基于制造業多粒度模型下的流程優化組合

李路達，劉　鳴，滿君豐，彭　成

（湖南工業大學 計算機與通信學院， 湖南 株洲 412007）

基于制造業多粒度模型下的流程優化組合

李路達，劉鳴，滿君豐，彭成

（湖南工業大學 計算機與通信學院， 湖南 株洲 412007）

在多粒度模型下對4個服務質量因子進行了性能的評估，并且根據實際云制造的生產情況引入了距離因子，并跟原有的性能描述進行對比。結果表明：引入了距離因子以后，表現出的服務組合性能和原始服務組合性能有所不同，這種表現更接近實際情況。

云制造；多粒度制造資源；服務質量因子；服務組合

1　研究背景

不同的制造企業在生產中會呈現不同的業務，同時也經營不同的產品，而且在不同的行業之間他們的業務也有所不同，衍生了種類繁多的業務，從而引發制造資源難以計數，形成類似于數據庫一樣巨大的資源池。因為資源的種類形態繁多，功能也各有所異，所以可以對這些不同種類的制造資源進行分類處理［1］。不同的業務粒度一般體現在制造生產中產生的制造資源，根據企業的等級制度來區分級別，不同的級別所具有的業務粒度也有所不同，資源業務功能的不同也能夠進行分類［2］。無論資源如何分類，這些資源都在相對固定的業務流程場景中各司所職，并隨著業務流程完成整個項目。所以，對于制造資源可以基于流程來進行分類［3］。云制造企業不僅很重視自身的業務流程，而且同樣也重視與其合作的外部企業的業務流程與其本身的協同組合，這種組合需要適應市場的變化以提高企業的制造能力，這樣就會引起協同企業的業務流程種類增加，形成極大的流程庫。然而在實際生產制造產品過程中，一般企業往往都有自身固定的業務流程、業務知識和業務過程，它們就是使這些企業成為核心競爭力的基石，如果把它們其中某個成員替換掉，有可能會使其生產能力削弱。所以，要讓這些資源在業務流程中發揮到應有的作用，就需要對它們進行建模，然后進行應用［4］。

焦燕廷［5］研究了在本體語義中基于Web服務匹配方法，從一般的輸入和輸出方面去實現匹配，并且提出了在服務質量的基礎上進行QoS（quality ofservice，QoS）匹配。郭媛香［6］提出了以動態的方式來描述語義的邏輯，它是基于Web服務描述和服務匹配方法。王有剛［7］研究了基于語義的 Web 服務發現和組合技術，并創建了一種在計算機之間能夠互相充分表示 Web 服務語言；基于這種Web服務語言，他在Web 服務的模型或者體系結構中提出了能夠使服務之間自發進行發現、選取、執行和組合的方法。以上研究都是針對Web服務的研究，本文圍繞多粒度資源模型來研究基于云制造服務的流程組合，相對于Web服務的資源模型有所不同，而且對資源的組合也存在一些不同的要求，并針對流程多粒度的情況，探討基于多粒度資源統一模型下的流程優化組合。

2　流程優化組合問題描述

多粒度資源統一模型（multi-granularity resource，MPR）指的是粗粒度資源或者單粒度資源的一致描述。粗粒度資源指的是由多個流程活動所組成的資源，而且這多個流程活動是整個業務流程中的一部分或者全部，可以將其看作一個整體，某個資源的輸入是該段流程的第一個流程資源的輸入，同樣輸出也是該段流程最后一個的輸出，該段流程也可以是全部的流程［8］。

在多粒度資源統一模型的基礎上，研究多粒度模型下的流程優化組合技術，能夠從業務流程的角度實現資源的優化配置。為了突出從業務流程的角度去影響流程復合制造資源的優勢特征，引入了服務質量因子的描述來完成服務的組合，并在流程組合過程中考慮外界因素的影響（本文僅考慮距離因素）而引起的服務組合的性能變化，從而優化流程的組合。

2.1流程資源形成的條件

流程復合制造資源形成的條件是，制造企業自身活動的某一段流程或者與其協同企業的一段流程，其流程資源的聯系要緊密、業務要比較固定、要具備流程優勢。

基本流程資源圖如圖1所示，復合流程資源圖如圖2所示。c1，c2，c3分別為并行、選擇和循環結構，其余部分為順序結構。其中圖2的A1是由圖1的a2， a3，a4和a5幾個流程活動組成，是對它們組成這段流程的簡化，其中a2和a5為首尾活動。結合圖1和圖2，a2的輸入表示A1的輸入，a5的輸出表示A1的輸出；A2由a6和a7組成，其中a7表示循環結構，該流程片段的a6和a7表示首尾活動，a7的輸出就是最后一次的循環結果，其中a6的輸入表示A2的輸入，a7的輸出表示A2的輸出。通過對片段流程的簡化，能夠更方便地進行服務組合性能評價。

圖1　基本流程資源構建Fig. 1　Basic process resource construction

圖2　復合流程資源構建Fig. 2　Composite process resource construction

2.2多粒度組合優化

本文討論的問題是基于可行的流程服務組合，在多粒度模型下，利用服務質量因子（QoS）來評價流程組合服務的性能。多粒度制造服務的QoS模型在流程片段上對資源整體的表現形式。一般用戶往往有其需求偏好，即對某個側重的服務質量因子分配較大的權值，如服務的執行時間、執行價格等（所有服務質量因子權值之和為1）。服務組合的問題是存在多個解的，針對不同的流程所得出的解也有所不同，從這些解中很難選擇出用戶心目中的最優解，這時就需要根據用戶的個人偏好去選擇。所以，為了找到最優解，首先根據用戶的偏好將其引入到目標公式中（本文采用順序結構的流程來求解），然后將多目標問題簡化成了單目標問題來進行求解，從而得到一個最優解［9］。

MPR表示服務在多粒度模型下的組合，f（MPR）表示在此模型下的組合性能，其優化公式的表示如下：

式中：qi為第i個服務質量因子；

由于一些用戶會對QoS因子有一定的偏好，所以可以對這些質量因子給以一定的限制條件。如果設置了限制條件，可以把這些條件帶入求解模型中。常用的時間t和成本c作為約束因子，以下式子是對總時間和總成本進行閾值限定：

因此，制造服務的多粒度組合問題的求解模型由式（1）～（3）組成［10］。

3　流程組合服務QoS計算方法

3.1基本的QoS計算方法

多粒度服務的QoS 計算，采用基于個體活動的質量因子進行近似計算，這是一種虛擬的計算結果，記為。表1為QoS組合計算式。

表1　QoS組合計算式Table 1　The computing formula for QoS combination

表1中，wsi表示虛擬服務，它們可以為單粒度，也能夠是多粒度服務，n表示模塊中的服務數目，選擇結構中的i表示wsi是否被選擇，循環結構的k表示循環次數，t， c， a， s分別表示服務時間、服務成本、服務可用性和服務信譽度。

wsi這種多粒度組合，由若干個多粒度或者單粒度混合而構成一條制造業務流程圖，它能夠包含多個路徑，如圖3所示。圖中的每一個長方框表示一個虛擬服務，而其內部的條形框則表示它所包含的業務活動，多粒度服務是由多個活動構成的業務流程邏輯，單粒度服務則只包含單一的過程活動（單粒度為多粒度的特殊情況）［11］。

圖3　多粒度服務組合示例Fig. 3　Examples of multi-granularity service composition

根據流程控制的結構和單個QoS因子進行計算。在此多粒度組合模型下，分別對效益指標和成本指標進行求解：

式（4）～（5）中：q為當前服務所選擇的值；

qmax， qmin分別為服務組合候選集合中的最大值和最小值；

Q1為效益型指標；

Q2為成本型指標。

下式表示原始QoS矩陣：

將原始QoS矩陣轉化為歸一化矩陣［12］，再根據表1的QoS計算因子，可求得組合粒度服務各QoS因子值qL，設，qL為歸一化的原始QoS矩陣，該式中表示綜合多粒度流程求值，其中。同理也是這種形式的矩陣。t， c是負相關因子，表現為Q2成本型指標，a， s是正相關因子，表現為Q1效益型指標。設用戶偏好為為用戶對4項指標的主觀偏好，其中。然后對這些因子分配適當的權重計算綜合，得出

3.2改進后的QoS計算方法

基本QoS計算方法的QoS屬性是原始理想的QoS屬性因子，而且這些QoS屬性因子的共同點就是，在不考慮與不同資源組合所帶來差異的情況下，不管與哪個資源組合都是采用原有的QoS屬性因子。在實際的生產中，很多資源都處于不同的地點，特別是對設備資源，然而設備資源之間的距離往往會對產品完工時間、完工成本產生影響，所以有必要對這些原始理想的QoS相關因子進行改進。

引入業務服務能力的概念。業務服務能力是指在某業務流程上，多粒度資源的整體單元性活動對該業務流程的完成能力進行評價。在整個業務流程中，業務服務能力不僅需要考慮它自身的各個活動的服務質量，還要考慮其余因素所產生的影響以及服務質量所完成的情況，本文主要考慮距離。

對于時間t，由于距離會導致資源執行時間增加，因此，需將這部分物流時間加到資源執行時間上。設實際執行時間為，則。其中，v為速度，i為第i個資源。

對于成本c，由于距離與成本成正相關，需要加到資源執行成本上。設實際執行成本為，則。其中，p為單位距離成本。

4　實例研究

某汽車加工零件如圖1所示，是由一個標準的順序結構的活動構成。

假設用戶需求如下：服務時間在8～15 d之內，服務成本單個價格在25～35元之間，可用性和可靠性在0.5～1.0，每公里距離成本p為0.1元，物流速度v為50 km/h，總路程為50～200 km；QoS指標主觀偏好為時間t和成本c。

本研究采用仿真的方法來進行實例測試，首先對原始QoS數據進行仿真，然后對改進的QoS數據再進行仿真，最后對比兩者的性能。在測試中，一共生成20組數據。

基于多粒度模型下的流程優化組合包含以下幾個步驟。

1）獲取云服務的原始QoS指標數據。不考慮距離因素，在用戶需求的范圍內生成初始化的QoS數據，如表2所示。

2）獲取云服務的QoS指標。由于時間和成本與距離因子成正相關，運輸價格和運輸速度都已知，利用3.2節中算式計算出時間指標和成本指標。與外界因素無關的指標有可用性指標和信譽度指標?？紤]距離因素后，采用改進后的計算方法得出結果如表3所示。

表2　初始化原始QoS數據Table 2　Initialization of original QoS data

表3　初始化改進后的QoS數據Table 3　Initialization of improved QoS data

3）對4個候選的QoS指標和距離因子進行歸一化。假設根據用戶的偏好I為4×4的單位矩陣。價格、時間和距離用式（5）來表示系數，可用性和可靠性用式（4）表示系數，將原始的QoS數據和改進后的QoS數據歸一化后，結果分別如表4和表5所示。

表4　歸一化原始QoS數據Table 4　Normalized original QoS data

表5　歸一化改進后的QoS數據Table 5　Normalized improved QoS data

圖4　原始性能和實際性能對比Fig. 4　The original performance and actual performance comparison

從圖4可以看出，有14組對象引入距離因素后，其QoS的整體性能下降，有6組對象引入距離因素后，QoS性能提升；在未引入距離因素的情況下，第11組數據為最優，引入距離因素后第10組數據為最優，故引入距離因素能夠影響原有的實驗結果，使結果更加接近真實情況。

5　結語

本文在多粒度資源統一模型的基礎上，定義了基于多粒度流程的優化組合，并在此模型下給出了對服務組合相應的求解方式。多粒度資源指的是企業之間固定的流程組合，也可以是企業的核心活動流程組合，在此基礎上引入業務服務能力來描述傳統的QoS性能指標，并給出相對應的計算方式，對多粒度QoS性能給出評價方法。然而傳統的QoS性能指標是理想的，實際中還有一系列的影響因素，本文考慮影響最大的距離因素，根據距離因素來改進對QoS性能指標的評價，使結果更加真實。

［1］姚錫凡，練肇通，李永湘，等. 面向云制造服務架構及集成開發環境［J］. 計算機集成制造系統，2012，18（10）：2312-2322. YAO Xifan ，LIAN Zhaotong ，LI Yongxiang ，et al. Service-Oriented Architecture and Integrated Development Environment for Cloud Manufacturing［J］. Computer Integrated Manufacturing Systems ，2012，18（10）：2312-2322.

［2］方丁，劉杰，趙衛東. 一種面向流程的業務服務設計方法［J］. 計算機集成制造系統，2009，15（5）：874-883. FANG Ding，LIU Jie，ZHAO Weidong. Process-Oriented Business Service Design Method［J］. Computer Integrated Manufacturing Systems，2009，15（5）：874-883.

［3］趙秋云，魏樂，舒紅平. 基于業務流程的制造云服務組合模型［J］. 計算機應用，2014，34（11）：3100-3103. ZHAO Qiuyun，WEI Le，SHU Hongping. Composite Model of Manufacturing Cloud Service Based on Business Process［J］. Journal of Computer Applications，2014，34（11）：3100-3103.

［4］羅永亮，張霖，陶飛，等.云制造環境下制造能力建模關鍵技術［J］.計算機集成制造系統，2012，18（7）：1357-1367. LUO Yongliang，ZHANG Seng，TAO Fei，et al. Key Technologies of Manufacturing Capabilities Modeling in Cloud Manufacturing Mode［J］. Computer Integrated Manufacturing Systems，2012，18（7）：1357-1367.

［5］焦燕廷. 一種基于領域本體的語義Web服務匹配和組合方法［D］. 濟南：山東科技大學，2011. JIAO Yanting. An Approach for Semantic Web Service Matching and Composition Based on Domain Ontology［D］. Jinan：Shandong University of Science and Technology，2011.

［6］郭媛香. 基于動態描述邏輯的語義Web服務PE匹配算法［J］. 晉中學院學報，2014，31（3）：64-68. GUO Yuanxiang. Semantic Web Service PE Matching Algorithm Based on Dynamic Description Logic［J］. Journal of Jinzhong University，2014，31（3）：64-68.

［7］王有剛. 基于語義Web服務發現和組合的研究［J］. 寧夏工程技術，2013 ，12（4）：56-60. WANG Yougang. Survey on Semantic Web Services Discovery Study on Discovery and Composition of Web Service［J］. Ningxia Engineering Technology，2013 ，12（4）：56-60.

［8］譚偉，姚錫凡，劉璇，等.多粒度制造資源統一模型及其語義服務發現［J］. 中國科技論文，2013，8（10）：1044-1049. TAN Wei ，YAO Xifan ，LIU Xuan，et al. Unified Model of Multi-Granularity Manufacturing Resource and Its Semantic Service Discovery［J］. China Sciencepaper， 2013，8（10）：1044-1049.

［9］MUTHUVELU N，CHAI I，CHIKKANNAN E，et al. QoS-Based Task Group Deployment on Grid by Learning the Performance Data［J］. Journal of Grid Computing，2014，12（3）：465-483.

［10］ZHENG Z，ZHANG Y，LU M R. Investigating QoS of Real-World Web Services［J］. IEEE Transactions on Services Computing，2014，7（1）：32-39.

［11］楊放春，蘇森，李禎. 混合QoS模型感知的語義Web服務組合策略［J］. 中國科學（E輯：信息科學），2008，38（10）：1697-1716. YANG Fangchun，SU Seng，LI Zhen. Semantic Web Service Composition Strategies of Hybrid QoS Model Aware［J］. Science in China（Series E：Information Sciences），2008，38（10）：1697-1716.

［12］ANASTASI G F，CARLINI E，COPPOLA M，et al. QBROKAGE：A Genetic Approach for QoS Cloud Brokering［C］// 2014 IEEE 7th International Conference on Cloud Computing （CLOUD）. New York：IEEE，2014：304-311.

［13］LOODARICHEH R，MALLICK S，BHARGAVA V K. Resource Allocation with QoS Provisioning for Energy Harvesting Systems：A Goal Programming Approach［C］// 2015 IEEE International Conference on Communications（ICC）. New Jersey：IEEE，2015：2791-2796.

（責任編輯：申劍）

The Process Optimization Composition Based on Manufacture Multi-Granularity Model

LI Luda，LIU Ming，MAN Junfeng，PENG Cheng
（School of Computer and Communication，Hunan University of Technology，Zhuzhou Hunan 412007， China）

Evaluated four QoS factors on the multi-granularity model， introduced the distance factor based on actual cloud manufacturing production and compared with the original performance description. The results showed that： after the introduction of the distance factor， the expressed service composition performance was different from the original， which is more close to the actual situation.

cloud manufacturing；multi-granularity manufacturing resource；QoS；service composition

TP391

A

1673-9833（2016）01-0041-06

10.3969/j.issn.1673-9833.2016.01.008

2015-11-08

李路達（1989-），男，湖南湘鄉人，湖南工業大學碩士生，主要研究方向為網絡化軟件，E-mail：279034215@qq.com