云制造服務綜合評價模型研究

胡艷娟， 武理哲， 王占禮， 張邦成

(1.長春工業大學 汽車工程研究院， 吉林 長春 130012；2.長春工業大學 機電工程學院， 吉林 長春 130012)

0 引 言

云制造(Cloud Manufacturing)[1]作為一種面向服務的網絡化制造新模式，已經發展到了一種全新的服務制造模式和智慧制造手段[2]，其制造服務高度集成、高度模塊化的特點，給相關產業發展帶來了新的機遇。對云制造服務進行綜合評價是保障云制造服務活動能否順利運行的關鍵,因此,科學合理的對云制造服務進行評價具有十分重要的意義。

從整個云制造全生命周期活動中可以看出，云制造平臺匯集了大量的制造服務資源[3]。通過對制造任務進行分解、需求分析、功能需求匹配，把集成化的制造服務資源分解為多個不同的服務組合，實現了“分散資源集中使用，集中資源分散服務”和高效低耗的目的[4]。制造服務的動態性、多樣性、離散性等特點，給制造服務的服務能力提出了更高的要求。因此對制造服務進行綜合評價，不僅能增強不同服務自身的競爭能力，還能集中優勢資源、降低生產成本、實現云制造服務資源的優勢互補。因此在云制造環境下，對云制造服務展開評價研究至關重要。

目前對于云制造服務評價已有一些研究成果，在云服務評價指標體系方面，文獻[5]針對云制造服務評價質量提出了評價性能等6類二級指標，響應時間等11類三級指標。文獻[6]對于云服務信譽進行了評價，提出了時間控制、經濟效率、加工質量、服務態度、業務規模、物流效率6類評價指標。文獻[7]針對云服務安全，提出了包括控制措施等4類二級指標，安全管理等16類三級指標。文獻[8]把信譽評價指標分成3類，包括時間、質量等16個二級指標。文獻[9]提出了運行安全等4類二級指標，網絡安全等11類三級指標。在服務評價方法方面，文獻[10]結合遺傳算法對服務進行評價優化得出最優的服務質量。文獻[11]為了使云服務資源有效利用，提出了基于熵優化和蟻群聚類的云資源評價模型。文獻[12]考慮服務質量的復雜性，提出了基于模糊層次分析法(FAHP)和逼近于理想解的排序方法(TOPSIS),構建了服務評價選擇模型。

從上述文獻中可以看出,評價指標體系的建立是進行云制造服務評價的基礎和關鍵。而在目前的云制造服務綜合評價指標體系中，每種評價類別下的評價指標都不相同，不僅有定性和定量的指標，還有正指標、逆指標之分，具有多樣化、層次化的特點。此外針對同一類型云服務的評價，不同研究者給出的評價指標差別很大，不具有通用性和可擴展性。在評價方法上，雖然運用了多種方法相結合進行綜合評價，但是由于云制造服務自身的模糊性、復雜性等，很難得出科學、合理的評價結果。因此建立一個通用、柔性的云制造服務綜合評價模型尤為重要。

云制造服務評價涉及大量復雜的因素，模糊數學[13]具有定性和定量評價優勢，可以很好地將一些邊界不清、不易定量的因素定量化，直觀地反映評價指標對應的隸屬程度，從而更加客觀、準確地反映評價的真實情況。基于上述情況，文中結合模糊數學理論建立了模糊綜合評價模型，并通過相關實例驗證了該評價模型的實用性，對進一步篩選云制造服務具有一定的借鑒作用。

1 模糊綜合評價多級模型的建立

模糊綜合評價的基礎是模糊數學，其方法就是把待考察的模糊對象和反映模糊對象的模糊概念作為模糊集合，建立適當的隸屬函數，并通過模糊集合論的有關運算和變換，對模糊對象進行定量分析。模糊綜合評價模型能較全面地匯總各評價主體的意見，綜合反映被評對象的優劣程度。

1.1 建立多級綜合評價指標體系

云制造服務是一個復雜的服務組合系統，如何建立一套科學、合理、可靠的云制造服務評價指標體系十分重要。由于云制造服務評價包含的因素較多，文中在注重綜合性、代表性基礎之上選取有效的評價指標。同時針對不同實際情況，該評價體系可以根據需求增加和減少。根據以上原則，結合云制造服務特點，文中建立了制造服務能力、服務質量、服務交易保障三大類一級評價指標。云制造服務綜合評價指標(1)～(3)分別見表1～表3。

表1 云制造服務綜合評價指標(1)

表2 云制造服務綜合評價指標(2)

表3 云制造服務綜合評價指標(3)

1.2 建立多級評價因素集

根據表1～表3可知,云制造服務綜合評價是一個具有三級指標的評價體系。因此，對每一個一級指標即制造服務能力、服務質量、服務交易保障的評價都構成一個模糊評價過程。也就是說，先對每一個一級指標對應的三級指標進行綜合評價，然后再對二級指標進行評價，最后再對一級指標進行評價，這樣逐層評價便可得出最終的評價結果。由此得到多級評價因素集。

1.2.1 一級評價因素集

C={S1，Q1，P1}

式中：C----云制造綜合評價指標;

S1----服務能力評價指標;

Q1----服務質量評價指標;

P1----服務交易保障評價指標。

1.2.2 二級評價因素集

S1={S21，S22，S23，S24}，

Q1={Q21，Q22，Q23}，

P1={P21，P22，P23}.

式中：S21----制造資源優化配置能力;

S22----人員素質能力;

S23----柔性制造能力;

S24----綠色制造能力;

Q21----服務時間;

Q22----服務成本;

Q23----服務信譽;

P21----服務可靠性;

P22----服務響應性;

P23----服務安全性。

1.2.3 三級評價因素集

S21={S231，S232，S233，S234，S235}，

S22={S236，S237，S238}，

S23={S239，S2310，S2311，S2312，S2313，S2314}，

S24={S2315，S2316，S2317，S2318，S2319，S2320，S2321}.

式中：S231----資源分解能力;

S232----資源組合能力;

S233----資源協調能力;

S234----設計方案優選能力;

S235----制造工藝管理能力;

S236----科技人員數量;

S237----高級技工數量;

S238----員工文化水平;

S239----機器柔性;

S2310----工藝柔性;

S2311----產品柔性;

S2312----生產能力柔性;

S2313----維護柔性;

S2314----擴展柔性;

S2315----綠色設計能力;

S2316----綠色材料選購與選擇能力;

S2317----綠色生產工藝規劃能力;

S2318----綠色消費使用包裝和運輸能力;

S2319----綠色回收與拆卸能力;

S2320----綠色再制造和零件重復使用能力;

S2321----廢物排放的綠色處理能力。

Q21={Q231，Q232，Q233}，

Q22={Q234，Q235，Q236}，

Q23={Q237，Q238，Q239，Q2310，Q2311，Q2312}.

式中：Q231----產品制造時間;

Q232----物流服務時間;

Q233----服務響應時間;

Q234----產品制造成本;

Q235----物流服務成本;

Q236----成本控制能力;

Q237----產品使用功能滿意程度;

Q238----產品原材料滿意度;

Q239----售后服務滿意度;

Q2310----產品按時交貨率;

Q2311----合同履約率;

Q2312----產品合格率。

P21={P231，P232，P233，P234，P235，P236}，

P22={P237，P238}，

P23={P239，P2310，P2311，P2312，P2313，P2314}.

式中：P231----服務態度友好性;

P232----服務訂單支付能力;

P233----服務協作性;

P234----服務合規性;

P235----服務穩定性;

P236----服務成功率;

P237----服務準時性;

P238----服務及時性;

P239----服務有效性;

P2310----網絡通訊能力;

P2311----系統故障恢復能力;

P2312----數據信息保護能力;

P2313----信息的完整性;

P2314----信息的可用性。

1.3 建立第三級指標評價標準

由于第三級評價指標取值范圍不同，類型多種多樣，具有很大的波動性，所以需要統一標準。根據實際情況并查閱相關資料，將評價指標的評價標準分為優、良、中、合格、差五個等級。其中云制造服務定性評價指標的標準有33個，定量的評價指標的標準有14個，分別見表4～表6。

表4 云制造服務評價指標標準值(1)

續表4

表5 云制造服務評價指標標準值(2)

表6 云制造服務評價指標標準值(3)

續表6

1.4 建立多級模糊關系矩陣R

根據表1～表3以及表4～表6，首先對指標進行模糊處理，然后要逐個對被評指標從每個因素上進行量化，即確定評價指標與對應等級模糊子集的隸屬度。基于這種思想，文中提出了采用模糊梯形分布函數來計算每個評價指標的隸屬度，該函數相比三角隸屬度函數計算更簡便，而且非常實用。由于有的評價指標是越大越好，有的是越小越好，所以針對這種情況,對于越大越優型的指標采用模糊升梯形公式，對于越小越優型的指標采用模糊降梯形公式。

1.4.1 模糊升梯形公式

(1)

(2)

(3)

(4)

(5)

1.4.2 模糊降梯形公式

(6)

(7)

(8)

(9)

(10)

式中：v1,v2,v3,v4,v5----分別為優、良、中、合格、差對應的指標評價標準值;

xi----不同評價因素集對應于指標的實際值;

r1,r2,r3,r4,r5----經過模糊運算后的五個等級的隸屬度值，其中ri∈[0,1]。

由式(1)～式(10)得出的每個評價指標的隸屬度值，可構造多級模糊隸屬度子集Ri,Ri=(ri1,ri2,…,rim),從而得到模糊矩陣或評價矩陣R:

(11)

1.5 確定評價指標的權重

層次分析法(AHP)是一種主觀確定評價指標權重的方法，其主觀性較強，包含了專家的經驗知識和決策者的意見；而熵權法是一種客觀確定評價指標權重的方法，能夠對原始數據進行非常客觀的評價，客觀性較強。如果對層次分析法和熵權法進行綜合，就可以更客觀、科學地計算出評價指標的權重值。

由于第一級、第二級的評價指標沒有對應的實際值，所以其權重值用層次分析法來確定。而第三級評價指標有實際值，所以用熵權法得出其實際的權重，再用層次分析法得出其主觀權重。通過主觀與客觀相結合，即可得到第三級評價指標的綜合權重:

(12)

式中：wi----層次分析法得出的權重;

βi----熵權法得出的權重;

αi----綜合權重。

1.6 合成多級模糊綜合評價結果F

實際中對于評價結果的隸屬程度最常用的方法是最大隸屬度原則，但這種方法的缺點是在某些情況下使用會損失信息很多，甚至得出不合理的評價結果。因此用加權平均來求隸屬等級的方法被提出，對于多個被評事物可以依據其等級位置進行排序，文中模糊綜合評價方法就采用了“加權平均型”模型。將綜合權重αi與各級被評事物的模糊關系矩陣R進行合成，得到各級被評事物的模糊綜合評價結果向量F:

F=α*R=

(13)

式中：αi----綜合權重;

R----模糊關系矩陣;

F----模糊綜合評價結果向量。

2 評價結果等級分類

由于文中是三級綜合評價指標體系，所以按照多級模糊綜合評價模型的步驟，先對第三級指標進行評價，然后對第二級指標進行評價，最后再對第一級指標進行評價。經過多級評價之后達到最終的評價結果。另外,對于云制造服務的多樣性，不同的服務需求可能對同樣的指標重要程度要求不同，因此要使綜合評價模型更加符合實際情況。

對于第一級評價指標運用層次分析法求出三種權重。

第一種權重方式：

wS>wQ>wP

第二種權重方式：

wP>wQ>wS

第三種權重方式：

wQ>wP>wS

式中：wS----制造服務能力權重值;

wQ----服務質量權重值;

wP----服務交易保障權重值。

綜合以上情況設立評價結果標準矩陣N=[100,90,80,65,55]，分別對應優、良、中、合格、差的值。則總的評價結果Z由下式得出:

Z=F*N

(14)

式中：N----評價結果標準矩陣;

F----模糊綜合評價結果向量;

Z----總的評價結果值。

最后根據Z的數值，對照等級分類劃分不同的評價等級,見表7。

表7 等級分類

3 結 語

以模糊數學理論為基礎，針對云制造服務的特點，提出了利用層次分析法、熵權法和模糊綜合評價法建立綜合評價等級分類模型。主要成果如下:

1)根據云制造服務評價的特征，構建了較為完善的三級評價指標體系(一級指標3個，二級指標10個，三級指標47個)，具有很強的代表性，同時該評價體系可以根據服務用戶的實際需求進行適當的修改。

2)建立的云制造服務評價指標標準和模糊隸屬度函數能夠對評價指標進行定性和定量分析。

該模糊綜合評價等級分類模型具有評價指標權重設置合理，評價步驟明確，評價規則簡單,指標量化和數據處理容易實現等特點，具備很強的通用性。因此該模型可應用于各種云制造服務，可以簡便地評價出不同評價對象的關鍵制約問題,從而給多種類型的服務用戶提供更有價值的參考，對于云制造服務的進一步完善具有重要的意義。

參考文獻：

[1] 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.

[2] 姚錫凡,練肇通,楊屹,等.智慧制造:面向未來互聯網的人機物協同制造新模式[J].計算機集成制造系統,2014(6):1490-1498.

[3] Xu X. Cloud manufacturing: a new paradigm for manufacturing businesses[J]. Australian Journal of Multi Disci-plinary Engineering,2013,9(2):105-116.

[4] Liu N, Li X. Granulation-based resource classification in cloud manufacturing[J]. Proceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture,2015,229(7):1258-1270.

[5] 黃云.基于QoS的云服務評價模型及應用的研究[D].杭州：浙江工商大學,2013.

[6] Li C, Wang S, Kang L, et al. Trust evaluation model of cloud manufacturing service platform[J]. Internatio-nal Journal of Advanced Manufacturing Technology,2014,75(1-4):489-501.

[7] Li M, Bardi M. A risk assessment method of cloud computing based on multi-level fuzzy comprehensive evaluation[C]// International Conference on Cyberspace Technology. IET,2014:124-127.

[8] Yan K, Cheng Y, TAO F. A trust evaluation model towards cloud manufacturing[J]. International Journal of A-dvanced Manufacturing Technology,2016,84(1):133-146.

[9] 余本功,汪柳,郭鳳藝.基于灰色模糊層次分析法的企業云服務安全評價模型[J].計算機應用,2014,34(S2):91-94，112.

[10] Strunk A. QoS sware service composition a survey[C]//Proceedings of IEEE European Conference on Web Services. Washington， D C, USA: IEEE，2011:67-74.

[11] Zuo L, Dong S, Zhu C, et al. A cloud resource evaluation model based on entropy optimization and ant colony clustering[J]. Computer Journal,2015,58(6):1254-1266.

[12] Setiawan N Y, Sarno R. Multi-criteria decision menking for selecting semantic Web service considering variability and complexity trade off[J]. Journal of Theoretical & Applied Information Technology,2016,86(2):316-326.

[13] Yang T X, Ping G X. Application of fuzzy mathematical method in evaluation of seawater intrusion[J]. Journal of Hydraulic Engineering,2003,34(8):64-69.