王 平,肖 涵,潘燕華

(1.江蘇科技大學(xué) 經(jīng)濟(jì)管理學(xué)院, 鎮(zhèn)江 212003)(2.江蘇科技大學(xué) 服務(wù)制造模式與信息化研究中心, 鎮(zhèn)江 212003)

制造的服務(wù)化、基于知識(shí)的創(chuàng)新能力,以及對各類制造資源的聚合與協(xié)同能力、對環(huán)境的友好性,已成為構(gòu)成企業(yè)競爭力的關(guān)鍵要素和制造業(yè)信息化發(fā)展的趨勢[1]．為向企業(yè)提供一種面向服務(wù)和基于知識(shí)的網(wǎng)絡(luò)化、敏捷化制造新模式[2],文獻(xiàn)[3]中在ASP、制造網(wǎng)格、敏捷制造和眾包制造的基礎(chǔ)上,提出了云制造概念[4]．云制造融合了云計(jì)算、物聯(lián)網(wǎng)、高性能計(jì)算和智能科學(xué)等新興信息技術(shù),將虛擬化、服務(wù)化的制造資源和制造能力池進(jìn)行統(tǒng)一、集中地智能化管理和運(yùn)營,用戶通過網(wǎng)絡(luò)和云制造服務(wù)平臺(tái)能夠?qū)崟r(shí)獲取需要的、安全可靠的、優(yōu)質(zhì)廉價(jià)的制造全生命周期服務(wù)．在云制造環(huán)境下服務(wù)提供者將各類制造資源及制造能力通過云化技術(shù)轉(zhuǎn)化為制造云服務(wù),大量云服務(wù)按照一定的規(guī)則聚合起來形成制造云,服務(wù)使用者根據(jù)應(yīng)用需求建立相應(yīng)需求模型,在云制造平臺(tái)支持下隨時(shí)隨地、動(dòng)態(tài)、敏捷地選擇各類制造服務(wù),實(shí)現(xiàn)多方高效共享與協(xié)同[5]．

云制造環(huán)境中存在大量功能相同或相似，但質(zhì)量參差不齊的云制造資源(cloud manufacturing resource,CMR),選擇最優(yōu)且滿足所需的云制造資源成為云制造服務(wù)迫切需要解決的問題[6]．云制造的發(fā)展促使制造行業(yè)更加重視企業(yè)的資源優(yōu)化配置[7],因此,國內(nèi)外相關(guān)學(xué)者對云制造資源選擇相關(guān)理論及技術(shù)進(jìn)行了相應(yīng)研究,推動(dòng)了云制造領(lǐng)域研究不斷深入發(fā)展．文獻(xiàn)[8]中建立了一種基于Web服務(wù)本體描述語言的云制造服務(wù)輸入、輸出、前提、效果匹配模型,將模型匹配過程分為參數(shù)匹配、屬性匹配和綜合匹配,并給出能夠區(qū)分不同匹配程度的度量算法．文獻(xiàn)[9]中為高效地從已發(fā)布的制造云服務(wù)中搜索到滿足要求的服務(wù),實(shí)現(xiàn)與請求服務(wù)的準(zhǔn)確匹配,在對制造云服務(wù)進(jìn)行形式化描述的基礎(chǔ)上,設(shè)計(jì)了一種智能化的制造云服務(wù)搜索與匹配方法．文獻(xiàn)[10]中以服務(wù)質(zhì)量為約束條件,基于粒子群優(yōu)化，建立Web服務(wù)選擇模型．文獻(xiàn)[11]中針對不誠實(shí)評(píng)價(jià)問題,建立了一種基于QoS信息感知和量化機(jī)制的云服務(wù)選擇模型,將變精度粗糙集理論與用戶設(shè)定的權(quán)重相結(jié)合,計(jì)算服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)的權(quán)重,進(jìn)行服務(wù)質(zhì)量綜合性能排序．文獻(xiàn)[12]中構(gòu)建以時(shí)間、成本、可靠性和可用性為評(píng)價(jià)指標(biāo)的評(píng)價(jià)模型,通過混合人工蜂群算法求解出最佳服務(wù)組合．

綜上,現(xiàn)有研究主要從本體化建模及智能化算法的角度解決云制造服務(wù)資源的優(yōu)選問題,評(píng)價(jià)指標(biāo)以定量信息為主,但是,由于云制造服務(wù)的多源性和異質(zhì)性等特點(diǎn),以及匹配過程中存在動(dòng)態(tài)性和多約束性的問題,優(yōu)選過程必然存在一些隨機(jī)性、模糊性指標(biāo),文中在現(xiàn)有研究的基礎(chǔ)上,從云制造資源需求方的視角,運(yùn)用模糊層次分析與云模型相結(jié)合的方法,建立云制造資源配置優(yōu)選模型,并通過實(shí)例闡述資源優(yōu)選過程,以尋求更準(zhǔn)確、直觀的云制造服務(wù)資源優(yōu)選途徑和方法．

1 云模型基本理論

文獻(xiàn)[13]中提出的云模型理論是在模糊數(shù)學(xué)和概率統(tǒng)計(jì)的基礎(chǔ)上,將自然語言中定性概念的模糊性、隨機(jī)性和不確定性有機(jī)地綜合在一起,實(shí)現(xiàn)定性與定量之間的自然轉(zhuǎn)換[14],該理論的提出推動(dòng)了不確定性人工智能的研究[15],已經(jīng)在數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)[16]、風(fēng)險(xiǎn)等級(jí)評(píng)估[17-18]和服務(wù)質(zhì)量[19]及綜合評(píng)價(jià)[20]、項(xiàng)目推薦[21]、精度估算[22]等方面得到廣泛應(yīng)用,并取得了良好效果．

1.1 云模型定義

設(shè)X是一個(gè)普通集合,X={x}稱為論域,論域X中的模糊集合A是指對于任意元素x都存在一個(gè)穩(wěn)定傾向的隨機(jī)數(shù)μA(x),稱作x對A的隸屬度．若論域中的元素是簡單有序的,則X可以看作是基礎(chǔ)變量,隸屬度在X上的分布稱作隸屬云,若論域中的元素不是簡單有序的,而是根據(jù)某個(gè)法則f將X映射到另一個(gè)有序的論域X′上,X′中有且只有一個(gè)x′與x對應(yīng),則X′為基礎(chǔ)變量,隸屬度在X′上的分布稱作為隸屬云[23]．

云模型用數(shù)字特征(Ex,En,He)表示,其中:Ex為期望值,是最能描述這一模糊信息的數(shù)值;En為熵值,是指該模糊信息的寬度,反映這一模糊信息的不確定性,熵越大,不確定性的程度越高,在云圖上表現(xiàn)為云的跨度越大;He為超熵值,反映熵值的不確定性,即這一模糊信息的離散程度,超熵越大,離散程度越大,隨機(jī)性也越大,在云圖上表現(xiàn)為云層的厚度越厚[24]．

1.2 正向云發(fā)生器

正向云發(fā)生器是一種將定性概念轉(zhuǎn)化為定量值及其確定度的模型．具體步驟:

輸入:定性概念的數(shù)字特征(Ex,En,He),云滴數(shù)n;

輸出:n個(gè)云滴數(shù)的定量值和確定度y．

步驟:

(1) 根據(jù)期望值Ex、超熵He生成正態(tài)隨機(jī)數(shù)En′=NORM(Ex,He);

(2) 根據(jù)期望值Ex、熵En生成正態(tài)隨機(jī)數(shù)x=NORM(Ex,En);

(4) (x,y)論域中生成1個(gè)云滴,實(shí)現(xiàn)定性語言的定量表達(dá);

(5) 重復(fù)(1～4),直至產(chǎn)生n個(gè)云滴．

1.3 逆向云發(fā)生器

逆向云發(fā)生器可以實(shí)現(xiàn)定量數(shù)據(jù)到定性概念的轉(zhuǎn)換,其輸入為一定數(shù)量的精確數(shù)值,輸出結(jié)果為(Ex,En,He)表示的定性概念．具體步驟:

輸入:n個(gè)評(píng)價(jià)指標(biāo)的信息量xi(i=1,…,n);

輸出:云數(shù)字特征(Ex,En,He)表示的定性概念;

步驟:

云模型是以概率論和模糊數(shù)學(xué)為基礎(chǔ)的定性定量轉(zhuǎn)換模型,主要反映人類知識(shí)和事物概念的隨機(jī)性和模糊性．云模型以各指標(biāo)的信息量作為云滴定量值,還原所得的3個(gè)數(shù)值(Ex,En,He)是由各方案定量結(jié)果轉(zhuǎn)化的定性概念,可以將方案的模糊性和隨機(jī)性表達(dá)出來,在定量評(píng)價(jià)的基礎(chǔ)上,充分體現(xiàn)結(jié)果的不確定性和隨機(jī)性,增加定性評(píng)價(jià)的準(zhǔn)確性,使最后的評(píng)價(jià)結(jié)果更加客觀和嚴(yán)謹(jǐn)[24]．

2 云制造資源配置優(yōu)選模型構(gòu)建

2.1 問題描述

一個(gè)云制造任務(wù)ST可以在云制造平臺(tái)中搜索到符合其要求的待選資源服務(wù)集(cloud manufacturing resource sequence,CMRS),CMRS={CMR1,CMR2,…,CMRj}．云制造平臺(tái)必須針對每個(gè)任務(wù)從相應(yīng)的j個(gè)待選資源集中各選一個(gè)資源服務(wù),按照一定規(guī)則組合來執(zhí)行該任務(wù)．因此,需要云制造平臺(tái)能夠快速、準(zhǔn)確地在海量制造資源中為云制造需求方尋找優(yōu)質(zhì)的、符合需求的制造資源CMRj．

2.2 模型構(gòu)建

文中將模糊層次分析法和云模型結(jié)合,設(shè)計(jì)了云制造資源配置優(yōu)選新方法,具體步驟：

(1) 建立云制造資源選擇的指標(biāo)體系論域U={μ1,μ2,…,μn};

(3) 運(yùn)用黃金分割驅(qū)動(dòng)法確定待選云制造資源的評(píng)價(jià)集V={V1,V2,…,Vn},并用Matlab生成評(píng)價(jià)集云圖;

(4) 生成指標(biāo)μi對應(yīng)的等級(jí)Vj的正態(tài)云．其中,將定量指標(biāo)數(shù)據(jù)進(jìn)行規(guī)范化處理,得到無量綱的數(shù)據(jù),表述成定量數(shù)值的正態(tài)云;定性指標(biāo)運(yùn)用5級(jí)評(píng)價(jià)標(biāo)尺轉(zhuǎn)換為云滴xij,再將xij運(yùn)用逆向云發(fā)生器生成正態(tài)云;

3 云制造資源配置優(yōu)選過程

3.1 制造資源評(píng)價(jià)指標(biāo)體系構(gòu)建

如表1,由于云環(huán)境下的制造資源種類繁多,且具有多主體、不確定性、模糊性、隨機(jī)性等特點(diǎn),針對制造資源優(yōu)選問題,影響優(yōu)選結(jié)果的因素很多,制造資源的時(shí)間T、質(zhì)量Q、成本C是制造資源需求者最為關(guān)心的根本指標(biāo)．基于云制造環(huán)境下制造資源供應(yīng)者與需求者的分散性、異構(gòu)性等特點(diǎn),在文獻(xiàn)[6,25-26]基礎(chǔ)上，將服務(wù)性S、信譽(yù)度E、可靠性R作為輔助指標(biāo)．云制造資源優(yōu)選指標(biāo)體系即因素論域U．

表1 云制造資源優(yōu)選指標(biāo)體系Table 1 Optimization index system of cloud manufacturing resources

3.2 指標(biāo)體系權(quán)重確定

表2 制造資源優(yōu)選指標(biāo)權(quán)重集Table 2 Weight set of manufacturing resources optimization index

3.3 建立指標(biāo)評(píng)價(jià)集

評(píng)價(jià)集就是對云制造資源評(píng)價(jià)的一個(gè)標(biāo)尺,根據(jù)這個(gè)標(biāo)尺,確定云制造資源處于什么等級(jí)[27]．評(píng)價(jià)集的確定有兩種方法,一種是基于云變換的數(shù)據(jù)驅(qū)動(dòng)法,一種是基于黃金分割的驅(qū)動(dòng)法[28],對于論域(0,1)的劃分采用后者．表3為采用黃金分割法的五層正態(tài)云標(biāo)準(zhǔn)評(píng)價(jià)集,生成的正態(tài)云圖如圖1．

表3 五層正態(tài)云標(biāo)準(zhǔn)評(píng)價(jià)集Table 3 Standard evaluation set of five layer normal cloud

圖1 五層正態(tài)云標(biāo)準(zhǔn)云圖Fig.1 Standard cloud chart of five layer normal cloud

3.4 制造資源指標(biāo)云化

假設(shè),云制造資源使用者向云平臺(tái)提出任務(wù)需求M,云制造平臺(tái)經(jīng)過逐層任務(wù)分解得到簡單任務(wù),針對任務(wù)ST1,有5個(gè)候選制造資源,首先按照指標(biāo)體系,對制造資源評(píng)價(jià)指標(biāo)進(jìn)行定量與定性區(qū)分,其中定性指標(biāo)有10項(xiàng),定量指標(biāo)有6項(xiàng)．然后,根據(jù)云制造平臺(tái)歷史交易數(shù)據(jù)及用戶評(píng)價(jià)得到CMR1、CMR2、CMR3、CMR4、CMR5這5個(gè)制造資源的基本情況,由于數(shù)據(jù)量較大,以CMR1為例作數(shù)據(jù)處理,將定性和定量指標(biāo)云化生成具有隨機(jī)性和模糊性的正向云．

3.4.1 定量指標(biāo)云化

運(yùn)用min-max標(biāo)準(zhǔn)化法,將云制造資源定量指標(biāo)數(shù)值全部轉(zhuǎn)換至(0,1)區(qū)間內(nèi),實(shí)現(xiàn)原始數(shù)據(jù)的標(biāo)準(zhǔn)化．表4為標(biāo)準(zhǔn)化的數(shù)據(jù)．

表4 定量指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化Table 4 Standardization of quantitative index data

由于任何一個(gè)精確數(shù)值均可表述為熵與超熵均為零的云模型，因此將定量指標(biāo)進(jìn)行歸一化處理后，轉(zhuǎn)化為一維正態(tài)云[29-30]．定量指標(biāo)的云模型如表5,為CMR1的定量指標(biāo)云特征值．

表5 CMR1定量指標(biāo)云特征值Table 5 Cloud characteristic value of CMR1 quantitative index

3.4.2 定性指標(biāo)云化

定性指標(biāo)一般用自然語言表示,如表6為4位用戶歷史交易評(píng)價(jià)結(jié)果,結(jié)合正向云發(fā)生器并運(yùn)用5級(jí)評(píng)語標(biāo)尺云系統(tǒng)進(jìn)行定性到定量的模糊轉(zhuǎn)換,CMR1轉(zhuǎn)化結(jié)果如表7．

表6 CMR1明細(xì)層的定性評(píng)價(jià)結(jié)果Table 6 Qualitative evaluation results of CMR1detail layer

表7 CMR1定性指標(biāo)定量表示Table 7 Quantitative expression of qualitative indicators of CMR1

然后,利用逆向云發(fā)生器,將4位用戶的評(píng)價(jià)的模糊數(shù)據(jù)轉(zhuǎn)換為制造資源定性指標(biāo)的正態(tài)云特征值，如表8．

表8 CMR1定性指標(biāo)正態(tài)云特征值Table 8 Characteristic value of normal cloud of CMR1qualitative index

3.5 單指標(biāo)模糊評(píng)價(jià)

在得到各單指標(biāo)正態(tài)云特征值后,再結(jié)合該層指標(biāo)項(xiàng)的各項(xiàng)權(quán)重值,就可以得到明細(xì)層指標(biāo)項(xiàng)的云模型,公式[31]:

(1)

(2)

(3)

結(jié)合權(quán)重,利用式(1～3)分別計(jì)算CMR1明細(xì)層各指標(biāo)的云模型,結(jié)果如表9．

表9 CMR1明細(xì)層指標(biāo)云模型Table 9 CMR1 detailed layer index cloud model

3.6 模糊綜合評(píng)價(jià)

同理,根據(jù)式(1～3),結(jié)合CMR1明細(xì)層云模型,通過由上而下的計(jì)算,得到綜合層云模型,并結(jié)合綜合層云模型,計(jì)算出CMR1的云模型,如表10．

表10 CMR1綜合層指標(biāo)云模型Table 10 Cloud model of CMR1 composite layer index

最終得到CMR1制造資源的云模型為CMR1(0.479 5,0.064 0,0.027 5)．

運(yùn)用Matlab軟件生成CMR1制造資源在評(píng)語集上的正態(tài)云圖(圖2)．

圖2 CMR1正態(tài)云圖Fig.2 CMR1 normal cloud

由圖2可知,從左到右分別為標(biāo)準(zhǔn)評(píng)價(jià)集{很差,差,一般,好,很好},CMR1在“一般”與“好”之間,期望值偏向“好”．

同理,可根據(jù)以上步驟,計(jì)算出其他4個(gè)云制造資源的云模型分別為CMR2(0.559 0,0.073 5,0.030 4),CMR3(0.616 3,0.081 4,0.030 7),CMR4(0.522 3,0.076 9,0.027 6),CMR5(0.697 7,0.065 7,0.015 5).圖3為5個(gè)待選制造資源對比云圖,進(jìn)一步比較,得到最優(yōu)云制造資源為CMR5．

圖3 待選制造資源對比云圖Fig.3 Comparison cloud chart of manufacturing resources to be selected

4 結(jié)語

(1) 云模型的期望、熵和超熵3個(gè)數(shù)字特征及特定算法可以將定性概念轉(zhuǎn)換為定量化數(shù)據(jù),實(shí)現(xiàn)模糊信息的定量化刻畫,能夠有效解決評(píng)價(jià)過程中的模糊性和隨機(jī)性問題．

(2) 針對云制造環(huán)境下資源匹配指標(biāo)存在多元性、模糊性的問題,構(gòu)建了基于云模型和模糊層次分析法的制造資源優(yōu)選配置模型．基于云制造資源優(yōu)選評(píng)價(jià)指標(biāo)體系,運(yùn)用模糊層次分析法進(jìn)行權(quán)重計(jì)算,利用云模型的黃金分割驅(qū)動(dòng)法繪制出評(píng)價(jià)標(biāo)準(zhǔn)云圖,對制造資源進(jìn)行指標(biāo)云化,生成逆向、正向云值,然后,結(jié)合模糊綜合評(píng)價(jià)生成云圖,實(shí)現(xiàn)云制造資源的優(yōu)化選擇,最后,通過實(shí)例詳細(xì)闡述了資源優(yōu)選過程．

(3) 研究成果為云制造環(huán)境下制造資源優(yōu)化選擇、供應(yīng)鏈供需匹配及服務(wù)制造模式下的價(jià)值鏈合作伙伴選擇等決策問題提供了新的思路和方法,對云制造模式的落地及推廣應(yīng)用具有實(shí)踐指導(dǎo)價(jià)值．