融合直覺模糊灰色理論的制造云服務(wù)QoS評價方法

陳 君,趙小會,郭立穎,季 虹,李維乾

(西安工程大學(xué) 計算機(jī)科學(xué)學(xué)院/陜西省服裝設(shè)計智能化重點實驗室,陜西 西安 710048)

0 引 言

在新一輪的全球工業(yè)革命中,以云計算[1]為代表的新一代信息技術(shù)與制造業(yè)加速融合,正在引領(lǐng)新一代信息技術(shù)革命和產(chǎn)業(yè)革命,我國也提出了“中國制造2025”的發(fā)展計劃。通過構(gòu)建企業(yè)信息互通、資源共享、開放合作、互利共贏的公共平臺,通過促進(jìn)云端企業(yè)智能制造、協(xié)同制造、云制造能力的形成,最終實現(xiàn)企業(yè)有組織,資源無邊界的目標(biāo),適應(yīng)新時代經(jīng)濟(jì)發(fā)展,滿足制造業(yè)轉(zhuǎn)型升級的需求。

制造云服務(wù)是云服務(wù)[2]的衍生,更是云制造的核心組成部分,它是一種通過互聯(lián)網(wǎng)等媒介,將資源、信息和知識等進(jìn)行統(tǒng)一規(guī)范地嵌入封裝、虛擬化后得到的富含語義的Web服務(wù),在云制造中扮演著重要角色[3]。隨著云制造技術(shù)的不斷推廣和應(yīng)用,各種制造云服務(wù)大量涌現(xiàn)以滿足用戶與日俱增的需求,但如何合理評價符合用戶要求的云服務(wù)也逐漸成為了亟待解決的問題。制造云服務(wù)的QoS作為一種可以衡量云制造服務(wù)質(zhì)量的概念[4],能夠有效地體現(xiàn)功能相同的Web服務(wù)之間的差別,為用戶選擇提供重要參考,目前得到了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。

文獻(xiàn)[5]僅將時間作為QoS的一個參數(shù),提出了一種靜態(tài)最后期限分配方法;文獻(xiàn)[6]提出了一種以時間、耗費和可靠性等為評價指標(biāo)的預(yù)測QoS模型;文獻(xiàn)[7]以資源消耗、時間消耗、安全性、可靠性等作為QoS評價指標(biāo),同時結(jié)合模糊排序算法給出了關(guān)于Web Service的排序;文獻(xiàn)[8]通過執(zhí)行周期、可用性等指標(biāo)構(gòu)建Web服務(wù)的QoS指標(biāo)評價模型,并采用模糊算法對服務(wù)進(jìn)行排序選擇;文獻(xiàn)[9]通過時效性、可用性、誠信度等構(gòu)建可信特征集,并采用加權(quán)平均的方法來計算云制造服務(wù)的可信度,與可信評價相結(jié)合來指導(dǎo)云服務(wù)的選擇;文獻(xiàn)[10]根據(jù)用戶需求對制造云服務(wù)進(jìn)行篩選,采用主客觀相結(jié)合的方法對云服務(wù)質(zhì)量進(jìn)行評估選擇;文獻(xiàn)[11]以加工能力、服務(wù)質(zhì)量等對服務(wù)進(jìn)行建模,結(jié)合灰色關(guān)聯(lián)度的方法對云制造服務(wù)進(jìn)行評價;文獻(xiàn)[12]通過服務(wù)價格、可維護(hù)性等建立評價指標(biāo)體系,采用三角模糊數(shù)算法計算需求者與服務(wù)提供之間的相似度;文獻(xiàn)[13]以安全、價格、性能等作為評價指標(biāo),引入三角模糊數(shù)對模糊指標(biāo)進(jìn)行量化,采用FAHP方法計算各個指標(biāo)的權(quán)重,通過計算得到候選云服務(wù)的排名;文獻(xiàn)[14]以費用、時間作為評價指標(biāo),并且將各屬性的評價全部統(tǒng)一轉(zhuǎn)化成直覺模糊數(shù)來表示,利用層次分析法確定各指標(biāo)的權(quán)重,通過逼近理想解的排序算法計算得出候選服務(wù)的優(yōu)劣;文獻(xiàn)[15]以能耗、成本等建立評價指標(biāo)模型,引用VS-ABC算法得出最優(yōu)云服務(wù);文獻(xiàn)[16]提出了QM-SDNCCP服務(wù)質(zhì)量模型,并結(jié)合度量元的計算方法對服務(wù)質(zhì)量進(jìn)行評價;文獻(xiàn)[17]提出了一種關(guān)于QoS的云服務(wù)滿意度預(yù)測模型,使用二階隱馬爾可夫模型構(gòu)建預(yù)測模型;文獻(xiàn)[18]運用直覺模糊數(shù)對不可量化的指標(biāo)進(jìn)行評價,并結(jié)合余弦相似度來計算候選服務(wù)與最優(yōu)服務(wù)相似度,對候選服務(wù)進(jìn)行排序;文獻(xiàn)[19]以可信度、復(fù)雜度等指標(biāo)構(gòu)建QoS評價模型,結(jié)合熵增強粒子優(yōu)化算法,從而對制造云服務(wù)進(jìn)行優(yōu)化。

以上研究更多的是針對自身屬性進(jìn)行建模,對非量化屬性的建模與用戶的互動性考慮得不多。為此本文綜合以往研究成果,同時考慮可量化和不可量化評價指標(biāo)建立QoS評價模型,通過直覺模糊數(shù)解決非量化指標(biāo)評價問題,最后采用灰色理論,對制造云服務(wù)進(jìn)行排序,幫助用戶挑選最合適的制造云服務(wù)。

1 制造云服務(wù)QoS評價框架

云制造模式下,制造資源等都會通過云化封裝,以制造云服務(wù)的方式展現(xiàn)。面向制造云服務(wù)的QoS評價模型如圖1所示。

圖 1 面向制造云服務(wù)的QoS評價模型Fig.1 QoS evaluation model for manufacturing cloud services

圖1中,模型分為用戶模塊、云制造服務(wù)平臺模塊和制造商模塊3個部分,制造商提供的服務(wù)匯聚在云平臺,當(dāng)用戶提出需求信息時,用戶模塊向云制造服務(wù)平臺提交服務(wù)申請,云制造平臺會依據(jù)需求在已經(jīng)注冊過的云服務(wù)中查詢匹配符合用戶要求的云服務(wù)集合。

隨后,平臺從制造商和用戶2個層面所定義的QoS指標(biāo)對云制造服務(wù)進(jìn)行排序優(yōu)選,返回最終排序結(jié)果給用戶,用戶依據(jù)返回結(jié)果選擇所需云服務(wù)并在執(zhí)行該服務(wù)后反饋使用評價,供后續(xù)參考。用戶的評價結(jié)果隨著制造云服務(wù)的執(zhí)行次數(shù)增多而越來越接近真實值,其參考意義也越大。

1.1 面向制造云服務(wù)的QoS評價體系

云制造技術(shù)將資源、能力和知識嵌入到網(wǎng)絡(luò)環(huán)境中,希望構(gòu)建一個制造企業(yè)、客戶和中間方等可以充分溝通的公用制造環(huán)境,更加注重用戶的參與,使得制造企業(yè)在提供高質(zhì)量的云服務(wù)的同時,不得不關(guān)注用戶的使用體驗。

云制造平臺中的云服務(wù)多種多樣,具有異構(gòu)、分散、動態(tài)、實時、主動、服務(wù)、互動及協(xié)同等特性,若要對其合理評價,首先需要建立一個適當(dāng)?shù)脑u價體系。綜合以往的研究得到了如圖2所示的一組制造云服務(wù)QoS評價體系。

圖 2 制造云服務(wù)QoS評價體系Fig.2 QoS evaluation for manufacturing cloud services

圖2中,制造云服務(wù)的QoS評價指標(biāo)體系由6個關(guān)鍵指標(biāo)及子指標(biāo)構(gòu)成,包括服務(wù)價格、服務(wù)時間、服務(wù)安全、服務(wù)成功率、信譽等級和滿意度反饋。

服務(wù)時間表示云服務(wù)執(zhí)行所耗費時間,包括從云服務(wù)響應(yīng)請求到服務(wù)提供者按要求開展工作,再到反饋最終結(jié)果的時間總和。其元素主要包含響應(yīng)時間、執(zhí)行效率。

一般來說,響應(yīng)時間由服務(wù)提供者事先預(yù)估,在未來的使用中逐步修正。如果實際的響應(yīng)和執(zhí)行時間越少意味著可以在更短的時間得到新產(chǎn)品,越有利于增強企業(yè)競爭力。

服務(wù)價格表示調(diào)用云服務(wù)需要支付的費用,是評價指標(biāo)的重要參考項,其元素主要包括服務(wù)成本、服務(wù)報價。在云制造中,通常是由服務(wù)的提供者依據(jù)市場和自身情況制定,供服務(wù)調(diào)用者參考。與時間因素一樣,費用越低,企業(yè)所擔(dān)負(fù)的成本也越少。

服務(wù)安全表示云服務(wù)的安全性。其元素主要包含保密性、安全性。云制造平臺依據(jù)用戶對安全性的要求提供不同安全等級的云服務(wù),一般來說,隨著安全等級的提高,云服務(wù)的技術(shù)難度和成本也會相應(yīng)增加,用戶可以酌情選擇。安全等級的劃分包括低、一般、中、高、很高等。

服務(wù)成功率代表服務(wù)的執(zhí)行成功率,表示在規(guī)定的最大預(yù)期時間內(nèi),請求被正確執(zhí)行的概率。其元素主要包含時效性、可靠性。它可以通過云服務(wù)的執(zhí)行記錄準(zhǔn)確地計算出來,可以用云服務(wù)被成功調(diào)用執(zhí)行次數(shù)和服務(wù)被調(diào)用總次數(shù)的比值表示。

云服務(wù)的信譽等級,是由用戶依據(jù)使用感受給出的評價。其元素主要包含服務(wù)穩(wěn)定性、服務(wù)可靠性。雖然用戶反饋的評價結(jié)果可能存在隨意性,甚至是一些惡意虛假數(shù)據(jù),但隨著服務(wù)評價的增多,其結(jié)果也將越來越合理,可以在一定程度上反映出服務(wù)的可信度,供其他用戶參考。由于其評價結(jié)果具有主觀性,所以很難用具體的數(shù)值度量。信譽等級的主觀評價包括很差、差、一般、好、非常好等。

滿意度反饋代表用戶對云服務(wù)的滿意度,它是用戶在使用制造云服務(wù)后給出的相應(yīng)服務(wù)的整體評價。其元素主要包含可用性、便捷性。它是用戶對服務(wù)的綜合評價包括不滿意、基本滿意、一般、滿意、非常滿意等。

此外,該體系的評價指標(biāo)可以依據(jù)用戶需求進(jìn)行自定義組合,從而滿足不同需求下制造云服務(wù)的排序優(yōu)選要求,為用戶提供合理的制造云服務(wù)。

1.2 非量化指標(biāo)值定義

用戶關(guān)于制造云服務(wù)的評價方式具有多樣化,其中時間、價格等可以用確切的數(shù)值來表示可量化指標(biāo),對于可量化指標(biāo)的處理較為方便。但是在實際操作中用戶的許多評價大多是一個模糊的語句或詞語,而不是用準(zhǔn)確的數(shù)值來表示,因此需要一種方法來表達(dá)用戶對制造云服務(wù)的不可以量化的評價。直覺模糊集是傳統(tǒng)模糊集的一種拓展,它同時考慮了隸屬度、非隸屬度和猶豫度3個方面的信息,對于用戶無法用確切數(shù)值表示的評價可以用直覺模糊數(shù)表示。直覺模糊集的相關(guān)計算如下:

P={|x∈Z}

(1)

式中:m(x),n(x)為P的隸屬函數(shù)和非隸屬函數(shù)。若x都屬于Z,且0≤m(x)+n(x)≤1,0≤m(x)≤1,0≤n(x)≤1,0≤n(x)≤1,m(x)+n(x)+π(x)=1,0≤π(x)≤1成立,其中∏(x)是P的猶豫度,則稱[m(x),n(x)]為一個規(guī)范化的直覺模糊數(shù)。當(dāng)應(yīng)用這些模糊數(shù)構(gòu)成評價矩陣時,該評價矩陣為規(guī)范化的直覺模糊矩陣。

若設(shè)a1=(m1,n1),a2=(m2,n2)為2個直覺模糊數(shù),則其運算法則定義如下[20-21]:

a1⊕a2=(m1+m2-m1m2,n1n2)

(2)

設(shè)aj=(mj,nj)(j=1,2,…,N)是一組直覺模糊數(shù),假設(shè)Q是一個映射,使得

Qw(a1,a2,…,an)=w1a1⊕w2a2⊕…

⊕wNaN

(3)

本文通過云制造服務(wù)平臺獲取用戶對相似云服務(wù)的歷史評價,從云平臺中獲取大量用戶數(shù)據(jù)與項目數(shù)據(jù),將正向評價的數(shù)量與評價總數(shù)的比值設(shè)為m(x),負(fù)向評價的數(shù)量與評價總數(shù)的比值設(shè)為n(x),即可得到一個對該云制造服務(wù)指標(biāo)評價的直覺模糊數(shù)[m(x),n(x)]。

通過引入直覺模糊數(shù)表示用戶的不可量化的評價,綜合考慮量化和非量化的評價,使用戶評價更具科學(xué)性更加飽滿,避免了評價的單一性。

2 灰色關(guān)聯(lián)度的服務(wù)質(zhì)量排序

抽象系統(tǒng)一般包含多種因素,多種因素共同決定該系統(tǒng)的發(fā)展態(tài)勢,在發(fā)展中需要區(qū)分眾多因素中的主次因素,灰色關(guān)聯(lián)度可以對眾多因素進(jìn)行排序。同時,在制造云服務(wù)的QoS評價標(biāo)準(zhǔn)中,各個參數(shù)并不是相互獨立的,因此,需要綜合考慮所有因素,對云制造平臺查詢匹配后的云服務(wù)集合做有效評價供用戶選擇。

2.1 灰色關(guān)聯(lián)度分析法

灰色關(guān)聯(lián)度分析法是根據(jù)因素之間發(fā)展趨勢的相似或相異程度,衡量因素間關(guān)聯(lián)程度的一種方法[22]。首先,確定分析數(shù)列,構(gòu)建指標(biāo)矩陣,從眾多云制造評價中確定參考數(shù)列和比較數(shù)列。其次,對指標(biāo)矩陣中的變量進(jìn)行歸一化處理。再次,計算子序列中各個指標(biāo)與母序列的關(guān)聯(lián)系數(shù)。最后,計算灰色關(guān)聯(lián)度,并得出結(jié)論。

對于不可量化指標(biāo),本文引入直覺模糊數(shù)來處理,在此基礎(chǔ)上結(jié)合灰色關(guān)聯(lián)分析法對所有指標(biāo)統(tǒng)一計算排序。

2.2 直覺模糊灰色關(guān)聯(lián)度計算

對于非量化值的處理,與上述步驟類似,同樣會經(jīng)歷歸一化等前置處理步驟,主要區(qū)別在于對模糊數(shù)的處理方法,具體如下。

1) 建立直覺模糊矩陣。

2) 找出直覺模糊集的正向最優(yōu)對象。

3) 計算每個子序列和直覺模糊正最優(yōu)對象的關(guān)聯(lián)系數(shù)。

(5)

4) 計算每個子序列與直覺模糊集的正最優(yōu)對象的關(guān)聯(lián)度:

(6)

5) 依據(jù)式(6)中的計算結(jié)果排序。

2.3 面向制造云服務(wù)的QoS排序算法

綜上所述,本文提出的基于直覺模糊灰色關(guān)聯(lián)度的云制造服務(wù)質(zhì)量評價方法具體步驟如下。

1) 依據(jù)用戶需求,從供應(yīng)商和用戶層面共同構(gòu)建云制造服務(wù)質(zhì)量評價指標(biāo)。

2) 從制造云池中獲取云制造服務(wù)提供者的相應(yīng)指標(biāo)的評價信息和數(shù)據(jù),從而構(gòu)建基于直覺模糊的評價矩陣。

3) 由制造云池中的相似服務(wù)的歷史數(shù)據(jù)獲取用戶的評價信息,得到用戶評價的主觀直覺模糊評價矩陣。

4) 結(jié)合步驟1和步驟2,構(gòu)建QoS綜合評價指標(biāo)矩陣。

5) 用戶自定義模型的權(quán)重向量。

由于各用戶對QoS的各屬性參數(shù)要求不一定相同,例如:某些用戶看重費用,有些注重時間,還有些則關(guān)注信譽等級等。為了滿足用戶多變的需求以及保證模型的靈活性,模型的權(quán)重向量由申請用戶自定義。

6) 通過步驟4的綜合矩陣獲取最優(yōu)值矩陣,并結(jié)合步驟5中給定的各指標(biāo)的權(quán)值,計算各云服務(wù)供應(yīng)商的服務(wù)屬性值與最優(yōu)值之間的關(guān)聯(lián)度,依據(jù)關(guān)聯(lián)度大小進(jìn)行排序,得到最優(yōu)服務(wù)。

3 實例分析

本文從以往研究中選取部分指標(biāo)進(jìn)行實例分析,實例分析的指標(biāo)選取如圖3所示。

圖 3 實例分析指標(biāo)選取Fig.3 Selection of instance analysis metrics

某用戶在云制造平臺申請了某產(chǎn)品設(shè)計云服務(wù),通過關(guān)鍵詞搜索,平臺隨即按要求發(fā)現(xiàn)了5個相關(guān)的制造云服務(wù)S1、S2、S3、S4、S5,結(jié)合制造商提供的服務(wù)信息和用戶的評價指標(biāo),依據(jù)文獻(xiàn)[23-24],參考其數(shù)據(jù)和范例模式,構(gòu)建QoS綜合評價指標(biāo)矩陣。具體評價值如表1所示。

表 1 QoS指標(biāo)綜合評價值

通過對評價值的規(guī)范化處理,形成規(guī)范化QoS評價矩陣B:

其中正最優(yōu)對象:A+=(1,1,1,(0.85,0.04),(0.91,0.03),(0.80,0.07))。通過公式(5)可得各候選服務(wù)屬性的關(guān)聯(lián)系數(shù)矩陣D:

用戶自定義模型的權(quán)重向量為

wp=(wt,wc,wsuc,wsec,wrep,wsat)=

[0.15,0.30,0.10,0.20,0.11,0.14],

其中,wt、wc、wsuc、wsec、wrep、wsat分別表示服務(wù)時間、服務(wù)價格、服務(wù)安全、服務(wù)成功率、信譽等級和滿意度反饋所對應(yīng)的權(quán)重。

結(jié)合各屬性權(quán)值,通過公式(6)計算關(guān)聯(lián)度,得出5個服務(wù)的關(guān)聯(lián)度:

S1=0.537 7,S2=0.780 0,S3=0.625 0,S4=0.696 9,S5=0.630 0。綜上可知,制造云服務(wù)集合的排序結(jié)果為:S2>S4>S5>S3>S1。最終,平臺依據(jù)排序結(jié)果優(yōu)先推薦服務(wù)S2。

隨后,平臺會將排序結(jié)果返回給申請用戶參考選用。當(dāng)交易結(jié)束后,用戶可以對選用的服務(wù)做評價,同時平臺會依據(jù)評價結(jié)果更新其信譽等級的指標(biāo)參數(shù),為后續(xù)用戶提供必要參考。

若當(dāng)用戶權(quán)重設(shè)置為

w*=[0.40,0.10,0.10,0.10,0.10,0.20],

即更加關(guān)注安全性和時間。依據(jù)矩陣D可得關(guān)聯(lián)度為:S1=0.356 5,S2=0.750 0,S3=0.466 6,S4=0.806 8,S5=0.650 0。其排序結(jié)果則改變?yōu)?S4>S2>S5>S3>S1。同理,其他參數(shù)的改變,諸如當(dāng)制造云服務(wù)的QoS指標(biāo)值發(fā)生變動,也會得出不同的結(jié)果?？梢钥闯?模型具有一定的靈活性,能夠?qū)?shù)的改變做出適時調(diào)整,可以滿足申請用戶的需求。

TOPSIS法是多目標(biāo)決策分析中一種常用的有效方法,又稱為優(yōu)劣解距離法[25-26]。為了使實驗更為合理,需要使用改進(jìn)后的TOPSIS法進(jìn)行對比。由此,本文選取了較為主流的兩類結(jié)合模糊數(shù)計算的TOPSIS評價方法:直覺模糊TOPSIS法和熵權(quán)TOPSIS法。

對于文中場景,TOPSIS法利用歐氏距離表示候選的制造云服務(wù)與正負(fù)理想解之間的差距,最后計算候選服務(wù)的屬性與正負(fù)理想解之間的相對貼近度。通過計算得到貼近度結(jié)果如表2所示。

表2 制造云服務(wù)屬性貼近度

從表2可以看出,本文算法貼近度優(yōu)于其他2種對比算法,相較于直覺模糊TOPSIS法提升約為12%,相較于熵權(quán)TOPSIS法提升約為44%。這是因為TOPSIS方法對于誤差或不確定性較敏感,若某指標(biāo)數(shù)據(jù)存在誤差或不確定性,會對結(jié)果產(chǎn)生較大影響,不太適用于包含誤差或不確定性的多指標(biāo)決策分析,并且其計算也較為復(fù)雜。

制造云服務(wù)的服務(wù)質(zhì)量評價種類繁多,類型復(fù)雜多樣,TOPSIS法對不確定指標(biāo)的分析會導(dǎo)致決策結(jié)果的準(zhǔn)確度不高。直覺模糊灰色關(guān)聯(lián)法,對數(shù)據(jù)沒有要求,不需要數(shù)據(jù)分布規(guī)律,而且計算量較小,其結(jié)果能與定性分析結(jié)果較好的吻合,這也是圖中本文方法所計算的貼近度高于對比方法的原因。此外,灰色關(guān)聯(lián)度是系統(tǒng)分析中比較簡單的分析方法,對于復(fù)雜的制造云環(huán)境下的服務(wù)質(zhì)量評價更具有實踐性和普適性。

4 結(jié) 語

隨著云制造技術(shù)的不斷推廣和應(yīng)用,將會有越來越多的云服務(wù)產(chǎn)生去滿足客戶的多變需求,但也會帶來新的問題。

大量功能相似的制造云服務(wù)質(zhì)量參差不齊,用戶很難通過經(jīng)驗或者單因素予以區(qū)別和選擇。在考慮用戶評價因素的礎(chǔ)上,本文建立了基于QoS的云服務(wù)評價模型,詳細(xì)分析了模型的評價指標(biāo),并描述了模型的運作機(jī)制。同時,考慮到用戶對部分指標(biāo)的不可量化的評價,引入了直覺模糊數(shù),在此基礎(chǔ)上設(shè)計了基于灰色關(guān)聯(lián)度的制造云服務(wù)評價方法,能夠為用戶提供用于參考選擇的云服務(wù)排序結(jié)果,最后結(jié)合一個具體的實例,把所提算法與直覺模糊TOPSIS法、熵權(quán)TOPSIS法進(jìn)行貼近度的對比,實驗結(jié)果分別提升了約12%、44%,驗證了模型的合理性和有效性。