云制造環境下制造設備云服務異常處理模型

趙秋云， 魏　樂， 舒紅平

（成都信息工程學院計算機學院，四川 成都 610225）

云制造環境下制造設備云服務異常處理模型

趙秋云， 魏樂， 舒紅平

（成都信息工程學院計算機學院，四川 成都 610225）

保障云制造環境下制造活動的順利開展，提高云服務的質量，提出一種制造設備云服務異常處理模型。該模型在對制造設備云服務可能產生的異常進行分類和抽象的基礎上，通過監控邏輯監控和捕獲產生的異常，通過處理邏輯對異常進行處理；給出了 7種異常的處理流程，設計了仿真實驗，實驗結果驗證了模型的可用性和有效性。

云制造；制造設備云服務；異常處理模型；服務質量

云制造是一種利用網絡和云制造服務平臺，按用戶需求組織網上制造資源（制造云），為用戶提供各類按需制造服務的一種網絡化制造新模式[1]。云制造將各類制造資源和制造能力虛擬化、服務化，進行集中的智能化管理和經營[2]，用戶可根據自身的需要，選擇合適的云服務，并通過一定的規則和邏輯順序構成組合云服務，以支持制造活動的開展。然而，在動態開放的云制造環境中存在大量不可預知的異常事件（如服務的退出、故障、服務質量(quality of service, QoS)無法滿足要求、任務需求變化等），這就需要將異常處理機制納入云服務管理的范疇，以確保發生異常時用戶的制造活動依然可以順利進行。

作為一個新概念，對云制造的研究主要集中在概念、體系架構、關鍵技術、服務描述、服務發現和服務組合等方面[3-7]，在云服務的異常處理方面鮮有研究。文獻[8]提出了云服務組合柔性管理的概念，分析了影響云服務組合柔性的異常因素，給出了云服務組合柔性管理的具體研究內容。文獻[9]提出一種組合服務動態調整方法，該方法通過建立的三類服務異常模型反映不同類別異常的內在原因和外在表現，以模型為基礎對異常進行監控，并給出了組合服務替換范圍確定算法和調整方案生成啟發式算法，以保證組合服務動態調整的效率。文獻[10]以普適服務為對象，分析了服務失效的概念及類型，并提出服務組合的調整及重構策略。

上述研究存在針對性不強、對影響云服務質量的因素分析不夠透徹、缺乏異常處理策略等不足。因此，在前期研究的基礎上，以云制造中的一類重要服務——制造設備云服務為研究對象，對影響制造設備云服務質量的因素進行了更為深入地分析，并進行形式化描述，在此基礎上提出云服務異常處理模型，模型從技術角度解決了異常監控、異常處理等問題。

1　問題描述與相關定義

云制造環境中存在著大量的云服務，這些云服務對應著各種各樣的資源[11](制造資源如制造設備、計算設備、物料、軟件、數據和知識等)，不同類型云服務的屬性、使用方式具有一定差異，為便于描述問題，本文相關研究從制造執行的角度展開，即主要涉及制造設備云服務。云制造環境下影響制造設備云服務執行的因素有多種，可以利用異常來描述這些因素，文獻[8]將與制造設備云服務相關的異常分為3種：①與云服務狀態相關的異常，主要包括服務過載、服務退出和服務故障；②與任務相關的異常，主要包括任務需求改變、任務掛起和任務取消；③與服務QoS相關的異常，主要包括執行時間改變、成本改變、可用性改變、可靠性改變和信譽度改變。異常發生后，云制造系統需要捕獲這些異常，對其進行分析，并采取合適的動作，保障制造活動的順利進行。為了更加清晰地描述問題，給出相關定義如下。

定義1.制造設備云服務。制造設備云服務S抽象為一個五元組S=(SID, BAttribute, Status, Function, QoS)，其中：

(1) SID是制造設備云服務的唯一標識。

(2) BAttribute是制造設備云服務的基本屬性，BAttribute=(Name, Type, Provider, Location, ContactInfo)，分別表示設備名稱、類型、提供者、物理位置和聯系方式。

(3) Status是制造設備云服務的狀態，Status=(SAttribute, TaskList)，SAttribute表示狀態屬性，取值為空閑、忙、維修、失效和超負荷；TaskList為處理任務列表，每一列表項表示一項任務Taski=(TaskID, FRequire, ItemID, ItemName, ItemNum, Material, Craft, ξC, ξT, State, RemainNum, ProcessID, ProcessName, ProcessStart, ProcessEnd)，分別表示任務標識、功能需求、零件標識、零件名稱、加工零件數量、物料、工藝、價格閾值、時間閾值、任務狀態、未加工的數量、工序標識、工序名稱、工序計劃/實際開工日期和工序計劃/實際完工日期，任務狀態State有完成Done、等待Wait和進行中WIP。

(4) Function表示制造設備云服務的能力，Function=(In, Ability, Out)包括了輸入In、輸出Out和能力Ability；In=(TaskID, Process, InMaterl, InSize, InPrecision,…)，包括任務、工藝路線、材料、尺寸特征、精度特征等；Ability=(Object, MaterlFeat, GeomFeat, SizeFeat, PrecisionFeat, Cost, Time, QStandard, MTTR,…)，包括生產對象、對象材料特征、對象形狀特征、對象尺寸特征、加工精度特征、單件成本、單件加工時間、質量標準、平均故障修復時間等；Out=(OutObject, OutMaterl, OutSize, OutPrecision,…)，包括輸出對象、輸出對象材料特征、輸出對象尺寸特征、輸出對象精度特征等[12]。

(5) QoS=(R, A, T, C, B)表示制造設備云服務的質量描述，包括可靠性R、可用性A、時間T、價格C和信譽B，可根據一定的算法計算得到。

定義2.異常(Exception)。其抽象為一個六元組Exception=(ID, Type, Reason, Source, Stamp, Priority)，ID是異常的唯一標識；Type表示異常類型，有云服務狀態異常、任務異常和QoS異常3種；Reason表示異常產生的具體原因，如任務交貨期提前、服務退出、服務故障等，用來為異常處理提供依據；Source表示異常源，用來實現異常的定位并攜帶相關異常數據，Source=(SourceID, SourceData)；Stamp表示異常發生的時間；Priority表示異常的優先級，當有多個異常發生時，云制造系統從異常隊列中選擇優先級最高的異常進行處理。

定義3.邏輯云服務集。將同一類別，功能相似，但質量參數不同的云服務構成的集合，稱為邏輯云服務集，記為LSSet={S1, S2,…, Sn}；通過引入邏輯云服務集，將服務中心中的云服務在邏輯上按類別進行組織，提高了云服務匹配和選擇的效率。

2　異常處理

2.1處理模型

為了實現異常處理，需要首先捕獲云制造平臺產生的各類異常，并對其進行分析，隨后根據分析結果按照一定的處理算法進行處理，因此可以給出異常處理模型如圖1所示。監控邏輯監控用戶需求的變化和流程實例的運行，捕獲云制造系統產生的各類異常，并將異常按照優先級進行排隊送異常隊列；異常隊列隊頭的異常送往分析邏輯，分析其產生的原因，定位異常源，并取出相關異常數據，將分析結果送往異常處理邏輯；異常處理邏輯根據預設的異常處理策略進行處理，在處理時需要訪問相關的信息，如云服務中心中的服務描述信息、現行流程信息、任務執行情況、現行云服務信息等；將處理結果送往評估邏輯進行評估，若評估未通過則重新進行處理，評估通過則處理結果送流程實例，流程實例重新運行。

圖1　異常處理模型

2.2異常處理流程

在進行異常處理時，主要基于以下幾點基礎：

基礎 1.一個任務在某一制造設備云服務中處理時，必須等待該任務全部處理完畢，才能調用下一個制造設備云服務，即不采用流水線的方式進行制造活動。

基礎 2.制造設備云服務“超負荷”是指該服務上無法滿足任務時間約束條件的任務數量大于指定的閾值ξL。

基礎 3.為任務分配新的云服務時，盡量選擇和原服務物理位置距離不遠的制造設備云服務。

基礎 4.對執行中的任務盡量不遷移；若需遷移，則遷移條件是對服務提供者而言，遷移該任務的損失比遷移其他任務的損失要小。

基礎 5.時間和價格的計算僅考慮制造服務本身，不考慮物流和物料因素。

基礎 6.制造設備云服務按照順序的方式執行任務，即任意一個時刻只能有一個正在被處理的任務，任務執行時間不重疊。

為了更好地說明異常處理的過程，首先給出任務總體遷移和任務與制造設備云服務匹配的定義如下：

定義 4.任務總體遷移。設制造設備云服務 Si上未處理完的任務構成的集合為{Task1, Task2, …,Taskn}，對集合中的每個任務 Taskj，若存在制造設備云服務 Sk與 Si屬于同一個邏輯云服務集，且滿足：

(1) Sk.Function.Ability.Cost≤Si.Function.Ability. Cost；

(2) Sk.Function.Ability.Time≤Si.Function.Ability. Time；

(3) Sk.Status.SAttribute≠“超負荷”；

(4) dis(Si, Sk)＜ξ；

(5) WTime+Sk.Function.Ability.Time*Taskj. ItemNum≤Taskj.ξT。

則稱 Si上的任務可以總體遷移至 Sk。其中dis(Si,Sk)表示Si和Sk的物理距離，ξ為設置的距離閾值，主要是考慮到制造任務存在物理上的運輸環節，在ξ范圍內的物流服務不會引起運輸成本和運輸時間的增加。WTime表示服務Sk可以開始Si上任務的時間，當 Sk.Status.SAttribute=“忙”時，WTime=max(Sk.Status.TaskList.Taskm.ProcessEnd)，即最大計劃完工日期；當 Sk.Status.SAttribute=“維修 ”時 ， WTime=Sk.Function.Ability.MTTR+max (Sk.Status.TaskList.Taskm.ProcessEnd)；當 Sk.Status. SAttribute=“空閑”時WTime=0；當Sk.Status. SAttribute=“失效或超負荷”時，WTime=∞。

定義 5.任務與制造設備云服務匹配。設存在制造任務Taskj及制造設備云服務Sk，Sk滿足Taskj的功能需求，若存在

(1) Sk.Function.Ability.Cost*Taskj.ItemNum≤Taskj.ξC；

(2) WTime+Sk.Function.Ability.Time*Taskj.ItemNum≤Taskj.ξT；

(3) Sk.Status.SAttribute≠“超負荷”。

則稱Taskj與Sk匹配。

制造設備云服務產生的異常主要有服務退出、服務故障、服務過載、任務需求改變、任務掛起、任務取消和服務QoS異常7種，其中服務退出、服務故障、任務需求改變、任務掛起和服務QoS異常的處理較為復雜，為使問題描述更為清晰，分別給出服務退出、服務故障、任務需求改變、任務掛起和服務QoS異常的處理算法如下。

算法1.服務退出異常處理算法。

步驟1.處理邏輯獲取退出服務Si在業務流程中的執行信息，懸掛Si.TaskList中所有State≠Done的任務所在的業務流程。

步驟2. 若Si.Status.TaskList.length=0，即此時在所有相關業務流程中，Si上任務均已處理完，沒有任務要處理，進入步驟4；否則進入步驟3。

步驟 3.若 Si.Status.TaskList.length≠0，對 Si. Status.TaskList中 State≠Done的任務構成的集合{Task1, Task2,…,Taskn}中的任務Taskj(j=1,2,…,n)，根據 Taskj的任務需求重新選擇一個或若干個制造設備云服務：

(1) 若Taskj.State=WIP，執行Taskj.ItemNum= Taskj.RemainNum，Taskj.ProcessStart=now，now表示當前時間。

(2) 盡量將Si上所有未完成的任務整體遷移到另外一個云服務上。置 WS=Φ，根據定義 4在 Si所屬LSSet中選擇可實現任務總體遷移的云服務Sk加入WS；對WS中的制造云服務按照QoS大小降序排列；若WS=Φ，進入(3)，否則將Si上所有未完成的任務遷移到WS中QoS最大的制造云服務上，轉步驟4。

(3) 根據定義5在Si所屬LSSet中選擇與Taskj匹配的云服務Sk加入WS；對WS中的制造云服務按照QoS大小降序排列，將任務Taskj分配給WS中 QoS最大的制造設備云服務，Taskj從Si.Status.TaskList中刪除。

步驟4.設置Si.Status.SAttribute=“失效”，Si退出，算法結束。

算法2.服務故障異常處理算法。

步驟1.處理邏輯獲取故障服務Si在業務流程中的執行信息，懸掛Si.TaskList中所有State≠Done的任務所在的業務流程。

步驟2.若Si.Status.TaskList.length=0，即此時在所有相關業務流程中，Si上任務均已處理完，沒有任務要處理，轉步驟5。

步驟 3.若 Si.Status.TaskList.length≠0，對 Si. Status.TaskList中 State≠Done的任務構成的集合{Task1, Task2,…,Taskn}中的任務Taskj(j=1,2,…,n)，若滿足 Si.Function.Ability.MTTR+Taskj.ProcessEnd≤Taskj.ξT，轉步驟5，否則進入步驟4。

步驟4.置WS=Φ，根據定義5在Si所屬LSSet中選擇與Taskj匹配的云服務Sk加入WS；對WS中的制造云服務按照 QoS大小降序排列，將任務Taskj分配給WS中QoS最大的制造設備云服務，同時將Taskj從Si.Status.TaskList中刪除。

步驟5.設置Si.Status.SAttribute=“維修”，算法結束。

算法3.任務需求改變異常處理算法。

步驟1.處理邏輯獲取執行該任務Taskj的云服務Si及其所在業務流程中的相關信息，懸掛Si所在的業務流程。

步驟2.若Taskj.State=Done，則給出錯誤提示，算法結束，否則轉步驟3。

步驟3.根據Exception.Reason.SourceData中的需求改變信息，修改 Taskj中對應內容(包括執行Taskj.ItemNum=Taskj.RemainNum)。

(1) 若 Si.Function.Ability.Cost*Taskj.ItemNum≤Taskj.ξC，進入(2)，否則置 WS=Φ，根據定義 5在Si所屬LSSet中選擇與Taskj匹配的云服務Sk加入WS；對WS中的制造云服務按照QoS大小降序排列，將任務Taskj分配給WS中QoS最大的制造設備云服務，算法結束。

(2) 置 WTS=Φ，WS=Φ，當 Taskj.State=Wait時進入(3)，當 Taskj.State=WIP時，①若 now+ Si.Function.Ability.Time*Taskj.ItemNum≤Taskj.ξT不成立，根據定義5在Si所屬LSSet中選擇與Taskj匹配的云服務Sk加入WS；對WS中的制造云服務按照QoS大小降序排列，將任務Taskj分配給WS中QoS最大的制造設備云服務，算法結束。否則進入②；②對Si上所有狀態為Wait的任務構成集合TS中的每一個 Taskm，判斷 Taskm.ProcessEnd+ (Si.Function.Ability.Time*Taskj.ItemNum-Taskj.Proc essEnd)≤Taskm.ξT是否滿足，若不滿足，則將Taskm加入WTS。

若 WTS=Φ，則修改 TS中每一個 Taskm的ProcessEnd和 ProcessStart，即 Taskm.ProcessEnd =Taskm.ProcessEnd+(Si.Function.Ability.Time*Taskj. ItemNum-Taskj.ProcessEnd)，Taskm. ProcessStart= Taskm.ProcessStart+(Si.Function.Ability.Time*Taskj. ItemNum-Taskj.ProcessEnd)，算法結束。

ItemNum*si.Function. Ability.Cost≥Si.Function.Ability.Cost*Taskj.ItemNum，|WTS|表示集合WTS中元素的個數，根據定義5將任務 Taskj分配給合適的制造設備云服務，算法結束。否則對WTS中的每個任務Taskn，根據定義5將Taskn分配給合適的制造設備云服務；修改Si的相關信息，算法結束。

(3) 若Taskj.ProcessEnd+Si.Function.Ability. Time*Taskj.ItemNum≤Taskj.ξT不成立，根據定義5將任務 Taskj分配給合適的制造設備云服務，算法結束；否則算法直接結束。

算法4.任務掛起異常處理算法。

步驟1.處理邏輯獲取執行該任務Taskj的云服務Si的相關信息，懸掛服務Si所在的業務流程，對Taskj置掛起標識。

若Taskj.State=WIP，執行Taskj.ItemNum=Taskj. RemainNum，對所有狀態為Wait的任務Taskm，執行Taskm.ProcessEnd=Taskm.ProcessEnd-(Taskj. ProcessEnd-now)， Taskm.ProcessStart=Taskm. ProcessStart-(Taskj.ProcessEnd-now)；置Taskj.State =Wait。

若Taskj.State=Wait，對所有Taskm.ProcessEnd＞Taskj.ProcessEnd 的任務Taskm，執行Taskm. ProcessEnd=Taskm.ProcessEnd-(Taskj.ProcessEnd-T askj.ProcessStart),Taskm.ProcessStart=Taskm.ProcessStart -(Taskj.ProcessEnd-Taskj.ProcessStart)，轉步驟2。

步驟2.當掛起因素消除后，根據定義5，判斷Si能否滿足 Taskj的需求，若可以算法結束；若不能滿足，則選擇其他的服務，算法結束。

算法5.服務QoS異常處理算法。

步驟1.處理邏輯獲取QoS異常云服務Si的相關信息，懸掛Si.TaskList中所有State≠Done的任務所在的業務流程。

步驟2.對Si.Status.TaskList中State≠Done的任務構成集合{Task1,Task2,…,Taskn}中的任務Taskj(j=1,2,…,n)，若 Taskj.State=WIP，執行 Taskj. ItemNum=Taskj.RemainNum，Taskj.ProcessStart=now。

步驟3.置WTS=Φ，若不滿足Si.Function.Ability. Cost*Taskj.ItemNum≤Taskj.ξC和WTime+Si.Function. Ability.Time*Taskj.ItemNum≤Taskj.ξT，WTime含義同前，則將Taskj加入WTS。

步驟4.若WTS=Φ，算法結束；否則對WTS中的所有任務Taskm，根據定義5為Taskm選擇合適的服務，算法結束。

結合以上算法，制造設備云服務異常處理總體流程如圖2所示。

步驟1.監控邏輯捕獲云制造系統產生的異常，并按照優先級送入異常隊列進行排隊，取出隊列頭部優先級最高的異常 Exception送分析邏輯，分析邏輯對異常進行分析，根據分析結果進行不同的處理。

步驟2.

(1) 若 Exception.Reason=“服務退出”，根據算法1進行處理。

(2) 若 Exception.Reason=“服務故障”，根據算法2進行處理。

(3) 若 Exception.Reason=“服務過載”，處理邏輯獲取過載云服務 Si及其所在業務流程中的相關信息，懸掛服務Si所在的業務流程，對Si.Status.TaskList中State≠Done且ProcessEnd≤ξT的任務構成集合{Task1,Task2,…,Taskn}中的任務Taskj(j=1,2,…,n)， 若Taskj.State=WIP， 執 行Taskj.ItemNum=Taskj.RemainNum；對所有的 Taskj根據定義5為其選擇合適的服務，并進行遷移。

(4) 若 Exception.Reason=“任務需求改變”，根據算法3進行處理。

(5) 若 Exception.Reason=“任務掛起”，根據算法4進行處理。

(6) 若 Exception.Reason=“任務取消”，處理邏輯獲取執行該任務Taskj的云服務Si及相關信息，懸掛服務Si所在的業務流程，對云服務Si上所有狀態為 wait，且 Taskm.ProcessEnd＞Taskj.ProcessEnd的任務Taskm，執行Taskm.ProcessEnd=Taskm. ProcessEnd-(Taskj.ProcessEnd-Taskj.ProcessStart)，Taskm.ProcessStart=Taskm.ProcessStart-(Taskj.Proces sEnd-Taskj.ProcessStart)，將Taskj從Si的TaskList中刪除。

(7) Exception.Reason=“服務QoS異常”，根據算法5進行處理。

步驟 3.更新相關云服務的狀態信息、能力信息和QoS信息，修改與相關設備云服務相關的業務流程，對處理結果進行評估，若評估通過進入步驟4，評估未通過則主要為選擇的服務不當，重新進行選擇即可。

步驟4. 所有懸掛的業務流程繼續執行。

2.3仿真實驗

為了評價異常處理模型對制造活動的影響，需設計仿真實驗。實驗模擬了服務退出、服務故障、服務過載、任務需求變更和服務QoS改變5種異常發生時的處理結果和對任務執行的影響。仿真程序假設某一制造云服務 S的部分數據為(Cost=1.50元，Time=0.02 h/件，MTTR=3 h)，程序隨機生成了7個任務，依次用Task1～Task7表示，各任務部分相關數據如表1所示。程序模擬了4個候選服務，因為對狀態為失效和超負荷的云服務，任何選擇方法均將其排除在外，故4個候選服務的狀態取空閑、忙和維修，所有云服務的部分相關數據如表2所示。同時為了計算方便，時間以當前為基準，并以小時為單位。

當異常發生時，采用本文提出的異常處理方法對任務執行情況的影響分析如表3所示。其中當任務需求變更異常中，假設任務Task1追加了2000件零件，且將時間閾值調整為30；服務QoS改變異常中，假設S的價格變為1.55元。

圖2　制造設備云服務異常處理總體流程

表1　任務部分相關數據

表2　S及候選云服務部分相關數據

仿真實驗表明，本文提出的異常處理方法可以有效地保證用戶制造活動的開展，提高云制造系統的服務質量。

表3　仿真結果及分析

3　結 束 語

本文從保障制造活動順利開展的角度出發，探討了云制造環境下制造設備云服務異常處理的方法。給出了制造設備云服務和異常的形式化定義，分析了云制造系統產生的7種異常，建立了異常處理模型，在6點基礎上，研究了7種異常具體的處理方法；仿真實驗表明，異常處理模型能夠有效地解決云制造系統出現的異常，從而可以為應用提供更好的服務質量。下一步任務是將學習機制引入異常處理，以進一步加強異常處理的適應性，并綜合考慮物料、物流等因素對異常處理帶來的影響。

[1]李伯虎, 張霖, 王時龍, 陶飛, 曹軍威, 姜曉丹,宋曉, 柴旭東. 云制造—— 面向服務的網絡化制造新模式[J]. 計算機集成制造系統, 2010, 16(1): 1-7.

[2]張霖, 羅永亮, 陶飛, 任磊, 郭華. 制造云構建關鍵技術研究[J]. 計算機集成制造系統, 2010, 16(11): 2510-2520.

[3]李伯虎, 張霖, 任磊, 柴旭東, 陶飛, 羅永亮,王勇智, 尹超, 黃剛, 趙欣培. 再論云制造[J]. 計算機集成制造系統, 2011, 17(3): 449-457.

[4]李伯虎, 張霖, 任磊, 柴旭東, 陶飛, 王勇智,尹超, 黃培, 趙欣培, 周祖德. 云制造典型特征、關鍵技術與應用[J]. 計算機集成制造系統, 2012, 18(7): 1345-1356.

[5]李春泉, 尚玉玲, 胡春楊. 云制造的體系結構及其關鍵技術研究[J]. 組合機床與自動化加工技術, 2011, (7): 104-107, 112.

[6]高一聰, 馮毅雄, 譚建榮, 鄭浩, 魏喆. 面向多學科設計的多域遞歸制造服務資源組建方法[J]. 計算機集成制造系統, 2012,18(7): 1406-1414.

[7]尹超, 張云, 鐘婷. 面向新產品開發的云制造服務資源組合優選模型[J]. 計算機集成制造系統, 2012, 18(7): 1368-1378.

[8]陶飛, 張霖, 郭華, 羅永亮, 任磊. 云制造特征及云服務組合關鍵問題研究[J]. 計算機集成制造系統, 2011, 17(3): 477-486.

[9]楊雷, 代鈺, 劉福凱, 張斌. 面向自適應的組合服務動態調整方法[J]. 東南大學學報(自然科學版), 2011, 41(3): 453-457.

[10] 呂慶聰. 普適計算語義服務發現與服務組合研究[D].上海: 東華大學, 2009.

[11] 胡安瑞, 張霖, 陶飛, 羅永亮. 基于知識的云制造資源服務管理[J]. 同濟大學學報(自然科學版), 2012, 40(7): 1094-1101.

[12] 曹嘯博, 許承東, 胡春生. 云制造環境中的虛擬制造單元[J]. 計算機集成制造系統, 2012, 18(7): 1415-1425.

Exception Handling Model of Manufacturing Equipment Cloud Service for Cloud Manufacturing Environment

Zhao Qiuyun,Wei Le,Shu Hongping
(School of Computer, Chengdu University of Information Technology, Chengdu Sichuan 610225, China)

In order to improve quality of cloud services and make the manufacturing progresses go on smoothly for cloud manufacturing environment, an exception handling model was proposed about manufacturing equipment cloud services. Using this model, possible exceptions from manufacturing equipment cloud services are classified and abstracted; exceptions are also monitored and captured by a monitoring logic and handled by a handling logic. Handling procedures are designed for seven kinds of exceptions. The usability and effectiveness of the model were demonstrated by a real example.

cloud manufacturing; manufacturing equipment cloud service; exception handling model; quality of service

TP 391

A

2095-302X(2014)06-0840-07

2014-07-01；定稿日期：2014-07-12

四川省應用基礎研究計劃資助項目(2012JY0112)；四川省軟科學研究計劃資助項目(2012ZR0116)；四川省教育廳青年基金資項目(12ZB199、13ZB0081)；成都市高校院所應用基礎與成果轉化資助項目(12DXYB100JH-002)

趙秋云(1979-)，女，河南漯河人，講師，碩士。主要研究方向為云計算和企業信息化。E-mail：zqyuen@cuit.edu.cn