元活動模型驅動的多領域制造資源粒層化服務封裝與檢索

董元發 吳正佳 杜 軒 查 靚 袁慶松

1.三峽大學機械與動力學院，宜昌，433002 2.華威大學制造工程系，考文垂，CV47AL

0 前言

云制造強調制造資源和制造能力以服務的形式進行聚集，并基于網絡自由流通，進而實現按需使用和動態協同［1?2］，是一種面向服務的、高效低耗且基于知識的網絡化、敏捷化制造新模式和技術手段［3］。與傳統的網絡化制造模式相比，云制造支持空閑資源的主動尋租及任何單點物理故障的容錯與自動遷移，同時體現了“分散資源集中服務”和“集中資源分散服務”的理念［4］，其核心之一在于如何將人員、設備、場地、知識等多領域的制造資源進行有效集成并以能力的形式對外提供［5］，并對制造能力進行智能、靈活的組合與分解，使其能夠利用現有資源形成不同功能、不同類型和不同粒度的服務并按需提供給用戶［6］，以最大程度地滿足用戶個性化和專業化的業務需求。

實現多領域制造資源服務化的關鍵在于資源虛擬化建模與服務封裝。姚錫凡等［7］結合云制造服務體系框架、云制造資源的特點及分類，指出了云制造資源虛擬化的原則——系統性、針對性、適應性、擴展性、接口統一和動態性；馬軍等［8］分析了云制造資源的存在形態、構成及其屬性，提出基于RFID技術與對象名解析服務的制造資源感知與追溯邏輯架構以實現物理制造資源的虛擬化；吳嬌等［9］分析了硬制造資源的特點及資源虛擬化的相關技術，提出了基于云制造的硬制造資源虛擬化封裝框架；尹翰坤等［10］根據制造資源的信息感知和行為控制程度，將云服務化封裝簡單劃分為高度封裝、部分封裝和近零封裝三種模式，建立了一種基于Multi?Agent的制造資源云服務化封裝適配器；ZHANG等［11］結合物聯技術提出了一種云制造設備的服務化封裝與云端化接入方法；武蕾等［12］提出了資源封裝模板的概念，將制造資源封裝為Web服務資源，以屏蔽制造資源自身的異構性和復雜性；韋濤等［13］基于動態加工特征構建制造任務描述標準，用以進行制造服務封裝和服務用戶請求表示。以上研究雖然一定程度上實現了對制造資源的服務封裝，但多以單一資源獨立封裝然后通過服務組合實現服務化為主，對多領域制造資源間的聚合考慮不足［14］，導致實際應用中可能出現服務組合爆炸或組合失敗的問題。針對該問題，羅永亮等［15］闡述了云制造模式下制造能力的內涵并歸納和總結了當前制造能力研究現狀及存在的主要問題，構建了制造能力多維信息模型；肖瑩瑩等［16］定義了制造能力服務的元模型及詳細描述屬性，研究了制造能力服務的統一描述及其形式化方法；LIU等［17］考慮工作流、活動和資源等因素提出了一種多粒度資源虛擬化和共享策略。

制造資源的服務化封裝有效屏蔽了底層制造活動細節，有助于制造資源的快速共享和高效利用，但用戶在海量云制造服務中檢索所需制造服務時，往往因為服務特征屬性信息粒度過粗、缺乏關鍵資源信息或制造活動過程特征而導致查準率不高［18?19］，進而影響服務匹配效果。隨著云制造理論研究的日益深入，面向用戶多元檢索需求的制造資源服務化封裝方法逐漸受到人們的關注［20?21］。譚偉等［22］給出了多粒度制造資源組織的自適應機制，包括多粒度制造資源的動態加入和退出以及資源的維護、負載感知的資源節點的分裂和合并，并設計了基于分類檢索和三階段匹配的多粒度制造資源發現算法；朱李楠等［23］基于資源及服務的動態屬性，建立了云制造三層屬性結構，提出了基于資源云服務的資源封裝、發布和發現模型。

綜上所述，多領域制造資源的虛擬化與服務封裝方式對云制造服務的檢索與匹配過程具有重要影響［24］，為方便用戶實現高效精準的服務檢索與匹配，必須在資源建模與服務封裝時綜合考慮用戶的多元檢索需求及資源服務封裝過程中各層次的信息粒結構與粗細。因此，本文針對云制造資源分布性、異構性、動態性的特點，以典型制造活動單元為中心實現多領域制造資源的智能聚合，然后基于商空間粒計算理論對資源簇的制造能力進行逐層封裝，提出一套元活動模型驅動的多領域制造資源粒層化服務封裝與檢索方法。

1 多領域制造資源聚合與粒層化服務封裝

多領域制造資源包括企業運行過程中涉及的人力、設備、物料、場地、知識、模型、軟件及數據庫等，具有分散性、自治性、異構性、多樣性、動態性、組合性等特點。單一制造資源無法或很難形成實際的服務能力，必須通過與其他制造資源協作完成某種制造活動體現，即完整可共享的制造能力是多領域制造資源聚合與協作產生的，換句話說，制造服務所涉及的制造資源及制造活動決定了服務的特征屬性及服務結果。本文借鑒全面質量管理理論，將多領域制造資源按人、機、料、法、環進行分類，定義最小粒度的制造資源顆粒，并基于此建立了面向多領域制造資源聚合的制造元活動模型。

1.1 制造元活動模型定義

定義1 人（H）指設計、制造、服務等生產活動中擁有一定技能或經驗的操作者，是制造活動的主體，如設計師、車工、司機等。

定義2 機（E）指生產中所使用的設備、工具、軟件、數據庫等輔助生產用具，是制造活動的主要載體，如加工中心、工作站、運輸車輛等。

定義3 料（M）指作為制造活動輸入的半成品、配件、原料、數據、文檔等有形實體或無形資源，如產品模型、鋼材、原始數據等。

定義4 法（P）指制造活動中所需遵循的工藝流程或使用的知識、模型等，如熱處理工藝、設計流程等。

定義5 環（S）指制造活動所需的空間、場地及保障條件，如廠房、倉庫、資質、水、電、氣等。

定義6 制造活動單元（MPU）指在人機料法環等資源集合協同作用下具備完成某種制造任務且不可再分的最小能力單元，如圖1所示，可采用四元組表示：

其中,C指制造活動所需的資源簇，C={}H,E,M,P,S，特別地，不同的制造活動單元所需的制造資源顆粒不同，H、E、M、P、S可有多個或為?，如仿真計算資源封裝形成的云制造服務在被調用過程中可不需人的參與；PR指論域的結構，即制造資源間的相互關系，如拓撲關系、約束關系、時序關系等，可采用語義網絡描述；PI和PO分別代表該制造活動單元的輸入和輸出接口，是實現不同制造活動單元按需組合和粒度合成的基礎，也是云制造服務過程中物料流和信息流銜接的地方。

1.2 資源顆粒聚合與制造活動單元實例化

海量制造資源基于物聯感知和虛擬化技術在云制造平臺上匯聚形成了線上云制造資源庫，來自多領域的制造資源雖然具備了提供服務的能力要素，但制造能力的共享和輸出必須圍繞特定的制造活動展開。

圖1為多領域制造資源顆粒以制造活動為中心的聚合過程示意圖。首先，根據領域知識將云制造服務過程拆分為多個制造活動單元，并根據每個制造活動單元的特點及工作內容從資源庫中選擇所需制造資源顆粒進行聚合。然后，采用語義網絡定義各制造資源間的拓撲關系、約束關系及時序關系供后續資源檢索和組合推理使用，采用if?then語句對該制造活動單元的前序和后序制造活動單元應滿足的規則進行定義，完成對某一具體制造活動單元的實例化。實例化后的制造活動單元是多領域資源簇和領域知識的集合體，具備了一定的服務能力。多個具備服務能力的制造活動單元在領域知識的作用下通過接口進行組合，從而形成具有完整可共享服務能力的實體，供下一步的服務封裝使用。

1.3 多領域制造資源粒層化服務封裝

信息?；侨祟愄幚砗痛鎯π畔⒌囊环N反映，它把復雜問題抽象、劃分為若干較簡單的問題，有助于我們分析和解決問題。多領域制造資源的粒層化服務封裝過程是對制造資源聚合特征及制造活動組合特征逐層抽取和封裝的過程。封裝的層次越深，信息粒度越粗，與底層實際制造活動相關的細節也越少。圖2所示為多領域制造資源的?；爸饘臃辗庋b過程示意圖。人、機、料、法、環5大類物理制造資源是云制造服務的基礎，其對應信息域可表示為

圖1 制造元活動模型及多領域制造資源顆粒聚合過程示意圖Fig.1 Meta?activity model and the polymerization process diagram of multi?domain manufacturing resources particle

PMR=(URL,CC,BC,FC,UC,SC) （2）

其中,PMR為物理制造資源；URL為該資源的統一資源定位符；CC為該資源的分類屬性，用于標識該資源在制造活動中的作用；BC為該資源的基本屬性集，包括資源ID、名稱、型號、主要用途、所有者信息、所處位置、聯系方式等；FC為該資源的能力屬性集，包括能力特征名稱、能力特征參數、能力等級等，不同類型資源的能力特征名稱及參數不同，如加工中心的能力特征為坐標軸數、工作行程、最高加工精度、可達粗糙度等，而設計師的能力特征為工作年限、會用的設計軟件、技能等級等；UC為該資源的使用屬性集，包括資源可用時間、價格標準、維修保養信息等；SC為該物理資源的狀態屬性集，包括信息來源、感知方式、已完成任務、正在執行的任務等。

圖2 多領域制造資源粒化及逐層封裝過程示意圖Fig.2 Granulation and layer by layer encapsulation process diagram of multi-domain manufacturing resources

在物聯網及CPS相關技術的支持下，物理制造資源被虛擬化為相應的資源顆粒，其對應信息域是在物理資源屬性信息上增加了接口定義和能力特征封裝，可形式化表示為

其中，VMU為虛擬資源顆粒；MID為該資源顆粒的唯一標識；MName為該資源顆粒的名稱；URL與該資源顆粒對應的物理資源一致；VFC為該資源顆粒的能力屬性集，是對物理資源能力屬性的繼承和抽象，包括制造能力類別、能力特征名稱、能力特征參數、最大能力值、能力系數等；VUC為該資源顆粒的使用屬性集，是對物理資源使用屬性集的繼承和抽象，包括可用時間、價格標準、QoS信息等；VSC為該資源顆粒的實時狀態，是對物理資源狀態集的繼承和抽象，包括正在使用、空閑、故障、離線等狀態；AP為該資源顆粒的聚合接口，包含該資源顆粒的聚合協議及排斥規則，如軟件系統不能兼容X86架構的服務器。

多領域制造資源顆粒以制造活動單元為中心聚合，形成具有基本制造能力的資源簇，聚合過程可以由人工主導或定義好約束關系和聚合規則實現智能聚合。云制造服務單元是資源簇在信息域的映射，其形式化表達為

其中,MSU為云制造服務單元；UID為該云制造服務單元的唯一標識；UName為該云制造服務單元的名稱；VMUs為該云制造服務單元對應資源簇內的制造資源顆粒集；UR為該服務單元內部資源簇各顆粒之間的邏輯關系，可通過對資源簇聚合所使用的制造活動元模型中的PR進行實例化得到；UF為該服務單元的能力特征屬性集，體現了該制造服務單元內部制造活動的服務能力，是對資源簇中各顆粒制造能力的繼承與綜合，包括服務能力類別、服務能力特征名稱、服務能力特征參數、最大能力值、能力系數等；UU為該服務單元的使用屬性集，是對內部所有資源顆粒使用屬性的綜合和抽象，包括可用時間、使用價格、QoS信息等；UT為該服務單元的服務周期；US為該服務單元的狀態屬性，是對所有資源顆粒狀態的綜合和抽象；UP為該服務單元的組裝接口，包括調用入口、參數列表和調用出口等。

實際的制造活動由不同制造活動單元組合而成，同樣，完整的云制造服務也由不同的云制造服務單元組合而成。從資源視域來看，不同的資源簇聚合形成更大且具有穩定結構和功能的制造能力團，其對應的信息視域下云制造服務的形式化表示為

其中，MS為云制造服務；SID為該云制造服務的唯一標識；SName為該云制造服務的名稱；MSUs為該云制造服務所包含的所有云制造服務單元；SR為該制造服務內部各服務單元之間的邏輯關系，包括串行、并行、循環等；SF為該制造服務的能力特征屬性集，是對制造能力團功能特征的抽象描述，體現了服務內部所有制造活動的綜合服務能力，同樣包含制造服務單元的特征屬性，只是取值不同；SU為該制造服務的使用屬性集，是對內部所有云制造服務單元使用屬性的綜合和抽象，包括可用時間、費率、QoS信息等；ST為該制造服務的服務周期；SS為該制造服務的狀態屬性，是對所有制造服務單元狀態的綜合和抽象；SP為該制造服務的組裝接口，包括調用入口、參數列表和調用出口等，云制造服務同樣可被組裝形成具有更高級制造能力的服務流程。

2 云制造服務粒層遞歸檢索方法

人類對世界的認知過程就是由不確定到逐步確定的過程，在粗粒度上往往是不確定的概念經過調整知識粒度，不斷地對這些不確定的概念進行細化、更新，從而得到確定的概念，達到對事物的結構化認知。服務化封裝后的多領域制造資源以不同形態的粒結構存在于特定的層次中，每個層次代表從不同的角度對云制造服務的觀察。用戶在檢索過程中往往遵循由粗到細的原則，且不斷對不同層次中關鍵粒結構的屬性特征加以約束以保證檢索結果趨于精準，因此，云制造服務平臺需要支持用戶在不同層次和粒度上進行智能檢索。商空間粒計算理論是人工智能領域中的一種新理論和新方法，其主要思想是通過選擇合適的粒度來尋找問題的一種較好的近似解決方案，從而降低問題求解的復雜度，本文采用該理論求解上述問題。

2.1 云制造服務檢索的商空間描述

云制造服務檢索的目的是將海量云制造服務劃分為兩個互不相交的集合，且使一個集合的內容具有一致性并與另一集合具有明顯差別，其實質就是對云制造服務集合的一個有效劃分；等價關系R就是在檢索時所要提取的內容一致性準則，如服務類別的相似性、制造精度的相似性等，所以從粒度層面分析，云制造服務檢索是對海量云制造服務由細粒度空間到粗粒度空間的變換過程。

（1）用三元組（X1,f1,T1）描述在制造資源顆粒視圖下的云制造服務。X1為制造資源顆粒集合所構成的論域，如{x1,x2,…,xn}，其中，xn表示某個制造資源顆粒；f1為論域X1中反映各制造資源顆粒的特征屬性函數，如加工精度、資源狀態等；T1為論域X1中制造資源顆粒的結構關系，如相似性。

（2）用三元組（X2,f2,T2）描述制造活動單元視圖下的云制造服務。X2為服務于同一制造活動的制造資源顆粒集合，如{u1,u2,…,un}{{x1,x2,…,xk1},{x4,x6,…,xk2},…}；f2為新論域X2中制造活動單元的特征屬性，如流程特征、服務周期等；T2為新論域X2中制造活動單元集合間的結構關系，如不同流程特征之間的關系。

（3）用三元組（X3,f3,T3）描述完整服務視圖下的云制造服務。X3為參與服務于同一制造服務的所有制造資源顆粒集合，如{s1,s2,…,sn}={{u1,u2,…}，{u4,u6,…},…}；f3為新論域X3中云制造服務的特征屬性，如服務類別、服務質量等；T3為新論域X3中云制造服務集合間的結構關系。

對于云制造服務檢索問題（X，f，T），若已選定屬性函數f和相似度度量準則P，且滿足自反性、對稱性和傳遞性，即（X,f,T）在f和P的作用下得到的關系R為等價關系，則相應的商空間為（［X］，［f］，［T］）。如圖3所示，不同等價關系對應的商空間對應于制造資源顆粒集合在不同粒度下的理解，通過多粒度屬性合成形成新的商空間，即可得到一個新的更高層次的檢索結果。

圖3 云制造服務檢索商空間粒層映射與切換示意圖Fig.3 Granular layer mapping and switching diagram of cloud manufacturing service retrieval space

2.2 多粒度檢索需求的粒度分解與求解框架

用戶在不同粒層上關注的角度和屬性特征不同，例如在資源顆粒粒度上，用戶關心的是某關鍵資源顆粒的能力屬性；在制造活動單元粒度上，用戶關心的是該制造過程的能力屬性；在制造服務粒度上，用戶關心的是制造服務內所有制造活動的綜合能力屬性。在實際云制造服務檢索中，用戶的原始檢索需求一般包含來自不同粒層的多種粒度大小的服務特征信息，因此首先需要對多粒度檢索需求進行粒度分解。如圖4所示，從初始檢索需求R中抽取與服務特征屬性有關的需求信息R3，得到云制造服務粒層商空間G3(X3,T3)下的檢索問題Problem（G3,R3），同理可分別得到制造活動粒層商空間G2（X2,T2）中的 Problem（G2,R2）和制造資源粒層商空間G1(X1,T1)中的Problem（G1,R1）。各層檢索問題的求解遵循由粗到細、逐層求精的原則，下層商空間由上層商空間檢索問題的解集通過映射函數h決定，此處h一般包括從上層解集中提取論域集合、特征屬性及結構關系組成新商空間等操作。

圖4 多粒度檢索需求的粒度分解與求解框架示意圖Fig.4 Particle decomposition and solution framework of multi-granularity retrieval needs

2.3 基于灰相似粗糙集的云制造服務粒層遞歸檢索

云制造平臺上分布著大量功能相似但內部資源顆粒及過程特征都不同的云制造服務，而且部分服務在封裝過程中存在屬性缺失或波動范圍較大等不確定性問題，如何在海量云制造服務中檢索和發現與需求最為相近的可用服務是本文的重點。

粗糙集理論［25］是一種處理不確定性問題的有效方法，能夠在沒有任何先驗信息時發現數據中隱含的知識，被廣泛應用于分類決策問題。傳統粗糙集模型對待處理數據分類要求精確，但實際數據集合中常常包含很多不確定性和噪聲?；疑到y理論［26］能夠對“小樣本、貧信息”的不確定性系統繼續正確有效的分析，克服粗糙集理論的不足。本文采用基于灰相似關系的粗糙集模型來解決同一層次數據集中信息的不完備性和不一致性，并采用結合灰色理論與粗糙集的層次遞歸算法解決不同粒層的云制造服務檢索，算法具體步驟如下。

（1）設定當前層為云制造服務層，當前論域X為初步符合條件的云制造服務集合。

（2）獲取當前層中作為評價指標的不同粒度屬性集合C={f1,f2,…,fn}，稱為條件屬性集，并將條件屬性集采用區間數進行量化描述，獲取各評價指標的權重值ωi，滿足

（3）獲取該層作為決策指標的屬性集合{d1,d2,…,dm}，稱為決策屬性集，并進行量化描述；

（4）構建該層灰色決策表GD=（X,C?g0gggggg，VC? Vd,f?）。其中，X為論域，即待決策集合；C為條件屬性集,決策屬性集D=g0gggggg；VC和Vd分別為屬性C和d的值域；信息函數f?:X×（C?g0gggggg→VC×Vd）。確定各屬性的值域，建立灰色決策表GD。

（5）設置該層條件屬性值的灰相似度閾值α，獲得該層新灰色決策表GDα=（X′，C?g0gggggg，VC?Vd,f?）。

（6）確定該層相似度閾值β，計算在該灰色閾值和相似度閾值下與需求云制造服務的相似集合其 中 ，區 間a和 區 間b的 相 似 度 采 用計算。

（7）按決策屬性指標將云制造服務劃分到各決策類di中，生成該層云制造服務集合D（ii=1，2，…，m）。計算Di關于GDα依據相似度閾值β的正域

（8）如當前層為云制造服務層，則調整當前論域為X=pos(α,β)C（d），設定當前層為制造活動層，轉步驟（2）；否則轉步驟（9）。

（9）如當前層為制造活動層，則調整當前論域為X=pos(α,β)C（d），設定當前層為資源顆粒層，轉步驟（2）；否則轉步驟（10）。

（10）輸出檢索結果pos(α,β)C（d），其中，各待選云制造服務的順序按照其與目標需求的歐氏距離從小到大排列，算法結束。

3 算例與驗證

本文以筆者所在單位自有金屬3D打印設備為例說明多領域制造資源的粒層化服務封裝過程。如圖5所示，首先通過分析將金屬結構件快速成形服務分為數據切片、3D打印、后處理、打包與物流4個制造活動單元，并根據每個制造活動單元所需要的人、機、料、法、環等關鍵制造資源要素對本單位相關資源進行梳理與歸類，形成資源顆粒、以制造活動為中心的資源顆粒簇、實例化后的制造活動單元等云制造服務封裝的基礎。接著按1.3節中的信息建模方法基于WSMO Studio（WSMO概念模型建模工具）依次對多域異構資源顆粒、實例化后的制造活動單元、由多個制造活動協作的完整服務活動等3種不同粒層的關鍵屬性進行語義標注及賦值，并通過WSDL描述語言以Web Service的形式在云平臺上注冊、發布，形成層次分明又相互聯系的金屬構件快速成形云服務。實際服務過程中，各關鍵云制造資源顆粒的可用狀態可通過物聯感知的方式實時監測并上傳至云端，形成線上線下一體化協同的云制造服務模式；同時服務過程管控引擎根據各資源顆粒的可用狀態實時評估服務的可用性，發生異常時及時屏蔽故障節點并轉移制造任務，保證云制造服務過程的平穩可控。

限于目前尚無較為成熟且大規模應用的開源云制造服務平臺，且云制造服務的檢索過程主要基于相關資源及服務信息，為驗證本文所提方法的可行性，筆者從www.mfg.com、豬八戒網（www.zbj.com）、天貓商城（www.tmall.com）等平臺上搜集了135家涵蓋鈦合金、模具鋼、鋁合金、石墨、光敏樹脂、尼龍等材質的快速成形服務提供商，根據其提供的關鍵設備、工藝過程、質量特性、服務范圍、服務時效及價格等信息加上部分由筆者模擬添加的人員、場地等共同構成測試數據集。然后按照1.3節中方法進行服務分層封裝并以Web Service的形式在原型平臺上進行注冊、發布。現有一客戶其檢索需求如表1所示。

圖5 金屬3D打印設備粒層化服務封裝過程示意圖Fig.5 Grain layer service encapsulation process diagram of metal 3D printing equipment

表1 云制造服務檢索需求信息表Tab.1 Retrieve demand information of cloud manufacturing services

限于篇幅，本文以制造活動層為例說明檢索過程，滿足服務層需求屬性特征的云制造服務有8個，根據制造活動層的需求屬性構建灰色決策表（表2），以成形工藝先進性c1、管理規范性c2、可加工尺寸c3、表面精度c4為評價指標，對應的權重值分別為wc1=0.2、wc2=0.1、wc3=0.3、wc4=0.4，并以服務經濟性d作為決策指標，構建灰色決策表GD=(X,C?g0gggggg,VC? Vd,f?)。其中論域X={1,2,3,4,5,6,7,8}，條件屬性集C={c1,c2,c3,c4}，各指標采用十分制量化為區間數。

表2 云制造服務灰色決策表GDTab.2 Gray decision tableGDof cloudmanufacturing service

采用灰色極差變換法消除條件屬性的量綱以增加可比性，計算所有云制造服務的灰相似度并設置灰相似度閾值α=0.5，得到變換后的灰色決策表GDα=（X',C?g0gggggg,VC?Vd,f?），見表3。

表3 云制造服務灰色決策表GDαTab.3 Gray decision tableGDαof cloud manufacturing service

取區間數相似度閾值β=0.5，得到

又因為X/d={{1,3,6,7},{2,5},{4}}且服從{1，3，6，7}?{2,5}?{4}，根據擇優原則取與目標需求最接近的集合D1={1,3,6,7}，則即云制造服務 1、6、7被目標需求完全承認，則認為符合制造活動層目標需求的云制造服務有1、6、7可供選擇。接著將1、6、7云制造服務作為資源顆粒層的輸入，最后求得6號云制造服務為最優待選云制造服務。

同等條件下采用改進遺傳算法進行尋優，其中各特征屬性的不確定性采用三角模糊數表示，選取交叉概率為0.6，變異概率為0.05，經多次迭代計算輸出的最優云制造服務同樣為6號云制造服務。與灰相似粗糙集搜索算法比較發現，遺傳算法沒有很好地利用領域知識和模仿人類由粗到細逐步尋優地能力，且極易陷入局部最優，如本文算例中有時會輸出7號云制造服務為最優；另外在滿足需求的云制造服務數量較大且相似度較高的情況下，遺傳算法在時間復雜度上不如灰相似粗糙集搜索算法的集合運算效果好。

4 結論

本文構建了制造元活動模型以實現多領域制造資源的有效聚合，并基于商空間粒計算理論對資源簇的制造能力進行逐層封裝，提出了基于灰相似粗糙集的層次遞歸搜索算法以解決服務特征屬性的不確定性問題，建立了一套元活動模型驅動的多領域制造資源粒層化服務封裝與檢索方法。算例表明，以制造活動單元為中心進行多領域制造資源聚合與服務封裝的方式能夠在云制造服務中融入更多的制造過程領域知識，可以有效提高服務檢索的查準率，且為后續云制造平臺與企業內部已有制造執行系統有機集成提供參考。未來將進一步擴充測試數據集的種類和規模并開發相應的制造服務封裝工具，就資源顆粒的智能聚合接口展開研究，以期實現云制造服務的自組織與智能尋租。

［1］ 張霖，羅永亮，范文慧，等.云制造及相關先進制造模式分析［J］.計算機集成制造系統，2011，17（3)：458?468.ZHANG Lin，LUO Yongliang，FAN Wenhui，et al.Analyses of Cloud Manufacturing and Related Advanced Manufacturing Models［J］.Computer In?tegrated Manufacturing Systems，2011，17（3):458?468.

［2］ 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.TAO Fei，ZHANG Lin，GUO Hua，et al.Typical Characteristics of Cloud Manufacturing and Sever?al Key Issues of Cloud Service Coposition［J］.Computer Integrated Manufacturing Systems，2011，17（3)：477?486.

［3］ 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?7.LI Bohu，ZHANG Lin，WANG Shilong，et al.Cloud Manufacturing—a New Service Oriented Networked Manufacturing Model［J］.Computer Integrated Manufacturing Systems，2010，16（1)：1?7.

［4］ 李伯虎，張霖，任磊，等.再論云制造［J］.計算機集成制造系統，2011，17（3)：449?457.LI Bohu，ZHANG lin，REN Lei，et al.Further Dis?cussion on Cloud Manufacturing［J］.Computer In?tegrated Manufacturing Systems，2011，17（3):449?457.

［5］ WANG Xi，XU Xun.Virtualise Manufacturing Ca?pabilities in the Cloud：Requirements，Architecture and Implementation［J］.International Journal of Manufacturing Research，2014，9（4)：348?368.

［6］ LIU Ning，LI Xiaoping.Granulation ? based Re?source Classification in Cloud Manufacturing［J］.Proceedings of the Institution of Mechanical Engi?neers，PartB：JournalofEngineering Manufac?ture.2015，229（7):1258?1270.

［7］ 姚錫凡，金鴻，徐川，等.云制造資源的虛擬化與服務化［J］.華南理工大學學報（自然科學版)，2013，41（3)：1?7.YAO Xifan，JIN Hong，XU Chuan，et al.Virtualization and Servitization of Cloud Manufacturing Resources［J］.Journal of South China University of Technology（Natural Science Edition)，2013，41（3):1?7.

［8］ 馬軍，羅國富，路迪，等.制造資源云集成元建模及云Agent服務調度研究［J］.中國機械工程，2014，25（7)：917?923.MA Jun，LUO Guofu，LU Di，et al.Research on Man?ufacturing Resources Cloud Integration Meta Model?ing and Cloud Agent Service Scheduling［J］.China Mechanical Engineering，2014，25（7):917?923.

［9］ 吳嬌,李少波.云制造中硬資源虛擬化封裝研究［J］.機械設計與制造，2014，281（7)：112?115.WU Jiao，LI Shaobo.The Hardware Resource Virtual Encapsulation in Cloud Manufacturing［J］.Machinery Design and Manufacture，2014，281（7):112?115.

［10］ 尹翰坤，尹超，王偉，等.基于Multi?Agent的制造資源云服務化封裝方法及適配器研究［J］.計算機集成制造系統，2014，20（12)：3182?3188.YIN Hankun，YIN Chao，WANG Wei，et al.Cloud Service Encapsulation Adapter for Manufacturing Re?source Based on Multi? agent［J］.Computer Integrat?ed Manufacturing Systems，2014，20（12)：3182?3188.

［11］ ZHANG Yingfeng，ZHANG Geng，LIU Yang，et al.Research on Services Encapsulation and Virtualiza?tion Access Model of Machine for Cloud Manufactur?ing［J］.Journal of Intelligent Manufacturing，2015，28（5):1109?1123.

［12］ 武蕾，孟祥旭，劉士軍.制造網格中資源服務化封裝方法研究［J］.計算機集成制造系統，2008，14（9)：1837?1844.WU Lei，MENG Xiangxu，LIU Shijun.Resource Ser?vice Encapsulation in Manufacturing Grid［J］.Com?puter Integrated Manufacturing Systems，2008，14（9)：1837?1844.

［13］ 韋濤，李迎光，劉旭.面向航空復雜結構件數控加工過程的云制造服務生成方法［J］.計算機集成制造系統，2016，22（11)：2707?2717.WEI Tao，LI Yingguang，LIU Xu.NC Machining In?process Oriented Cloud Manufacturing Service Gen?eration Method for Complex Aircraft Structural Parts［J］.Computer Integrated Manufacturing Systems，2016，22（11)：2707?2717.

［14］ CRCIUNEAN V.A Linguistic Model of Aggregation in Virtual Manufacturing Processes［J］.Academic Journal of Manufacturing Engineering，2014，12（3)：124?129.

［15］ 羅永亮，張霖，陶飛，等.云制造模式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 Lin，TAO Fei，et al.Key Technologies of Manufacturing Capability Model?ing in Cloud Manufacturing Mode［J］.Computer In?tegrated Manufacturing Systems，2012，18（7)：1357?1367.

［16］ 肖瑩瑩，李伯虎，柴旭東，等.云制造中的制造能力服務形式化描述方法［J］.系統仿真學報，2015，27（9)：2096?2107.XIAO Yingying，LI Bohu，CAI Xudong，et al.Re?search on the Formalization Description Method of Manufacturing Capability Service in Cloud Manu?facturing［J］.Journal of System Simulation，2015，27（9)：2096?2107.

［17］ LIU Ning，LI Xiaoping，SHEN Weiming.Multi?granularity Resource Virtualization and Sharing Strategies in Cloud Manufacturing［J］.Journal of Network and Computer Applications，2014，46：72?82.

［18］ PENG Anhua，XIAO Xingming.Optimized Retriev?al for Manufacturing Resource Using Fuzzy Clus?tering under Uncertain Environment［J］.Journal of Information and Computational Science，2014，11（6)：1899?1908.

［19］ 李成海,黃必清.基于屬性描述匹配的云制造服務資源搜索方法［J］.計算機集成制造系統，2014，20（6)：1499?1507.LI Chenghai HUANG Biqing.Cloud Manufactur?ing Service Resources Based on Attribute Descrip?tion Matching［J］.Computer Integrated Manufactur?ing Systems，2014，20（6)：1499?1507.

［20］ BOUZID S，CAUVET C，FRYDMAN C，et.al.A Pattern?based Approach for Semantic Retrieval of Information Resources in Enterprises［C］//Pro?ceedings of the 16th International Conference on Enterprise Information Systems.Lisbon，2014:193?200.

［21］ 蔡坦，劉衛寧，劉波.一種新的基于直覺模糊集的制造云服務優選方法［J］.中國機械工程，2014，25（3)：352?356.CAI Tan，LIU Weining，LIU Bo.A New Method of Cloud Manufacturing Service Optimal?selection Based on Intuitionistic Fuzzy Set［J］.China Me?chanical Engineering，2014，25（3)：352?356.

［22］ 譚偉，劉璇，徐欽桂.服務環境下多粒度制造資源自適應組織與發現［J］.計算機集成制造系統，2014，20（9)：2283?2296.TAN Wei，LIU Xuan，XU Qingui.Adaptive Orga?nization and Discovery of Multi?granularity Manu?facturing Resource in Service Environment［J］.Computer Integrated Manufacturing Systems，2014，20（9):2283?2296.

［23］ 朱李楠，趙燕偉，王萬良.基于RVCS的云制造資源封裝、發布和發現模型［J］.計算機集成制造系統，2012，18（8)：1829?1838.ZHU Linan，ZHAO Yanwei，WANG Wanliang.Model of Resource Package，Publication and Dis?covery Based on RVCS in Cloud Manufacturing［J］.Computer Integrated Manufacturing Systems，2012，18（8)：1829?1838.

［24］ Hu C，Xu C，Cao X，et al.Study on the Multi?granu?larity Virtualization of Manufacturing Resources［C］//ASME 2013 International Manufacturing Science and Engineering Conference Collocated with the 41st North American Manufacturing Re?search Conference.Madison，2013:V002T02A008.

［25］ 張文修，吳偉志，梁吉業.粗糙集理論與方法［M］.北京：科學出版社，2003:1?12.ZHANG Wenxiu，WU Weizhi，LIANG Jiye.Rough SetTheroyandMethod［M］.Beijing：Science Press，2003:1?12.

［26］ 劉思峰，謝乃明.灰色系統理論及其應用［M］.北京：科學出版社，2008:1?6.LIU Sifeng，XIE Naiming.Grey System Theroy and Its Application［M］.Beijing：Science Press，2008:1?6.*