物流云服務優選及其在云制造中的應用研究

摘 要： 在對制造云服務組合進行優化選擇時，現有的研究大多不考慮服務組合方案中物流服務對方案影響的現象，不符合服務組合方案的實際實施指標。基于上述問題，提出了考慮物流服務影響的制造云服務組合優選方案，首先對云服務中硬件制造服務和物流服務的描述進行了補充，添加了硬件制造服務的區域地理信息和物流云服務的區域服務信息及其QoS描述；同時基于該描述針對服務組合方案中的具體運輸情況，進行物流服務QoS指標的動態評估，對可靠性則建立層級分析架構，通過模糊綜合法計算進行評估；然后將物流云服務的相關工作運用在制造云服務組合中；通過實例分析和Matlab仿真，對服務組合結果進行驗證，說明了其可行性和有效性。

關鍵詞： 云制造； 制造云服務； 服務組合； 物流云服務； 服務質量

中圖分類號： TN915?34； TM417 文獻標識碼： A 文章編號： 1004?373X（2016）11?0120?05

Abstract： In view of the optimization and selection of manufacturing cloud service composition， the available researches mostly take no account of the impact of logistics service in service composition scheme on the scheme， and can′t comform to the practical implementation indicators of the service composition scheme. On the basis of the above problems， the manufacturing cloud service composition optimization scheme considering the influence of logistics service is proposed. The description of hardware manufacturing service and logistics service in cloud service is supplemented. The regional geography information of hardware manufacturing service， and regional service information of logistics cloud service and its QoS（quality of service） description are added. And on the basis of this description， the specific transportation condition in the service composition scheme is dynamicly evaluated with logistics service QoS indicator. The hierachy analysis architecture was established for the reliability， and evaluated by means of fuzzy comprehensive method. And then the related work of logistics cloud service was applied to the manufacturing cloud service composition. The service composition results were verified with instance analysis and Matlab simulation. The feasibility and validity of the service composition were verified.

Keywords： cloud manufacturing； manufacturing cloud service； service composition； logistics cloud service； QoS

0 引 言

隨著信息技術的不斷發展，為了提高企業的敏捷性、柔性及健壯性以增強企業的競爭力，制造業信息化逐漸進入人們的視野。針對制造業信息化發展存在的問題，結合現有制造模式和技術以及云計算、物聯網、虛擬化、面向服務技術等新技術對其進行研究[1]。

1 物流云服務建模

對一個物流服務QoS的描述，在一個具體的運輸流程中，可以根據運輸方式信息、運輸距離計算出運輸物流服務的QoS指標，又根據運輸區域確定其余兩種服務的QoS指標，故在進行服務組合時，可以將一個物流服務的QoS指標用一個3×3的矩陣表示：

式中：表示一個到地域的具體運輸流程；分別代表價格、時間、可靠性指標；分別代表運輸、倉儲、配送物流服務，如表示到屬于地域的物流服務中的運輸物流服務的價格指標，表示到屬于地域的物流服務中的倉儲物流服務的時間指標。通過該矩陣可以表示一個物流服務的QoS指標的構成，對其中前兩列進行求和、最后一列求積，可以得到物流服務的總指標。

2 物流服務的QoS指標評估

2.1 運輸物流服務指標評估

將兩地理位置之間的距離以及所選運輸方式的平均速度作為運輸物流服務的評估指標[2]。

2.1.1 運輸方式的選擇

對于一個給定的運輸流程trk，首先要通過用戶需求確定運輸方式[3]。當用戶在運輸方式方面沒有需求時，則可以不予考慮，對保留下來的服務，查詢其在該運輸方式下的相應單價price，運輸均速speed以及服務可靠性信息reliability。當用戶對運輸方式不做限定時，可以將同一物流服務提供商提供的對于相同運輸段的不同運輸方式的運輸物流服務看做兩個完全不同的服務，以此表現不同運輸方式對運輸物流服務QoS指標的巨大影響，并保證不會有服務組合方案的遺漏[4]。

2.1.2 運輸距離的估算

運輸物流服務的QoS評估是建立在運輸距離的計算之上的，該運輸距離通過運輸流程的起點與終點的經緯度信息計算得出[5]。用及表示物流服務的前驅服務與后繼服務之間的地理位置坐標差，其計算如下所示：

2.1.3 可靠性

運輸物流服務可靠性評估層級架構如圖1所示。為了借助運輸物流服務可靠性評估層級架構對運輸物流服務的可靠性進行量化，可運用模糊綜合法進行運算[6]。同時，使用加權平均法將模糊綜合評價的結果數量化。加權平均法的思想是設定調查評語等級為連續的變量比如可以設定為等級1，2，3，4，5。然后將模糊綜合向量的每個分量與量化后的評語等級加權求和，即可得到具體數值。

2.2 區域物流服務指標評估

2.2.1 倉儲物流服務指標評估

2.2.2 配送物流服務的指標評估

通過以上計算，可得到針對一個運輸流程的物流服務的綜合QoS評價，從而為之后考慮物流服務的制造云服務組合方案優選提供指標依據[7]。

3 物流云服務在服務組合優選中的應用

3.1 考慮物流服務的云制造業務流程描述

制造云服務組合實現用戶的制造任務請求，涉及到整個制造業務流程，當業務流程中存在中間產品等物料的轉移，實現不同制造企業協同完成制造任務時，就必然需要有物流服務的參與。當大部分制造云服務組合工作不考慮業務流程中的物流服務時，則業務流程如圖4所示。

為了在服務組合時加入物流服務，進行業務流程建模時，將物流服務也當作一個服務節點加入模型中。在進行服務組合模型驗證時，當滿足下列條件時，需要刪除物流服務節點：當該物流服務節點的前驅服務為一個軟件資源服務或計算資源服務等非硬件制造服務時，需刪除該物流服務節點；當該物流服務節點的前驅服務與后繼服務為同一地點的同一制造資源時，需刪除該物流服務節點。

3.2 考慮物流的制造云服務組合問題建模

3.2.1 制造云服務組合QoS指標聚合

云服務組合中服務間的業務邏輯有4種，分別為順序結構、并行結構、選擇結構以及循環結構，由于本文中只考慮了QoS指標中的價格、時間及可靠性指標，故在此只列出上述三種指標的聚合計算方法。

式中：表示服務組合中制造資源服務的總個數；表示服務組合中物流服務的個數；分別表示第個制造服務的運行時間和第個運輸物流服務的花費時間；分別表示第個制造服務的價格成本和第個運輸物流服務的價格成本；分別表示第個制造服務的可靠性和第個運輸物流服務的可靠性。

3.2.2 制造云服務組合QoS指標歸一化

假設為候選云服務組合的數目，則；為第個候選云服務組合的第個QoS聚合指標；和分別為候選服務組合方案的第個QoS聚合指標在所有服務組合方案中的最大值和最小值。

由上述對積極型指標和消極型指標的定義，積極型指標的原始QoS值越大，則其通過式（13）進行指標歸一化后的結果也越大，即積極型QoS指標值的增加將使效用函數值增大；而消極型指標的原始QoS值越大，則通過式（14）進行指標歸一化后的結果越小，即消極型QoS指標值的增加將使效用函數值減小。通過歸一化處理，服務的QoS指標均落在區間[0，1]范圍內，實現了組件服務各QoS指標的無量綱化，從而可以對各QoS指標值進行綜合[9]。

3.2.3 制造云服務組合指標權重的確定

（1） 主體服務指標權重

其中是權重折中系數，越大，表示主觀權重對綜合權重的影響越大，客觀權重對綜合權重的影響越小。

在進行主體服務指標權重確定時，主觀權重為用戶對指標的偏好，客觀權重為服務領域專家針對不同制造業領域設置的權重，由用戶或平臺系統進行設置。則主體服務的指標權重表示為：

（2） 區域服務指標權重

由于在一個服務組合方案中可能有多個運輸流程，故得到的區域物流能力評價不止一個，所以在這里再次使用熵值法對整個服務組合方案進行區域物流能力評價。地域服務的指標權重表示為：

3.2.4 基于遺傳算法的云服務組合優選算法

基于遺傳算法及其基本步驟，設計考慮物流服務的云服務組合優選算法。

輸入：制造云服務組合業務流程，候選服務集，區域物流能力評價信息

輸出：制造云服務組合方案的種群規模，交叉概率，變異概率，進化次數且初始服務組合方案的解集為空

步驟1：設置用戶的主觀權重指標，指標約束，綜合評價指標閾值，服務組合優選目標函數中的初始化設置遺傳算法的種群規模，交叉概率，變異概率，進化次數，且初始服務組合方案的解集為空；

步驟2：隨機產生初始種群；

步驟3：遍歷種群中的每個服務組合方案。對于每個服務組合方案，遍歷其中的所有物流服務節點，并刪去不需要存在的物流服務；對修改后的服務組合方案中的物流服務按照步驟2所述進行QoS指標計算；根據3.2節中的計算方法求出組合服務各QoS指標；判斷指標是否滿足用戶指標約束，若是，則按照公式（13）和式（14）中的方法進行指標歸一化，否則對下一個組合方案進行步驟3的操作；根據方案中各物流服務目標所屬區域提取區域物流能力評價信息得出組合方案的區域物流能力評價；根據主客觀綜合權重法，計算將得到的值代入目標函數得到適應度值；判斷適應度值是否大于用戶設置的閾值，若是，則將該組合方案放至服務組合方案解集中，否則對該種群中下一個組合方案進行步驟3的操作；

步驟4：對初始種群中的染色體進行交叉操作、變異操作，得到新的種群，并對新種群進行步驟3中的操作；

步驟5：重復步驟4，直至算法迭代到最大代數；

步驟6：對服務組合方案解集中的服務組合方案按照適應值從大到小進行排序，為用戶提供一個服務組合方案優選集[10]。

4 應用實例研究和仿真

假設在云服務平臺上，一用戶提交了某設備零件的加工請求，則云制造平臺根據該制造領域的業務流程歷史數據以及平臺所能提供的制造云服務，將制造需求自動分解為如圖5所示的五個子任務。

4.2 算例問題求解與分析

對指標進行歸一化處理后，通過3.2節所述步驟及方法可以求得服務組合優選集，該服務組合優選集為通過遺傳算法求得的適應值最高的前5種服務組合方案。

仿真求解時，對用戶的主觀權重系數分別設定為專家對主體服務的客觀權重系數同上；初始種群數popsize=20；交叉概率0.7；變異概率0.05；最大迭代次數maxgen=500。為了直觀地對比本文方法與傳統服務組合方法，不同情況下得出的服務組合方案如表1所示。

當改變λr大小時，區域物流服務的適應值有明顯變化，反映出了用戶對區域物流服務重視度的變化。在制造云服務組合中考慮物流服務確實會對服務組合方案產生較大影響，且本文論述的服務建模方法可以在考慮物流服務的情況下優選出新的服務組合方案；用戶根據自身需要，改變地域服務指標權重λr時也將能夠根據區域物流服務能力的不同，調整服務組合方案，從而得到適合用戶需求的組合服務優選集。綜上可以看出本文方法是可行有效的。

5 結 論

本文根據制造業的實際情況與特點，提出了考慮物流服務影響的制造云服務組合優選方案。研究結果表明，在云服務組合優化建模中考慮物流服務的影響，可以得到更貼合實際的服務組合方案指標，從而對組合方案做出更準確的評價，在方案實施時以更大概率滿足用戶需求有著重要意義。

參考文獻

[1] 李伯虎，張霖，王時龍，等.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?8.

[2] 葉世陽，魏峻，李磊，等.支持服務關聯的組合服務選擇方法研究[J].計算機學報，2008，31（8）：1383?1397.

[3] 林云，田帥輝.物流云服務：面向供應鏈的物流服務新模式[J].計算機應用研究，2012，29（1）：224?228.

[4] 宮曉曼.一種云計算環境下的最優物流服務商選擇方法[J].網絡與信息化，2013，32（23）：423?425.

[5] LIU M， WANG M， SHEN W， et al. A quality of service （QoS）?aware execution plan selection approach for a service composition process [J]. Future generation computer systems， 2012， 28（7）： 1080?1089.

[6] 張曉光，李琰，王海洋.一種基于遺傳算法QoS敏感的Web服務組合方法[J].山東大學學報（理學版），2007，42（9）：56?61.

[7] WU Q， ZHANG M， ZHENG R， et al. A QoS?satisfied prediction model for cloud?service composition based on a hidden Markov model [J]. Mathematical problems in engineering， 2013（1）： 275?289.

[8] 陶飛，張霖，郭華，等.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] LIN C F， SHEU R K， CHANG Y S， et al. A relaxable service selection algorithm for QoS?based web service composition [J]. Information software technology， 2011， 53（12）： 1370?1381.

[10] 李玉珍，程良倫.基于條形碼技術的物流管理云平臺的設計與研究[J].現代電子技術，2015，38（6）：55?58.