基于QoS感知的再制造服務(wù)選擇模型

吳 沖，潘 莉，蘇梅月，陳 樂，王丹妮

(武漢科技大學(xué) a.冶金裝備及其控制教育部重點實驗室；b.機(jī)械傳動與制造工程湖北省重點實驗室，武漢 430081)

0 引言

隨著時代的快速發(fā)展，制造業(yè)和服務(wù)業(yè)之間相互融合，“制造服務(wù)”由此而來[1-2]。再制造服務(wù)就是一種以再制造服務(wù)平臺為基礎(chǔ)，用戶通過網(wǎng)絡(luò)可以隨時獲取，按需使用的制造服務(wù)。但是大量的服務(wù)也帶來了巨大的信息量，用戶如何在參差不齊的服務(wù)信息中選擇符合自己要求的再制造服務(wù)，實際上就是一個衡量服務(wù)綜合質(zhì)量(QoS)的問題。

在進(jìn)行QoS綜合性能排序時，需要考慮以下三個問題。首先，在再制造服務(wù)過程中，由于缺少有效檢測機(jī)制，用戶可以隨意夸大或詆毀服務(wù)的質(zhì)量，這就需要判斷數(shù)據(jù)的可靠性，其次，如何在巨大的歷史信息中獲取再制造服務(wù)的QoS屬性值，最后，如何在海量的信息中高效的選擇滿足客戶需求的最優(yōu)服務(wù)。這就需要通過計算指標(biāo)間的權(quán)重并進(jìn)行多目標(biāo)決策，最后根據(jù)排序結(jié)果選擇最優(yōu)服務(wù)。

目前有關(guān)制造服務(wù)的QoS評價方法研究較多，如：文獻(xiàn)[3]建立了云服務(wù)QoS評價模型，采用ANP 方法計算出結(jié)果進(jìn)行綜合排序；文獻(xiàn)[4]結(jié)合引入模糊DEMATEL并構(gòu)建了物元模型，提出了基于QoS的再制造服務(wù)評價方法;文獻(xiàn)[5]在進(jìn)行QoS排序計算時，考慮了用戶的滿意度，但忽略了QoS指標(biāo)間的權(quán)重關(guān)系；文獻(xiàn)[6]構(gòu)建了制造資源Trust-QoS評估模型并給出了量化評估算法。這些文獻(xiàn)對再制造服務(wù)評價模型的構(gòu)建有一定的借鑒意義，但再制造服務(wù)作為一種新的服務(wù)，區(qū)別于傳統(tǒng)的制造服務(wù)，本文提出了一種基于QoS感知的再制造服務(wù)選擇模型，通過建立合適的QoS評價指標(biāo)，基于協(xié)同過濾思想分析校正歷史數(shù)據(jù)，調(diào)整或弱化用戶的主觀性因素，過濾惡意攻擊數(shù)據(jù)。利用可變精度粗糙集挖掘出各評價指標(biāo)之間的權(quán)重，并與客戶需求事先設(shè)定的評價指標(biāo)權(quán)重相結(jié)合，計算出理想服務(wù)與現(xiàn)實服務(wù)的相似度，以此作為選擇依據(jù)。

1 再制造服務(wù)的QoS評價模型與信息量化

1.1 再制造服務(wù)

再制造服務(wù)是以廢舊產(chǎn)品為研究對象，旨在滿足客戶多樣化的制造服務(wù)要求，以再制造服務(wù)平臺為基礎(chǔ)，對再制造企業(yè)在整個產(chǎn)業(yè)鏈上運作過程中與客戶相關(guān)的價值增值活動提供服務(wù)[7]。再制造服務(wù)平臺的開放性決定了再制造服務(wù)具有動態(tài)性和多樣性。動態(tài)性是指再制造服務(wù)會根據(jù)用戶的需求隨時對再制造資源和活動進(jìn)行動態(tài)調(diào)整和重新組合；多樣性則是指在再制造服務(wù)平臺上存在著大量的參差不齊的再制造服務(wù)，這些服務(wù)功能相似但質(zhì)量良莠不齊。

圖1 在制造服務(wù)平臺工作流程

再制造平臺運營商主要為再制造客戶以及再制造企業(yè)提供服務(wù)。再制造客戶通過在再制造服務(wù)平臺發(fā)布自身需求的再制造服務(wù)，平臺接收到請求后檢索再制造服務(wù)云池為客戶推薦最優(yōu)服務(wù)，在客戶確認(rèn)后聯(lián)系再制造企業(yè)完成再制造任務(wù)。再制造服務(wù)供應(yīng)商的主要工作是將再制造企業(yè)的再制造資源服務(wù)化并錄入再制造服務(wù)云池。

1.2 QoS評價體系

QoS是用戶用來衡量服務(wù)質(zhì)量的綜合效果。本文在以往關(guān)于QoS指標(biāo)的研究基礎(chǔ)之上，結(jié)合再制造服務(wù)的兩大特性優(yōu)化了再制造服務(wù)的QoS評價指標(biāo)。

圖2 再制造服務(wù)QoS評價模型體系

其中，時間Q1由再制造服務(wù)的響應(yīng)時間Q11、再制造產(chǎn)品的加工時間Q12，以及再制造服務(wù)的物流運輸時間Q13三個部分組成，即Q1=Q11+Q12+Q13。

價格Q2由再制造服務(wù)費用Q21，再制造加工費用Q22以及運輸費用Q23三個部分組成，即Q2=Q21+Q22+Q23。

可靠度Q3表示再制造服務(wù)的可靠度，即一定時間內(nèi)再制造服務(wù)的正常運行能力。設(shè)服務(wù)S在(t1,t2)內(nèi)被調(diào)用了N次，正常響應(yīng)的次數(shù)為Na，則Q3=Na/N。

柔性度Q4是指發(fā)生意外時，再制造服務(wù)平臺調(diào)整服務(wù)資源來重新滿足用戶需求的再制造服務(wù)能力。設(shè)一定時間內(nèi)再制造服務(wù)發(fā)生異常的次數(shù)為M，再制造服務(wù)能夠調(diào)整服務(wù)資源來重新滿足用戶需求的次數(shù)為Mr，則柔性度表示為Q4=Mr/M。

誠信度Q5是指在再制造服務(wù)過程中，由于一些客戶會給出一些虛假的評價，影響了服務(wù)供應(yīng)商的信譽。本文通過對數(shù)據(jù)進(jìn)行采集并加以分析處理，得到該服務(wù)的平均誠信度，值區(qū)間為(0,10)。

1.3 再制造服務(wù)質(zhì)量信息與量化

再制造服務(wù)質(zhì)量信息主要分為兩類，一類是再制造服務(wù)網(wǎng)絡(luò)性能的QoS指標(biāo)，主要包括服務(wù)調(diào)用次數(shù)和正常響應(yīng)次數(shù)，這類信息的參數(shù)值可直接在再制造服務(wù)平臺獲??；另一類是再制造服務(wù)的制造資源QoS指標(biāo)，主要包括運輸成本和加工時間等，由于這類信息的評價值由用戶直接提供，因此可以在再制造服務(wù)平臺中獲取。確定了再制造服務(wù)質(zhì)量信息來源之后，再對收集來的數(shù)據(jù)按照各評價指標(biāo)的屬性分類并進(jìn)行規(guī)范處理，得到再制造服務(wù)的QoS綜合指標(biāo)。

設(shè)s={s1,s2,…sn}為再制造服務(wù)平臺中能提供同類服務(wù)的候選服務(wù)集，每個候選服務(wù)的QoS屬性值可以用向量qi={qi1,qi2,…qim}表示，則：

(1)

由于不同的QoS屬性值差異很大，因此在計算綜合效能時需要對QoS屬性值進(jìn)行歸一化處理。本文采用文獻(xiàn)[8]給出的統(tǒng)一量化效用函數(shù)：

(2)

(3)

(4)

2 基于QoS的再制造服務(wù)選擇模型

2.1 用戶評價誠信度計算

在再制造服務(wù)過程中，關(guān)于用戶對于服務(wù)提供商的評價，由于缺少有效的管理以及可信服檢測機(jī)制，用戶可以隨意夸大或詆毀服務(wù)的質(zhì)量，造成了再制造服務(wù)平臺提供的QoS推薦值與實際服務(wù)評價出現(xiàn)偏差。為此，在再制造服務(wù)平臺中加入監(jiān)測器，對所得到的數(shù)據(jù)進(jìn)行核查，能夠有效降低不合理數(shù)據(jù)對結(jié)果的影響。在核查客戶評價值時，采用的是協(xié)同過濾的思想，即同類用戶使用相同的服務(wù)，最后對該服務(wù)的評價也應(yīng)大致相同。

假設(shè)兩個客戶使用過的相同服務(wù)集合為s={s1,s2,…sk}，則a客戶對已消費的k個服務(wù)給出的評價為Ea:{(s1,a1),(s2,a2),…,(sk,ak)},同理，Eb:{(s1,b1),(s2,b2),…,(sk,bk)}，兩向量的相似度用夾角的cos表示，通常余弦值越大，相似程度越高[9]。則客戶a和b的相似度可以表示為：

(5)

同理，設(shè)E={e1,e2,…em}為與a客戶同類型的客戶集，假設(shè)有m個同類型客戶，如果a對服務(wù)s的評價值為ha，則第i個用戶給出的評價為hi，則評價均值：

(6)

該客戶評價的可信程度可表示為：

(7)

最后，將ha×R的值作為最終的評價值寫入數(shù)據(jù)庫。

2.2 權(quán)重計算

基于QoS的再制造服務(wù)選擇是一個典型的多目標(biāo)決策問題，需要對再制造服務(wù)信息進(jìn)行處理之后，綜合考慮QoS的性能指標(biāo)，權(quán)衡指標(biāo)間的重要程度。在進(jìn)行多目標(biāo)決策問題上，通常采用的是層次分析法計算權(quán)重，但該方法的評價值易受主觀因素影響，得到的結(jié)果也不夠客觀。因此本文引入粗糙集理論(Rough set，RS)計算權(quán)重，但現(xiàn)實制造服務(wù)中的數(shù)據(jù)存在一定的噪聲和干擾，為了增強(qiáng)RS的抗干擾能力，文獻(xiàn)[10]提出了一種變精度粗糙集模型，通過引入一個精度β，可以將集合推廣到任意精度水平β∈[0,0.5)，當(dāng)β=0時為經(jīng)典的RS模型。

設(shè)I=(E,A=C∪D,V,F)為再制造服務(wù)QoS信息決策系統(tǒng)。其中：E為實例對象有限論域的非空子集，E={X1，X2，…，Xn}表示n條歷史記錄；A為QoS屬性的非空有限集合，C={a1,a2,…am-1}為QoS的條件屬性集，D={am}為決策屬性集；V為屬性集合的值域；F為每個屬性映射到值域的信息函數(shù)。

設(shè)X和Y為有限論域的非空子集，如果有X∈Y,∈為偏序關(guān)系，則：

(8)

式中，|X|為集合的基數(shù)，c(X,Y)表示X關(guān)于Y的相對錯誤分類率。

在再制造服務(wù)QoS信息決策系統(tǒng)中，本文設(shè)X=E/C={X1，X2，…,X|E/C|}為論域E依據(jù)條件屬性集C劃分的等價類，Y=E/D={Y1，Y2，…,Y|U/D|}為論域E依據(jù)決策屬性集D劃分的等價類。

設(shè)β∈[0，0.5)，則Yi關(guān)于C的β下近似可用以下公式計算：

(9)

對任一條件屬性αP，信息量γ(αP)越大，區(qū)分對象的能力越強(qiáng)；被依賴度δ(αP)越大，表示該屬性越重要。本文采用以下公式計算：

(10)

(11)

式(10)中Xi為αP劃分的各個等價類，|Xi|2為各個等價類的基數(shù)。

由于式(10)和式(11)表示屬性重要程度的不同方面，因此我們按照兩者同等重要并進(jìn)行歸一化處理，得到各條件屬性的權(quán)重，具體方法如下：

(12)

2.3 再制造服務(wù)綜合性能計算

在進(jìn)行再制造服務(wù)選擇之前，先根據(jù)用戶的需求以及期望值，對各指標(biāo)設(shè)定一個權(quán)重。然后在大量數(shù)據(jù)中分析得到各個指標(biāo)權(quán)重，最后計算各服務(wù)屬性最大值向量與權(quán)重向量的乘積與用戶期望的理想服務(wù)向量間的歐氏距離，得到服務(wù)Si與理想服務(wù)之間的相似度Sim(Si)，相似度越大的服務(wù)更符合客戶需求。

設(shè)T=(t1，t2，t3，…，tm)為用戶給出的各QoS屬性的權(quán)重，W=(W1，W2，W3，…，Wm)為粗糙集計算得到的權(quán)重，s={s1,s2,…sn}為再制造服務(wù)的候選服務(wù)集，每個候選服務(wù)的QoS屬性值用向量qS={q1,q2,…qm}表示，則:

(13)

3 案例分析

3.1 案例分析

床身導(dǎo)軌作為機(jī)床的重要零件之一，在機(jī)床工作時，導(dǎo)軌極易遭受劃傷與磨損。其再制造過程包括機(jī)械修整，磨削，刷鍍打底層，刷鍍工作層，精磨，成品檢測，包裝入庫。某機(jī)床廠需要在10天內(nèi)完成500個再制造導(dǎo)軌的成品檢測，當(dāng)再制造服務(wù)平臺接收到客戶發(fā)過來的請求后，將各服務(wù)的QoS屬性值從再制造服務(wù)平臺數(shù)據(jù)庫中抽取。再制造服務(wù)平臺接收到請求后檢索再制造服務(wù)平臺中的資源庫，假設(shè)有5條再制造服務(wù)滿足功能需求，再制造服務(wù)平臺根據(jù)價格，時間，誠信度等五個指標(biāo)來進(jìn)行決策，其QoS指標(biāo)值如表1所示。

表1 再制造服務(wù)QoS指標(biāo)值

其中，服務(wù)S1中的可靠度的值9/10表示在再制造服務(wù)平臺數(shù)據(jù)庫中S1被調(diào)用10次，正常響應(yīng)的次數(shù)是9次，對應(yīng)實際情況就是服務(wù)S1中標(biāo)了10次，但是在約定時間內(nèi)至完成了9次合同。誠信度是所有完成的服務(wù)項目評價值的均值，值區(qū)間為[0,10]，并且誠信度的值都是經(jīng)過再制造服務(wù)QoS監(jiān)測器校正后的結(jié)果。將表1歸一化處理后，得到表2。

表2 歸一化后的QoS指標(biāo)值

因為粗糙集的權(quán)重計算是從原始數(shù)據(jù)中分析得出的，為了演示推理過程，從再制造服務(wù)平臺中隨機(jī)選取了8條記錄作為樣本數(shù)據(jù)。由于不同的服務(wù)需要花費不同的價格和時間，因此數(shù)據(jù)之間沒有直接的可比性，所以本文用比值來表示。

表3 樣本數(shù)據(jù)

由于粗糙集只能處理聚類化數(shù)據(jù)，本文采用文獻(xiàn)[10]所述的K中心聚類法，將歷史數(shù)據(jù)庫中的數(shù)據(jù)聚類化處理，聚類群數(shù)量為5，聚類化后的數(shù)據(jù)如表4所示。

表4 聚類化后的樣本數(shù)據(jù)

根據(jù)表中數(shù)據(jù)可知中標(biāo)決策Y1=U/d1={x1，x2，x5，x7}，未中標(biāo)決策Y2=U/d2={x3，x4，x6，x8}，由條件屬性a1劃分的等價類U/a1={{x1，x2，x5，x7}，{x3，x4，x6，x8}}，經(jīng)式(10)可以得到γ(a1)=32/64，同理可得γ(a2)=18/64，γ(a3)=14/64，γ(a4)=34/64，γ(a5)=22/64。

經(jīng)過式(12)計算得w1=0.279,w2=0.142,w3=0.087,w4=0.282,w5=0.21。

在分析再制造服務(wù)平臺提供的數(shù)據(jù)進(jìn)行分析并且結(jié)合專家的建議，初步設(shè)定屬性偏好權(quán)重T={0.35,0.2,0.1,0.15,0.2}。

根據(jù)式(13)可以得到sim(s1)=0.818,sim(s2)=0.794,sim(s3)=0.595,sim(s4)=0.76,sim(s5)=0.68，可見最佳服務(wù)為s1。

3.2 對比與分析

此外，本文還計算了不考慮QoS指標(biāo)間相互關(guān)系，即各指標(biāo)權(quán)重相同時各個服務(wù)的相似度(記作方案2)以及只考慮用戶設(shè)定的權(quán)重，即所有指標(biāo)權(quán)重相同時各個服務(wù)的相似度(記作方案3)，計算結(jié)果見表5。

表5 不同方案計算結(jié)果

由表可知，方案2中最佳服務(wù)是s2。說明即使s2的各項數(shù)據(jù)都比較中庸，但是由于各個指標(biāo)的權(quán)重相同，因此在整體性能上更占優(yōu)勢。方案3中最佳的服務(wù)是s4。說明由于價格的權(quán)重比較大，即使s4的時間花費最多，可靠度，柔性度都比較小，但最好的選擇還是s4。

最后利用再制造服務(wù)平臺隨機(jī)選取了15組不同的再制造服務(wù)，每次服務(wù)推薦給60位客戶，看客戶是否接受推薦服務(wù)作為實驗，并在之前的3種方案基礎(chǔ)之前增加了一種沒有進(jìn)行評價值信息校正的方案，記作方案4。實驗結(jié)果以接受率作為評判標(biāo)準(zhǔn)，實驗結(jié)果見圖3。

圖3 實驗結(jié)果

可見，方案1跟方案4的差別在于有無對客戶評價值進(jìn)行信息校正，方案1的客戶接受率一直穩(wěn)定在較高的數(shù)值并且整體趨勢是不斷上升的，而方案4不僅接受率數(shù)值較低而且極不穩(wěn)定，說明在沒有進(jìn)行不誠信數(shù)據(jù)校正的情況下，虛假信息對于客戶的選擇有非常大的影響；方案2由于所有指標(biāo)權(quán)重都一樣導(dǎo)致不能滿足客戶需求，接受率也整體比較低；方案3由于只考慮客戶的自身需求，雖然最后接受率比較高但波動也比較大。實驗結(jié)果說明只有充分的考慮指標(biāo)權(quán)重以及客戶自身的需求，才可以更為準(zhǔn)確的向客戶推薦最佳服務(wù)；同時一些客戶惡意的虛假評價也會對再制造服務(wù)的選擇造成很大的影響。

4 總結(jié)

本文在再制造環(huán)境下，結(jié)合再制造行業(yè)實際情況提出了一種再制造服務(wù)評價模型，優(yōu)化了再制造服務(wù)的QoS評價指標(biāo)和量化方法。主要的貢獻(xiàn)有三點：①建立了更為完善的再制造服務(wù)評價指標(biāo)體系；②針對評價過程中可能出現(xiàn)的評價不誠信的問題，提出了一種利用協(xié)同過濾的思想進(jìn)行校正；③在大量歷史數(shù)據(jù)中利用變精度粗糙集算出各指標(biāo)權(quán)重，并與客戶根據(jù)自身需求設(shè)定的權(quán)重相結(jié)合，推算出服務(wù)與理想服務(wù)之間的相似度，為用戶服務(wù)選擇提供更為直觀的結(jié)果。最后以某機(jī)床上的床身導(dǎo)軌再制造服務(wù)為例，驗證了該方法不僅可以有效的減小虛假信息對于最終結(jié)果的影響，還可以準(zhǔn)確的為用戶推薦最佳服務(wù)。