具有空閑時間的機床裝備資源云服務供需分級匹配方法

龔小容，李孝斌，尹 超，余先豫

（1.重慶理工大學 機械工程學院，重慶 400054；2.重慶大學 機械與運載工程學院，重慶 400044）

關鍵字：云制造；機床裝備資源；供需匹配；空閑時間段

0 引言

云制造是一種基于泛在網(wǎng)絡的智慧制造模式，主要通過云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)等信息技術與先進制造技術的融合應用，借助云制造公共服務平臺為量大面廣的資源提供企業(yè)和資源需求企業(yè)提供基于網(wǎng)絡的協(xié)同制造服務，以促進廣大制造企業(yè)向網(wǎng)絡化、服務化、智能化方向發(fā)展[1～5]。然而在云制造環(huán)境下，制造資源的規(guī)模較為龐大，且部分資源存在語義模糊、功能相似、信息動態(tài)演化等特點，因此如何實現(xiàn)廣域、分散、異構制造資源的高效搜索與匹配已成為云制造模式得以推廣應用的關鍵性技術問題。

目前有關資源搜索與匹配方面的研究主要集中于語義Web服務領域，其方法主要包括基于語義相似度的匹配和基于服務質(zhì)量QoS的匹配兩類。在基于語義相似度匹配方法的研究方面，文獻[6～7]為提高Web服務的查準率和查全率，從Web服務功能信息的角度，將服務匹配問題轉(zhuǎn)化為語義概念間的距離計算問題；文獻[8]提出了一種考慮服務提供者和服務需求者交互的超網(wǎng)絡模型，從結構角度評估了業(yè)務需求匹配問題；文獻[9]提出了基于文本-語義相似度的云制造資源功能匹配，構建云制造資源本體模型，通過向量之間的相似度完成匹配。在基于QoS的服務匹配方面，文獻[10]針對當前服務搜索研究沒有考慮組合全局匹配的問題，提出并研究了一種基于QoS感知的全局語義匹配方法，并利用遺傳算法對匹配過程進行了實現(xiàn)；文獻[11]為解決本體與Web服務活動的信息共享與交互問題，建立了基于語義相似度匹配和QoS匹配相結合的服務匹配模型，以期滿足用戶對Web服務的功能性和非功能性需求目標。文獻[12]針對中小型企業(yè)加工后的板材余料浪費問題，提出了一種基于語義相似度算法同時融入QoS信息的分層次資源描述模型。文獻[13]提出了一種全面的服務組合和最優(yōu)選擇（SCOS）技術，利用制造能力數(shù)據(jù)集、深度學習模型以及遺傳算法等技術，實現(xiàn)QoS的近乎最優(yōu)的復合服務問題。

基于以上成果，相關學者在網(wǎng)絡化制造、云制造領域供需匹配方面進行了一定的探索和研究。如張志穎等人[14]提出基于概念語義距離、信息量和概念層次順序的本體概念綜合語義相似度計算方法，并通過雙前沿面DEA匹配方法確定權重，減少了權重的主觀因素，提高了匹配精度。王有遠等[15]提出一種云制造環(huán)境下設備資源與加工任務匹配方法，構建設備資源和加工任務物元模型，利用匹配算法來確定最佳匹配方案，然而模型中關鍵特征如何準確獲取和匹配算法的精度并未說明。Hamed Bouzary[16]等提出了一種基于五種分類算法的集成方法，再使用遺傳算法和粒子群算法對匹配結果進行優(yōu)選，但論文使用SAW方法來形成目標函數(shù)，該方法與基于帕累托的多目標方法相比，這種技術存在一些缺點，目標函數(shù)準確性有待研究。Xiaobin Li[17]等提出一種基于馬爾可夫決策過程和交叉熵的機床匹配方法，通過構建一個通用框架，應用一系列有限離散MDP來描述最優(yōu)匹配過程和最優(yōu)模型，利用CE算法求解，得到滿足GR（全球需求）的最優(yōu)機床。魯城華等[18]提出一種基于多層次屬性建模的云制造服務匹配和優(yōu)選方法，論文非功能屬性采取的是定值量化方式，但是實際應用中，服務的非功能屬性往往不是固定值，有的是動態(tài)變化的。

綜合所述，當前關于資源搜索匹配的研究成果均集中于（語義）Web服務領域，而在網(wǎng)絡化制造特別是云制造領域的研究和應用較少。一方面，云制造環(huán)境下海量的制造資源（特別是機床裝備等制造硬資源）和動態(tài)變化的制造信息（狀態(tài)信息、質(zhì)量信息等），使得傳統(tǒng)搜索匹配方法在效率和精度方面均有所不足；另一方面，目前現(xiàn)有的云制造供需匹配研究主要針對平臺的空閑云制造資源，較少考慮已分配任務的云制造資源在空閑時間段可再次分配任務的情況，云制造資源的共享利用率不高。論文作者所在課題組針對云制造資源的搜索匹配，基于語義相似度開展了分級匹配研究，取得了一定的效果[19]，但是前期研究針對的是閑置狀態(tài)下的機床裝備資源，沒有考慮已分配任務利用空閑時間段開展云服務的機床裝備資源，導致云制造環(huán)境下機床裝備資源的利用率不高。因此，本項目擬基于云制造任務鏈子任務時間窗及資源空閑時間段限制，探索一種考慮資源空閑時間段再分配的基于語義的機床裝備資源分級匹配方法，將機床裝備資源云服務供需匹配分為基本信息匹配、IOPE參數(shù)匹配、時間約束匹配和QoS匹配四個階段，并結合本體語義概念相似度和動態(tài)描述邏輯理論，對各階段的匹配量化方法及其實現(xiàn)算法展開研究。

1 基于語義的機床裝備資源云服務供需匹配實現(xiàn)框架

與（語義）Web服務及傳統(tǒng)網(wǎng)絡化制造環(huán)境相比，云制造環(huán)境下的機床裝備資源匹配具有種類多樣、功能相似、地域分散、屬性特征動態(tài)變化、受空閑時間富裕能力約束等特點，導致其搜索匹配過程效率和精度不高。針對以上特點，本文結合本體語義概念相似度算法和動態(tài)描述邏輯理論，構建了一種基于語義的機床裝備資源云服務分級匹配實現(xiàn)框架，如圖1所示。

圖1 制造資源供需匹配實現(xiàn)框架

該分級匹配實現(xiàn)框架主要由四部分組成，包括本體庫、信息解析器、算法知識庫和資源匹配器。其中本體庫為制造資源領域本體，主要為資源需求企業(yè)和資源提供企業(yè)相關需求提供語義支持；信息解析器則負責對需求庫中的需求信息和資源庫中的服務信息進行分類提取，解析得到機床裝備資源的基本信息、IOPE信息、空閑時間信息和QoS信息等，從而為機床裝備資源的供需分級匹配提供規(guī)范的需求解析文檔和資源解析文檔；算法知識庫主要為資源匹配器提供算法知識，如語義相似度算法、數(shù)值匹配算法、動態(tài)描述邏輯匹配算法等；資源匹配器則根據(jù)企業(yè)對匹配精確度的要求及解析得出的需求，調(diào)用算法知識庫中的各類算法，進行機床裝備資源的分級匹配。

2 基于語義的機床裝備資源云服務供需匹配算法

基于語義的機床裝備資源云服務供需匹配是一個逐級精細匹配的過程，包括基本信息匹配、IOPE參數(shù)匹配、時間約束匹配和QoS屬性匹配，其中IOPE參數(shù)和時間約束匹配屬于精準匹配。逐級匹配過程如下：

1）基本信息匹配

將云制造任務需求的基本信息分別與待選機床裝資源集合的基本信息進行匹配，例如名稱、類型等。機床裝備資源基本信息匹配的程度主要是利用本體語義概念的相似度來衡量，為了提高語義概念相似度的準確性，論文引入語義權重[20]概念，在考慮語義深度和語義重合度后等影響因素下，建立的機床裝備資源供需匹配語義概念相似度函數(shù)如下：

其中，R為云制造需求，Sj為待選機床裝備資源集合中第j個資源，m表示R與Sj的基本信息類型個數(shù)，Sim(CRi,CSji)表示R與Sj中第i個基本信息類型的概念相似度(1≤i≤m)，wi為其相應的權重值。

α,β為[1,2]區(qū)間里的常數(shù)，其值反映了兩概念間的語義距離Dis(CRi,CSji)影響其相似度大小的程度。設C1，C2為機床裝備資源分類本體中的任意兩個概念，其概念間的語義距離為Dis(C1,C2)：

WLc1,c2(h)為概念C1，C2所經(jīng)過最短路徑p的各條邊的權重值，設Lc1,c2為連接C1，C2的邊，h為語義深度，則Lc1,c2的語義權重WLc1,c2(h)定義為：

基本信息匹配的實現(xiàn)算法為：

（1）初始化：WS1=?，MatchBas(R,S)=?；

（2）如WS≠?，則對于WS中的第j個資源Sj∈WS，根據(jù)式(1)計算云制造需求R與待選資源Sj的基本信息匹配度MatchBas(R,Sj)。如MatchBas(R,Sj)＞ηBas，則WS1={Sj}∪WS1，MatchBas(R,S)={MatchBas(R,Sj)}∪MatchBas(R,S)；

（3）j=j+1，如j≤n，則執(zhí)行步驟(2)，否則執(zhí)行(4)；

（4）結束，反饋匹配資源集合WS1及相應的基本信息匹配值MatchBas(R,S)。

2）IOPE參數(shù)匹配

IOPE參數(shù)匹配主要是對需求與提供的制造資源的功能信息進行匹配。由于云制造環(huán)境下機床裝備資源的功能信息具有動態(tài)性特征，為此論文利用動態(tài)描述邏輯（DDL）對其進行匹配實現(xiàn)。其基本思路是分別將需求制造和待選資源列表WS1的IOPE信息按照DDL的語法語義和動作進行轉(zhuǎn)換，以形成相應的需求動作αR(v)=(PR,ER)和目標動作序列S(α1,α2,...,αn1)=(P(α1,α2,...,αn1),E(α1,α2,...,αn1))，其中n1為WS1中的待選資源數(shù)；然后利用DDL中的推理機進行邏輯推理，從而得到相應的匹配結果。制造資源的功能匹配還需滿足兩個條件：一是需求動作的實現(xiàn)效果ER比目標動作的實現(xiàn)效果E(α1)(1≤i≤n1)更容易滿足，即需求資源的輸出/效果指標個數(shù)er不大于待選資源的輸出/效果指標個數(shù)ei(即er≤ei)；二是目標動作的實現(xiàn)前提P(αi)比需求動作的實現(xiàn)前提PR更容易滿足，即待選資源的輸入/前提指標個數(shù)pi不大于需求資源的輸入/前提指標個數(shù)pr(即pi≤pr)。

根據(jù)DDL的語法及語義規(guī)則，將機床裝備資源的功能信息（IOPE）轉(zhuǎn)化為DDL的動作表達式，從而將制造資源IOPE參數(shù)的供需匹配問題即轉(zhuǎn)化成了DDL中公式的可滿足性問題，DDL中所有公式由式(5)得到：

IOPE參數(shù)匹配的實現(xiàn)算法為：

（1）初始化：WS2=?；

（2）若動作序列S(α1,α2,...,αn1)≠?，對于S(α1,α2,...,αn1)中的第i個資源動作αi∈S(α1,α2,...,αn1)，構造αi式(5)，推理該公式的可滿足性。如不可滿足，則WS2={Sαi}∪WS2；

（3）i=i+1，如i≤n1，則執(zhí)行(2)，否則執(zhí)行(4)；

（4）結束，反饋匹配資源集合WS2。

3）時間約束匹配

云服務平臺在為云制造任務鏈中子任務匹配機床裝備資源時，需滿足云制造子任務時間窗與資源空閑時間段之間的時間約束匹配。其基本思路是在待選資源列表WS2中，考慮云制造子任務時間窗約束，逐個檢查是否存在MCSx滿足，將滿足的MCSx放入時間約束匹配后的待選資源列表WS3中。其中{ET,DT}為云制造子總?cè)蝿諘r間窗的最早開始時間、最晚結束時間，ET′i,DT′i,ETi,DTi分別為分解產(chǎn)生的第i個云制造子任務的最早開始時間、最早結束時間、最晚開始時間以及最晚結束時間，[Txstr，Txend]為第i個子任務匹配的制造資源MCSj的某個空閑時間段，tjmac為單件加工時長，n為任務加工數(shù)量，其中n2為WS2中的待選資源數(shù)。

時間約束匹配的實現(xiàn)算法為：

（1）初始化：WS3=?；

（2）更新候選云服務服務任務的加工數(shù)量n、單件加工時長tjmac、最早開始時間ET′i和最晚結束時間DTi，更新機床裝備資源MCSj空閑時間窗[Txstr，Txend]。

（3）若存在Sj滿足{ETi≥Txstr，DT′i≤Txend Ts+n·ti-mac≤Txend}，則Sj∈WS3，WS3={Sj}∪WS3；

（4）j=j+1，如j≤n2，則執(zhí)行(3)，否則執(zhí)行(5)；

（5）結束，反饋匹配資源集合WS3。

4）QoS屬性匹配

QoS屬性匹配主要是從非功能屬性方面對云制造需求和待選機床裝備資源進行匹配，其非功能性屬性包括服務時間T、服務成本C、可靠性R、安全性S、服務柔性F等。將云制造需求R和WS3中待選制造資源S的QoS屬性分別構造為向量QR=(q1,q2,...,qn)和矩陣，其中n為資源QoS屬性個數(shù)，k為WS3中待選制造資源個數(shù)。然后對向量QR和矩陣QS進行歸一化處理，并計算向量QR與矩陣QS間的歐氏距離，即可判定供需資源QoS屬性的匹配度，其歐式距離越短，匹配度則越高[21]。

云制造需求的歸一化處理、機床裝備資源的QoS屬性的歸一化處理分別按式(6)、式(7)進行計算：

其中qjr為需求制造資源的第j個屬性，q′j為其歸一化后的第j個屬性，qi,j為待選制造資源Si的第j個屬性的實際值，為待選制造資源Si的第j個屬性的歸一化值(1≤i≤k,1≤-j≤n)。計算得出需求制造和待選制造資源的QoS屬性相似度，如式(8)所示：

其中wj為資源第j個QoS屬性的權重值，0≤wj≤1，且

QoS屬性匹配的實現(xiàn)算法為：

（1）初始化：WS4=?，MatchQos（R,S）=?；

（2）如W3≠?，對于WS3中的第i個資源Si∈WS3，根據(jù)式(8)計算需求R與待選資源Si的QoS屬性匹配度Match-Qos(R,Si)。如MatchQos(R,Si)＞ηQoS，則WS4={Si}∪WS4，MatchQos(R,S)={MatchQos(R,Si)}∪MatchQos(R,S)；

（3）i=i+1，如i≤k，則執(zhí)行(2)，否則執(zhí)行(4)；

（4）匹配結束，反饋匹配資源集合WS4及相應的QoS屬性匹配值MatchQos（R,S）。

3 應用實例

為驗證以上研究成果的可行性和有效性，論文結合課題組前期開發(fā)的機床裝備資源優(yōu)化配置云服務平臺中的CB125孔齒件加工云服務為例，對其供需分級匹配方法進行應用驗證。云制造需求描述為R={BaseInfo{名稱（鍛壓機），服務（CB125孔齒件鍛造加工服務）}；CapaInfo{輸入（孔齒毛坯件，數(shù)量100件），輸出（CB125孔齒件），前提（服務范圍在重慶)，效果（合格率100%）}；TimeInfo{最早開始時間（2022-05-26 08:00:00），最早結束時間（2022-05-26 18:00:00），最晚開始時間（2022-05-27 10:00:00），最晚結束時間（2022-05-27 20:00:00）}；QoSInfo{時間≤2天，質(zhì)量≥92%，總價≤30000，可靠性≥0.8，安全性≥0.90，柔性度≥4.5}}。平臺虛擬資源池中發(fā)布有五個待選機床裝備資源S1，S2，S3，S4，S5，其具體描述如表1所示。

表1 待選機床裝備資源屬性列表

1）基本信息匹配：根據(jù)資源描述，抽取R的基本概念{“鍛壓機”、“孔齒件”、“鍛造加工”}和待選資源S的基本概念，如S1的基本概念{“龍門式液壓機”、“金屬毛坯件”、“鍛造加工”}；設定基本信息匹配閾值ηBas=0.8及概念類型權重w=(0.5,0.3,0.2)，根據(jù)制造資源描述和分類本體以及式(1)，分別計算得出R與資源S1，S2，S3，S4，S5的匹配值為MatchBas(R,S)=(0.879，0.685，0.853，0.973，0.988)。由于MatchBas(R,S2)＜ηBas，需剔除，因此最終匹配結果WS1=(S1,S3,S4,S5)。

2）IOPE參數(shù)匹配：首先根據(jù)動態(tài)描述邏輯的語法規(guī)則，將云制造需求和候選資源表示為原子動作。需求原子動作αr(v)=(Pr,Er)：GearProcessRequest=({Meterial(Gearblank)，Enterprise(Name)，Number(100)，Servicearea(Chongqing)}，{Product(Gear)，hasProductModel(CB125)，hasProductNumber(100)，QualityRate(100%)})。利用DDL中的推理機對需求原子動作αr(v)=(Pr,Er)進行概念和公式擴展，并逐一推理判定候選資源動作序列S(α1,α3,α4,α5)=(P(α1,α3,α4,α5)，E(α1,α3,α4,α5))的可滿足性，得出匹配結果。由于S3的實現(xiàn)前提P(α3)相對于Pr不易滿足，因此S3被剔除。IOPE參數(shù)匹配結果為WS2=(S1,S4,S5)。

3）時間約束匹配：對云制造需求的時間約束與機床裝備資源空閑時間段進行匹配篩選，更新獲取云制造子任務時間約束ET′i,DT′i,ETi,DTi、WS2中候選機床裝備資源的空閑時間段[Txstr，Txend]，逐個檢查候選機床裝備資源是否滿足，由于S1的空閑時間窗不滿足云制造子任務時間約束，因此S1被剔除。IOPE參數(shù)匹配結果為WS3=(S4,S5)。

4）QoS屬性匹配：

根據(jù)匹配算法，可得出候選資源集的QoS屬性矩陣，根據(jù)式(7)對矩陣Q進行歸一化處理，可得。設定QoS屬性匹配閾值ηQ o S=0.8，各屬性權重值為wQoS=(0.2,0.3,0.1,0.2,0.2)，根據(jù)式(8)即可得出QoS屬性匹配值MatchQos(R,S)=(0.918,0.844)，其結果均大于設定閾值，故WS4=(S4,S5)，且最佳候選服務為S4。

綜上可知，基于語義的機床裝備資源云服務供需分級匹配方法能較好的支持具有多功能相似、動態(tài)變化、受空閑時間段約束等特點的機床裝備資源的搜索與匹配，具有一定的可行性和適用性，可為云制造服務的優(yōu)化運行提供了一定的技術支撐。

4 結語

論文在分析具有空閑時間段的機床裝備資源云服務供需匹配的特點及需求的基礎上，基于本體概念相似度和動態(tài)描述邏輯理論，提出了一種基于語義的具有空閑時間段的機床裝備資源云服務供需分級匹配方法，并對基本信息匹配、IOPE參數(shù)匹配、時間約束匹配和QoS屬性匹配等四個階段的量化方法和具體算法進行了研究，結合應用實例驗證了該方法的可行性和有效性。但論文所提方法僅可從廣域機床裝備資源中搜索獲取滿足平臺用戶需求的資源可行解域，如何對多個關聯(lián)子任務的可行解域進行動態(tài)組合優(yōu)選以實現(xiàn)具有時序約束的云制造任務鏈的協(xié)同完成，將是論文下一步研究的重點。