元活動模型驅(qū)動的多領(lǐng)域制造資源粒層化服務(wù)封裝與檢索

董元發(fā) 吳正佳 杜 軒 查 靚 袁慶松

1.三峽大學(xué)機械與動力學(xué)院，宜昌，433002 2.華威大學(xué)制造工程系，考文垂，CV47AL

0 前言

云制造強調(diào)制造資源和制造能力以服務(wù)的形式進行聚集，并基于網(wǎng)絡(luò)自由流通，進而實現(xiàn)按需使用和動態(tài)協(xié)同［1?2］，是一種面向服務(wù)的、高效低耗且基于知識的網(wǎng)絡(luò)化、敏捷化制造新模式和技術(shù)手段［3］。與傳統(tǒng)的網(wǎng)絡(luò)化制造模式相比，云制造支持空閑資源的主動尋租及任何單點物理故障的容錯與自動遷移，同時體現(xiàn)了“分散資源集中服務(wù)”和“集中資源分散服務(wù)”的理念［4］，其核心之一在于如何將人員、設(shè)備、場地、知識等多領(lǐng)域的制造資源進行有效集成并以能力的形式對外提供［5］，并對制造能力進行智能、靈活的組合與分解，使其能夠利用現(xiàn)有資源形成不同功能、不同類型和不同粒度的服務(wù)并按需提供給用戶［6］，以最大程度地滿足用戶個性化和專業(yè)化的業(yè)務(wù)需求。

實現(xiàn)多領(lǐng)域制造資源服務(wù)化的關(guān)鍵在于資源虛擬化建模與服務(wù)封裝。姚錫凡等［7］結(jié)合云制造服務(wù)體系框架、云制造資源的特點及分類，指出了云制造資源虛擬化的原則——系統(tǒng)性、針對性、適應(yīng)性、擴展性、接口統(tǒng)一和動態(tài)性；馬軍等［8］分析了云制造資源的存在形態(tài)、構(gòu)成及其屬性，提出基于RFID技術(shù)與對象名解析服務(wù)的制造資源感知與追溯邏輯架構(gòu)以實現(xiàn)物理制造資源的虛擬化；吳嬌等［9］分析了硬制造資源的特點及資源虛擬化的相關(guān)技術(shù)，提出了基于云制造的硬制造資源虛擬化封裝框架；尹翰坤等［10］根據(jù)制造資源的信息感知和行為控制程度，將云服務(wù)化封裝簡單劃分為高度封裝、部分封裝和近零封裝三種模式，建立了一種基于Multi?Agent的制造資源云服務(wù)化封裝適配器；ZHANG等［11］結(jié)合物聯(lián)技術(shù)提出了一種云制造設(shè)備的服務(wù)化封裝與云端化接入方法；武蕾等［12］提出了資源封裝模板的概念，將制造資源封裝為Web服務(wù)資源，以屏蔽制造資源自身的異構(gòu)性和復(fù)雜性；韋濤等［13］基于動態(tài)加工特征構(gòu)建制造任務(wù)描述標(biāo)準(zhǔn)，用以進行制造服務(wù)封裝和服務(wù)用戶請求表示。以上研究雖然一定程度上實現(xiàn)了對制造資源的服務(wù)封裝，但多以單一資源獨立封裝然后通過服務(wù)組合實現(xiàn)服務(wù)化為主，對多領(lǐng)域制造資源間的聚合考慮不足［14］，導(dǎo)致實際應(yīng)用中可能出現(xiàn)服務(wù)組合爆炸或組合失敗的問題。針對該問題，羅永亮等［15］闡述了云制造模式下制造能力的內(nèi)涵并歸納和總結(jié)了當(dāng)前制造能力研究現(xiàn)狀及存在的主要問題，構(gòu)建了制造能力多維信息模型；肖瑩瑩等［16］定義了制造能力服務(wù)的元模型及詳細(xì)描述屬性，研究了制造能力服務(wù)的統(tǒng)一描述及其形式化方法；LIU等［17］考慮工作流、活動和資源等因素提出了一種多粒度資源虛擬化和共享策略。

制造資源的服務(wù)化封裝有效屏蔽了底層制造活動細(xì)節(jié)，有助于制造資源的快速共享和高效利用，但用戶在海量云制造服務(wù)中檢索所需制造服務(wù)時，往往因為服務(wù)特征屬性信息粒度過粗、缺乏關(guān)鍵資源信息或制造活動過程特征而導(dǎo)致查準(zhǔn)率不高［18?19］，進而影響服務(wù)匹配效果。隨著云制造理論研究的日益深入，面向用戶多元檢索需求的制造資源服務(wù)化封裝方法逐漸受到人們的關(guān)注［20?21］。譚偉等［22］給出了多粒度制造資源組織的自適應(yīng)機制，包括多粒度制造資源的動態(tài)加入和退出以及資源的維護、負(fù)載感知的資源節(jié)點的分裂和合并，并設(shè)計了基于分類檢索和三階段匹配的多粒度制造資源發(fā)現(xiàn)算法；朱李楠等［23］基于資源及服務(wù)的動態(tài)屬性，建立了云制造三層屬性結(jié)構(gòu)，提出了基于資源云服務(wù)的資源封裝、發(fā)布和發(fā)現(xiàn)模型。

綜上所述，多領(lǐng)域制造資源的虛擬化與服務(wù)封裝方式對云制造服務(wù)的檢索與匹配過程具有重要影響［24］，為方便用戶實現(xiàn)高效精準(zhǔn)的服務(wù)檢索與匹配，必須在資源建模與服務(wù)封裝時綜合考慮用戶的多元檢索需求及資源服務(wù)封裝過程中各層次的信息粒結(jié)構(gòu)與粗細(xì)。因此，本文針對云制造資源分布性、異構(gòu)性、動態(tài)性的特點，以典型制造活動單元為中心實現(xiàn)多領(lǐng)域制造資源的智能聚合，然后基于商空間粒計算理論對資源簇的制造能力進行逐層封裝，提出一套元活動模型驅(qū)動的多領(lǐng)域制造資源粒層化服務(wù)封裝與檢索方法。

1 多領(lǐng)域制造資源聚合與粒層化服務(wù)封裝

多領(lǐng)域制造資源包括企業(yè)運行過程中涉及的人力、設(shè)備、物料、場地、知識、模型、軟件及數(shù)據(jù)庫等，具有分散性、自治性、異構(gòu)性、多樣性、動態(tài)性、組合性等特點。單一制造資源無法或很難形成實際的服務(wù)能力，必須通過與其他制造資源協(xié)作完成某種制造活動體現(xiàn)，即完整可共享的制造能力是多領(lǐng)域制造資源聚合與協(xié)作產(chǎn)生的，換句話說，制造服務(wù)所涉及的制造資源及制造活動決定了服務(wù)的特征屬性及服務(wù)結(jié)果。本文借鑒全面質(zhì)量管理理論，將多領(lǐng)域制造資源按人、機、料、法、環(huán)進行分類，定義最小粒度的制造資源顆粒，并基于此建立了面向多領(lǐng)域制造資源聚合的制造元活動模型。

1.1 制造元活動模型定義

定義1 人（H）指設(shè)計、制造、服務(wù)等生產(chǎn)活動中擁有一定技能或經(jīng)驗的操作者，是制造活動的主體，如設(shè)計師、車工、司機等。

定義2 機（E）指生產(chǎn)中所使用的設(shè)備、工具、軟件、數(shù)據(jù)庫等輔助生產(chǎn)用具，是制造活動的主要載體，如加工中心、工作站、運輸車輛等。

定義3 料（M）指作為制造活動輸入的半成品、配件、原料、數(shù)據(jù)、文檔等有形實體或無形資源，如產(chǎn)品模型、鋼材、原始數(shù)據(jù)等。

定義4 法（P）指制造活動中所需遵循的工藝流程或使用的知識、模型等，如熱處理工藝、設(shè)計流程等。

定義5 環(huán)（S）指制造活動所需的空間、場地及保障條件，如廠房、倉庫、資質(zhì)、水、電、氣等。

定義6 制造活動單元（MPU）指在人機料法環(huán)等資源集合協(xié)同作用下具備完成某種制造任務(wù)且不可再分的最小能力單元，如圖1所示，可采用四元組表示：

其中,C指制造活動所需的資源簇，C={}H,E,M,P,S，特別地，不同的制造活動單元所需的制造資源顆粒不同，H、E、M、P、S可有多個或為?，如仿真計算資源封裝形成的云制造服務(wù)在被調(diào)用過程中可不需人的參與；PR指論域的結(jié)構(gòu)，即制造資源間的相互關(guān)系，如拓?fù)潢P(guān)系、約束關(guān)系、時序關(guān)系等，可采用語義網(wǎng)絡(luò)描述；PI和PO分別代表該制造活動單元的輸入和輸出接口，是實現(xiàn)不同制造活動單元按需組合和粒度合成的基礎(chǔ)，也是云制造服務(wù)過程中物料流和信息流銜接的地方。

1.2 資源顆粒聚合與制造活動單元實例化

海量制造資源基于物聯(lián)感知和虛擬化技術(shù)在云制造平臺上匯聚形成了線上云制造資源庫，來自多領(lǐng)域的制造資源雖然具備了提供服務(wù)的能力要素，但制造能力的共享和輸出必須圍繞特定的制造活動展開。

圖1為多領(lǐng)域制造資源顆粒以制造活動為中心的聚合過程示意圖。首先，根據(jù)領(lǐng)域知識將云制造服務(wù)過程拆分為多個制造活動單元，并根據(jù)每個制造活動單元的特點及工作內(nèi)容從資源庫中選擇所需制造資源顆粒進行聚合。然后，采用語義網(wǎng)絡(luò)定義各制造資源間的拓?fù)潢P(guān)系、約束關(guān)系及時序關(guān)系供后續(xù)資源檢索和組合推理使用，采用if?then語句對該制造活動單元的前序和后序制造活動單元應(yīng)滿足的規(guī)則進行定義，完成對某一具體制造活動單元的實例化。實例化后的制造活動單元是多領(lǐng)域資源簇和領(lǐng)域知識的集合體，具備了一定的服務(wù)能力。多個具備服務(wù)能力的制造活動單元在領(lǐng)域知識的作用下通過接口進行組合，從而形成具有完整可共享服務(wù)能力的實體，供下一步的服務(wù)封裝使用。

1.3 多領(lǐng)域制造資源粒層化服務(wù)封裝

信息?；侨祟愄幚砗痛鎯π畔⒌囊环N反映，它把復(fù)雜問題抽象、劃分為若干較簡單的問題，有助于我們分析和解決問題。多領(lǐng)域制造資源的粒層化服務(wù)封裝過程是對制造資源聚合特征及制造活動組合特征逐層抽取和封裝的過程。封裝的層次越深，信息粒度越粗，與底層實際制造活動相關(guān)的細(xì)節(jié)也越少。圖2所示為多領(lǐng)域制造資源的?；爸饘臃?wù)封裝過程示意圖。人、機、料、法、環(huán)5大類物理制造資源是云制造服務(wù)的基礎(chǔ)，其對應(yīng)信息域可表示為

圖1 制造元活動模型及多領(lǐng)域制造資源顆粒聚合過程示意圖Fig.1 Meta?activity model and the polymerization process diagram of multi?domain manufacturing resources particle

PMR=(URL,CC,BC,FC,UC,SC) （2）

其中,PMR為物理制造資源；URL為該資源的統(tǒng)一資源定位符；CC為該資源的分類屬性，用于標(biāo)識該資源在制造活動中的作用；BC為該資源的基本屬性集，包括資源ID、名稱、型號、主要用途、所有者信息、所處位置、聯(lián)系方式等；FC為該資源的能力屬性集，包括能力特征名稱、能力特征參數(shù)、能力等級等，不同類型資源的能力特征名稱及參數(shù)不同，如加工中心的能力特征為坐標(biāo)軸數(shù)、工作行程、最高加工精度、可達粗糙度等，而設(shè)計師的能力特征為工作年限、會用的設(shè)計軟件、技能等級等；UC為該資源的使用屬性集，包括資源可用時間、價格標(biāo)準(zhǔn)、維修保養(yǎng)信息等；SC為該物理資源的狀態(tài)屬性集，包括信息來源、感知方式、已完成任務(wù)、正在執(zhí)行的任務(wù)等。

圖2 多領(lǐng)域制造資源?；爸饘臃庋b過程示意圖Fig.2 Granulation and layer by layer encapsulation process diagram of multi-domain manufacturing resources

在物聯(lián)網(wǎng)及CPS相關(guān)技術(shù)的支持下，物理制造資源被虛擬化為相應(yīng)的資源顆粒，其對應(yīng)信息域是在物理資源屬性信息上增加了接口定義和能力特征封裝，可形式化表示為

其中，VMU為虛擬資源顆粒；MID為該資源顆粒的唯一標(biāo)識；MName為該資源顆粒的名稱；URL與該資源顆粒對應(yīng)的物理資源一致；VFC為該資源顆粒的能力屬性集，是對物理資源能力屬性的繼承和抽象，包括制造能力類別、能力特征名稱、能力特征參數(shù)、最大能力值、能力系數(shù)等；VUC為該資源顆粒的使用屬性集，是對物理資源使用屬性集的繼承和抽象，包括可用時間、價格標(biāo)準(zhǔn)、QoS信息等；VSC為該資源顆粒的實時狀態(tài)，是對物理資源狀態(tài)集的繼承和抽象，包括正在使用、空閑、故障、離線等狀態(tài)；AP為該資源顆粒的聚合接口，包含該資源顆粒的聚合協(xié)議及排斥規(guī)則，如軟件系統(tǒng)不能兼容X86架構(gòu)的服務(wù)器。

多領(lǐng)域制造資源顆粒以制造活動單元為中心聚合，形成具有基本制造能力的資源簇，聚合過程可以由人工主導(dǎo)或定義好約束關(guān)系和聚合規(guī)則實現(xiàn)智能聚合。云制造服務(wù)單元是資源簇在信息域的映射，其形式化表達為

其中,MSU為云制造服務(wù)單元；UID為該云制造服務(wù)單元的唯一標(biāo)識；UName為該云制造服務(wù)單元的名稱；VMUs為該云制造服務(wù)單元對應(yīng)資源簇內(nèi)的制造資源顆粒集；UR為該服務(wù)單元內(nèi)部資源簇各顆粒之間的邏輯關(guān)系，可通過對資源簇聚合所使用的制造活動元模型中的PR進行實例化得到；UF為該服務(wù)單元的能力特征屬性集，體現(xiàn)了該制造服務(wù)單元內(nèi)部制造活動的服務(wù)能力，是對資源簇中各顆粒制造能力的繼承與綜合，包括服務(wù)能力類別、服務(wù)能力特征名稱、服務(wù)能力特征參數(shù)、最大能力值、能力系數(shù)等；UU為該服務(wù)單元的使用屬性集，是對內(nèi)部所有資源顆粒使用屬性的綜合和抽象，包括可用時間、使用價格、QoS信息等；UT為該服務(wù)單元的服務(wù)周期；US為該服務(wù)單元的狀態(tài)屬性，是對所有資源顆粒狀態(tài)的綜合和抽象；UP為該服務(wù)單元的組裝接口，包括調(diào)用入口、參數(shù)列表和調(diào)用出口等。

實際的制造活動由不同制造活動單元組合而成，同樣，完整的云制造服務(wù)也由不同的云制造服務(wù)單元組合而成。從資源視域來看，不同的資源簇聚合形成更大且具有穩(wěn)定結(jié)構(gòu)和功能的制造能力團，其對應(yīng)的信息視域下云制造服務(wù)的形式化表示為

其中，MS為云制造服務(wù)；SID為該云制造服務(wù)的唯一標(biāo)識；SName為該云制造服務(wù)的名稱；MSUs為該云制造服務(wù)所包含的所有云制造服務(wù)單元；SR為該制造服務(wù)內(nèi)部各服務(wù)單元之間的邏輯關(guān)系，包括串行、并行、循環(huán)等；SF為該制造服務(wù)的能力特征屬性集，是對制造能力團功能特征的抽象描述，體現(xiàn)了服務(wù)內(nèi)部所有制造活動的綜合服務(wù)能力，同樣包含制造服務(wù)單元的特征屬性，只是取值不同；SU為該制造服務(wù)的使用屬性集，是對內(nèi)部所有云制造服務(wù)單元使用屬性的綜合和抽象，包括可用時間、費率、QoS信息等；ST為該制造服務(wù)的服務(wù)周期；SS為該制造服務(wù)的狀態(tài)屬性，是對所有制造服務(wù)單元狀態(tài)的綜合和抽象；SP為該制造服務(wù)的組裝接口，包括調(diào)用入口、參數(shù)列表和調(diào)用出口等，云制造服務(wù)同樣可被組裝形成具有更高級制造能力的服務(wù)流程。

2 云制造服務(wù)粒層遞歸檢索方法

人類對世界的認(rèn)知過程就是由不確定到逐步確定的過程，在粗粒度上往往是不確定的概念經(jīng)過調(diào)整知識粒度，不斷地對這些不確定的概念進行細(xì)化、更新，從而得到確定的概念，達到對事物的結(jié)構(gòu)化認(rèn)知。服務(wù)化封裝后的多領(lǐng)域制造資源以不同形態(tài)的粒結(jié)構(gòu)存在于特定的層次中，每個層次代表從不同的角度對云制造服務(wù)的觀察。用戶在檢索過程中往往遵循由粗到細(xì)的原則，且不斷對不同層次中關(guān)鍵粒結(jié)構(gòu)的屬性特征加以約束以保證檢索結(jié)果趨于精準(zhǔn)，因此，云制造服務(wù)平臺需要支持用戶在不同層次和粒度上進行智能檢索。商空間粒計算理論是人工智能領(lǐng)域中的一種新理論和新方法，其主要思想是通過選擇合適的粒度來尋找問題的一種較好的近似解決方案，從而降低問題求解的復(fù)雜度，本文采用該理論求解上述問題。

2.1 云制造服務(wù)檢索的商空間描述

云制造服務(wù)檢索的目的是將海量云制造服務(wù)劃分為兩個互不相交的集合，且使一個集合的內(nèi)容具有一致性并與另一集合具有明顯差別，其實質(zhì)就是對云制造服務(wù)集合的一個有效劃分；等價關(guān)系R就是在檢索時所要提取的內(nèi)容一致性準(zhǔn)則，如服務(wù)類別的相似性、制造精度的相似性等，所以從粒度層面分析，云制造服務(wù)檢索是對海量云制造服務(wù)由細(xì)粒度空間到粗粒度空間的變換過程。

（1）用三元組（X1,f1,T1）描述在制造資源顆粒視圖下的云制造服務(wù)。X1為制造資源顆粒集合所構(gòu)成的論域，如{x1,x2,…,xn}，其中，xn表示某個制造資源顆粒；f1為論域X1中反映各制造資源顆粒的特征屬性函數(shù)，如加工精度、資源狀態(tài)等；T1為論域X1中制造資源顆粒的結(jié)構(gòu)關(guān)系，如相似性。

（2）用三元組（X2,f2,T2）描述制造活動單元視圖下的云制造服務(wù)。X2為服務(wù)于同一制造活動的制造資源顆粒集合，如{u1,u2,…,un}{{x1,x2,…,xk1},{x4,x6,…,xk2},…}；f2為新論域X2中制造活動單元的特征屬性，如流程特征、服務(wù)周期等；T2為新論域X2中制造活動單元集合間的結(jié)構(gòu)關(guān)系，如不同流程特征之間的關(guān)系。

（3）用三元組（X3,f3,T3）描述完整服務(wù)視圖下的云制造服務(wù)。X3為參與服務(wù)于同一制造服務(wù)的所有制造資源顆粒集合，如{s1,s2,…,sn}={{u1,u2,…}，{u4,u6,…},…}；f3為新論域X3中云制造服務(wù)的特征屬性，如服務(wù)類別、服務(wù)質(zhì)量等；T3為新論域X3中云制造服務(wù)集合間的結(jié)構(gòu)關(guān)系。

對于云制造服務(wù)檢索問題（X，f，T），若已選定屬性函數(shù)f和相似度度量準(zhǔn)則P，且滿足自反性、對稱性和傳遞性，即（X,f,T）在f和P的作用下得到的關(guān)系R為等價關(guān)系，則相應(yīng)的商空間為（［X］，［f］，［T］）。如圖3所示，不同等價關(guān)系對應(yīng)的商空間對應(yīng)于制造資源顆粒集合在不同粒度下的理解，通過多粒度屬性合成形成新的商空間，即可得到一個新的更高層次的檢索結(jié)果。

圖3 云制造服務(wù)檢索商空間粒層映射與切換示意圖Fig.3 Granular layer mapping and switching diagram of cloud manufacturing service retrieval space

2.2 多粒度檢索需求的粒度分解與求解框架

用戶在不同粒層上關(guān)注的角度和屬性特征不同，例如在資源顆粒粒度上，用戶關(guān)心的是某關(guān)鍵資源顆粒的能力屬性；在制造活動單元粒度上，用戶關(guān)心的是該制造過程的能力屬性；在制造服務(wù)粒度上，用戶關(guān)心的是制造服務(wù)內(nèi)所有制造活動的綜合能力屬性。在實際云制造服務(wù)檢索中，用戶的原始檢索需求一般包含來自不同粒層的多種粒度大小的服務(wù)特征信息，因此首先需要對多粒度檢索需求進行粒度分解。如圖4所示，從初始檢索需求R中抽取與服務(wù)特征屬性有關(guān)的需求信息R3，得到云制造服務(wù)粒層商空間G3(X3,T3)下的檢索問題Problem（G3,R3），同理可分別得到制造活動粒層商空間G2（X2,T2）中的 Problem（G2,R2）和制造資源粒層商空間G1(X1,T1)中的Problem（G1,R1）。各層檢索問題的求解遵循由粗到細(xì)、逐層求精的原則，下層商空間由上層商空間檢索問題的解集通過映射函數(shù)h決定，此處h一般包括從上層解集中提取論域集合、特征屬性及結(jié)構(gòu)關(guān)系組成新商空間等操作。

圖4 多粒度檢索需求的粒度分解與求解框架示意圖Fig.4 Particle decomposition and solution framework of multi-granularity retrieval needs

2.3 基于灰相似粗糙集的云制造服務(wù)粒層遞歸檢索

云制造平臺上分布著大量功能相似但內(nèi)部資源顆粒及過程特征都不同的云制造服務(wù)，而且部分服務(wù)在封裝過程中存在屬性缺失或波動范圍較大等不確定性問題，如何在海量云制造服務(wù)中檢索和發(fā)現(xiàn)與需求最為相近的可用服務(wù)是本文的重點。

粗糙集理論［25］是一種處理不確定性問題的有效方法，能夠在沒有任何先驗信息時發(fā)現(xiàn)數(shù)據(jù)中隱含的知識，被廣泛應(yīng)用于分類決策問題。傳統(tǒng)粗糙集模型對待處理數(shù)據(jù)分類要求精確，但實際數(shù)據(jù)集合中常常包含很多不確定性和噪聲。灰色系統(tǒng)理論［26］能夠?qū)Α靶颖?、貧信息”的不確定性系統(tǒng)繼續(xù)正確有效的分析，克服粗糙集理論的不足。本文采用基于灰相似關(guān)系的粗糙集模型來解決同一層次數(shù)據(jù)集中信息的不完備性和不一致性，并采用結(jié)合灰色理論與粗糙集的層次遞歸算法解決不同粒層的云制造服務(wù)檢索，算法具體步驟如下。

（1）設(shè)定當(dāng)前層為云制造服務(wù)層，當(dāng)前論域X為初步符合條件的云制造服務(wù)集合。

（2）獲取當(dāng)前層中作為評價指標(biāo)的不同粒度屬性集合C={f1,f2,…,fn}，稱為條件屬性集，并將條件屬性集采用區(qū)間數(shù)進行量化描述，獲取各評價指標(biāo)的權(quán)重值ωi，滿足

（3）獲取該層作為決策指標(biāo)的屬性集合{d1,d2,…,dm}，稱為決策屬性集，并進行量化描述；

（4）構(gòu)建該層灰色決策表GD=（X,C?j5i0abt0b，VC? Vd,f?）。其中，X為論域，即待決策集合；C為條件屬性集,決策屬性集D=j5i0abt0b；VC和Vd分別為屬性C和d的值域；信息函數(shù)f?:X×（C?j5i0abt0b→VC×Vd）。確定各屬性的值域，建立灰色決策表GD。

（5）設(shè)置該層條件屬性值的灰相似度閾值α，獲得該層新灰色決策表GDα=（X′，C?j5i0abt0b，VC?Vd,f?）。

（6）確定該層相似度閾值β，計算在該灰色閾值和相似度閾值下與需求云制造服務(wù)的相似集合其 中 ，區(qū) 間a和 區(qū) 間b的 相 似 度 采 用計算。

（7）按決策屬性指標(biāo)將云制造服務(wù)劃分到各決策類di中，生成該層云制造服務(wù)集合D（ii=1，2，…，m）。計算Di關(guān)于GDα依據(jù)相似度閾值β的正域

（8）如當(dāng)前層為云制造服務(wù)層，則調(diào)整當(dāng)前論域為X=pos(α,β)C（d），設(shè)定當(dāng)前層為制造活動層，轉(zhuǎn)步驟（2）；否則轉(zhuǎn)步驟（9）。

（9）如當(dāng)前層為制造活動層，則調(diào)整當(dāng)前論域為X=pos(α,β)C（d），設(shè)定當(dāng)前層為資源顆粒層，轉(zhuǎn)步驟（2）；否則轉(zhuǎn)步驟（10）。

（10）輸出檢索結(jié)果pos(α,β)C（d），其中，各待選云制造服務(wù)的順序按照其與目標(biāo)需求的歐氏距離從小到大排列，算法結(jié)束。

3 算例與驗證

本文以筆者所在單位自有金屬3D打印設(shè)備為例說明多領(lǐng)域制造資源的粒層化服務(wù)封裝過程。如圖5所示，首先通過分析將金屬結(jié)構(gòu)件快速成形服務(wù)分為數(shù)據(jù)切片、3D打印、后處理、打包與物流4個制造活動單元，并根據(jù)每個制造活動單元所需要的人、機、料、法、環(huán)等關(guān)鍵制造資源要素對本單位相關(guān)資源進行梳理與歸類，形成資源顆粒、以制造活動為中心的資源顆粒簇、實例化后的制造活動單元等云制造服務(wù)封裝的基礎(chǔ)。接著按1.3節(jié)中的信息建模方法基于WSMO Studio（WSMO概念模型建模工具）依次對多域異構(gòu)資源顆粒、實例化后的制造活動單元、由多個制造活動協(xié)作的完整服務(wù)活動等3種不同粒層的關(guān)鍵屬性進行語義標(biāo)注及賦值，并通過WSDL描述語言以Web Service的形式在云平臺上注冊、發(fā)布，形成層次分明又相互聯(lián)系的金屬構(gòu)件快速成形云服務(wù)。實際服務(wù)過程中，各關(guān)鍵云制造資源顆粒的可用狀態(tài)可通過物聯(lián)感知的方式實時監(jiān)測并上傳至云端，形成線上線下一體化協(xié)同的云制造服務(wù)模式；同時服務(wù)過程管控引擎根據(jù)各資源顆粒的可用狀態(tài)實時評估服務(wù)的可用性，發(fā)生異常時及時屏蔽故障節(jié)點并轉(zhuǎn)移制造任務(wù)，保證云制造服務(wù)過程的平穩(wěn)可控。

限于目前尚無較為成熟且大規(guī)模應(yīng)用的開源云制造服務(wù)平臺，且云制造服務(wù)的檢索過程主要基于相關(guān)資源及服務(wù)信息，為驗證本文所提方法的可行性，筆者從www.mfg.com、豬八戒網(wǎng)（www.zbj.com）、天貓商城（www.tmall.com）等平臺上搜集了135家涵蓋鈦合金、模具鋼、鋁合金、石墨、光敏樹脂、尼龍等材質(zhì)的快速成形服務(wù)提供商，根據(jù)其提供的關(guān)鍵設(shè)備、工藝過程、質(zhì)量特性、服務(wù)范圍、服務(wù)時效及價格等信息加上部分由筆者模擬添加的人員、場地等共同構(gòu)成測試數(shù)據(jù)集。然后按照1.3節(jié)中方法進行服務(wù)分層封裝并以Web Service的形式在原型平臺上進行注冊、發(fā)布。現(xiàn)有一客戶其檢索需求如表1所示。

圖5 金屬3D打印設(shè)備粒層化服務(wù)封裝過程示意圖Fig.5 Grain layer service encapsulation process diagram of metal 3D printing equipment

表1 云制造服務(wù)檢索需求信息表Tab.1 Retrieve demand information of cloud manufacturing services

限于篇幅，本文以制造活動層為例說明檢索過程，滿足服務(wù)層需求屬性特征的云制造服務(wù)有8個，根據(jù)制造活動層的需求屬性構(gòu)建灰色決策表（表2），以成形工藝先進性c1、管理規(guī)范性c2、可加工尺寸c3、表面精度c4為評價指標(biāo)，對應(yīng)的權(quán)重值分別為wc1=0.2、wc2=0.1、wc3=0.3、wc4=0.4，并以服務(wù)經(jīng)濟性d作為決策指標(biāo)，構(gòu)建灰色決策表GD=(X,C?j5i0abt0b,VC? Vd,f?)。其中論域X={1,2,3,4,5,6,7,8}，條件屬性集C={c1,c2,c3,c4}，各指標(biāo)采用十分制量化為區(qū)間數(shù)。

表2 云制造服務(wù)灰色決策表GDTab.2 Gray decision tableGDof cloudmanufacturing service

采用灰色極差變換法消除條件屬性的量綱以增加可比性，計算所有云制造服務(wù)的灰相似度并設(shè)置灰相似度閾值α=0.5，得到變換后的灰色決策表GDα=（X',C?j5i0abt0b,VC?Vd,f?），見表3。

表3 云制造服務(wù)灰色決策表GDαTab.3 Gray decision tableGDαof cloud manufacturing service

取區(qū)間數(shù)相似度閾值β=0.5，得到

又因為X/d={{1,3,6,7},{2,5},{4}}且服從{1，3，6，7}?{2,5}?{4}，根據(jù)擇優(yōu)原則取與目標(biāo)需求最接近的集合D1={1,3,6,7}，則即云制造服務(wù) 1、6、7被目標(biāo)需求完全承認(rèn)，則認(rèn)為符合制造活動層目標(biāo)需求的云制造服務(wù)有1、6、7可供選擇。接著將1、6、7云制造服務(wù)作為資源顆粒層的輸入，最后求得6號云制造服務(wù)為最優(yōu)待選云制造服務(wù)。

同等條件下采用改進遺傳算法進行尋優(yōu)，其中各特征屬性的不確定性采用三角模糊數(shù)表示，選取交叉概率為0.6，變異概率為0.05，經(jīng)多次迭代計算輸出的最優(yōu)云制造服務(wù)同樣為6號云制造服務(wù)。與灰相似粗糙集搜索算法比較發(fā)現(xiàn)，遺傳算法沒有很好地利用領(lǐng)域知識和模仿人類由粗到細(xì)逐步尋優(yōu)地能力，且極易陷入局部最優(yōu)，如本文算例中有時會輸出7號云制造服務(wù)為最優(yōu)；另外在滿足需求的云制造服務(wù)數(shù)量較大且相似度較高的情況下，遺傳算法在時間復(fù)雜度上不如灰相似粗糙集搜索算法的集合運算效果好。

4 結(jié)論

本文構(gòu)建了制造元活動模型以實現(xiàn)多領(lǐng)域制造資源的有效聚合，并基于商空間粒計算理論對資源簇的制造能力進行逐層封裝，提出了基于灰相似粗糙集的層次遞歸搜索算法以解決服務(wù)特征屬性的不確定性問題，建立了一套元活動模型驅(qū)動的多領(lǐng)域制造資源粒層化服務(wù)封裝與檢索方法。算例表明，以制造活動單元為中心進行多領(lǐng)域制造資源聚合與服務(wù)封裝的方式能夠在云制造服務(wù)中融入更多的制造過程領(lǐng)域知識，可以有效提高服務(wù)檢索的查準(zhǔn)率，且為后續(xù)云制造平臺與企業(yè)內(nèi)部已有制造執(zhí)行系統(tǒng)有機集成提供參考。未來將進一步擴充測試數(shù)據(jù)集的種類和規(guī)模并開發(fā)相應(yīng)的制造服務(wù)封裝工具，就資源顆粒的智能聚合接口展開研究，以期實現(xiàn)云制造服務(wù)的自組織與智能尋租。

［1］ 張霖，羅永亮，范文慧，等.云制造及相關(guān)先進制造模式分析［J］.計算機集成制造系統(tǒng)，2011，17（3)：458?468.ZHANG Lin，LUO Yongliang，F(xiàn)AN Wenhui，et al.Analyses of Cloud Manufacturing and Related Advanced Manufacturing Models［J］.Computer In?tegrated Manufacturing Systems，2011，17（3):458?468.

［2］ 陶飛，張霖，郭華，等.云制造特征及云服務(wù)組合關(guān)鍵問題研究［J］.計算機集成制造系統(tǒng)，2011，17（3)：477?486.TAO Fei，ZHANG Lin，GUO Hua，et al.Typical Characteristics of Cloud Manufacturing and Sever?al Key Issues of Cloud Service Coposition［J］.Computer Integrated Manufacturing Systems，2011，17（3)：477?486.

［3］ 李伯虎，張霖，王時龍，等.云制造——面向服務(wù)的網(wǎng)絡(luò)化制造新模式［J］.計算機集成制造系統(tǒng)，2010，16（1)：1?7.LI Bohu，ZHANG Lin，WANG Shilong，et al.Cloud Manufacturing—a New Service Oriented Networked Manufacturing Model［J］.Computer Integrated Manufacturing Systems，2010，16（1)：1?7.

［4］ 李伯虎，張霖，任磊，等.再論云制造［J］.計算機集成制造系統(tǒng)，2011，17（3)：449?457.LI Bohu，ZHANG lin，REN Lei，et al.Further Dis?cussion on Cloud Manufacturing［J］.Computer In?tegrated Manufacturing Systems，2011，17（3):449?457.

［5］ WANG Xi，XU Xun.Virtualise Manufacturing Ca?pabilities in the Cloud：Requirements，Architecture and Implementation［J］.International Journal of Manufacturing Research，2014，9（4)：348?368.

［6］ LIU Ning，LI Xiaoping.Granulation ? based Re?source Classification in Cloud Manufacturing［J］.Proceedings of the Institution of Mechanical Engi?neers，PartB：JournalofEngineering Manufac?ture.2015，229（7):1258?1270.

［7］ 姚錫凡，金鴻，徐川，等.云制造資源的虛擬化與服務(wù)化［J］.華南理工大學(xué)學(xué)報（自然科學(xué)版)，2013，41（3)：1?7.YAO Xifan，JIN Hong，XU Chuan，et al.Virtualization and Servitization of Cloud Manufacturing Resources［J］.Journal of South China University of Technology（Natural Science Edition)，2013，41（3):1?7.

［8］ 馬軍，羅國富，路迪，等.制造資源云集成元建模及云Agent服務(wù)調(diào)度研究［J］.中國機械工程，2014，25（7)：917?923.MA Jun，LUO Guofu，LU Di，et al.Research on Man?ufacturing Resources Cloud Integration Meta Model?ing and Cloud Agent Service Scheduling［J］.China Mechanical Engineering，2014，25（7):917?923.

［9］ 吳嬌,李少波.云制造中硬資源虛擬化封裝研究［J］.機械設(shè)計與制造，2014，281（7)：112?115.WU Jiao，LI Shaobo.The Hardware Resource Virtual Encapsulation in Cloud Manufacturing［J］.Machinery Design and Manufacture，2014，281（7):112?115.

［10］ 尹翰坤，尹超，王偉，等.基于Multi?Agent的制造資源云服務(wù)化封裝方法及適配器研究［J］.計算機集成制造系統(tǒng)，2014，20（12)：3182?3188.YIN Hankun，YIN Chao，WANG Wei，et al.Cloud Service Encapsulation Adapter for Manufacturing Re?source Based on Multi? agent［J］.Computer Integrat?ed Manufacturing Systems，2014，20（12)：3182?3188.

［11］ ZHANG Yingfeng，ZHANG Geng，LIU Yang，et al.Research on Services Encapsulation and Virtualiza?tion Access Model of Machine for Cloud Manufactur?ing［J］.Journal of Intelligent Manufacturing，2015，28（5):1109?1123.

［12］ 武蕾，孟祥旭，劉士軍.制造網(wǎng)格中資源服務(wù)化封裝方法研究［J］.計算機集成制造系統(tǒng)，2008，14（9)：1837?1844.WU Lei，MENG Xiangxu，LIU Shijun.Resource Ser?vice Encapsulation in Manufacturing Grid［J］.Com?puter Integrated Manufacturing Systems，2008，14（9)：1837?1844.

［13］ 韋濤，李迎光，劉旭.面向航空復(fù)雜結(jié)構(gòu)件數(shù)控加工過程的云制造服務(wù)生成方法［J］.計算機集成制造系統(tǒng)，2016，22（11)：2707?2717.WEI Tao，LI Yingguang，LIU Xu.NC Machining In?process Oriented Cloud Manufacturing Service Gen?eration Method for Complex Aircraft Structural Parts［J］.Computer Integrated Manufacturing Systems，2016，22（11)：2707?2717.

［14］ CRCIUNEAN V.A Linguistic Model of Aggregation in Virtual Manufacturing Processes［J］.Academic Journal of Manufacturing Engineering，2014，12（3)：124?129.

［15］ 羅永亮，張霖，陶飛，等.云制造模式下制造能力建模關(guān)鍵技術(shù)［J］.計算機集成制造系統(tǒng)，2012,18（7)：1357?1367.LUO Yongliang，ZHANG Lin，TAO Fei，et al.Key Technologies of Manufacturing Capability Model?ing in Cloud Manufacturing Mode［J］.Computer In?tegrated Manufacturing Systems，2012，18（7)：1357?1367.

［16］ 肖瑩瑩，李伯虎，柴旭東，等.云制造中的制造能力服務(wù)形式化描述方法［J］.系統(tǒng)仿真學(xué)報，2015，27（9)：2096?2107.XIAO Yingying，LI Bohu，CAI Xudong，et al.Re?search on the Formalization Description Method of Manufacturing Capability Service in Cloud Manu?facturing［J］.Journal of System Simulation，2015，27（9)：2096?2107.

［17］ LIU Ning，LI Xiaoping，SHEN Weiming.Multi?granularity Resource Virtualization and Sharing Strategies in Cloud Manufacturing［J］.Journal of Network and Computer Applications，2014，46：72?82.

［18］ PENG Anhua，XIAO Xingming.Optimized Retriev?al for Manufacturing Resource Using Fuzzy Clus?tering under Uncertain Environment［J］.Journal of Information and Computational Science，2014，11（6)：1899?1908.

［19］ 李成海,黃必清.基于屬性描述匹配的云制造服務(wù)資源搜索方法［J］.計算機集成制造系統(tǒng)，2014，20（6)：1499?1507.LI Chenghai HUANG Biqing.Cloud Manufactur?ing Service Resources Based on Attribute Descrip?tion Matching［J］.Computer Integrated Manufactur?ing Systems，2014，20（6)：1499?1507.

［20］ BOUZID S，CAUVET C，F(xiàn)RYDMAN C，et.al.A Pattern?based Approach for Semantic Retrieval of Information Resources in Enterprises［C］//Pro?ceedings of the 16th International Conference on Enterprise Information Systems.Lisbon，2014:193?200.

［21］ 蔡坦，劉衛(wèi)寧，劉波.一種新的基于直覺模糊集的制造云服務(wù)優(yōu)選方法［J］.中國機械工程，2014，25（3)：352?356.CAI Tan，LIU Weining，LIU Bo.A New Method of Cloud Manufacturing Service Optimal?selection Based on Intuitionistic Fuzzy Set［J］.China Me?chanical Engineering，2014，25（3)：352?356.

［22］ 譚偉，劉璇，徐欽桂.服務(wù)環(huán)境下多粒度制造資源自適應(yīng)組織與發(fā)現(xiàn)［J］.計算機集成制造系統(tǒng)，2014，20（9)：2283?2296.TAN Wei，LIU Xuan，XU Qingui.Adaptive Orga?nization and Discovery of Multi?granularity Manu?facturing Resource in Service Environment［J］.Computer Integrated Manufacturing Systems，2014，20（9):2283?2296.

［23］ 朱李楠，趙燕偉，王萬良.基于RVCS的云制造資源封裝、發(fā)布和發(fā)現(xiàn)模型［J］.計算機集成制造系統(tǒng)，2012，18（8)：1829?1838.ZHU Linan，ZHAO Yanwei，WANG Wanliang.Model of Resource Package，Publication and Dis?covery Based on RVCS in Cloud Manufacturing［J］.Computer Integrated Manufacturing Systems，2012，18（8)：1829?1838.

［24］ Hu C，Xu C，Cao X，et al.Study on the Multi?granu?larity Virtualization of Manufacturing Resources［C］//ASME 2013 International Manufacturing Science and Engineering Conference Collocated with the 41st North American Manufacturing Re?search Conference.Madison，2013:V002T02A008.

［25］ 張文修，吳偉志，梁吉業(yè).粗糙集理論與方法［M］.北京：科學(xué)出版社，2003:1?12.ZHANG Wenxiu，WU Weizhi，LIANG Jiye.Rough SetTheroyandMethod［M］.Beijing：Science Press，2003:1?12.

［26］ 劉思峰，謝乃明.灰色系統(tǒng)理論及其應(yīng)用［M］.北京：科學(xué)出版社，2008:1?6.LIU Sifeng，XIE Naiming.Grey System Theroy and Its Application［M］.Beijing：Science Press，2008:1?6.*