面向制造任務(wù)的云制造虛擬車(chē)間構(gòu)造方法

趙秋云，魏 樂(lè)，舒紅平

（1.成都信息工程大學(xué)軟件工程學(xué)院，成都 610225；2.軟件自動(dòng)生成與智能服務(wù)四川省重點(diǎn)實(shí)驗(yàn)室（成都信息工程大學(xué)），成都 610225）

0 引言

云制造是一種利用網(wǎng)絡(luò)和云制造服務(wù)平臺(tái)，按用戶需求組織網(wǎng)上制造資源，為用戶提供各類(lèi)按需制造服務(wù)的一種網(wǎng)絡(luò)化制造新模式［1］。從1.0 到3.0，云制造已經(jīng)成為一種數(shù)字化、網(wǎng)絡(luò)化、云化、智能化的新智能制造［2］。在云制造環(huán)境下，各類(lèi)制造資源以制造云服務(wù)的形式存在于云制造服務(wù)平臺(tái)中，用戶可以利用這些制造云服務(wù)，按需開(kāi)展各項(xiàng)業(yè)務(wù)活動(dòng)。與傳統(tǒng)制造企業(yè)開(kāi)展業(yè)務(wù)的方式不同，以制造活動(dòng)為例，傳統(tǒng)制造活動(dòng)的開(kāi)展是在物理上真實(shí)存在的車(chē)間進(jìn)行的，但云制造環(huán)境下的制造活動(dòng)開(kāi)展是依靠地理位置分散的制造云服務(wù)進(jìn)行的，這些制造云服務(wù)構(gòu)成一個(gè)虛擬的云制造車(chē)間。車(chē)間是企業(yè)生產(chǎn)增值活動(dòng)的場(chǎng)所，在企業(yè)生產(chǎn)活動(dòng)中發(fā)揮著必不可少的作用，因此研究云制造環(huán)境下的虛擬車(chē)間構(gòu)造具有重要的意義。

虛擬車(chē)間是伴隨虛擬制造技術(shù)而出現(xiàn)的一個(gè)概念，隨著敏捷制造、協(xié)同制造等模式的應(yīng)用，其內(nèi)涵也不斷豐富和發(fā)展。云制造將制造技術(shù)與新一代信息通信技術(shù)相結(jié)合，強(qiáng)調(diào)制造資源集成和按需服務(wù)［3］。因此云制造模式下的虛擬車(chē)間需要重點(diǎn)關(guān)注如何有效組織相關(guān)云服務(wù)，形成以生產(chǎn)為核心的實(shí)體，并通過(guò)合理的調(diào)度，保證生產(chǎn)活動(dòng)的順利進(jìn)行，即解決云制造虛擬車(chē)間構(gòu)造和虛擬車(chē)間調(diào)度兩個(gè)核心問(wèn)題。在虛擬車(chē)間調(diào)度方面，人們建立了云制造車(chē)間調(diào)度的模型和框架，并提出了相關(guān)的車(chē)間調(diào)度算法［4-9］，但對(duì)云制造虛擬車(chē)間構(gòu)造的研究尚不多見(jiàn)。

云制造虛擬車(chē)間構(gòu)造主要涉及兩個(gè)核心問(wèn)題：1）明確云制造虛擬車(chē)間的內(nèi)涵，建立云制造虛擬車(chē)間構(gòu)造模型，實(shí)現(xiàn)車(chē)間人員-機(jī)器-物料-環(huán)境的融合；2）如何針對(duì)車(chē)間的制造任務(wù)，快速地選擇合適的云服務(wù)，構(gòu)造虛擬車(chē)間，保證制造任務(wù)的執(zhí)行，即制造云服務(wù)組合優(yōu)化問(wèn)題。當(dāng)前，云制造虛擬車(chē)間被認(rèn)為是能夠有效進(jìn)行某類(lèi)生產(chǎn)制造活動(dòng)的虛擬制造單元的集合，包含虛擬制造單元、組織結(jié)構(gòu)、交互關(guān)系和對(duì)外服務(wù)四個(gè)要素［10］。制造云服務(wù)組合優(yōu)化是云制造的一個(gè)關(guān)鍵問(wèn)題，當(dāng)前研究從云服務(wù)組合優(yōu)化模型［11］、組合優(yōu)化架構(gòu)［12］、組合優(yōu)化平臺(tái)［13］和組合優(yōu)化算法［14-26］幾個(gè)方面展開(kāi)，其中對(duì)組合優(yōu)化算法的研究是一個(gè)熱點(diǎn)。通過(guò)梳理當(dāng)前研究發(fā)現(xiàn)，制造云服務(wù)組合優(yōu)化均是在定義相關(guān)屬性指標(biāo)的基礎(chǔ)上，試圖尋找一個(gè)最優(yōu)的組合方案。其求解策略大致分為三種：1）采用多屬性匹配的方法，直接從服務(wù)資源池中尋找各屬性最優(yōu)的云服務(wù)；2）將云服務(wù)進(jìn)行分類(lèi)以縮小查找范圍，再通過(guò)屬性匹配的方法尋找最優(yōu)解；3）將云服務(wù)組合優(yōu)化看作多目標(biāo)優(yōu)化問(wèn)題，利用多目標(biāo)優(yōu)化算法或改進(jìn)的多目標(biāo)優(yōu)化算法進(jìn)行求解。第一種方法的優(yōu)點(diǎn)是可以找到最優(yōu)解，但在云服務(wù)數(shù)量較多的時(shí)候效率不高；第二種方法的優(yōu)點(diǎn)是通過(guò)分類(lèi)縮小了查找范圍，提高了效率，但可能出現(xiàn)由于分類(lèi)不準(zhǔn)確而找不到最優(yōu)解；第三種方法是當(dāng)前研究的重點(diǎn)，但容易出現(xiàn)目標(biāo)高維化而導(dǎo)致算法非常復(fù)雜或目標(biāo)函數(shù)維度過(guò)低而相對(duì)片面的問(wèn)題。

目前對(duì)制造云服務(wù)組合優(yōu)化的研究成果較多，但具體到云制造虛擬車(chē)間構(gòu)造方面，依然有一些問(wèn)題需要解決：1）云制造虛擬車(chē)間的內(nèi)涵目前尚不明確，缺少虛擬車(chē)間構(gòu)造模型的研究；2）制造云服務(wù)組合優(yōu)化的研究主要集中在對(duì)已有算法的改進(jìn)來(lái)實(shí)現(xiàn)云服務(wù)的優(yōu)選，對(duì)云服務(wù)物理位置及如何組織管理數(shù)量日益龐大的云服務(wù)等因素考慮不足。因此，本文圍繞這兩問(wèn)題，在對(duì)云制造虛擬車(chē)間進(jìn)行分析的基礎(chǔ)上，給出車(chē)間各組成要素的形式化定義；建立云制造虛擬車(chē)間模型，探討如何快速選擇合適的云服務(wù)；基于模型，提出云制造虛擬車(chē)間的構(gòu)造方法。本文主要工作如下：

1）將行業(yè)域、地域和類(lèi)型域引入到制造云服務(wù)的組織和管理中，并利用域來(lái)實(shí)現(xiàn)對(duì)服務(wù)資源池中云服務(wù)的分類(lèi)，縮小云服務(wù)選擇的范圍，提高云服務(wù)的選擇效率，解決云服務(wù)規(guī)模不斷擴(kuò)大的問(wèn)題；

2）從功能、性能、質(zhì)量、時(shí)間、價(jià)格多個(gè)維度來(lái)進(jìn)行云服務(wù)的匹配，保證能夠找到相關(guān)域內(nèi)的較優(yōu)解，同時(shí)把物流因素納入虛擬車(chē)間的范疇，滿足云制造線上線下相結(jié)合的需求。

1 云制造虛擬車(chē)間的定義

云制造模式下，服務(wù)提供者可以將自己擁有的各類(lèi)制造資源和制造能力虛擬化封裝為云服務(wù)的形式，形成設(shè)計(jì)服務(wù)、采購(gòu)服務(wù)、制造/加工服務(wù)、營(yíng)銷(xiāo)服務(wù)、物流服務(wù)、維護(hù)維修服務(wù)、檢測(cè)服務(wù)、認(rèn)證服務(wù)、金融服務(wù)、人力資源服務(wù)、產(chǎn)品研發(fā)服務(wù)、經(jīng)營(yíng)管理服務(wù)和流程外包服務(wù)［27］存放在服務(wù)資源池中。服務(wù)使用者根據(jù)自身實(shí)際需求，從服務(wù)資源池中選擇功能、性能、價(jià)格、時(shí)間和服務(wù)質(zhì)量（Quality of Service，QoS）滿足要求的云服務(wù)，按照業(yè)務(wù)流程進(jìn)行組合，從而滿足業(yè)務(wù)活動(dòng)需求。理論上，服務(wù)使用者的任何需求如研發(fā)、設(shè)計(jì)、制造、仿真、實(shí)驗(yàn)等都能在云制造模式下得到滿足。

產(chǎn)品制造是企業(yè)創(chuàng)造價(jià)值的主要環(huán)節(jié)，云制造的核心就在于制造。因此為簡(jiǎn)化問(wèn)題，聚焦核心，本文的研究對(duì)象集中在制造活動(dòng)本身，重點(diǎn)關(guān)注云制造模式下如何保證制造任務(wù)的執(zhí)行。傳統(tǒng)的制造任務(wù)是在物理的制造車(chē)間通過(guò)對(duì)人員、設(shè)備、物料的合理調(diào)度完成的，而云制造模式是通過(guò)選擇相關(guān)云服務(wù)進(jìn)行組合，構(gòu)成一個(gè)虛擬的云制造車(chē)間來(lái)開(kāi)展制造活動(dòng)。與傳統(tǒng)的制造車(chē)間不同，云制造虛擬車(chē)間具有以下特點(diǎn)：

1）虛擬化：云制造虛擬車(chē)間是選擇加工設(shè)備、物流、加工人員、檢驗(yàn)、維護(hù)維修等物理實(shí)體對(duì)應(yīng)的云服務(wù)而構(gòu)成的一個(gè)虛擬車(chē)間，并不是物理存在的。

2）面向制造任務(wù)：傳統(tǒng)的車(chē)間是面向產(chǎn)品的，但云制造虛擬車(chē)間是面向制造任務(wù)的，其存在的核心就是保障制造任務(wù)的執(zhí)行。不同的制造任務(wù)，對(duì)應(yīng)的云制造虛擬車(chē)間不同，一個(gè)制造任務(wù)只有一個(gè)虛擬車(chē)間來(lái)完成，一個(gè)虛擬車(chē)間只完成一個(gè)制造任務(wù)。制造任務(wù)執(zhí)行完畢，所對(duì)應(yīng)的云制造虛擬車(chē)間也將不復(fù)存在。

3）動(dòng)態(tài)性：云制造環(huán)境是一個(gè)動(dòng)態(tài)開(kāi)放的環(huán)境，時(shí)刻會(huì)出現(xiàn)任務(wù)需求變化、服務(wù)退出、服務(wù)狀態(tài)改變等各種事件，因此云制造虛擬車(chē)間具有動(dòng)態(tài)性。

4）自適應(yīng)性：在組成云制造虛擬車(chē)間的云服務(wù)、任務(wù)需求和車(chē)間環(huán)境發(fā)生變化時(shí)，云制造虛擬車(chē)間可以感知這些變化，并進(jìn)行自適應(yīng)調(diào)整，以保證制造活動(dòng)可以順利進(jìn)行。

5）自組織性：當(dāng)有制造任務(wù)的時(shí)候，云制造平臺(tái)會(huì)根據(jù)該制造任務(wù)，選擇合適的云服務(wù)組成云制造虛擬車(chē)間。

6）復(fù)雜性：構(gòu)成云制造虛擬車(chē)間的云服務(wù)所有者、物理位置可能均不相同。真實(shí)制造活動(dòng)需要在實(shí)際的物理載體上方能完成，物料可能在云服務(wù)物理位置之間長(zhǎng)距離移動(dòng)，這給車(chē)間調(diào)度造成困難。同時(shí)要在海量的云服務(wù)中選擇功能、性能、時(shí)間、價(jià)格、QoS 均滿足要求的各類(lèi)云服務(wù)進(jìn)行組合，本身就是一個(gè)NP問(wèn)題。

基于以上描述，給出相關(guān)定義如下：

定義1 制造任務(wù)。每一個(gè)制造任務(wù)Task=（TID，TName，TCP，TNumber，ξc，TLocal，CNumber，TState，TIndustry），分別表示制造任務(wù)的唯一標(biāo)識(shí)、產(chǎn)品名稱(chēng)、產(chǎn)品結(jié)構(gòu)及技術(shù)參數(shù)、加工數(shù)量、價(jià)格閾值、交貨地點(diǎn)、完工數(shù)量、任務(wù)狀態(tài)和所屬行業(yè)。

定義2 制造任務(wù)鏈。制造任務(wù)經(jīng)過(guò)分解后，形成一系列的子任務(wù)，這些子任務(wù)的執(zhí)行次序構(gòu)成一個(gè)制造任務(wù)鏈。制造任務(wù)鏈MTC=（STaskSet，STaskRelation），其中：

1）STaskSet=｛STask1，STask2，…，STaskn｝表示子任務(wù)的集合，考慮到車(chē)間制造的特殊情況，此處的子任務(wù)主要有加工處理和檢驗(yàn)兩類(lèi)。每一個(gè)子任務(wù)STaski=（STID，STName，STNumber，STWeight，STDCraft，STξC，STStart，STEnd，STCNumber，STState，STDProportion），分別表示子任務(wù)標(biāo)識(shí)、子任務(wù)名稱(chēng)、零件數(shù)量、單件物料零件重量、工藝、價(jià)格閾值、開(kāi)始時(shí)間、結(jié)束時(shí)間、完成數(shù)量、狀態(tài)和檢驗(yàn)比例。STDCraft=（STDCID，STDCName，STDCType，STDCPar，STDCMat，STDCDetail），主要是為了描述工藝信息，包含工序編號(hào)、工序名稱(chēng)、設(shè)備類(lèi)型、設(shè)備技術(shù)參數(shù)、物料、工藝文件等。需要說(shuō)明的是，如果子任務(wù)為檢驗(yàn)任務(wù)，則其信息與加工子任務(wù)不同，如加工子任務(wù)STDProportion值為空。

2）STaskRelation=（STaskSet，〈STaski，STaskj〉），其中i，j∈［1，n］，且i≠j，表示子任務(wù)之間的次序關(guān)系，STaskSet是子任務(wù)的集合，〈STaski，STaskj〉表示子任務(wù)STaskj是STaski的后續(xù)任務(wù)，為一個(gè)有向邊。

定義3 制造設(shè)備云服務(wù)［28］。制造設(shè)備云服務(wù)ES可以定義為一個(gè)九元組ES=（ESID，ESFun，ESBAttr，ESSAttr，ESCost，ESQoS，ESTime，ESTList，HSID），其中：

1）ESID是云服務(wù)的唯一標(biāo)識(shí)。

2）ESFun是云服務(wù)的能力描述，ESFun=（生產(chǎn)類(lèi)型，生產(chǎn)對(duì)象類(lèi)型，對(duì)象材料特征，對(duì)象形狀特征，對(duì)象尺寸特征，對(duì)象重量特征，對(duì)象加工精度，…）。

3）ESBAttr是云服務(wù)的基本屬性信息描述，BAttr=（ESName，ESUse，ESSup，ESLoc，ESCon，ESPhone，ESType，ESBTime，ESMen，ESLife，ESDri，ESIndustry），分別表示名稱(chēng)、用途、提供者、物理位置、聯(lián)系人、聯(lián)系方式、型號(hào)、購(gòu)置時(shí)間、生產(chǎn)企業(yè)、使用壽命、驅(qū)動(dòng)方式和所屬行業(yè)。

4）ESSAttr是云服務(wù)的狀態(tài)屬性信息描述，ESSAttr=（ESState，ESSpeed，ESVibrate，ESTemperature，ESPress，ESVoice），分別表示狀態(tài)、速度、震動(dòng)、溫度、壓力和聲音等信息；ESState有空閑、忙、維修、預(yù)約四種狀態(tài)。

5）ESCost表示服務(wù)價(jià)格，即每件費(fèi)用，單位為元。

6）ESQoS表示服務(wù)的QoS，需要綜合各項(xiàng)指標(biāo)計(jì)算得到。

7）ESTime表示可開(kāi)始服務(wù)時(shí)間，可根據(jù)ESTList計(jì)算得到。

8）ESTList表示在制造設(shè)備云服務(wù)上執(zhí)行的子任務(wù)清單。

9）HSID表示制造人員云服務(wù)的ID標(biāo)識(shí)，因?yàn)橹圃烊藛T的能力是通過(guò)制造設(shè)備體現(xiàn)出來(lái)的，故需要通過(guò)HSID建立兩者之間的關(guān)聯(lián)。

定義4 制造人員云服務(wù)。制造人員云服務(wù)HS=（HSID，HSAbility，HSTime，HSTGrade），分別表示制造人員云服務(wù)唯一標(biāo)識(shí)、制造能力（即每小時(shí)加工數(shù)量）、每日可工作時(shí)長(zhǎng)（單位：h）和人員技術(shù)等級(jí)，其中人員技術(shù)等級(jí)可采用量化方式衡量，如高級(jí)技師為5 分、技師為4 分、高級(jí)技能為3 分、中級(jí)技能為2分、初級(jí)技能為1分，這可以作為服務(wù)選擇時(shí)的一項(xiàng)依據(jù)。

定義5 物流云服務(wù)。物流云服務(wù)LS=（LSID，LSMode，LSCost，LSAbility，LSObject，LSLine，LSTime，LSIndustry，LSQoS，LSSpeed，LSSTime，LSTList），分別表示服務(wù)標(biāo)識(shí)、運(yùn)輸方式、運(yùn)輸價(jià)格（單位：元/（kg·km））、運(yùn)輸能力（單位：kg/h）、運(yùn)輸對(duì)象類(lèi)型、運(yùn)輸路線、每日可服務(wù)時(shí)間長(zhǎng)（單位：h）、服務(wù)行業(yè)、服務(wù)質(zhì)量、平均速度（單位：km/h）、可開(kāi)始服務(wù)時(shí)間和執(zhí)行任務(wù)列表。

定義6 檢驗(yàn)云服務(wù)。檢驗(yàn)云服務(wù)DS=（DSID，DSType，DSStandard，DSAbility，DSResult，DSLocation，DSIndustry，DSCost，DSQoS，DSTime，DSTList），分別指檢驗(yàn)云服務(wù)唯一標(biāo)識(shí)、檢驗(yàn)產(chǎn)品類(lèi)型、采用的檢驗(yàn)標(biāo)準(zhǔn)、每日可檢驗(yàn)數(shù)量（單位：件）、檢驗(yàn)結(jié)果、服務(wù)地域、服務(wù)行業(yè)、服務(wù)價(jià)格（單位：元，一般檢驗(yàn)）、服務(wù)質(zhì)量、可開(kāi)始服務(wù)時(shí)間和服務(wù)子任務(wù)列表。檢驗(yàn)結(jié)果DSResult=（DPID，DConclusion，DDetails，DDate），分別表示檢驗(yàn)產(chǎn)品編號(hào)、檢驗(yàn)結(jié)論、結(jié)論詳細(xì)信息和檢驗(yàn)日期。

定義7 維護(hù)維修云服務(wù)。維護(hù)維修云服務(wù)MRS=（MRSID，MRSDType，MRSAbility，MRSGrade，MRSLocal，MRSQoS，MRSTime，MRSTList），分別指維護(hù)維修云服務(wù)唯一標(biāo)識(shí)、可維護(hù)維修的設(shè)備類(lèi)型、維護(hù)維修能力、維修資質(zhì)、可服務(wù)地域、服務(wù)質(zhì)量、可服務(wù)時(shí)間和服務(wù)子任務(wù)列表。其中：維護(hù)維修能力采用平均維修服務(wù)周期來(lái)衡量；維修資質(zhì)包括企業(yè)資質(zhì)、官方授權(quán)、資格證書(shū)等，同樣可以采用量化的方式衡量，作為服務(wù)選擇時(shí)的一項(xiàng)依據(jù)。

定義8 云制造虛擬車(chē)間。云制造虛擬車(chē)間是指利用云制造平臺(tái)，通過(guò)云服務(wù)組合的方式，將位置分布的相關(guān)制造資源組織起來(lái)完成某一制造任務(wù)的實(shí)體。云制造虛擬車(chē)間可以抽象為一個(gè)三元組CMVW=（CSS，MEC，WE），其中：

1）CSS=（ES，LS，HS，DS，MRS），是云服務(wù)的集合。

2）MEC=（CSS，〈CSi，CSj，Weight〉）表示制造執(zhí)行鏈，它是制造任務(wù)鏈的具體實(shí)現(xiàn)。制造執(zhí)行鏈中的每一個(gè)節(jié)點(diǎn)表示一個(gè)云服務(wù)，與制造任務(wù)鏈中的節(jié)點(diǎn)相對(duì)應(yīng)。CSS指組成制造執(zhí)行鏈的云服務(wù)集合；〈CSi，CSj，Weight〉表示執(zhí)行鏈中的一條帶權(quán)有向邊，Weight是權(quán)重，指CSi和CSj之間的物理距離，計(jì)算方法如式（1）。

其中distance（CSi，CSj）表示CSi和CSj的物理距離。

3）WE=（CPE，ESE）表示車(chē)間環(huán)境信息，其中CPE是云制造平臺(tái)運(yùn)行的云環(huán)境，CPE=（Memory，Bandwidth，Compute），其中Memory指的是存儲(chǔ)資源，Bandwidth指的是網(wǎng)絡(luò)帶寬資源，Compute指的是計(jì)算資源；ESE=｛ESE1，ESE2，…，ESEn｝是所有制造設(shè)備云服務(wù)所在環(huán)境的集合，每個(gè)ESEi表示一個(gè)制造設(shè)備云服務(wù)所在場(chǎng)所的環(huán)境信息，ESEi=（ESID，Temperature，Humidity，Voltage，PQuality），分別表示制造設(shè)備云服務(wù)唯一標(biāo)識(shí)、溫度、濕度、電壓和電能質(zhì)量。引入WE的目的是便于判斷車(chē)間環(huán)境是否異常，避免由此而影響產(chǎn)品質(zhì)量。

2 云制造虛擬車(chē)間的構(gòu)造

2.1 云制造虛擬車(chē)間構(gòu)造模型

定義9 云制造虛擬車(chē)間構(gòu)造模型。云制造虛擬車(chē)間構(gòu)造模型可以表示成一個(gè)四元組，CMVWCM=（TCL，MKB，SRP，SL）。其中：TCL表示制造任務(wù)分解邏輯，其主要功能是將制造任務(wù)分解為若干個(gè)有次序關(guān)系的子任務(wù)；MKB為制造知識(shí)庫(kù)，為制造任務(wù)分解提供制造經(jīng)驗(yàn)知識(shí)；SRP表示服務(wù)資源池，存儲(chǔ)在云端，采用多重域的組織方式管理各類(lèi)制造云服務(wù)；SL表示選擇邏輯，其主要功能是從服務(wù)資源池中找出滿足要求的云服務(wù)。

整個(gè)云制造虛擬車(chē)間的構(gòu)造和運(yùn)行都圍繞著制造任務(wù)進(jìn)行。接受用戶的制造任務(wù)之后，根據(jù)制造知識(shí)庫(kù)中的制造知識(shí)將制造任務(wù)分解為若干個(gè)存在次序關(guān)系的子任務(wù)，這些子任務(wù)按照次序關(guān)系構(gòu)成制造任務(wù)鏈；選擇邏輯根據(jù)每個(gè)子任務(wù)的信息，從服務(wù)資源池中選擇功能、性能、價(jià)格、時(shí)間和QoS均滿足要求的云服務(wù)，這些云服務(wù)按照制造任務(wù)鏈組合，形成制造執(zhí)行鏈，進(jìn)而構(gòu)造形成云制造虛擬車(chē)間。云制造虛擬車(chē)間的構(gòu)造流程如圖1所示。

圖1 云制造虛擬車(chē)間構(gòu)造流程Fig.1 Construction process of cloud manufacturing virtual workshop

2.2 面向多重域的云服務(wù)管理

服務(wù)資源池中存放著海量的云服務(wù)，為了快速地從服務(wù)資源池中找出滿足條件的云服務(wù)，在組織云服務(wù)存儲(chǔ)時(shí)，采用面向多重域的管理方式，即行業(yè)域、地域和類(lèi)型域。在具體管理時(shí)采用以下策略：

1）根據(jù)制造行業(yè)劃分若干個(gè)行業(yè)域，如汽車(chē)制造、航天產(chǎn)品制造、電子產(chǎn)品制造等，除維護(hù)維修云服務(wù)外，其他的云服務(wù)均加入到對(duì)應(yīng)的行業(yè)域中。

2）以省會(huì)城市、產(chǎn)業(yè)經(jīng)濟(jì)區(qū)或大區(qū)劃分為依據(jù)，劃分地域。制造設(shè)備云服務(wù)及與其緊密綁定在一起的制造人員云服務(wù)、檢驗(yàn)云服務(wù)按照所處的物理位置加入某個(gè)地域；維護(hù)維修云服務(wù)按照其所服務(wù)的范圍加入某個(gè)地域；物流云服務(wù)按照運(yùn)營(yíng)路線加入某個(gè)地域。

3）根據(jù)加工設(shè)備類(lèi)型的不同，劃分幾個(gè)典型的類(lèi)型域，如磨床類(lèi)、銑床類(lèi)、拉床類(lèi)等，制造設(shè)備云服務(wù)及與其緊密綁定在一起的制造人員云服務(wù)按照制造設(shè)備類(lèi)型加入對(duì)應(yīng)的類(lèi)型域。

4）設(shè)置域時(shí)，可以單獨(dú)設(shè)置一個(gè)“其他”域，將無(wú)法明確確定所屬域的服務(wù)歸入“其他”域。

引入多重域之后，如果需要查找某個(gè)滿足需求的云服務(wù)，就不需要對(duì)服務(wù)資源池執(zhí)行全部掃描，可以根據(jù)行業(yè)域、地域和類(lèi)型域快速定位要查找的區(qū)域，并可有效減少比較次數(shù)和計(jì)算量，快速找到需要的云服務(wù)。

2.3 云制造虛擬車(chē)間構(gòu)造算法

云制造虛擬車(chē)間主要是根據(jù)制造任務(wù)鏈中各子任務(wù)的信息，從服務(wù)資源池中選擇對(duì)應(yīng)的云服務(wù)構(gòu)造而成的，因此其核心是如何選擇對(duì)應(yīng)的云服務(wù)。為了保證云制造模式下產(chǎn)品的質(zhì)量，規(guī)定所有制造任務(wù)的最后一個(gè)子任務(wù)為檢驗(yàn)任務(wù)，且由獨(dú)立的第三方來(lái)完成。為簡(jiǎn)單起見(jiàn)，假設(shè)中間各子任務(wù)完成后無(wú)需檢驗(yàn)或檢驗(yàn)由對(duì)應(yīng)的制造設(shè)備云服務(wù)提供商自己負(fù)責(zé)。本節(jié)先給出不同類(lèi)型云服務(wù)的選擇算法，然后再給出總體的構(gòu)造算法。

算法1 制造設(shè)備云服務(wù)選擇算法。

制造設(shè)備云服務(wù)選擇算法主要步驟為：生成候選服務(wù)集WS；對(duì)候選服務(wù)進(jìn)行加工參數(shù)、服務(wù)價(jià)格和時(shí)間匹配，得到可選ES；對(duì)可選ES按照服務(wù)質(zhì)量和相關(guān)人員資質(zhì)排序；選中ES。具體算法描述如下：

1）從SRP中查找行業(yè)、地域、類(lèi)型與制造任務(wù)及子任務(wù)相匹配的ES及與ES關(guān)聯(lián)的HS，構(gòu)成WS；

2）若WS為空，則從SRP中查找行業(yè)、類(lèi)型或者地域、類(lèi)型與制造任務(wù)及子任務(wù)相匹配的ES及與ES關(guān)聯(lián)的HS加入WS，否則轉(zhuǎn)3）；或WS仍然為空，則從SRP中查找類(lèi)型與制造任務(wù)及子任務(wù)相匹配的ES及與ES關(guān)聯(lián)的HS加入WS，否則轉(zhuǎn)3）；若WS仍為空，則轉(zhuǎn)9），否則轉(zhuǎn)3）。

3）從WS中取出第一個(gè)ES及對(duì)應(yīng)的HS，轉(zhuǎn)4）。

4）判斷ES的技術(shù)參數(shù)、服務(wù)時(shí)間和價(jià)格是否滿足子任務(wù)的要求，若滿足，則轉(zhuǎn)5）；否則轉(zhuǎn)6）。

5）ES的可選標(biāo)記flag=1，轉(zhuǎn)7）。

6）取下一個(gè)未分析過(guò)的ES及對(duì)應(yīng)的HS，轉(zhuǎn)4）。

7）判斷WS中的云服務(wù)是否分析完畢，若分析完畢，則轉(zhuǎn)8）；否則轉(zhuǎn)6）。

8）判斷WS中flag=1 的云服務(wù)數(shù)量是否為0，若為0，則轉(zhuǎn)9）；否則轉(zhuǎn)10）。

9）向任務(wù)提出者發(fā)送“找不到需要的ES”消息和WS中的云服務(wù)信息，提示用戶修改任務(wù)信息，轉(zhuǎn)11）。

10）WS中所有flag=1 的云服務(wù)按照QoS 和相關(guān)人員資質(zhì)進(jìn)行降序排列，第一個(gè)即為所選ES；更新選中服務(wù)的子任務(wù)清單信息和子任務(wù)的開(kāi)始時(shí)間、結(jié)束時(shí)間信息，轉(zhuǎn)11）。

11）算法結(jié)束。

算法2 物流云服務(wù)選擇算法。

因事先無(wú)法確定云服務(wù)之間是否產(chǎn)生物流費(fèi)用以及產(chǎn)生多少物流費(fèi)用，故采用協(xié)商的方式。假設(shè)服務(wù)使用方給出的價(jià)格為T(mén)LSCost（單位：元/（kg·km）），制造執(zhí)行鏈MEC中的〈CSi，CSj〉之間存在物流環(huán)節(jié)，距離為〈CSi，CSj〉.Weight，CSi對(duì)應(yīng)的子任務(wù)為STaski。物流云服務(wù)選擇算法的主要步驟為：生成候選服務(wù)集WS；對(duì)候選服務(wù)進(jìn)行服務(wù)價(jià)格和時(shí)間匹配，得到可選LS；對(duì)可選的LS按照服務(wù)質(zhì)量排序；選中LS。具體算法描述如下：

1）從SRP中查找行業(yè)、地域與制造任務(wù)所屬行業(yè)及相關(guān)云服務(wù)物理位置相匹配的物流云服務(wù)，構(gòu)成WS；

2）若WS為空，則從SRP中查找地域與制造任務(wù)所屬行業(yè)及相關(guān)云服務(wù)物理位置相匹配的物流云服務(wù)加入WS，否則轉(zhuǎn)3）；若WS仍為空，則轉(zhuǎn)9），否則轉(zhuǎn)3）。

3）從WS中取出第一個(gè)LS，轉(zhuǎn)4）。

4）判斷LS的時(shí)間和價(jià)格是否滿足子任務(wù)的要求，若滿足，則轉(zhuǎn)5）；否則轉(zhuǎn)6）。

5）LS的可選標(biāo)記flag=1，轉(zhuǎn)7）

6）取下一個(gè)未分析過(guò)的LS，轉(zhuǎn)4）。

7）判斷WS中的云服務(wù)是否分析完畢，若分析完畢，則轉(zhuǎn)8）；否則轉(zhuǎn)6）。

8）判斷WS中flag=1 的云服務(wù)數(shù)量是否為0，若為0，則轉(zhuǎn)9）；否則轉(zhuǎn)10）。

9）向任務(wù)提出者發(fā)送“找不到所需要的LS”消息和WS中的云服務(wù)信息，提示用戶修改任務(wù)信息，轉(zhuǎn)11）。

10）WS中所有flag=1 的云服務(wù)按服務(wù)質(zhì)量進(jìn)行 降序排列，第一個(gè)即為所選LS，轉(zhuǎn)11）。

11）算法結(jié)束。

檢驗(yàn)云服務(wù)和維護(hù)維修云服務(wù)的選擇算法與算法1 和算法2 相似，都是首先查找服務(wù)行業(yè)、物理位置和類(lèi)型相匹配的云服務(wù)，加入候選服務(wù)集；然后找出功能和時(shí)間滿足需求的云服務(wù)，置可選標(biāo)記；接著對(duì)可選云服務(wù)按照服務(wù)質(zhì)量進(jìn)行降序排序；最后選擇第一個(gè)云服務(wù)即可。具體不再贅述。需要強(qiáng)調(diào)的是：由于事先無(wú)法確定是否產(chǎn)生故障、產(chǎn)生何種故障，故也無(wú)法事先確定維護(hù)維修的費(fèi)用，因此在維護(hù)維修云服務(wù)選擇時(shí)不考慮價(jià)格匹配，具體價(jià)格可由雙方私下協(xié)商。

算法3 云制造虛擬車(chē)間構(gòu)造算法。

如圖2 所示，主要步驟為：生成MTC；選擇ES和DS；生成MEC；選擇LS。

圖2 云制造虛擬車(chē)間構(gòu)造流程Fig.2 Construction process of cloud manufacturing virtual workshop

需要強(qiáng)調(diào)的是，在云制造虛擬車(chē)間構(gòu)造算法中，不涉及維護(hù)維修云服務(wù)的選擇，只有在設(shè)備發(fā)生故障時(shí)，才會(huì)選擇維護(hù)維修云服務(wù)。

3 算例分析

3.1 實(shí)例分析

參考文獻(xiàn)［19-20，24］的做法，本節(jié)將構(gòu)造一個(gè)制造實(shí)例，并設(shè)計(jì)相關(guān)的數(shù)據(jù)，來(lái)分析本文方法的有效性。假設(shè)有一制造任務(wù)Task，經(jīng)過(guò)分解之后，得到制造任務(wù)鏈MTC，如圖3 所示。其中STi（i=1，2，3）為制造加工子任務(wù)，ST4為檢驗(yàn)子任務(wù)，制造任務(wù)及任務(wù)鏈中各子任務(wù)的部分?jǐn)?shù)據(jù)分別如表1、2 所示。設(shè)滿足功能匹配的制造設(shè)備云服務(wù)共有10 個(gè)，表示為ESi（i=1，2，…，10），制造設(shè)備云服務(wù)及與其關(guān)聯(lián)的制造人員云服務(wù)部分?jǐn)?shù)據(jù)見(jiàn)表3。可供選擇的檢驗(yàn)云服務(wù)為DSi（i=1，2，3），檢驗(yàn)云服務(wù)的部分?jǐn)?shù)據(jù)見(jiàn)表4。可供選擇物流云服務(wù)為L(zhǎng)Si（i=1，2，3），物流云服務(wù)的部分相關(guān)數(shù)據(jù)見(jiàn)表5。

圖3 某制造任務(wù)鏈MTCFig.3 One manufacturing task chain MTC

表1 制造任務(wù)Task的部分?jǐn)?shù)據(jù)Tab.1 Some data of a manufacturing task named Task

表2 各子任務(wù)的部分?jǐn)?shù)據(jù)Tab.2 Some data of each subtask

表3 制造設(shè)備云服務(wù)部分?jǐn)?shù)據(jù)Tab.3 Some data of manufacturing equipment cloud services

表4 檢驗(yàn)云服務(wù)部分?jǐn)?shù)據(jù)Tab.4 Some data of inspection cloud services

表5 物流云服務(wù)部分?jǐn)?shù)據(jù)Tab.5 Some data of logistics cloud services

步驟1 為子任務(wù)ST1選擇對(duì)應(yīng)的制造設(shè)備云服務(wù)。

1）根據(jù)行業(yè)為“汽車(chē)行業(yè)”、位置在“A”、類(lèi)型是“加工中心”的條件在服務(wù)資源池中快速定位相關(guān)服務(wù)存放域，查找制造設(shè)備云服務(wù)，得到候選服務(wù)集WS=｛ES1，ES2，ES5，ES7，ES8｝。

2）WS中的所有云服務(wù)均與ST1的技術(shù)參數(shù)相匹配；ES1與ST1的價(jià)格不匹配；ES7的加工時(shí)間為0+0+2 000/（20*8）=12.5＞10，故ES7與ST1的時(shí)間不匹配。此時(shí)可選的云服務(wù)為ES2、ES5和ES8。

3）將ES2、ES5和ES8按照服務(wù)質(zhì)量和相關(guān)人員資質(zhì)降序排列，得到序列（ES5，ES2，ES8），ES5即為選擇的制造設(shè)備云服務(wù)，此時(shí)要更新ES5的ESTime=6.25，ST1的STStart=0，STEnd=6.25。

步驟2 按照同樣的方法為子任務(wù)ST2和ST3選擇對(duì)應(yīng)的制造設(shè)備云服務(wù)分別是ES2和ES8；更新ES2的ESTime=7，ST2的STStart=10、STEnd=17；更新ES8的ESTime=4.17，ST3的STStart=20、STEnd=24.17。

步驟3 為子任務(wù)ST4選擇對(duì)應(yīng)的檢驗(yàn)云服務(wù)。

1）根據(jù)行業(yè)為“汽車(chē)行業(yè)”、位置在“A”、產(chǎn)品是“蓋板零件”的條件，沒(méi)有找到相關(guān)域；在行業(yè)為“汽車(chē)行業(yè)”、產(chǎn)品是“蓋板零件”的域中查找，得到候選服務(wù)集WS=｛DS1，DS2，DS3｝。

2）DS2的價(jià)格2 000×10%×11=2 200＞2 000，故DS2與ST4的價(jià)格不匹配；DS1的時(shí)間25+0+（2 000×10%）/35=30.7＞30，故DS1與ST4的時(shí)間不匹配。此時(shí)可選擇的云服務(wù)只有DS3，因此按照服務(wù)質(zhì)量排序后依然只能選擇DS3。更新DS3的DSTime=3.33，ST4的STStart=25，STEnd=28.33。

步驟4 選擇需要的物流云服務(wù)。

1）根據(jù)行業(yè)為“汽車(chē)行業(yè)”、ES8位置在“A”、DS3的位置在“B”的條件在服務(wù)資源池中查找物流云服務(wù)，發(fā)現(xiàn)LS3的運(yùn)營(yíng)路線與位置信息不匹配，得到候選服務(wù)集WS=｛LS1，LS2｝。

2）假設(shè)服務(wù)使用者給出的價(jià)格為0.3 元/kg·km，ES8與DS3之間的物理距離為75 km；LS1和LS2均價(jià)格匹配；計(jì)算使用LS1需要的運(yùn)輸時(shí)間24.17+2×（75（/60×10））×0.2×2000/4 000×10=24.42＜25，計(jì)算使用LS2需要的運(yùn)輸時(shí)間24.17+2×（75（/60×10））×0.2×2000/7000×10=24.42＜25，所以LS1和LS2均時(shí)間匹配。

3）WS中的云服務(wù)按照服務(wù)質(zhì)量降序排序，順序?yàn)椋↙S2，LS1），故選擇LS2。

根據(jù)以上算法構(gòu)造得到云制造虛擬車(chē)間，該車(chē)間使用了制造設(shè)備云服務(wù)ES5、ES2和ES8（包含與這些制造設(shè)備關(guān)聯(lián)的制造人員云服務(wù)），檢驗(yàn)云服務(wù)DS3，以及物流云服務(wù)LS2。對(duì)應(yīng)的制造執(zhí)行鏈如圖4 所示。從結(jié)果可以看出，云制造虛擬車(chē)間所選擇的云服務(wù)并不是最優(yōu)的，僅是在功能、價(jià)格、時(shí)間與任務(wù)相匹配的，QoS 較優(yōu)的云服務(wù)。當(dāng)然，本例中僅考慮了制造任務(wù)執(zhí)行問(wèn)題，未考慮DS3與交貨地點(diǎn)不匹配的問(wèn)題。

圖4 實(shí)例的制造執(zhí)行鏈MECFig.4 Manufacturing execution chain MEC of one instance

3.2 仿真實(shí)驗(yàn)

3.2.1 面向多重域的管理方式對(duì)云服務(wù)選擇時(shí)間的影響

在提出的云制造虛擬車(chē)間構(gòu)造算法中，對(duì)服務(wù)資源池中的云服務(wù)采用面向多重域的管理方式。該方式會(huì)將存儲(chǔ)空間按照行業(yè)、地域和類(lèi)型劃分為若干個(gè)獨(dú)立的存儲(chǔ)區(qū)域，不同的云服務(wù)存儲(chǔ)在不同的存儲(chǔ)區(qū)域中，因此劃分的域應(yīng)該事先確定，并不宜太多。同時(shí)，需要將不同存儲(chǔ)區(qū)域的首地址存儲(chǔ)在一張表中，構(gòu)成索引表，以便快速進(jìn)行服務(wù)存儲(chǔ)地址的定位。為驗(yàn)證面向多重域的云服務(wù)管理方式可以有效減少云服務(wù)選擇時(shí)間，設(shè)計(jì)以下仿真實(shí)驗(yàn)。

實(shí)驗(yàn)以為3.1 節(jié)制造實(shí)例中的ST1選擇制造設(shè)備云服務(wù)為例，模擬不同云服務(wù)數(shù)量對(duì)單個(gè)服務(wù)選擇時(shí)間的影響。目前的云服務(wù)組合優(yōu)化算法幾乎都是將制造云服務(wù)的選擇看作多目標(biāo)優(yōu)化問(wèn)題，通過(guò)對(duì)傳統(tǒng)優(yōu)化算法的改進(jìn)來(lái)實(shí)現(xiàn)選擇最優(yōu)制造云服務(wù)的目的，并不關(guān)注制造云服務(wù)的組織方式對(duì)云服務(wù)選擇效率的影響，同時(shí)目前也未見(jiàn)對(duì)云服務(wù)組織方式的研究，即均未采用面向多重域的云服務(wù)管理方式。因此本實(shí)驗(yàn)通過(guò)對(duì)比不采用多重域的云服務(wù)管理方式，來(lái)觀察采用多重域的管理方式對(duì)云服務(wù)選擇效率的提升。TS1對(duì)應(yīng)的云服務(wù)要求的行業(yè)域?yàn)椤捌?chē)行業(yè)”、地域?yàn)椤癆”、功能域?yàn)椤凹庸ぶ行摹保O(shè)計(jì)實(shí)驗(yàn)數(shù)據(jù)規(guī)模如表6的前4列所示，第一行數(shù)據(jù)的含義是：共有200 個(gè)制造設(shè)備云服務(wù)，其中100 個(gè)是汽車(chē)行業(yè)的，100個(gè)之中有80個(gè)在A，80個(gè)之中有60個(gè)是加工中心。

實(shí)驗(yàn)采用Java編寫(xiě)仿真程序，在程序中定義了“存儲(chǔ)區(qū)域類(lèi)”，以此模擬面向多重域的云服務(wù)管理。云服務(wù)的ESCost為隨機(jī)生成的2～5 的隨機(jī)數(shù)，ESQoS為隨機(jī)生成的0～1 的隨機(jī)數(shù)，HSAbility為隨機(jī)生成的10～100 的整數(shù)，HSTime全部為8，HSTGrade為隨機(jī)生成的1～30 的整數(shù)，ESTime全部為0。假設(shè)這些云服務(wù)的功能和技術(shù)參數(shù)均符合要求。實(shí)驗(yàn)結(jié)果對(duì)比如表6的后兩列所示。從表6可以看出，在相同數(shù)量的云服務(wù)中選擇需要的云服務(wù)，采用面向多重域的管理方式比傳統(tǒng)方式所花費(fèi)的時(shí)間要少，當(dāng)數(shù)據(jù)規(guī)模增大時(shí)，這種優(yōu)勢(shì)更加明顯。因?yàn)槊嫦蚨嘀赜虻墓芾矸绞侥軌蛑苯佣ㄎ辉谝粋€(gè)小范圍的區(qū)間內(nèi)查找，這樣相對(duì)于傳統(tǒng)管理方式中的全部掃描，所花費(fèi)的時(shí)間會(huì)少很多。同時(shí)由于候選集中元素的大幅減少，也大大節(jié)省了后續(xù)進(jìn)行匹配比較和排序時(shí)間。當(dāng)然，如果所有云服務(wù)均在一個(gè)存儲(chǔ)區(qū)域中存儲(chǔ)，或者需要掃描整個(gè)存儲(chǔ)區(qū)域時(shí)，則兩者所需時(shí)間并無(wú)差異。

表6 云服務(wù)規(guī)模數(shù)據(jù)Tab.6 Scale data of cloud services

3.2.2 算法有效性分析

文獻(xiàn)［24］提出了一種面向加工設(shè)備的服務(wù)聚類(lèi)與初選方法，該方法基于服務(wù)相似度來(lái)進(jìn)行聚類(lèi)，并通過(guò)可拓論中“距”的概念，描述服務(wù)請(qǐng)求與不同服務(wù)類(lèi)簇的關(guān)聯(lián)程度，達(dá)到為用戶精準(zhǔn)選擇云服務(wù)集合的目的。本節(jié)以選擇滿足任務(wù)需求的加工中心云服務(wù)為例，通過(guò)與面向加工設(shè)備的服務(wù)聚類(lèi)與初選方法的對(duì)比分析來(lái)說(shuō)明本文提出算法的有效性。為便于對(duì)比，加工中心云服務(wù)初始數(shù)據(jù)和制造任務(wù)初始數(shù)據(jù)在文獻(xiàn)［24］提供數(shù)據(jù)的基礎(chǔ)上，增加本文算法所需的信息，具體如表7和表8所示。

使用本文算法時(shí)，表7 中的價(jià)格和時(shí)間均是針對(duì)整個(gè)任務(wù)而言，并選擇“該類(lèi)服務(wù)最常出現(xiàn)的數(shù)值”，即中間的那個(gè)數(shù)值作為云服務(wù)的價(jià)格和時(shí)間；所有云服務(wù)的可開(kāi)始服務(wù)時(shí)間ESTime均為0；云服務(wù)的QoS 由加工質(zhì)量、時(shí)間可靠性和服務(wù)柔性計(jì)算得到，其權(quán)值分別設(shè)為0.4、0.35 和0.25；三個(gè)任務(wù)相互獨(dú)立且均只包含一個(gè)子任務(wù)，所需加工設(shè)備均為加工中心，開(kāi)始時(shí)間STStart均為0，結(jié)束時(shí)間STEnd為表8 中的時(shí)間上限。面向加工設(shè)備的服務(wù)聚類(lèi)與初選方法主要是用來(lái)實(shí)現(xiàn)設(shè)備云服務(wù)的初選，即根據(jù)服務(wù)請(qǐng)求與類(lèi)簇的綜合關(guān)聯(lián)度來(lái)形成候選服務(wù)集，并未給出之后如何選擇最優(yōu)的云服務(wù)；因此此處采用與本文類(lèi)似的思路，即在功能匹配和非功能匹配基礎(chǔ)上，選擇QoS值最大的云服務(wù)，則兩種算法的執(zhí)行結(jié)果如表9所示。

表7 加工中心云服務(wù)初始數(shù)據(jù)Tab.7 Initial data of cloud services in machining center

表8 制造任務(wù)初始數(shù)據(jù)Tab.8 Initial data of manufacturing tasks

從表9 中可以看出，在同等條件下，利用本文算法為三個(gè)任務(wù)均選擇出了合適的加工中心云服務(wù)，但面向加工設(shè)備的服務(wù)聚類(lèi)與初選方法僅為T(mén)ask2選出了合適的云服務(wù)ES18，但顯然在初始服務(wù)集中存在滿足Task1和Task3需求的云服務(wù)。原因在于：在進(jìn)行聚類(lèi)時(shí)僅考慮了云服務(wù)的綜合相似度，未考慮服務(wù)請(qǐng)求的因素，這就會(huì)導(dǎo)致滿足需求的云服務(wù)可能未被劃入對(duì)應(yīng)的類(lèi)簇；后期通過(guò)計(jì)算服務(wù)請(qǐng)求與類(lèi)簇的綜合關(guān)聯(lián)度來(lái)確定服務(wù)請(qǐng)求的候選服務(wù)集，從而出現(xiàn)找不到所需云服務(wù)的情況。進(jìn)一步分析可以發(fā)現(xiàn)，ES18的QoS 值明顯小于ES28，這說(shuō)明本文算法可以選擇服務(wù)質(zhì)量較高的云服務(wù)。從候選服務(wù)集來(lái)看，因?yàn)樗性品?wù)均為加工中心，本文所提算法會(huì)將這些云服務(wù)按照地域和行業(yè)域存儲(chǔ)在不同的位置，只需根據(jù)加工設(shè)備云服務(wù)的物理位置和所屬行業(yè)即可快速找到候選服務(wù)集，所花費(fèi)的時(shí)間僅為訪問(wèn)一次服務(wù)資源池的時(shí)間；但面向加工設(shè)備的服務(wù)聚類(lèi)與初選方法通過(guò)計(jì)算相似度進(jìn)行聚類(lèi)，方可形成候選服務(wù)集，同時(shí)還需要計(jì)算服務(wù)請(qǐng)求與類(lèi)簇的關(guān)聯(lián)度，才能確定服務(wù)請(qǐng)求與類(lèi)簇的關(guān)聯(lián)關(guān)系。由此次可見(jiàn)，本文所提算法是有效的。

表9 兩種算法的執(zhí)行結(jié)果Tab.9 Execution results of two algorithms

4 結(jié)語(yǔ)

云制造虛擬車(chē)間是云制造模式下開(kāi)展制造活動(dòng)的實(shí)體，是組織相關(guān)制造資源的場(chǎng)所。針對(duì)云制造虛擬車(chē)間構(gòu)造這一核心問(wèn)題，首先對(duì)問(wèn)題進(jìn)行描述，給出了制造任務(wù)、制造任務(wù)鏈、制造設(shè)備云服務(wù)、制造人員云服務(wù)、物流云服務(wù)、檢驗(yàn)云服務(wù)、維護(hù)維修云服務(wù)和云制造虛擬車(chē)間的形式定義。接著建立了云制造虛擬車(chē)間構(gòu)造模型，明確了云制造虛擬車(chē)間的組成和特點(diǎn)，并提出一種基于多重域的云服務(wù)組織管理方法。隨后給出了云制造虛擬車(chē)間構(gòu)造算法，該算法利用多重域管理的特點(diǎn)，構(gòu)造規(guī)模較小的云服務(wù)候選集，在此基礎(chǔ)上快速進(jìn)行功能、性能、價(jià)格和時(shí)間的匹配，能在較短的時(shí)間內(nèi)完成相關(guān)云服務(wù)的選擇，從而快速實(shí)現(xiàn)虛擬車(chē)間的構(gòu)造；特別是在虛擬車(chē)間的構(gòu)造中考慮了物流的因素，滿足了云制造線上線下相結(jié)合的需求。最后通過(guò)實(shí)例分析和仿真實(shí)驗(yàn)，驗(yàn)證了所提方法能夠快速實(shí)現(xiàn)云服務(wù)選擇，并保證能夠找到較優(yōu)解。當(dāng)然，本文的相關(guān)研究主要面向的是離散型制造任務(wù)的執(zhí)行，忽略了物料、城市內(nèi)物流、交貨地點(diǎn)與最終產(chǎn)品不在同一地等因素，后期將對(duì)這些問(wèn)題以及虛擬車(chē)間重構(gòu)進(jìn)行深入探討。