCNg (hAMSCs/PPCNg), were injected into the vagina, which was compared with intrauterine injection. Results qPCR and WB revealed that FN and Collagen I levels in IUA-THESCs decreased significantly after co-culturing with hAMSCs. Moreover, CK19, E-cad, and Vimentin expressions in hAMSCs showed no significant difference after co-culture for 2 days. 6 days after co-culture, CK19, E-cad and Vimentin expressions in hAMSCs were significantly changed. Histological assays showed increased endometrial glands and a remarkable decrease in the fibrotic area in the hAMSCs and hAMSCs-CM groups. However, these changes were not statistically different between the two groups. In vivo, fluorescence imaging revealed that GFP-hAMSCs were localized in the endometrial stroma and gradually underwent apoptosis. The effect of hAMSCs by vaginal injection was comparable to that by intrauterine injection assessed by H&E staining, MASSON staining and IHC. Conclusions Our data demonstrated that hAMSCs promoted endometrial repair via paracrine, preferentially than transdifferentiation.