基于服務滿意度的云制造服務綜合信任評價模型

基于服務滿意度的云制造服務綜合信任評價模型

譚明智易樹平曾銳

重慶大學,重慶,400044

摘要：為有效量化云制造服務共享平臺中企業間的合作信任關系，分析了共享平臺的運營模式,提出了一種綜合考慮服務滿意度與服務滿意度波動性的服務綜合信任評價模型。首先，建立評價指標體系量化服務滿意度，以時間衰減函數表征服務滿意度隨時間的變化關系；然后，利用虛擬資源包的歷史服務滿意度信息，提出計算全局服務滿意度的方法；最后，以服務滿意度波動大小作為獎懲依據對全局服務滿意度進行修正,得到虛擬資源包的服務綜合信任值。數值實驗驗證了該模型使用的時間衰減函數和獎懲機制的可行性以及對監測企業提供不穩定服務的有效性。

關鍵詞：云制造；服務綜合信任評價；全局服務滿意度；服務滿意度波動性

中圖分類號：TH166

收稿日期：2014-12-11

基金項目：國家自然科學基金資助項目(71501020,70871127);重慶市科技攻關項目(cstc2012gg-yyjs70009)

作者簡介：譚明智，男，1970年生。重慶大學機械工程學院博士研究生。主要研究方向為計算機集成制造系統。易樹平，男，1960年生。重慶大學機械工程學院教授、博士研究生導師。曾銳，女，1991年生。重慶大學機械工程學院碩士研究生。

AComprehensiveTrustEvaluationModelforCloudManufacturingServiceBasedonServiceSatisfaction

TanMingzhiYiShupingZengRui

ChongqingUniversity，Chongqing,400044

Abstract:To effectively monitor the trust relationship of inter-enterprises cooperation on service-sharing platform of cloud manufacturing,a model of service comprehensive trust evaluation with comprehensive consideration of service satisfaction and its volatility was developed,which was suitable for the operation mode of sharing platform.Firstly,an evaluation index system was designed to quantize service satisfaction by introducing the used time decay function to express the varying trend of service satisfaction with time.Secondly,a computation method of global service satisfaction was put forth using the history informations of service satisfaction of virtual package.Lastly,service comprehensive trust values of virtual resource package was the modification value of global service satisfaction by using volatility value of service satisfaction as the mechanism of rewards and punishments.Computational experiments confirm the used time decay function and mechanism of rewards and punishments are feasible, and they also prove the model is valid to monitor the unstable services provided by enterprises.

Keywords:cloudmanufacturing;servicecomprehensivetrustevaluation;globalservicesatisfaction;volatilityofservicesatisfaction

0引言

在云制造服務模式中,參與者之間良好的信任關系是服務交易的基礎。信任具有模糊性、動態性和復雜性,它的量化結果是通過對實體行為或實體間行為關系的監測、評估計算得到的[1]。目前,云制造領域內的研究主要集中在云制造服務共享平臺的體系架構和運行模式[2]、資源虛擬化與使用[3]、資源優化配置[4]以及實際應用[5]等方面。服務綜合信任評價為云制造服務共享平臺運行中的重要環節，其評價結果與資源優化配置有著緊密關系。服務綜合信任評價的研究主要聚焦于信任評估方法體系的建設及相應算法。胡業發等[6]提出了包括域內和域間資源服務信任QoS(qualityofservice)評估的兩層結構的制造網格資源服務信任評估模型;胡春華等[7-8]基于概率密度信任推理的方法,采用信息熵的服務選取策略解決了多維可信指標的簡單加權問題;馬毅等[9]根據節點通信目標在簇內和簇外兩種情況計算了節點間信任度，該方法在識別惡意節點、成功交易率方面優于傳統的全局信任模型;董元發等[10]提出了云制造模式下基于互評機制的服務質量獲取方法，建立了服務信任度評價模型并用于服務選擇。

從上述分析可知，現有的研究主要關注信任的評估方法以及信任模型的應用，都沒有考慮服務質量不穩定情況帶來的波動影響。云制造資源共享環境下企業在長期服務過程中提供的服務質量存在波動性，將對企業的信任評估產生一定的影響，同時影響企業間的服務合作關系,但在云制造領域關注如何提高企業間服務合作穩定性的研究較少。本文針對云制造服務共享平臺(以下簡稱共享平臺)中企業間的合作信任問題，提出一種基于服務滿意度的服務綜合信任評價模型。

1云制造服務共享平臺

云制造服務共享平臺能夠實現資源的集中管理和有效分配，為用戶提供產品整個生命周期的服務，其中包括產品設計、性能檢測、制造、銷售、售后服務等。它可支持“多對多”、“多對一”等用戶模式的服務，實現企業間的資源共享。共享平臺的運營模式如圖1所示。

圖1　云制造服務共享平臺運營模式

(1)資源發布企業(resourcepublishingenterprise,RPE)將需共享的資源封裝并發布到共享平臺上形成虛擬資源包(virtualresourcepackage,VP)(同時負責實時更新資源使用情況等狀態信息)。虛擬資源包是發布在平臺上的由一系列實體資源組合而成并且能提供一種或者多種服務的資源包;資源發布企業是將自有實體資源封裝成虛擬資源包的企業；任務請求企業(taskrequestenterprise,TRE)是發出任務合作請求的企業；資源發布企業和任務請求企業是共享平臺的注冊企業。資源發布企業集合RPE={RPE1，RPE2,…,RPEβ,…,RPEi}(i∈N,β=1,2,…,i),RPEβ為資源發布企業的編碼。任務請求企業集合TRE={TRE1,TRE2,…,TREχ,…,TREj}(j∈N,χ=1,2,…,j),TREχ是任務請求企業在共享平臺上的編碼。

(2)任務請求企業向共享平臺提出任務請求,請求成功識別后,共享平臺對其進行任務分解,得到合適粒度的任務分解方案,以任務包(taskpackage,TP)的形式表征。記任務包關聯集合TP={TP1,TP2,…,TPφ,…,TPm}(m∈N,φ=1,2,…,m),TPφ是任務包在共享平臺上的編碼，關聯集合是指任務包與任務包間存在的關聯信息集合,如串聯或并聯關系信息集合。

(3)建立任務包與虛擬資源包的一一映射關系,是根據任務包要求在虛擬資源庫中搜索得到符合要求的候選資源包集(setofcandidateresourcepackage,CRS)。其中，各類虛擬資源包通過層次化分類形成虛擬資源庫；候選資源包集是一組能夠完成同一種任務的虛擬資源包集合。候選資源包集集合記為CRS={CRS1,CRS2,…,CRSξ,…,CRSm}(m∈N，ξ=1,2,…,m),表示各個任務包在虛擬資源庫中搜索相對應并且符合要求的候選資源包集,CRSξ表示任務包對應的候選資源集編碼;候選資源包集CRSξ={VP(m,9,1),VP(m,7,2),…,VP(m,μ,ν),…,VP(m,ki,nj)}(μ=9,7,…,ki;ν=1,2,…,ηj;ki,nj∈N),該集合包含nj個候選資源包,VP(m,μ,ν)為虛擬資源包的編碼,其中m表征與該虛擬資源包相匹配的任務包編碼,μ為虛擬資源包在虛擬資源庫的編碼,ν為虛擬資源包在候選資源包集中的序號。

(4)依據候選資源包集間虛擬資源包的優化選擇組合,形成任務-資源匹配方案。記任務-資源匹配方案為:P={VP(1,a,b),VP(2,c,d),…,VP(η,α,β),…,VP(m,g,l)}(β∈[1,nj],η=1,2,…,m),同時進行方案的沖突監測,確保方案涉及的資源可按時按需調用。

(5)任務請求企業與匹配的服務合作企業(servicecooperationenterprise,SCE)確認方案并開始執行。服務合作企業是被選中完成任務請求的資源發布企業,簡稱合作企業。合作企業集合記為SCE={SCE(1,a,p1),SCE(2,c,p2),…,SCE(η,α,pζ),…,SCE(m,g,pq)}(q∈N,ζ=1,2,…,q),其中SCE(η,α,pζ)為合作企業的編碼,α與P中的虛擬資源包在虛擬資源庫的編碼相對應,pζ與資源發布企業在平臺中的編碼相對應。在服務合作中,請求企業和合作企業實時反饋服務綜合信任評價信息。

(6)合作企業將服務執行結果(outcome,OT)反饋給任務請求企業。服務執行結果記為：OT={OT(1,p1,y1),OT(2,p2,y2),…,OT(η,pζ,yε),…,OT(m,pq,ym)},(ε=1,2,…,m),其中OT(η,pζ,yε)為服務執行結果的編碼,yε表示服務執行結果在平臺上的編碼。

2服務綜合信任評價思路

在云制造服務模式中,參與者之間良好的信任關系是服務交易的基礎,有必要建立一種服務綜合信任評價方法，為候選資源包集間虛擬資源包的優化選擇組合提供必要的擇優信息,以便共享平臺在選擇合作企業時可對虛擬資源庫中滿足任務要求的資源發布企業進行預先評估。

服務綜合信任評價是以虛擬資源包獲取的服務滿意度(servicesatisfaction,SS)為基礎的,通過全局服務滿意度(globalservicesatisfaction,GSS)和服務滿意度波動性(volatilityofservicesatisfaction,VSS)兩個因素來綜合評判。全局服務滿意度越高，服務滿意度波動性越小，虛擬資源包的服務綜合信任值(servicecomprehensivetrustvalues,SCTV)越高。服務滿意度是根據服務滿意度評價指標體系綜合計算得到的;全局服務滿意度是根據虛擬資源包的服務滿意度綜合計算直接滿意度(directsatisfaction,DS)和推薦滿意度(recommendedsatisfaction,RS)而得到的；而服務滿意度波動性則考慮虛擬資源包歷史服務滿意度數據存在的波動性,表現為虛擬資源包對應的合作企業提供的服務穩定性。服務綜合信任評價思路如圖2所示。

圖2　服務綜合信任評價思路

3服務綜合信任評價模型

以服務綜合信任值(SCTV)VSCT作為整體評價服務可靠性的指標,通過全局服務滿意度(GSS)SGS和服務滿意度波動性(VSS)VSS兩個因素綜合評判。全局服務滿意度越高,服務滿意度波動性越小,虛擬資源包的服務綜合信任值越高。該信任評價用公式表示為

(1)

其中,φ為任務請求企業能接受的服務滿意度波動性閾值,φ值越小,表示任務請求企業對合作企業提供服務的穩定性要求越高。當服務滿意度波動性小于等于閾值φ時,則給全局服務滿意度一定的獎勵;當服務滿意度波動性大于閾值φ時,在全局服務滿意度上給一定的懲罰。α0為懲罰修正因子,λ為獎勵修正因子,α0∈[0,1]，λ∈[0,1],φ∈[0,+∞)。

3.1服務滿意度計算

3.1.1服務滿意度評價指標體系

服務滿意度評價指標體系分為三級,如圖3所示。直接性指標能直接反映合作企業的服務水平,主要包括服務響應率、服務成本偏差、服務可靠性、交付及時率和服務成功率等；間接性指標從側面反映合作企業的服務水平，包含服務合作率和近期活躍度等。

圖3　服務滿意度評價指標體系

(1)服務響應率(serviceresponserate,SRR)RSR:合作企業近期(時間段為M)向共享平臺發出合作請求的響應次數(responsenumber,RN)NR與平臺向合作企業發出的請求次數(request number,RNB)NRB之比，即RSR=NR/NRB,反映企業有意愿參與合作的程度。

(2)服務成本偏差(idealcostdeviation,ICD)dIC：虛擬資源包的成本(costofVP,CVP)CVP與候選資源集中所有虛擬資源包的平均成本(averagecostofCRS,ACC)CA之比,即dIC=CVP/CA,反映企業對成本的控制水平。

(3)服務可靠性(servicereliability,SR)RS：合作企業服務失效時間(service failure time,SFT)tSF與服務時間(servicetime,ST)tS之比,即RS=tSF/tS,反映合作企業提供服務的持續性。

(4)交付及時率(in-timedeliveryrate,IDR)RID:合作企業近期交付及時次數(in-timedeliverytime,IDT)tID與合作次數(cooperationnumber,CN)NC之比,即RID=tID/NC,反映企業處理訂單的能力。交付及時次數是共享平臺記錄合作企業在規定的交付期內提交服務的次數,可比較完成服務時間與交付期的大小來確定。

(5)服務成功率(servicesuccessrate,SSR)RSS:合作企業在近期服務成功次數(successnumber,SN)NS與合作次數之比,即RSS=NS/NC,反映企業參與合作的服務水平。

(6)服務合作率(servicecooperationrate,SCR)RSC:合作企業近期合作次數與響應次數之比,即RSC=NC/NR,反映企業在合作匹配中的優先度。

(7)近期活躍度(recentactiveness,RA)AR:虛擬資源包在近期與其他企業進行服務交互的頻繁程度[11]，可表示為

其中,γ是修正系數。當NC大于γ時，AR值上升較快；相反，當NC小于γ時,AR值上升較慢。

3.1.2服務滿意度計算方法

服務滿意度評價指標信息的獲取過程包含兩個途徑:第一,共享平臺對合作企業實施服務的過程監測;第二,合作企業集合中,下游企業對上游企業服務執行結果的評價。這些信息將直接存儲在虛擬資源包中。服務滿意度的基礎信息包含服務序列(servicesequence,SSQ)、服務時間(servicetime,ST)、任務包編碼、服務滿意度評價指標(servicesatisfactionrvaluationindex,SSEI)和服務滿意度評價指標值(evaluationvalue,EV)。服務序列記錄虛擬資源包匹配任務包的序號；服務時間記錄獲取服務滿意度評價指標信息的截止時間；服務滿意度評價指標值是共享平臺和合作企業對平臺要求的服務滿意度評價指標的評估值。

服務序列集合SSQ={1,2,…,k,…,i}(i∈N),k表示虛擬資源包匹配任務包的序號;服務時間集合ST={t1,t2,…,tk,…,ti},tk表示第k次獲取的服務滿意度評價指標信息的截止時間;虛擬資源包VP(m,μ,ν)匹配的任務包集合TP′={TPa1,TPa2,…,TPar…,TPay}(y∈N),TPar與TPφ意義相同;服務滿意度評價指標體系的第三級指標集合SSEI={SSEI1,SSEI2,…,SSEIh,…,SSEIj}(j∈N),SSEIh表示虛擬資源包的第h個服務滿意度評價指標;虛擬資源包的歷史服務滿意度評價指標值矩陣如下：

其中,Vkh表示第k次匹配任務包TPar獲取的第h個服務滿意度評價指標值。

(2)

3.1.3服務滿意度的時間衰減處理方法

共享平臺中企業間的信任關系是在長期交互過程中形成和發展的。由于過去事件對當前的影響力將隨著時間的增長而衰減，因而過去的評價信息(服務滿意度)同樣具有一定的時效性。服務滿意度的生成時間距離當前調用虛擬資源包的時刻ti越遠,該服務滿意度信息對當前虛擬資源包的信任評估影響力越小。因此，企業共享的虛擬資源包的服務滿意度和時間密切相關,其與時間的關系用時間衰減函數f表示。

3.2全局服務滿意度計算

虛擬資源包的服務滿意度是針對任務包而言的,同一個虛擬資源包對不同的任務包有不同的服務滿意度。虛擬資源包的全局服務滿意度可分兩部分計算,即直接滿意度SD和推薦滿意度SR,兩類滿意度均利用歷史服務滿意度記錄加以計算。

對共享平臺在虛擬資源庫中尋求能夠完成任務包TPar的虛擬資源包進行全局服務滿意度評價。利用虛擬資源包服務于任務包TPar的歷史記錄中的服務滿意度計算該虛擬資源包對該任務包的直接滿意度;利用該虛擬資源包服務于其他任務包的歷史記錄中的服務滿意度計算該虛擬資源包對該任務包TPar的推薦滿意度。引入權重因子μ，綜合計算直接滿意度和推薦滿意度得出該虛擬資源包的全局服務滿意度，公式如下：

SGS=μSD+(1-μ)SRμ∈[0,1]

(3)

其中,μ值越大,表示直接滿意度的權重越大,平臺越信賴虛擬資源包服務于任務包TPar獲取的歷史服務滿意度。當虛擬資源包的服務序列小于等于20時，用專家評價法設定μ值;當大于20時,μ值由下式確定：

(4)

其中,SGS,k表示第k次計算的全局服務滿意度。集合A={b1,b2,…bs,…,bz}(bs∈N,A∈SSQ),A為服務序列,A不包含任務包TPar對應的服務序列號,集合A的個數為ψ。

直接滿意度和推薦滿意度的計算公式為

(5)

(6)

式(6)中,CR,k稱為推薦可信度(recommendedcredibility，RC),表示虛擬資源包對起推薦作用的任務包的服務滿意度的信任程度,隨這類任務包對虛擬資源包的評價次數增加而變化，更新公式如下：

(7)

3.3服務滿意度波動性計算

服務滿意度波動性是指虛擬資源包在近期的服務滿意度的數值波動狀況,依賴于歷史服務滿意度Sk的波動性大小，以標準差(standarddeviation,SD)dS的變換形式表示為

其中,fΔ表示時間衰減函數,fΔ=1/eν2Δt ，Δt表示某個歷史時間距離當前時間的時間差,ν2是時間衰減修正系數。dS表示虛擬資源包的服務滿意度與近期歷史服務滿意度均值的標準差,歷史服務滿意度的信息隨時間衰減。dS越大,表示歷史服務滿意度波動性越大,對全局服務滿意度產生的影響越大；相反，dS越小，表示歷史服務滿意度波動性越小，對全局服務滿意度產生的影響越小。

由全局服務滿意度評價過程推理可知，任務包TPar和其他任務包各自形成的近期服務滿意度波動性對全局服務滿意度產生的影響不同，故服務滿意度波動性由任務包TPar的服務滿意度波動性(volatilityofservicesatisfactionofdirectpackage,VSSD)VSSD和其他任務包的服務滿意度波動性(volatilityofservicesatisfactionofrecommendedpackage,VSSR)VSSR組成，則服務滿意度波動性為

VSS=ωVSSD+(1-ω)VSSR

(8)

其中,ω為服務滿意度波動性修正系數,ω∈[0,1]。任務包TPar的服務滿意度波動性和其他任務包的服務滿意度波動性的表達式如下：

(9)

3.4服務綜合信任評價算法流程

在整個服務綜合信任評價中,關鍵是根據虛擬資源包的歷史服務滿意度計算全局服務滿意度和服務滿意度波動性，具體評價算法流程如下：

(1)設定服務滿意度波動性閾值φ,懲罰修正因子α0,獎勵修正因子λ,直接滿意度權重因子μ,時間衰減修正系數ν1、ν2,服務滿意度波動性修正系數ω，虛擬資源包被選為候選資源包時的服務序列為i+1；

(2)用式(2)計算虛擬資源包的每次服務交易的服務滿意度；

(3)結合時間衰減函數和推薦可信度，用式(5)和式(6)分別計算虛擬資源包的直接滿意度和推薦滿意度,并用式(7)計算更新每個起推薦作用的任務包的推薦可信度；

(4)用式(3)計算虛擬資源包的全局服務滿意度；

(5)用式(9)計算任務包TPar的服務滿意度波動性和其他任務包的服務滿意度波動性；

(7)用式(8)計算虛擬資源包的服務滿意度波動性；

(8)用式(1)計算虛擬資源包的服務綜合信任值。

4算例

為驗證本文提出的基于服務滿意度的云制造服務綜合信任評價模型中的策略和參數設定的可行性以及對監測企業提供不穩定服務的有效性，運用控制變量法對服務滿意度進行設定，觀察各情況結果，最終實現對模型和算法的實驗驗證。

當任務請求企業向云制造服務共享平臺提出任務請求時，共享平臺首先將任務請求分解為任務包,任務包與虛擬資源庫進行任務與資源映射，然后選擇出符合要求的候選資源包集，候選資源包的服務綜合信任評價是候選資源集中虛擬資源包優化組合的基礎。其中符合要求的候選資源包包含虛擬資源包VP(m,μ,ν),服務過的任務包有兩個，分別是任務包TPa1和TPa2。根據服務先后順序依次記錄虛擬資源包的服務滿意度評價指標值，然后計算其服務滿意度。設定服務綜合信任值的交易成功閾值為0.5,其他參數值見表1。

表1　參數表

運用本文提出的模型和算法,設定虛擬資源包為任務包TPa1、TPa2提供的服務滿意度均為0.7,運用MATLAB模擬虛擬資源包的服務次數為200,服務時間以月為單位。當虛擬資源包在服務時間為140個月時，提供1次不穩定服務,對任務包TPa1提供的服務滿意度為0.3;當虛擬資源包在交易過程中周期性提供3次不穩定服務,周期T=16個月,對任務包TPa1提供的服務滿意度為0.3。不穩定服務是指虛擬資源包提供的某次服務使得服務滿意度波動性大于設定閾值。每次虛擬資源包為任務包TPa1和TPa2提供服務計算出的服務綜合信任值模擬4種情況：

(1)歷史服務滿意度對虛擬資源包的重要程度不隨時間衰減變化時,虛擬資源包的服務綜合信任值無懲罰和獎勵機制(nomechanismofrewardsandpunishmentswithouttimedecay,NTNRP),如圖4中的NTNRP1曲線和NTNRP2曲線，分別對應虛擬資源包服務的任務包TPa1、TPa2的服務綜合信任值。

(a)1次不穩定服務

(b)3次不穩定服務 圖4　虛擬資源包提供1次/3次不穩定服務且無時間衰減

(2)歷史服務滿意度對虛擬資源包的重要程度不隨時間衰減變化時,虛擬資源包的服務綜合信任值有懲罰和獎勵機制(havemechanismofrewardsandpunishmentswithouttimedecay,NTHRP),如圖4中的NTHRP1曲線和NTHRP2曲線分別對應虛擬資源包服務的任務包TPa1、TPa2的服務綜合信任值。

(3)歷史服務滿意度對虛擬資源包的重要程度隨時間衰減變化時,虛擬資源包的服務綜合信任值無懲罰和獎勵機制(nomechanismofrewardsandpunishmentswithtimedecay,HTNRP),如圖5中的HTNRP1曲線和HTNRP2曲線。

(4)歷史服務滿意度對虛擬資源包的重要程度隨時間衰減變化時，虛擬資源包的服務綜合信任值有懲罰和獎勵機制(havemechanismofrewardsandpunishmentswithtimedecay,HTHRP),如圖5中的HTHRP1曲線和HTHRP2曲線。

(a)1次不穩定服務

(b)3次不穩定服務 圖5　虛擬資源包提供1次/3次不穩定服務且有時間衰減

分析圖4和圖5的數據可知，可以得到如下結論：

(1)虛擬資源包的服務滿意度隨時間衰減變化。在不考慮服務滿意度隨時間衰減變化的情況下，當虛擬資源包提供一次或少數幾次不穩定服務時，這些異常服務帶來的負面影響將持續過長的時間。考慮服務滿意度隨時間衰減變化，不穩定服務對服務綜合信任值的影響在任務請求企業能接受的時間衰減長度范圍內逐漸變小。

(2)采用獎懲機制激勵虛擬資源包提供穩定服務。在考慮虛擬資源包的服務滿意度隨時間變化的情況下，若虛擬資源包提供不穩定的服務滿意度，服務滿意度波動性大于設定閾值，應給予較大的信任懲罰；若虛擬資源包提供不穩定服務之后提供較為穩定的服務，服務滿意度波動性小于設定閾值，則應給予適當的信任獎勵。

上述數值實驗分析表明，利用本文提出的基于服務滿意度的云制造服務綜合信任評價模型能夠由合作企業的歷史服務滿意度的數據獲知未來提供服務的信任度，該指標可作為云制造服務共享平臺中虛擬資源包優選的一個重要權重參量，從而確保企業間服務合作可行可靠。

參考文獻:

[1]ChangE,ThomsonP,DillonT,etal.TheFuzzyandDynamicNatureofTrust[J].LectureNotesinComputerScience,2005,3592:161-174.

[2]尹超,黃必清,劉飛,等.中小企業云制造服務平臺共性關鍵技術體系[J]. 計算機集成制造系統, 2011,17(3):495-503.

YinChao,HuangBiqing,LiuFei,etal.CommonKeyTechnologySystemofCloudManufacturingServicePlatformforSmallandMediumEnterprises[J].ComputerIntegratedManufacturingSystems,2011,17(3):495-503.

[3]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.

CaoXiaobo,XuChengdong,HuChunsheng.VirtualManufacturingUnitinCloudManufacturing[J].ComputerIntegratedManufacturingSystems,2012,18(7):1415-1425.

[4]吳曉曉,石勝友,侯俊杰,等.航天云制造服務應用模式研究[J].計算機集成制造系統,2012,18(7):1595-1603.

WuXiaoxiao,ShiShengyou,HouJunjie,etal.AerospaceCloudManufacturingServiceApplicationMode[J].ComputerIntegratedManufacturingSystems,2012,18(7):1595-1603.

[5]沈磊,郭鋼,董元發,等.面向裝備制造行業的云制造服務需求與資源響應模型[J].中國機械工程,2014,25(7):911-917.

ShengLei,GuoGang,DongYuanfa,etal.EquipmentManufacturingIndustry-orientedRespondModelofCloudManufacturingServiceRequirementsandResources[J].ChinaMechanicalEngineering,2014,25(7):911-917.

[6]胡業發, 陶飛, 周祖德. 制造網格資源服務Trust-QoS評估及其應用[J]. 機械工程學報, 2007,43(12)： 203-211.

HuYefa,TaoFei,ZhouZude.ManufacturingGridResourceServiceTrust-QoSEvaluationandApplication[J].ChineseJournalofMechanicalEngineering, 2007,43(12):203-211.

[7]胡春華, 羅新星, 王四春,等. 云計算環境下基于信任推理的服務評價方法[J].通信學報,2011，32(12)：72-81.

HuChunhua,LuoXinxing,WangSichun,etal.ApproachofServiceEvaluationBasedonTrustReasoningforCloudComputing[J].JournalonCommunications,2011,32(12)：72-81.

[8]胡春華,劉濟波,劉建勛.云計算環境下基于信任演化及集合的服務選擇[J].通信學報,2011,32(7):71-79.

HuChunhua,LiuJibo,LiuJianxun.ServicesSelectionBasedonTrustEvolutionandUnionforCloudComputing[J].JournalonCommunications,2011,32(7):71-79.

[9]馬毅, 譚振華, 常桂然,等. 基于歷史聚集簇的P2P網絡信任模型[J]. 東北大學學報(自然科學版), 2013,34(4)：512-515.

MaYi,TanZhenhua,ChangGuiran,etal.RelatedClusterBasedTrustModelforP2PNetworks[J].JournalofNortheasternUniversity(NaturalScience), 2013,34(4)：512-515.

[10]董元發,郭鋼. 基于模板與全局信任度的云制造服務評價與選擇方法[J]. 計算機集成制造系統, 2014,20(1)：207-214.

DongYuanfa,GuoGang.EvaluationandSelectionApproachforCloudManufacturingServiceBasedonTemplateandGlobalTrustDegree[J].ComputerIntegratedManufacturingSystems,2014,20(1):207-214.

[11]蔡紅云,杜瑞忠,田俊峰,等.基于云模型和風險評估的信任模型研究[J].計算機工程,2012,38(23):139-142.

CaiHongyun,DuRuizhong,TianJunfeng,etal.ResearchofTrustModelBasedonCloudModelandRiskEvaluation[J].ComputerEngineering,2012,38(23):139-142.

[12]印桂生, 崔曉暉, 馬志強. 遺忘曲線的協同過濾推薦模型[J]. 哈爾濱工程大學學報, 2012, 20(1):207-214.

YinGuisheng,CuiXiaohui,MaZhiqiang.ForgettingCurve-basedCollaborativeFilteringRecommendationModel[J].JournalofHarbinEngineeringUniversity, 2012,33(1):85-90.

(編輯袁興玲)