云制造環境下知識資源需求的評價優選

葉寶忠，陳 建

（桂林航天工業學院，桂林 541004）

0 引言

云制造是一種充分利用信息網絡，以云平臺為媒介，通過將分散的制造資源集中，再將集中的制造資源分散的運行機制，為制造用戶提供適時所需的制造服務的制造新模式，其目的在于實現制造資源的高度共享與優化配置，以提高制造資源的使用效率以及制造業的制造效率[1]。隨著制造業的不斷發展和壯大，云制造技術日益普及，云平臺用戶與日俱增，越來越多的制造資源匯聚于云平臺資源池中，如何從大量的資源池中選擇最佳資源成為了當前的研究熱點。Vahideh Hayyolalam[2]對云制造環境下服務組合與優化選擇問題進行了系統地研究；Yanjuan Hu[3]基于灰色關聯分析和TOPSIS法研究了云制造環境下服務商的優化決策問題；Yefeng Yang[4]提出一種基于能量感知的服務組合優化選擇模型，以保證云環境下任務期間的高質量和低能耗；李海[5]、尹超[6]、龔小容[7]對云制造環境下機床裝備資源的選擇方法進行了研究；程元[8]給出了云環境下3D打印設備的優選方法；王曉妍[9]探究了云制造環境下的數控裝備資源服務匹配方法；王有遠[10]提出一種云環境下設備資源與加工任務匹配方法；周樹林[11]給出了云制造中生產設備資源的服務化封裝方法。

上述文獻均對云制造及其制造資源的選擇與組合問題進行了深入研究，并取得重要進展，總體看來，目前更多的是側重于機械、機床、設備等硬資源的關注。眾所周知，云制造資源中除了以上硬資源以外，還存在如人力資源、知識資源、能力資源等軟資源，而這類軟資源也是云制造資源不可或缺的組成部分，在實現云制造模式的過程中扮演著重要角色。其中，知識資源作為典型的軟資源，貫穿于制造生產周期中的各個環節。隨著市場競爭的加劇，產品更新換代的速度也日趨加快，制造企業對于知識資源的需求也會更加旺盛和迫切。另一方面，從供需雙方選擇匹配的角度來看，現階段針對制造資源需求方選擇提供方的研究較多，而對于提供方選擇需求方的關注鮮為少見。不言而喻，在云環境中，制造業供需雙方在進行選擇匹配時，優質的制造資源提供方往往是需求方青睞的對象，其時常會同時面對多個需求方的資源需求，而此時，提供方該如何從中做出選擇也是亟需解決的問題。

然而，當前研究中沒有文獻確切地提出云制造環境下知識資源提供方對需求方的評價選擇方法，鑒于此，為解決知識資源提供方對需求方的優選決策問題，本文通過深入分析知識資源供需雙方的特點，建立知識資源需求方的評價指標體系，進行多指標決策。首先，采用變精度粗糙集模型，充分利用提供方在云平臺中的選擇交易歷史記錄，獲得評價指標的客觀權重，其次，將AHP法予以改進，求解評價指標的主觀權重，并基于評價指標的主客觀權重對其綜合權重進行確定，再結合歸一化后的需求方的需求信息，求得需求方的綜合需求價值，為提供方的選擇提供參考依據。

1 知識資源需求方的評價模型

1.1 評價指標的確定

知識資源是云制造資源中極為重要的資源，依據文獻[12,13]的研究，并結合云制造環境下知識資源供需雙方的特點，采用QoS評價技術[14]，從服務需求維、雙方交互維及素質品德維三個維度對需求方進行評價，其評價指標體系如圖1所示。

圖1 知識資源需求方評價指標體系

1）服務需求維。服務費用(p1)指知識資源需求方愿意且能夠為提供方支付的報酬（萬元）；需求時間(p2)指需求方所要求的提供方為其提供服務的時間（天）。該類數據由知識資源需求方直接上傳至云平臺中。

2）雙方交互維。知識相似度(p3)表示知識資源供需雙方的知識結構的相似程度，若雙方知識相似度較高，則知識資源在供需雙方之間傳遞和轉移的速度較快，有助于供需服務的完成。設知識資源供需雙方的相關知識的掌握程度分別為ks,i和kd,i定義其知識相似度為:

雙方交易歷史(p4)代表知識資源供需雙方在云平臺中已經有過的相互交易的次數，為了便于服務過程中雙方之間的溝通與協作，云制造平臺中的企業會更傾向于與有過交易歷史的伙伴進行合作，以提升服務效率。該數據可由云平臺數據中心獲得。

3）素質品德維。服務穩定性(p5)指知識資源需求方與提供方所定下的需求服務的穩定性；服務安全性(p6)是指需求方對提供方的重要知識信息的保護能力，由于知識型提供方企業的信息安全尤為重要，所以服務安全性是評價需求方的重要指標。假設某需求方于云平臺中與提供方所定下的需求服務總次數為k，而其違約或者半途違約的次數為a；出現對提供方重要知識信息泄露的情況的次數為b，則:

結款速度(p7)表示需求方為提供方支付報酬的速度（元/天）。設某需求方應為提供方支付的總報酬為c元，賬款結清的時間周期為d天，則:

1.2 問題的描述

設某知識資源提供方面對n個候選需求方的需求，需求方集為R={r1,r2,...rn,}T，各候選需求方的評價指標屬性值記為ri={pi1,pi2,...pi7}T，由此，候選需求方的指標屬性集可以表示為:

本文要針對解決的問題是：知識資源提供方如何根據候選需求方指標屬性集，科學地做出決策，從中選擇最佳。

2 選擇模型與方法

2.1 評價指標客觀權重的計算

因變精度粗糙集模型[15]具備較強抗干擾能力，可以較好地獲得指標的客觀權重，因此，本文采用該模型進行知識資源需求方評價指標客觀權重的求解，并由K中心聚類方法[15]進行聚類化處理。

設四元組集合I=(U,A=CUD,V,F)表示知識資源提供方的相關信息。其中，U代表實例對象，z條選擇交易歷史表示為U={x1,x2,...xz}；A為指標屬性的集合，其中C={a1,a2,...am-1}為指標屬性集，D={am}為決策屬性集；V為A的值域；F指各指標屬性反映到值域中的具體信息。

定義1：設X、Y表示實例對象論域的非空子集，且存在X?Y，則有：

式(5)中，丨X丨表示集合X的基數，c(X,Y)表示X關于Y的相對錯誤分類率，若指定0≤β＜0.5，則有多種包含關系存在，當c(X,Y)=0時，表示X被Y標準包含。

定義2：在β∈[0,0.5]時，Yj的β下近似為：

定義3：定義指標對數據對象的分類能力以指標屬性信息量進行表示[16]，則對于指標αp，由以下式子對其信息量γ(αp)進行求解：

式(7)中，Xi代表實例對象U根據指標αp所得出的等價類，丨Xi丨指所得等價類的基數。

定義4：丨Xi丨定義在根據決策屬性進行分類時，決策屬性對指標屬性的依賴程度由指標屬性的被依賴度予以表示[17]，則對于指標αp，由下式求得其被依賴程度λ(αp):

因γ(αp),λ(αp)代表的是指標重要程度的不同方面，所以對二者進行綜合考慮，采取下式對指標的客觀權重進行求解：

2.2 評價指標主觀權重的計算

考慮到傳統AHP法在確定評價指標主觀權重時，采用1～9級標度進行兩兩比較從而構建判斷矩陣，存在一定局限，即1～9級標度概念不完全清晰，具有一定的模糊性，而專家的主觀判斷主導具體標度值的確定，因此易使結果在一定程度上背離實際[18]。此外，傳統AHP法需要進行一致性檢驗，若一致性檢驗不通過，即判斷矩陣不具一致性，會對AHP法的優選排序功能造成破壞，從而需要重新對判斷矩陣予以構建，違背專家本意且計算作業量較大。因此，文中采用三級標度法進行兩兩比較構建比較矩陣，以避免1～9級標度的模糊性，實現對AHP法的改進，并且計算結果無需進行一致性檢驗，減輕計算作業量，也能提高精度，具有較好的適用性[19]。其具體步驟如下:

1）根據改進AHP法所采用的三級標度（如表1所示）。

表1 三級標度值及其含義

對各評價指標進行兩兩比較構建比較矩陣A，如式(10)所示（設有n個指標）。

2）計算重要性排序指數ri:

3）構造判斷矩陣B，B中的各元素bij由下式求解:

4）求判斷矩陣B的傳遞矩陣C，C中的元素為cij，由式(12)予以確定:

5）求傳遞矩陣C的最優傳遞矩陣D，采用下式確定D中的元素dij：

6）求判斷矩陣B的擬優一致性矩陣B′，矩陣B′中的元素為b′ij，其中：

7）求解B′中的每一行元素的積Ni：

2.3 評價指標綜合權重的計算

為了能夠使得知識資源提供方做出科學的選擇，將以上所獲得的評價指標的主客觀權重進行綜合，以消除因單方面權重帶來的片面與局限。根據評價指標，記由變精度粗糙集模型所得的各評價指標的客觀權重為:

記由改進AHP法所得的各評價指標的主觀權重為:

采用式子:

求解各評價指標的綜合權重：

2.4 需求方綜合需求價值的計算及優選

不同評價指標具有不同的量綱，為了求解候選知識資源需求方的綜合需求價值，需要對指標進行標準化和歸一化處理。

根據候選需求方的指標屬性集：

由式(19)、式(20)：

進行標準化處理。式中，max pj，min pj分別表示需求方指標屬性集中第j項指標列的最大值和最小值。對于正向型指標采用式(19)進行標準化，如服務費用p1、知識相似度p3、雙方交易歷史p4、服務穩定性p5、服務安全性p6、結款速度p7；對負向型指標采用式(20)進行標準化，如需求時間p2，由此得標準化矩陣R′如下:

標準化處理后，根據式(21)所示：

進行歸一化處理，得到如下矩陣：

采用式(22)求解知識資源候選需求方的綜合需求價值cdv(comprehensive denand value)：

通過以上計算得各候選需求方的綜合需求價值之后，對其進行排序，知識資源提供方從中選擇綜合需求價值最大的需求方，作為服務選擇對象。

3 算例驗證及分析

以某汽車研發企業H為例，該企業專注于汽車發動機的研發設計，在云平臺中提供相應的研發服務。此時，通過云平臺資源池中的搜索，五家需求企業r1,r2,r3,r4,r5同時有對企業H的知識資源的需求愿望，均欲借助于企業H的研發知識與研發人員，快速研發一款新產品，搶占市場先機。已知五家需求企業的需求信息如表2所示。

表2 需求方的需求信息

針對知識資源提供方企業H如何從中選擇最優需求方作以下決策與分析。

3.1 確定評價指標的客觀權重

利用變精度粗糙集模型，可以從企業H于云端的選擇歷史記錄數據中分析各指標的客觀權重，本案例抽取了8條歸一化后的選擇歷史記錄作推理演示，如表3所示：

表3 企業H的選擇歷史記錄

以聚類群數量為5，由K中心聚類方法將表3數據進行聚類化處理可得到表4數據。

表4 聚類化處理后企業H的選擇歷史記錄

取β=0.4，通過式(6)求得Y1，Y2關于條件屬性p3的β下分布分別為，代入式(8)求得p3的被依賴程度為:

將以上數據代入式(9)可得各評價指標的客觀權重為:

3.2 確定評價指標的主觀權重

由圖1所示的評價指標體系，邀請相關專家對指標體系中的各維度進行兩兩比較，確定其相對重要性，得如下比較矩陣A,

采用式(10)～式(17)可求得各維度的權重為：

同理，對不同維度下各指標的權重進行兩兩比較構造比較矩陣求其權重。

服務需求維、雙方交互維、素質品德維下各指標的兩兩比較矩陣分別如下:

由式(10)～式(17)計算不同維度下的指標權重，有：

3.3 確定評價指標的綜合權重

根據以上，由式(18)得各評價指標的綜合權重為:

3.4 求解需求方的綜合需求價值并選擇

根據需求方的需求信息，采用式(19)～式(21)可得歸一化后的數據信息表，如表5所示。

表5 歸一化后需求方的需求信息

由式(22)得各需求方的綜合需求價值如表6所示。

表6 各需求方的綜合需求價值

由此可知，Cdv(3)＞Cdv(4)＞Cdv(1)＞Cdv(2)＞Cdv(5)，需求方的綜合需求價值最大，企業H應該選擇需求方r3，為其提供研發服務。

3.5 提供方滿意率分析

本文運用滿意率來檢驗選擇方法的性能，定義知識資源提供方的滿意率為提供方所滿意的選擇次數與其選擇總次數之比，如式(23)所示：

根據現存的選擇方法[20]，通過實驗模擬15次不同的知識資源服務選擇，每次模擬由50個知識資源提供方對需求方進行優選，分別比較無差異選擇法（所有評價指標以相同的權重進行選擇）、主觀選擇法（僅根據提供方的主觀偏好權重進行選擇）、本文的選擇方法（同時考慮評價指標主客觀權重的選擇方法）。在不同的選擇方法下，提供方對于結果的滿意率變化趨勢和對比如圖2所示。

圖2 不同選擇方法下提供方滿意率變化與比較

由圖2可得，隨著選擇匹配次數的增加，文中所采用的選擇方法與現有的方法相比，由于考慮了較為完善的評價指標，且知識資源提供方對需求方進行選擇時，在各評價指標的客觀權重基礎之上同時兼顧到了評價指標主觀權重方面的因素，所以提供方對于選擇結果的滿意率得到提高，且穩定性越來越好。

4 結語

云制造環境下，制造資源供需雙方時刻都在進行著相互之間的選擇和匹配，如何從大量的制造資源集中選擇最佳是雙方亟需解決的問題。本文針對云平臺中知識資源需求的優選問題，提出一種基于需求方綜合需求價值的選擇方法。該方法采用精度粗糙集模型，通過分析提供方的交易歷史記錄，挖掘出各評價指標的客觀權重；根據提供方對評價指標體系中各維度、各指標的不同偏好重視程度，運用改進的AHP法，求解各評價指標的主觀權重，進而獲得指標的綜合權重；然后結合歸一化后的需求方的需求信息，最終求得需求方的綜合需求價值，為知識資源提供方的選擇提供依據。案例及實驗結果表明該方法不僅能夠對本文提出的問題予以較好的解決，還可以在一定程度上對提供方的選擇滿意率予以保證。下一步將融合企業文化方面的信息，對知識資源供需雙方的選擇匹配問題予以展開，進一步完善云制造環境下知識資源的服務優選。