張宏國　石巖磊　馬超　張淑麗　劉勝輝

摘 要：針對(duì)如何高效處理云制造服務(wù)平臺(tái)中大規(guī)模時(shí)序并發(fā)的制造服務(wù)請(qǐng)求這一問題，提出了一種面向服務(wù)響應(yīng)時(shí)間的制造服務(wù)請(qǐng)求分段算法，通過制造任務(wù)相似性距離算法來保障分段算法的準(zhǔn)確性。在分段算法保證制造服務(wù)請(qǐng)求完整性的前提下，構(gòu)建了制造服務(wù)資源的關(guān)聯(lián)區(qū)域。在此基礎(chǔ)上，進(jìn)一步提出了一種基于關(guān)聯(lián)區(qū)域的制造服務(wù)資源分配算法，在時(shí)間維度上，保障了制造服務(wù)資源提供的公平性，從而提高了資源受限情況下的制造服務(wù)資源全局優(yōu)化配置效率。最后通過實(shí)驗(yàn)測(cè)試和分析證明了算法的正確性和有效性。

關(guān)鍵詞：云制造;大規(guī)模請(qǐng)求;制造資源配置

DOI：10.15938/j.jhust.2019.03.002

中圖分類號(hào)： TP391

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1007-2683（2019）03-0009-07

Abstract：Aiming at how to efficiently handle the massive temporal sequential manufacturing service request in cloud manufacturing service platform， this paper proposes a service response timeoriented service request segmentation algorithm. The manufacturing task similarity distance algorithm is used to guarantee the segmentation algorithm accuracy. Then the correlated region is constructed under the premise of ensuring the integrity of manufacturing service request. On the basis of this， a manufacturing service resources allocation algorithm based on correlated region is proposed so as to ensure the equal distribution of manufacturing service resources in temporal dimensions， and then to improve the efficiency of the global optimization of the manufacturing service resources in the case of limited resources. Finally， the correctness and validity of the algorithm are proved by experiment and analysis.

Keywords：cloud manufacturing; massive service requests; manufacturing resource allocation

0 引 言

隨著“互聯(lián)網(wǎng)+”模式被廣泛的認(rèn)同，作為近年來熱門研究方向的敏捷化制造獲得了更快速的發(fā)展。越來越多的世界一流企業(yè)、公共機(jī)構(gòu)都在往敏捷化更高的云服務(wù)平臺(tái)上遷移。通過云服務(wù)平臺(tái)可以實(shí)現(xiàn)效率的最大化和成本的降低。云制造作為一種先進(jìn)的敏捷制造模式由李伯虎院士提出，它是對(duì)已有網(wǎng)絡(luò)制造的延續(xù)和云升級(jí)。云制造是一種面向服務(wù)的網(wǎng)絡(luò)化制造新模式，云制造基于云計(jì)算、物聯(lián)網(wǎng)和大數(shù)據(jù)等先進(jìn)的信息化技術(shù)，它將傳統(tǒng)制造企業(yè)分散的制造資源，通過虛擬化的方式接入到云制造服務(wù)平臺(tái)進(jìn)行統(tǒng)一管理，為制造企業(yè)提供全生命周期的制造服務(wù)[1]。既實(shí)現(xiàn)了同網(wǎng)絡(luò)化制造一樣的“分散資源集中利用”，又實(shí)現(xiàn)了“集中資源分散使用”的設(shè)計(jì)思想。一方面使得接入企業(yè)的制造資源可以同時(shí)向多個(gè)企業(yè)提供服務(wù)，大大的提高了制造資源的利用率[2-3];另一方面能力有限的企業(yè)可以通過使用云制造服務(wù)來提高自身的加工能力，提升企業(yè)的競(jìng)爭(zhēng)力和市場(chǎng)占有率，從而提高企業(yè)的經(jīng)濟(jì)收益。

目前，云制造的研究主要集中在云制造平臺(tái)的整體架構(gòu)、制造資源的虛擬化[4]、落地應(yīng)用[5]等方面。在制造任務(wù)的處理和資源的分配方面Lartigau J等[6]提出了一種將制造任務(wù)訂單分解成多個(gè)子任務(wù)的云制造任務(wù)處理模型，通過多任務(wù)去匹配云平臺(tái)中的制造資源共同執(zhí)行一個(gè)訂單任務(wù)，實(shí)現(xiàn)了一種基于云平臺(tái)級(jí)的云制造資源的配置方法。王時(shí)龍等[7]建立了以物料流和信息流的成本和時(shí)間為主要影響因素的云制造資源配置模型，以成本最少、時(shí)間最短和質(zhì)量最優(yōu)為優(yōu)化目標(biāo)，采用最大繼承法對(duì)模型進(jìn)行求解。蘇凱凱等[8]等建立了一種考慮云制造平臺(tái)服務(wù)運(yùn)營者和服務(wù)請(qǐng)求者雙方的制造資源配置雙層優(yōu)化模型，以服務(wù)質(zhì)量和柔性指標(biāo)為優(yōu)化目標(biāo)，使用改進(jìn)的多目標(biāo)算法對(duì)問題進(jìn)行求解。尹超等[9]針對(duì)云制造服務(wù)配置過程中多個(gè)目標(biāo)建立了一種面向新產(chǎn)品開發(fā)的優(yōu)選模型，采用灰色關(guān)聯(lián)度方法對(duì)模型的求解進(jìn)行了分析和驗(yàn)證。然而多數(shù)學(xué)者在制造資源優(yōu)化配置方面通常都是對(duì)單一任務(wù)的處理[10]，然而在云制造平臺(tái)實(shí)際運(yùn)行過程中，將面臨著大規(guī)模、時(shí)序并發(fā)性的云制造服務(wù)請(qǐng)求處理，這方面的研究卻很少受到學(xué)者的關(guān)注。云制造平臺(tái)作為開放的平臺(tái)，如何高效的處理大規(guī)模并發(fā)的任務(wù)請(qǐng)求;同時(shí)現(xiàn)代客戶對(duì)制造服務(wù)的需求也從基本功能關(guān)注逐漸的轉(zhuǎn)變成了以服務(wù)收益和滿意度為標(biāo)準(zhǔn)的個(gè)性化服務(wù)請(qǐng)求[11]，如何提高用戶的整體滿意度。這些新的問題對(duì)云制造平臺(tái)的落地實(shí)施提出新的挑戰(zhàn)。

本文從云制造平臺(tái)的實(shí)際運(yùn)行角度出發(fā)，對(duì)大規(guī)模時(shí)序并發(fā)制造服務(wù)請(qǐng)求的問題分析，設(shè)計(jì)了一種保證任務(wù)完整性的制造服務(wù)請(qǐng)求分段方法，并且提出在此基礎(chǔ)之上的制造服務(wù)資源分配方法，可以在云制造平臺(tái)的宏觀層面上保證用戶獲得服務(wù)的公平性和全局最優(yōu)，進(jìn)而提升平臺(tái)中用戶的整體滿意度。

1 云制造環(huán)境下制造任務(wù)與制造資源的虛擬化描述

云制造平臺(tái)讓所有用戶與企業(yè)的互動(dòng)集中在同一個(gè)平臺(tái)，使得客戶提高了從設(shè)計(jì)到產(chǎn)品的轉(zhuǎn)換率，企業(yè)提高了制造資源利用率，是一個(gè)雙贏的服務(wù)平臺(tái)。云制造平臺(tái)結(jié)構(gòu)示意圖，如圖1所示。通過云制造平臺(tái)的紐帶作用，制造資源服務(wù)提供方將資源通過虛擬化接入到平臺(tái)中供平臺(tái)調(diào)度使用，服務(wù)請(qǐng)求方將制造服務(wù)請(qǐng)求下達(dá)至云制造平臺(tái)，平臺(tái)將根據(jù)每個(gè)制造服務(wù)請(qǐng)求生成相應(yīng)的制造任務(wù)訂單，粒度大的產(chǎn)品級(jí)任務(wù)將進(jìn)行分解成零部件級(jí)和工件級(jí)然后分配相應(yīng)的制造資源進(jìn)行加工，粒度小的任務(wù)可以直接參與制造資源的分配和調(diào)度。通過實(shí)際問題的分析發(fā)現(xiàn)，云制造設(shè)備資源不像云計(jì)算資源可以不受限于服務(wù)資源的地理位置，在云制造服務(wù)的過程中需要將服務(wù)請(qǐng)求者的工件通過物流運(yùn)輸至不同的企業(yè)中進(jìn)行多次車間現(xiàn)場(chǎng)加工，所以配置資源的過程中運(yùn)輸因素也是要充分考慮的一個(gè)特點(diǎn)。

云制造服務(wù)請(qǐng)求問題可描述為：有n個(gè)制造任務(wù){(diào)Task1，Task2，…，Taskn}，有m處制造服務(wù)資源{Service1，Service2，…，Servicem}可以提供服務(wù)，每個(gè)制造任務(wù)可以通過一個(gè)或多個(gè)資源進(jìn)行加工。

首先，對(duì)云制造環(huán)境下的制造服務(wù)請(qǐng)求和制造資源云服務(wù)進(jìn)行虛擬化描述，本文主要研究的制造資源為制造設(shè)備資源。

1.1 制造服務(wù)請(qǐng)求

每個(gè)制造服務(wù)請(qǐng)求以制造任務(wù)的形式進(jìn)行表示。制造任務(wù)Task描述為一個(gè)六元組，Task=，其中

1）TaskID是任務(wù)的唯一編號(hào)。

2）BAttrInfo是對(duì)任務(wù)的基本靜態(tài)屬性信息描述，BAttrInfo=（Name， PList， Material， Num， Unit， Grade），分別表示加工任務(wù)的名稱、工序列表、材料、加工數(shù)量、計(jì)量單位、任務(wù)等級(jí)（產(chǎn)品級(jí)、零部件級(jí)、工序級(jí)）。PList 表示工序列表，其中的每一個(gè)列表項(xiàng)表示一項(xiàng)待處理的任務(wù)，Process=（ProcessID， Name， Precision）分別表示工序唯一編號(hào)，名稱、加工精度。

3）Constraints表示對(duì)任務(wù)的加工約束信息描述，Constraints=（maxTime， maxCost， minQuality， minSatisfaction），分別表示任務(wù)要求的最大服務(wù)完工時(shí)間，最多資金花費(fèi)，最低的質(zhì)量標(biāo)準(zhǔn)，最低的滿意度標(biāo)準(zhǔn)。

4）TraInfoList是對(duì)任務(wù)的運(yùn)輸相關(guān)信息描述，其中每一個(gè)列表項(xiàng)表示一個(gè)物流信息，TraInfo=（ProcessID， StartLocation， EndLocation， Conveyance， TranTime， TranCost， Remark），分別表示加工任務(wù)的工序唯一編號(hào)、運(yùn)輸起點(diǎn)企業(yè)、到達(dá)的終點(diǎn)企業(yè)、運(yùn)輸方式、運(yùn)輸花費(fèi)時(shí)間、運(yùn)輸花費(fèi)資金、特殊的運(yùn)輸說明。

5）DAttrInfo是對(duì)任務(wù)的動(dòng)態(tài)信息進(jìn)行描述，DAttInfo=（curProcessID， State， curStartTime， curEndTime），分別表示當(dāng)前任務(wù)的執(zhí)行狀態(tài)，有在制、在途、等待、完成四種狀態(tài)、當(dāng)前對(duì)應(yīng)工序編號(hào)、當(dāng)前狀態(tài)開始加工時(shí)間、結(jié)束時(shí)間。

6）AttaInfo是任務(wù)的附件信息描述，AttaInfo=（note， URL），分別表示附件信息說明、附件信息網(wǎng)絡(luò)地址。附件中可以是工件的設(shè)計(jì)圖紙、特殊工藝說明等等。

1.2 制造設(shè)備資源云服務(wù)

制造設(shè)備資源云服務(wù)。制造設(shè)備資源云服務(wù)Service可以定義為一個(gè)五元組，Service=，其中

1）ServiceID是設(shè)備云服務(wù)的唯一編號(hào)。

2）BAttrInfo是設(shè)備云服務(wù)的基本靜態(tài)屬性信息描述，BAttrInfo=（Name， Model， Enterprise， Location， Cost， Unit），分別表示設(shè)備云服務(wù)的名稱、型號(hào)、提供企業(yè)、物理位置，以“元/單位”表示，單位Unit包括不同的計(jì)量方式小時(shí)、件等。

3）FunAttrInfo是設(shè)備云服務(wù)的加工能力描述，F(xiàn)unAttrInfo=（Type， Material， Shape， Size， Precision），分別表示設(shè)備云服務(wù)的生產(chǎn)類型，對(duì)象材料特征，對(duì)象形狀特征，對(duì)象尺寸特征，對(duì)象加工精度。

4）EvaList表示用戶評(píng)價(jià)歷史集合，每一個(gè)列表項(xiàng)表示一次用戶評(píng)價(jià)，Evaluation=（UserID， TaskID， Scores， EvaTime） 分別表示評(píng)價(jià)的用戶編號(hào)、任務(wù)的唯一編號(hào)、評(píng)分、評(píng)價(jià)時(shí)間。

5）TList表示動(dòng)態(tài)的任務(wù)處理列表，TList=（State， PTask） 其中State表示服務(wù)的狀態(tài)，有空閑、工作、報(bào)修、維修四種狀態(tài)，每一個(gè)列表項(xiàng)PTask表示一項(xiàng)處理任務(wù)，PTask=（TaskID， Num， State， RemainNum， ProcessID， EsStartTime， MaxResTime），分別表示任務(wù)的編號(hào)、需要加工數(shù)量、任務(wù)的執(zhí)行狀態(tài)、未處理的數(shù)量、工序編號(hào)、預(yù)計(jì)開始加工時(shí)間、服務(wù)的最大響應(yīng)時(shí)間。

2 大規(guī)模時(shí)序并發(fā)制造服務(wù)請(qǐng)求的高效處理

在云制造服務(wù)請(qǐng)求過程中不同的制造服務(wù)請(qǐng)求者可能在短時(shí)間內(nèi)發(fā)出多個(gè)服務(wù)請(qǐng)求，這些目標(biāo)不同的請(qǐng)求構(gòu)成了大規(guī)模并發(fā)性制造服務(wù)請(qǐng)求，由于本文主要考慮的制造資源為制造設(shè)備，制造設(shè)備資源是有限的所以無法在短時(shí)間內(nèi)滿足每個(gè)客戶的請(qǐng)求。如果使用傳統(tǒng)的算法，那么在時(shí)間維度上先到達(dá)的客戶會(huì)優(yōu)先使用全部可用的服務(wù)資源，后續(xù)的用戶優(yōu)化效果往往都要受限于先前的資源使用情況，可能優(yōu)化的效果僅僅是局部最優(yōu)，由此產(chǎn)生的服務(wù)優(yōu)化效果對(duì)整體用戶的滿意度將產(chǎn)生負(fù)面的影響。這種資源分配算法無法保證平臺(tái)可以公平的為每個(gè)用戶提供不受時(shí)間序列限制的服務(wù)資源，隨著用戶的滿意度下降最終也將導(dǎo)致平臺(tái)的收益下降。針對(duì)大規(guī)模制造服務(wù)請(qǐng)求優(yōu)化問題，在考慮任務(wù)的完整性和服務(wù)公平性的角度，對(duì)大規(guī)模請(qǐng)求進(jìn)行分段處理和分段間制造服務(wù)力進(jìn)行均衡配置，進(jìn)而達(dá)到時(shí)間維度的全局最優(yōu)，提高用戶整體滿意度。

2.1 制造任務(wù)分解方法

在云制造產(chǎn)品生產(chǎn)過程中，加工產(chǎn)品往往是由一組工件組裝而成，每個(gè)工件的制造過程中還要考慮彼此的約束關(guān)系。往往云制造產(chǎn)品的生產(chǎn)規(guī)模大、復(fù)雜度高、任務(wù)粒度粗等特點(diǎn)，本文首先將粒度大的任務(wù)訂單進(jìn)行多任務(wù)的分解，便于協(xié)同加工提高制造效率。根據(jù)產(chǎn)品的所處階段，可以將制造任務(wù)分為產(chǎn)品級(jí)、零部件級(jí)和工件級(jí)三層。根據(jù)每個(gè)子任務(wù)的生產(chǎn)工藝分解成一道或多道工序，形成一個(gè)整體的工藝加工樹狀圖，從樹的葉節(jié)點(diǎn)開始執(zhí)行任務(wù)，最終到達(dá)根節(jié)點(diǎn)完成整個(gè)產(chǎn)品。

對(duì)已有的分解方法進(jìn)行研究后[12-13]，本文依據(jù)大規(guī)模并發(fā)任務(wù)的特點(diǎn)采用自上而下的分解方法，即根據(jù)產(chǎn)品逐層向下細(xì)分。在分解過程中會(huì)根據(jù)平臺(tái)分解任務(wù)的歷史記錄尋找相似的任務(wù)分解方案，形成一定的分解模板。根據(jù)新產(chǎn)品的約束條件和目標(biāo)，在模板上通過局部調(diào)整從而生成新產(chǎn)品任務(wù)分解結(jié)構(gòu)，通過對(duì)任務(wù)分解結(jié)構(gòu)模板的利用，可以減少在任務(wù)分解中的工作量，提高工作效率。除使用模板外還將結(jié)合客戶定制計(jì)劃。當(dāng)客戶對(duì)產(chǎn)品的整個(gè)生產(chǎn)有詳細(xì)的分解計(jì)劃進(jìn)行服務(wù)請(qǐng)求時(shí)，平臺(tái)首先需要分析計(jì)劃是否可以滿足，在滿足需求的情況下平臺(tái)將分配資源去執(zhí)行加工任務(wù)，如果平臺(tái)無法滿足需求則使用平臺(tái)提供的分解方案進(jìn)行調(diào)整。

2.2 面向服務(wù)響應(yīng)時(shí)間的制造服務(wù)請(qǐng)求分段算法

傳統(tǒng)算法是將整個(gè)制造服務(wù)請(qǐng)求流進(jìn)行時(shí)間維度的均勻分段處理，然而實(shí)際的制造服務(wù)請(qǐng)求流中分布可能是不均勻的。圖2展示了傳統(tǒng)方法處理過程，其中每個(gè)文檔圖標(biāo)代表一個(gè)制造服務(wù)請(qǐng)求產(chǎn)生的制造任務(wù)，每個(gè)分段間由虛線進(jìn)行分割，左側(cè)部分表示正在接受服務(wù)的請(qǐng)求。傳統(tǒng)算法針對(duì)整個(gè)時(shí)間維度的請(qǐng)求都進(jìn)行了均勻分割。圖3展示了制造服務(wù)請(qǐng)求分段算法處理過程，該方法依據(jù)每個(gè)請(qǐng)求的服務(wù)響應(yīng)時(shí)間上限來進(jìn)行分段間距控制，保證了每個(gè)請(qǐng)求不會(huì)因?yàn)榉侄嗡惴ǘa(chǎn)生服務(wù)質(zhì)量的明顯影響。

2.3 制造任務(wù)相似性距離

在分段處理過程中，需要對(duì)任務(wù)的執(zhí)行時(shí)間進(jìn)行預(yù)估，在預(yù)估時(shí)將使用功能性相似的請(qǐng)求作為參考[14-15]。在制造加工的同一領(lǐng)域中制造服務(wù)請(qǐng)求的加工任務(wù)規(guī)模、涉及的加工工序及流程都是具有較高的相似性，不同的服務(wù)請(qǐng)求可能包含的具體工序數(shù)目和前后關(guān)系不一致，但其執(zhí)行服務(wù)過程中存在大量的重疊部分，這意味著功能性相似的請(qǐng)求間存在大量的相同加工工序和制造設(shè)備資源使用，而不同的用戶會(huì)在服務(wù)綜合質(zhì)量上有著各種個(gè)性化的要求。因此對(duì)同一制造領(lǐng)域中服務(wù)請(qǐng)求的相似程度通過請(qǐng)求間的相似距離進(jìn)行描述，請(qǐng)求間的相似距離通過式（1）進(jìn)行計(jì)算：

其中：Task1、Task2表示需要計(jì)算的兩個(gè)任務(wù)，Q+表示對(duì)評(píng)價(jià)有正相關(guān)的m個(gè)評(píng)價(jià)指標(biāo);Q-表示對(duì)評(píng)價(jià)有負(fù)相關(guān)的n個(gè)評(píng)價(jià)指標(biāo)。

Q+包含服務(wù)質(zhì)量和用戶滿意度。其中服務(wù)質(zhì)量平臺(tái)根據(jù)服務(wù)可靠性、設(shè)備故障率和可維護(hù)性三項(xiàng)指標(biāo)對(duì)資源進(jìn)行評(píng)分。服務(wù)質(zhì)量通過歸一化后使用數(shù)值[1，10]進(jìn)行評(píng)分，數(shù)值越大代表質(zhì)量越好;用戶滿意度可以通過資源歷史使用者的評(píng)價(jià)進(jìn)行計(jì)算得出，使用數(shù)值[1，5]進(jìn)行評(píng)分，數(shù)值越大代表滿意度越高。

Q-包含服務(wù)完成時(shí)間和服務(wù)成本。服務(wù)執(zhí)行過程中工件需要在不同地理區(qū)域進(jìn)行運(yùn)輸。其中服務(wù)完成時(shí)間包括服務(wù)執(zhí)行時(shí)間和運(yùn)輸時(shí)間。服務(wù)成本包括服務(wù)執(zhí)行費(fèi)用和運(yùn)輸費(fèi)用。

2.4 基于關(guān)聯(lián)區(qū)域的制造服務(wù)資源分配算法

在經(jīng)過請(qǐng)求分段后，第i分段的制造服務(wù)請(qǐng)求占用的制造資源所影響區(qū)域Srelai，稱為第i段的關(guān)聯(lián)區(qū)域。如圖4所示，圖中第i段的關(guān)聯(lián)區(qū)域?yàn)榉侄蔚慕Y(jié)束時(shí)刻到所有制造服務(wù)使用完畢的最晚時(shí)刻。所以設(shè)分段Si包含n個(gè)請(qǐng)求，則Si的關(guān)聯(lián)區(qū)域Srelationi=[tei，tei+max{Tk|k=1，2，…，n}]。

3.2 測(cè)試與分析

為了驗(yàn)證模型和算法的有效性，通過某電機(jī)制造任務(wù)數(shù)據(jù)結(jié)合云制造平臺(tái)的實(shí)際特點(diǎn)進(jìn)行實(shí)驗(yàn)設(shè)計(jì)和測(cè)試。使用電機(jī)制造過程中常用的車床、鉆床、鏜床、刨床、銑床等制造設(shè)備資源作為制造服務(wù)供平臺(tái)使用，云制造平臺(tái)中的候選制造服務(wù)滿足T∈[2，10]C∈[10，20]Q∈[9.5，9.8]S∈[4.5，4.8]。通過隨機(jī)產(chǎn)生制造任務(wù)請(qǐng)求，用戶請(qǐng)求要滿足T∈（15，20）C∈（1850，2000）S∈（4.40，4.70）Q∈（9.5，9.70），每個(gè)單位時(shí)間產(chǎn)生[0，4]個(gè)新請(qǐng)求。

平臺(tái)首先在接到任務(wù)請(qǐng)求訂單后先通過2.1節(jié)分解方法進(jìn)行任務(wù)的分解，然后使用請(qǐng)求分段算法對(duì)大規(guī)模的制造任務(wù)請(qǐng)求進(jìn)行分段，進(jìn)而進(jìn)行制造服務(wù)資源分配，使用粒子群算法來對(duì)方案進(jìn)行搜索和資源配置[16-9]，設(shè)置種群大小為50，進(jìn)化代數(shù)為300。產(chǎn)生120個(gè)單位時(shí)間的模擬數(shù)據(jù)，使用前80個(gè)單位時(shí)間作為歷史數(shù)據(jù)的收集，后40個(gè)單位時(shí)間作為算法測(cè)試。

為了驗(yàn)證算法在不同服務(wù)資源條件下的性能，通過設(shè)同類型機(jī)器分別提供5、10、15 3種并發(fā)。圖5到圖7分別是算法在3種條件下的運(yùn)算結(jié)果。x軸表示時(shí)間，y表示該時(shí)間點(diǎn)上的評(píng)價(jià)綜合服務(wù)質(zhì)量通過圖中結(jié)果可以看出傳統(tǒng)的方法在制造任務(wù)執(zhí)行的開始階段由于資源充足，使得加工的服務(wù)質(zhì)量較優(yōu)，然而隨著時(shí)間的推移服務(wù)資源的短缺，導(dǎo)致服務(wù)質(zhì)量出現(xiàn)明顯的波動(dòng)，造成制造后續(xù)到達(dá)的用戶無法得到高質(zhì)量的服務(wù)。而基于關(guān)聯(lián)區(qū)域的制造資源分配算法可以在服務(wù)資源充足和不足的情況中均表現(xiàn)出較好的服務(wù)質(zhì)量穩(wěn)定性，可以為用戶提供與到達(dá)時(shí)間無關(guān)的公平資源使用條件。

表3表示兩種配置算法在不同條件下的測(cè)試結(jié)果，數(shù)值越大代表綜合質(zhì)量越優(yōu)。通過服務(wù)平均綜合質(zhì)量可以看出分段算法保證了任務(wù)的完整性，在配置資源時(shí)保證時(shí)間維度的加工連續(xù)性提高了服務(wù)平均綜合質(zhì)量。從服務(wù)綜合質(zhì)量標(biāo)準(zhǔn)差可以看出，分段算法和關(guān)聯(lián)區(qū)域制造資源分配算法通過對(duì)后序制造請(qǐng)求的考慮，保證了加工質(zhì)量的穩(wěn)定性，提高了用戶的整體滿意度。

4 結(jié) 論

本文依據(jù)云制造平臺(tái)中任務(wù)的特點(diǎn)進(jìn)行制造任務(wù)分解，以此提高加工效率和任務(wù)整體穩(wěn)定性。然后考慮到云制造平臺(tái)制造任務(wù)大規(guī)模并發(fā)性的特點(diǎn)，對(duì)大規(guī)模并發(fā)任務(wù)進(jìn)行了制造任務(wù)分段和服務(wù)資源預(yù)留的處理，既保證了用戶對(duì)資源調(diào)用的公平性，又保證了有限的服務(wù)資源可以在大規(guī)模請(qǐng)求序列中達(dá)到全局最優(yōu)，從而提高了用戶的整體滿意度，可以為平臺(tái)贏得更多的用戶。通過上述算法在實(shí)驗(yàn)中的使用，可以證明該方法高效的解決了云制造環(huán)境下大規(guī)模并發(fā)性制造任務(wù)請(qǐng)求的制造資源服務(wù)全局優(yōu)化配置問題。

參 考 文 獻(xiàn)：

[1] FEI T， HU Y， ZHOU Z.Correlationaware Resource Service Composition and Optimalselection in Manufacturing Grid[J]. European Journal of Operational Research， 2010， 201（1）：129.

[2] SCHULTE S， HOENISCH P， HOCHREINER C， et al. Towards Process Support for Cloud Manufacturing[C]// IEEE International Conference on Enterprise Distributed Object Computing. 2014：142.

[3] 李伯虎，張 霖， 王時(shí)龍，等. 云制造—面向服務(wù)的網(wǎng)絡(luò)化制造新模式[J].計(jì)算機(jī)集成制造系統(tǒng)， 2010， 16（1）： 1.

[4] 任磊， 張霖， 張雅彬，等. 云制造資源虛擬化研究[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2011， 17（3）：511.

[5] 萬曹雷， 邵俊鵬. 云制造環(huán)境下車間制造資源網(wǎng)格管理設(shè)計(jì)[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2013， 18（5）：37.

[6] LARTIGAU J， NIE L， XU X， et al. Scheduling Methodology for Production Services in Cloud Manufacturing[C]// International Joint Conference on Service Sciences. IEEE Computer Society， 2012：34.

[7] 王時(shí)龍， 宋文艷， 康玲，等. 云制造環(huán)境下的制造資源優(yōu)化配置研究[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2012， 18（7）：1396.

[8] 蘇凱凱， 徐文勝， 李建勇. 云制造環(huán)境下基于雙層規(guī)劃的資源優(yōu)化配置方法[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2015， 21（7）：1941.

[9] 尹超， 張?jiān)疲?鐘婷. 面向新產(chǎn)品開發(fā)的云制造服務(wù)資源組合優(yōu)選模型[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2012， 18（7）：1368.

[10]張淑麗， 劉勝輝， 沙晨明. 求解柔性作業(yè)車間調(diào)度的島嶼模型遺傳算法[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2016， 21（5）：101.

[11]胡艷娟， 武理哲， 張霖，等. 云制造服務(wù)評(píng)價(jià)理論與方法研究綜述[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2017， 23（3）.

[12]易樹平， 譚明智， 郭宗林，等. 云制造服務(wù)平臺(tái)中的制造任務(wù)分解模式優(yōu)化[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2015， 21（8）：2201.

[13]劉明周， 王強(qiáng)， 凌琳. 基于分層任務(wù)網(wǎng)絡(luò)的云制造任務(wù)分解方法[J]. 中國機(jī)械工程， 2017， 28（8）：924.

[14]王國新， 杜景軍， 閻艷，等. 面向加工功能均衡分布的制造系統(tǒng)構(gòu)形優(yōu)化[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2015， 21（6）：1497.

[15]賀可太，朱道云. 云制造服務(wù)質(zhì)量評(píng)價(jià)研究[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2017.

[16]ZHANG Hongguo， HE Linyan， MA Chao， et al.Improved MultiRulesBased ACO algorithm for FJSS Problem in Cloud Manufacturing Environment [J].International Journal of Hybrid Information Technology 2016：29.

[17]張宏國， 宮雪. Jobshop調(diào)度求解的廣義蟻群算法[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2017， 22（1）：91.

[18]劉勝輝， 李小陽， 張淑麗. 求解車間調(diào)度問題的雙禁忌表禁忌搜索算法[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2016， 21（6）：50.

[19]喬佩利，馬麗麗，鄭林. 基于改進(jìn)粒子群算法的車間作業(yè)調(diào)度問題研究[J]. 哈爾濱理工大學(xué)學(xué)報(bào)，2011，16（2）：35.

（編輯：關(guān) 毅）