云制造環境下板材余料資源的服務匹配方法

張世淼，邵宏宇，陳 辰，陳永亮

（天津大學機構理論與裝備設計教育部重點實驗室，天津300354）

隨著云計算、物聯網等信息技術與先進制造技術的融合，云制造作為一種面向服務的、高效低耗的智能性網絡化制造新模式［1］，已成為制造業發展的重要方向。國務院發布的《中國制造2025》提到：“發展基于互聯網的個性化定制、眾包設計、云制造等新型制造模式，推動形成基于消費需求動態感知的研發、制造和產業組織方式。”與傳統制造相比，云制造的環境開放，能夠滿足海量用戶的個性化需求，實現閑置資源的高效共享。

目前，在面向云制造的供應鏈流程管控過程中，存在跨規模企業供應鏈協同效率低的問題［2］。隨著制造業的生產模式逐漸向小批量、多種類發展，很多板材加工類中小企業因智能化、信息化生產水平較低，極大部分板材余料被當作廢料處理，難以再次利用。依托云制造模式的“制造即服務”思想［3‐4］，通過云制造平臺將分布在各地的各類制造資源虛擬化和服務化，并進行統一管理，實現資源共享。因此，可將板材余料作為重要資源再次融入產品制造周期中，同時促進企業閑置加工設備的再次利用。在復雜的制造需求下，如何針對板材余料資源建立智能分類方法，對加工企業的板材余料和加工設備資源進行最優匹配，實現制造資源的服務化與高效共享［5‐6］，對不同規模企業的供應鏈協同實現動態優化，已成為亟待解決的問題。

目前，國內外學者已對云制造環境下資源的服務匹配問題進行了研究。例如：李慧芳等［7］采用五元組方法對制造資源進行描述，并根據服務類型和狀態信息，提出了一種智能化的制造云服務搜索與匹配方法；荊彥臻［8］建立了面向加工能力的服務描述模型，采用聚類算法對功能性信息進行聚類，提出了基于可拓論的機械加工云服務集合選擇方法，提高了服務匹配效率；孫曉琳［9］針對云制造環境下供應商的匹配，設計了三階段匹配算法，主要包括功能性匹配、QoS（quality of service，服務質量）匹配和綜合信息匹配；Zaremski等［10］對函數和模塊兩類軟件庫組件進行定義，提出了一種考慮精確匹配并兼顧不同松弛特征的函數‐模塊匹配方法；Zapater等［11］采用基于服務標準分類的匹配方法，將服務的匹配程度分為一般匹配、完全匹配等，并對服務進行歸類；趙金輝等［12］提出了基于QoS的云服務雙向匹配模型，針對供需雙方的評價信息，利用可變模糊識別方法對多指標信息的綜合滿意度進行計算；高亞春等［13］提出了一種基于QoS本體的Web服務選擇方法，將QoS參數的語義匹配度和數值匹配度相結合，利用歸一化算法對不同類型的QoS參數進行標準化；Ahmed等［14］采用人工神經網絡建立了基于QoS的服務匹配模型；Wang等［15］提出了一種基于多用戶的服務匹配框架，利用歷史用戶的經驗QoS值來預測丟失的QoS值，以提供全局最優的服務匹配結果。

綜上所述，目前對云制造模式的研究主要集中在服務提供方為機加工型企業時的資源服務化、資源組織與資源匹配上，而針對余料型企業資源服務匹配的相關研究較少。由于余料資源與加工設備資源不同，現有的資源服務化、資源組織與資源匹配方法無法直接應用。因此，筆者擬基于板材余料資源的特點［16‐17］，對云制造環境下板材余料資源的服務匹配方法進行研究，并結合實例進行可行性驗證。云制造環境下板材余料資源服務匹配方法的整體架構如圖1所示。

圖1 云制造環境下板材余料資源服務匹配方法的整體架構Fig.1 Overall architecture of service matching method for surplus sheet material resource in cloud manufacturing environment

1 制造資源服務化建模

目前，制造資源的本體建模尚沒有統一的方法，建模對象、建模目的和建模約束不同時所采用的建模方法是不同的。在制造資源本體建模方法中，“七步法”最為常用［18］。在“七步法”中，使用頻率最高的工具是Protégé軟件，該軟件通過樹形結構存儲本體的概念和屬性，可以清晰地梳理本體間的知識體系，創建資源本體模型。

板材加工企業與其他類型企業不同，其在擁有加工設備的同時還擁有大量的板材余料。與其他制造資源相比，板材余料資源的特殊性在于其形狀和面積較難識別和計算。此外，由于板材加工設備種類和數量眾多，實現板材余料及其加工設備資源的供需匹配成為一大難點。

針對板材加工企業制造資源的多樣性和異構性，分別建立板材余料資源和板材加工設備資源的本體模型，并將服務描述語言轉化為云制造平臺可識別的語言，以消除語義信息的不一致。

1.1 板材余料資源本體建模

與其他制造資源相比，板材余料資源除了具有海量性和異構性的特點外，其在資源匹配中還具有優先性。在資源組織方面，可以使具有類似余料資源的企業形成服務集合，對分散的余料資源進行集中使用，以提高滿足用戶需求的能力。

板材加工企業的訂單種類多且動態性強，導致板材余料的形狀復雜多樣且信息分散；同時，不同加工工藝可能會導致板材余料的理化屬性和力學屬性等不同。對板材余料資源的屬性進行分析，構建其本體模型，如圖2所示。

圖2 板材余料資源本體模型Fig.2 Ontology model of surplus sheet material resource

為實現板材余料資源的共享和交互，采用三元組方式來表示其本體：

式中：O為板材余料資源本體；C為板材余料資源概念集合；Re為板材余料資源概念關系集合，Re=｛attri‐bute‐of，kind‐of，instance‐of｝，其中“attribute‐of”表示一個概念是另一個概念的屬性，“kind‐of”表示2個概念間存在繼承關系，“instance‐of”表示概念與實例的關系；H為板材余料資源概念間的層次結構。

根據板材余料資源本體模型的結構特點，建立板材余料資源描述模型，表示為：

式中：BA為基本屬性集合，包含板材余料的編號（ID）、供應商編號（MsID）、材料（Mat）；UA為調用屬性集合，包含板材余料的形狀（Shape）、面積（Area）、厚度（Thick）、最大有效長度（RecL）、最大有效寬度（RecW）；CI為注釋信息集合，包含板材余料的數量（Num）、表面質量（有、無劃痕）（SurCondition）、模型（Model）。

對于某板材余料資源，可將其描述為：{{ID：MatR001，MsID：MS01，Mat：Q235｝，｛Shape：兩邊平行型，Aera：0.54 m2，Thick：10 mm，RecL：60 mm，RecW：810 mm｝，｛Num：23件，SurCondition：無，Model：

1.2 板材加工設備資源本體建模

板材加工設備分為沖床、剪切板和切割機三類。對板材加工設備的屬性進行分析，構建其本體模型，如圖3所示。

圖3 板材加工設備資源本體模型Fig.3 Ontology model of sheet material processing equipment resource

根據板材加工設備資源本體模型的結構特點，建立板材加工設備資源描述模型，表示為：

式中：BA為基本屬性集合，包含板材加工設備的編號（ID）、供應商編號（MsID）、類型（Type）、型號（Mdl）和制造商信息（Mfr）；FA為功能屬性集合，包含板材加工設備的輸入（Input）（即加工設備所能加工的材料）、輸出（Output）（即加工設備加工的工件類型和所能達到的最大加工尺寸）、加工前提（PreC）和預期結果（Exp）；SA為狀態屬性集合，反映板材加工設備的狀態，包含空閑、未滿負荷、滿負荷和失效等4種狀態。

對于某板材加工設備資源，可將其描述為：{{ID：MauR001，MsID：MS01，Type：切割，Mdl：ROB‐WELD，Mfr：奔騰 激 光}，{Input：不銹鋼、碳素鋼、鎳合金、……，Output：毛坯、直接下料成形件，0.01 mm，3000 mm*1500 mm*150 mm，PreC：需求方提供圖紙及工藝要求，Exp：完成需求方工藝 要 求}，{空 閑}}。

2 板材余料資源的服務匹配方法

2.1 基于本體語義相似度的制造資源匹配

2.1.1 本體語義相似度計算

結合板材余料資源和板材加工設備資源本體模型的結構特點，利用語義相似度算法對其屬性參數進行匹配。考慮到屬性參數對應概念節點之間的深度和密度，采用權重分配的方式計算本體樹中第k層連接概念路徑的權重W（k），計算式為：

則概念間的語義距離D（C1，C2）為：

式中：l為本體樹中2個概念間最短路徑的長度，在本文計算中取l=1。

在對板材余料資源與板材加工設備資源進行匹配時，主要涉及語義型屬性參數和數值型屬性參數的相似度計算。

1）語義型屬性參數。

當對板材余料資源的形狀、材料等語義型屬性參數進行匹配時，其相似度計算式為：

式中：s(R ，S)為需求集合R與服務提供方集合S中對應屬性參數之間的相似度；α為調節因子，當需求輸出為服務輸出的父概念時，α∈(1，2]，其他情況下α=1。

2）數值型屬性參數。

當對板材余料的厚度、面積等數值型屬性參數進行匹配時，為了避免匹配結果為厚度、面積過大的板材余料，在計算厚度與面積等屬性參數的相似度時，加入權重以控制匹配結果，計算式為：

2.1.2 板材余料的服務集合初選

依據板材余料在服務匹配中的優先性原則，對板材余料資源與其加工設備資源進行匹配，初步選定待選服務集合。首先根據板材余料的基本屬性進行類別篩選，然后計算板材余料其他屬性參數的相似度，最后輸出待選服務集合。

在初選板材余料服務集合時，需先定義板材余料與板材加工設備之間的需求關系。由于需求包含服務描述內容，基于上文構建的板材余料資源和加工設備資源的描述模型，對某一具體需求進行描述，如表1所示。

表1 某板材余料與板材加工設備的需求描述Table 1 Demand description of surplus sheet material and sheet processing equipment

步驟1 板材余料類別匹配。

按照板材余料的形狀，將云制造平臺下板材余料資源分為兩邊平行型、兩邊垂直型、矩形組合型、多邊形、矩形、正方形、圓形、三角形和不規則型等9種類型，形成9個資源集合。通過板材余料形狀的匹配可快速過濾無關資源，提高服務匹配效率。

輸入：板材余料形狀需求（R.Shape）。

輸出：板材余料資源集合（S'Mat）。

在板材余料資源本體模型中，“形狀”為語義型屬性參數，利用式（6）計算其匹配度，若匹配度為1，則輸出該形狀下的板材余料資源集合SMat。

步驟2 板材余料資源其他屬性（主要為材料、面積和厚度）匹配。

輸入：板材余料材料需求（R.Mat）、板材余料面積需求（R.Area）、板材余料厚度需求（R.Thick）、板材余料數量需求（R.Num）、板材余料表面質量需求（R.SurCondition）和匹配度閾值（ωRMat）。

輸出：板材余料資源匹配集合（S'Mat）、板材余料匹配度集合（d）、服務提供方集合（S1）。

初始狀態下板材余料資源匹配集合S'Mat=?，d=?，S1=?，板材余料資源其他屬性的匹配流程為：

1）上述板材余料屬性中包含語義型和數值型屬性參數，利用式（6）和式（7）計算需求集合R與板材余料資源集合SMat中各對應屬性參數的匹配度，R與SMati（i為板材余料資源集合內元素的序號，i=1，2，…，K1）的匹配度di為各屬性參數匹配度的均值，若di≥ωRMat，則保留板材余料資源集合SMati，即S'Mat=

2）i=i+1，若i≤K1，則轉1），否則轉3）。

3）算法終止，輸出板材余料資源匹配集合S'Mat、板材余料資源匹配度集合d和服務提供方集合S1。

2.1.3 板材加工設備資源匹配

考慮到制造資源與服務提供方的關聯性，基于輸出的服務提供方集合S1，輸出服務提供方所擁有的板材加工設備資源集合SManu。板材加工設備資源的匹配主要涉及類型、輸入和輸出的匹配。由于需求與服務可能含有多個輸入、輸出，當且僅當需求的每一個輸入、輸出與資源的輸入、輸出完全匹配時，需求方與服務方的板材加工設備資源信息才是匹配的。

步驟1 板材加工設備類型與狀態信息的匹配。

通過板材加工設備類型與狀態信息的匹配，可以快速淘汰無關資源。

輸入：板材加工設備類型需求（R.Type）和匹配度閾值（ωType）。

輸出：板材加工設備資源匹配集合（S'Manu），類型匹配度集合（dType）。

初始狀態下S'Manu=?，dType=?，板材加工設備類型與狀態信息的匹配流程為：

1）利用式（5）計算板材加工設備資源集合SManu內設備類型與需求類型的匹配度dTypej=s(R.Type，Type)。若dTypej≥ωType且加工設備不處于超負荷狀態，則保留設備資源SManuj（j為板材加工設備資源集合內元素的序號，j=1，2，…，K2），即S'Manu=

2）j=j+1，若j≤K2，則轉1），否則轉3）。

3）算法終止，輸出板材加工設備資源匹配集合S'Manu及對應的服務匹配度集合d'Type。

步驟2 板材加工設備的輸入與輸出匹配。

板材加工設備輸入與輸出匹配的基本思路為：對需求和上一步驟內輸出的板材加工設備資源匹配集合S'Manu的每一個輸入與輸出進行匹配。假設板材加工設備資源輸出有n個，需求輸出有m個，當m>n時，需求與服務無法匹配；當m≤n時，依據需求概念相對資源概念所在的層級，選用合適的方法計算其匹配度。同理，對于需求輸入的匹配，需求輸入有p個，資源輸入有q個，當p>q時，需求與服務不能匹配；當p≤q時，依據相應的公式計算其匹配度。

輸入：輸入需求（R.Input）、輸出需求（R.Output）和匹配度閾值ωIO。

輸出：板材加工設備資源匹配集合（S'Manu）、輸入與輸出的匹配相似度集合（dIO）和服務提供方集合（S2）。

初始狀態下dIO=?，板材加工設備的輸入與輸出的匹配流程：

1）當m≤n且p≤q時，逐一計算板材加工設備資源匹配集合S'Manu內設備輸入與輸出的匹配度，取二者均值為輸入與輸出匹配度dIOt。若dIOt≥ωIO，則保留該資源，否則將此條資源刪除，dIO={ }dIOt∪dIO。

2）算法終止，輸出板材加工設備資源匹配集合S'Manu、輸入與輸出匹配度集合dIO和服務提供方集合S2。

2.2 模糊QoS匹配算法

板材加工企業的QoS指標主要包括價格、信譽度、響應時間、物流服務、排產期以及曾經合作情況等6個指標，如圖4所示。

圖4 板材加工企業的QoS指標Fig.4 QoS indicators for sheet material processing enterprises

板材加工企業的QoS指標可表示為：

其中：Pc表示價格，指用戶付的酬金；Rep表示信譽度，指用戶對服務的評價；Tr表示響應時間，指需求從發布到接收所需的時間；Cv表示物流服務，指當前定價下是否提供物流服務；Sp表示排產期，指接收任務到執行任務的生產時間；Co表示曾經合作情況，有些用戶更傾向于與合作過的服務方再次合作，以達成長期的戰略合作。

但是，某些評價指標很難定量描述，例如信譽度常采用“高”“低”“一般”等自然語言來描述，為模糊語言［19］；此外，用戶對QoS往往有不同的偏好［20‐21］，匹配結果不一定滿足用戶需求。因此，采用三角模糊數將模糊語言轉化為數值進行定量描述；此外，為滿足用戶個性化需求，在計算QoS時引入用戶偏好P和三角模糊數μ(x)。

式中：lL為模糊下限；uL為模糊上限；h為模糊數在模糊區間內可能性最大的值，lL≤h≤uL。

對于一個給定論域M上的模糊集，總存在一個數使得μ(x)∈[ ]0，1。將各類Qos指標的描述語言轉化為三角模糊數，如表2所示。

表2 Qos指標的描述語言與三角模糊數對照表Table 2 Comparison table of QoS index description lan‐guage and triangular fuzzy number

基于三角模糊數，QoS的計算步驟為：

1）QoS矩陣Q中每一行代表某一服務提供方的QoS指標，每一列代表各企業QoS指標的對比。對各QoS指標進行歸一化處理后得到Q'，然后提取最優QoS指標，得到矩陣B=[b1b2…b6]。

2）引入用戶偏好，計算Q'與B中每一列的相似度。由于矩陣內元素為三角模糊數，選用三角模糊數歐幾里得貼近度進行計算，為：

式中：Pg為用戶偏好；x'fg為QoS歸一化矩陣Q'中的元素。

3）依照Q'與B中對應元素的匹配度，對集合S進行排序，返回排序后的最終輸出集合S'。

3 實例仿真

以表1為需求信息的輸入來源，利用6家企業的20條板材余料資源與20條板材加工設備資源信息進行服務匹配，以驗證本文方法的可行性。板材余料資源和板材加工設備資源信息分別如表3和表4所示。

表3 板材余料資源信息Table 3 Surplus sheet material resource information

表4 板材加工設備資源信息Table 4 Sheet material processing equipment resource information

3.1 基于板材余料特征的服務集合初選階段

依據板材余料形狀的本體結構，計算各形狀匹配度。通過計算可得，9種板材余料形狀的匹配度如表5所示。

表5 板材余料形狀的匹配度Table 5 Matching degree of shapes of surplus plate material

依據圖5所示的板材余料資源材料的本體結構，計算板材余料資源各屬性參數的匹配度及其綜合匹配度，結果如表6所示。

圖5 板材余料材料的本體結構Fig.5 Ontology structure of material of surplus sheet material

根據表6結果，通過計算，輸出的結果為：

表6 板材余料資源的匹配度Table 6 Matching degree of surplus sheet material resource

3.2 板材加工設備資源匹配階段

根據計算得到的S1，導出板材加工設備資源集合SManu。首先，淘汰狀態為滿負荷的板材加工設備ManuR04和ManuR14；然后，計算板材加工設備形狀與需求形狀的匹配度。板材加工設備類型的本體結構如圖6所示，其匹配度計算結果如表7所示。

圖6 板材加工設備類型的本體結構Fig.6 Ontology structure of type of sheet material processing equipment

根據表7結果，通過計算可得：

表7 板材加工設備類型的匹配度Table 7 Matching degree of type of sheet material pro‐cessing equipment

然后對S'Manu進行服務輸入與輸出匹配，結果如表8所示。

表8 板材加工設備輸入與輸出的匹配度Table 8 Matching degree of input and output of sheet material processing equipment

通過計算，輸出的結果為：

3.3 模糊QoS匹配過程

根據上文的模糊QoS匹配算法，輸入：S={MS01，MS02，MS04，MS05} ，P={0.2，0.1，0.1，0.2，0.3，0. 1 }，輸出：依據QoS匹配排序的服務提供方集合S。'4家供應商的QoS指標如表9所示。

根據表9結果，對各板材加工企業的QoS指標進行三角模糊化并建立矩陣Q：

表9 4家供應商的QoS指標Table 9 QoS index of four suppliers

利用式（9）對Q進行歸一化處理，得到Q'：

得：

利用式（10）計算Q'與B對應列的匹配度，最終得到供應商排序結果為：

則滿足需求的板材余料資源與板材加工設備資源集合為：

經過匹配計算后，得到了需求與每條資源間的匹配度，在眾多資源中匹配出4家供應商的6條板材余料資源與5條加工設備資源可滿足需求，并通過模糊QoS匹配算法對4家供應商進行了排序，驗證了該匹配方法的可行性。

4 結 論

針對板材加工行業內板材余料浪費嚴重且再利用困難的問題，依托云制造技術，將板材余料作為制造資源接入云制造平臺，從知識領域層面對板材余料和板材加工設備資源進行本體建模，提出了一種基于語義相似度算法同時融入QoS信息的分層次資源描述模型。先通過語義相似度算法對板材余料和板材加工設備的各個屬性參數進行匹配，得到初選服務集合；再通過模糊QoS匹配算法對用戶需求進行匹配，得到優選服務集合；最后，結合實例驗證了該方法的可行性。

本文主要創新點包括以下2個方面：1）資源服務化。本文通過構建資源本體模型，提出了一種基于語義相似度算法同時融入QoS信息的分層信息模型，對余料資源進行匹配。2）資源共享化。搭建了一個制造能力與資源高度共享且用戶可按需調用的制造體系。余料被作為廢物處理時，其價格往往只有原價格的1?5，傳統的資源匹配方法因訂單的零散性、行業區域的分散性等原因而導致匹配效率很低。本文所提出的方法可為企業余料資源的再利用提供指導，促使余料資源信息在行業內高度共享，在提高資源利用率的同時大大降低了成本。