吴　英，程幼明，梅帅帅

（安徽工程大学 管理工程学院，安徽 芜湖 241000）

时间窗约束下基于GRA的制造云服务选择研究

吴英，程幼明*，梅帅帅

（安徽工程大学 管理工程学院，安徽 芜湖 241000）

制造云服务的选择是组建云制造虚拟定制化供应链的关键环节，合适的制造云服务是虚拟供应链成功运作的保障。文章界定了制造云服务的非功能属性，并以此确定为制造云服务的选择评价指标；在对特殊指标时间窗进行数据处理基础上，采用灰色关联度分析法对制造云服务选择问题进行求解。最后，通过算例验证了该方法的有效性与可行性。

云制造；制造云服务；非功能属性；灰色关联度分析

随着云计算、物联网等新兴技术蓬勃发展和生产制造服务化、众包、O2O等运作模式的变革，云制造战略应运而生。作为一种网络化制造新模式，云制造的核心理念是“制造即服务”，具有追求“盘活整合闲置资源”以寻求社会资源充分利用降低成本的独特优势［1-4］，其实质上是集成商主导的电商供应链运作模式。因而，如何选择出相对优良的闲置资源服务以组建云制造虚拟定制化供应链成为了云制造战略成功运营的关键。

目前，众多学者关于制造云服务选择的研究主要有：周冰等［5］采用基于QoS的主成份分析法对云制造服务进行评估以择优选取最佳制造云服务；蔡坦等［6］采用直觉模糊集运算法和综合加权法对满足功能性需求的制造云服务进行QoS评估；张倩等［7］采用模糊TOPSⅠS算法来解决资源服务的优化选择问题；马文龙等［8］提出了一种基于QoS感知的制造云服务选择模型，并以计算相似度及排序的方式来选取最佳服务；尹超等［9］针对新产品开发的云制造服务资源组合优选问题采用了灰色关联度分析法来求解。从上述文献不难看出，制造云服务选择是以满足功能性需求为前提，在综合衡量非功能属性的基础上而选择，但有关非功能属性的描述多是从通用QoS角度切入，且多为质量指标，如可用性、可靠性等，较少从制造云服务的业务背景出发而考虑到时间窗、产能等，特别是时间窗。由于制造云服务的使用受严格的时间窗约束，只能在特定的规定了开始时间和结束时间的时间窗内才能提供服务，因而，在选择制造云服务时应充分考虑其时间窗约束。为此，本文提出一种时间窗约束下基于非功能属性的制造云服务选择方法，通过确定制造云服务的非功能属性评价指标，并在对时间窗指标进行归一化处理的基础上，采用灰色关联度分析法对制造云服务进行多目标综合评价以选取最佳制造云服务，从而为云制造虚拟定制化供应链的组建打下基础。

1　基于非功能属性的制造云服务选择评价指标

制造云服务是云制造系统中的基本组成单元，是由一切与产品生命周期有关的闲置制造资源/能力按一定的标准规范进行服务化描述和虚拟化封装而生成，需求方可以随时获取以及按需调用［1-2］。制造云服务具有多样性、动态性、分散性、异构性等典型特征［9］，随着参与云制造的用户不断增加，制造云池里存在众多功能属性相同或相似，但非功能属性参差不齐的制造云服务［10］，因而，制造云服务的非功能属性逐渐成为影响其选择的主要依据。因此，为了获取最佳的制造云服务，其重要前提是充分挖掘影响需求方选择制造云服务的非功能属性。

在云制造环境下，从制造云服务的闲置资源特性出发，制造云服务实质上是实体供应链剩余的产能，并且其使用受实体供应链原有生产计划的限制，只能在特定的时间窗内提供有限的产能。因而，在选取制造云服务时应充分考虑其时间窗、产能等特性。在此，以通用QoS为基础，主要从时间窗（TW）、价格（P）、产能（Cap）、质量（Q）、可用性（Av）、可靠性（Rel）、信誉（R）等七个方面对制造云服务的非功能属性进行描述，并将其归集为制造云服务选择的评价指标，各非功能属性指标的具体含义和量化信息如表1所示。

表1　制造云服务的非功能属性选择评价指标

2　时间窗约束下基于GRA的制造云服务排序与选择

灰色关联度分析法主要是根据各指标之间发展态势的相似或相异程度来衡量彼此关联程度的一种系统分析方法［13］。由于制造云服务各项非功能属性指标之间不是互相独立的，并且各自存在一定的关联性［9］，故灰色关联度分析法适合于制造云服务选择问题的求解。

2.1时间窗的归一化处理

从各评价指标的量化角度来看，表1中评价指标分为区间型指标和数值型指标。与一般区间型指标不同，时间窗指标具有实际意义，其窗口的上限和下限是规定的制造云服务的开始时间和结束时间，制造云服务只能在此时间窗内才能提供服务。因而，为了更客观地对制造云服务进行评价选择，需提前对时间窗指标信息进行处理。

基本假定：需求方提交的制造任务为单一功能性需求任务，其时间窗为［Tes，Tlf］，Tes为最早开始时间，Tlf为最迟结束时间，满足该任务功能性需求的候选云服务集中第i个制造云服务可提供服务的时间窗为［Tis，Tif］，并且完成制造任务的加工时间为Tie，运输时间为Til。

时间窗指标的数据处理是以制造任务规定的时间窗为基准，并结合制造云服务完成该任务所需的加工时间和物流时间而确定，即制造云服务必须满足如式（1）所示的筛选准则才具备完成制造任务的时间条件，对于不满足筛选准则的制造云服务将其过滤并淘汰，对于满足筛选准则的制造云服务则将其时间窗指标按式（2）进行数据处理，将其转化为数值aij，并且aij为成本型指标，其取值越小表示制造云服务对于完成制造任务的保证程度越高。

2.2灰色关联分析的基本步骤

基于灰色关联度分析法对候选云服务集中各制造云服务进行综合评价，以实现制造云服务的优选，具体步骤为：

(ⅰ)规范化处理

对于表1中所示的评价指标，按照指标性质分为效益型指标和成本型指标，效益型指标取值越大越好，成本型指标取值越小越好。为了便于比较，将这两类指标分别按式（3）进行规范化处理。以矩阵形式表示该过程如式（4）所示，规范化后原始数据矩阵A=（aij）n×m转化为矩阵D=（dij）n×m，其中，aij为评价指标的原始数据值，对于时间窗指标则为特殊处理后的数据，dij为评价指标规范化后的数据值，n为制造云服务的个数，m为非功能属性评价指标个数。

(ⅱ)计算关联系数

根据式（5）计算第i个制造云服务第j个指标与第j个指标中最优指标的关联系数ξi（j），得到关联系数矩阵E。

其中，ζ为分辨系数，ζ∈［0，1］，并且通常取ζ=0.5。

(ⅲ)计算关联度并据此排序

根据式（6）计算第i个制造云服务与理想最优制造云服务的接近程度，即灰色关联度ri，即为各个制造云服务基于非功能属性的综合评价结果，并根据ri大小对各制造云服务进行优劣排序。ri最大即为最接近理想最优的制造云服务，故选择最大ri的即为满足需求方要求的最佳制造云服务。

其中，ω（j）为第j（j=0，1，…，m）个非功能属性指标的权重系数，一般根据需求方的个性化需求通过AHP法计算而得出。

3　算例分析

设需求方向云制造服务平台提交其某项单一资源需求任务，要求在时间窗［4，12］内完成。经功能属性匹配，该制造任务能够被制造云池中众多的制造云服务独立完成；经时间窗筛选，满足式（1）筛选准则的候选云服务集中有9项制造云服务，S=｛S1，S2，S3，S4，S5，S6，S7，S8，S9｝。参考制造云服务提供方给定的以及系统记录的原始数据，如下表2所示，依据时间窗、产能、价格、质量、可用性、可靠性、信誉等7个方面对各项制造云服务进行综合评价，以实现制造云服务的优选，具体步骤如下。

表2　候选云服务集中各制造云服务的原始数据信息

Step1：数据规范化处理。根据表1中原始数据信息，将时间窗采用式（2）进行处理，并构造原始数据矩阵A；按照式（3）对矩阵A中各指标数据进行规范化处理得到矩阵D。

Step2：计算关联系数。根据矩阵D，通过式（5）计算ξi（j），得到关联系数矩阵E。

Step3：计算关联度并据此排序。采用AHP法确定各评价指标的权重系数为ω=（0.214，0.165，0.088，0.299，0.054，0.066，0.114）；根据式（6）计算各项制造云服务的关联度，并将其进行优劣排序，结果如表3所示。

由表3可得，各制造云服务的排序为S4≻S8≻S5≻S7≻S3≻S6≻S9≻S1≻S2。由于制造云服务S4与理想最优制造云服务的关联度最大。因而S4优于其他项制造云服务，故选择S4为满足需求方要求的最佳制造云服务。

表3　各项制造云服务的关联度及其优劣顺序

4　结论

制造云服务的选择是云制造虚拟定制化供应链运行中至关重要的问题。本文从制造云服务的业务背景出发，界定和详细分析了制造云服务的非功能属性，并以此确定为制造云服务选择的评价指标；同时考虑到时间窗指标的特殊性，对其设计了相应的指标数据处理方法；进而选用灰色关联度分析法对制造云服务进行综合评价，并依据关联度排序选择出最佳的制造云服务。最后，通过一个算例验证了该方法的可行性与有效性。本文在一定程度上解决了云制造虚拟定制化供应链中节点云服务的选择问题以及为时间窗约束下闲置资源服务的利用提供了一种新的思路。

［1］ 李伯虎，张霖，王时龙.云制造-面向服务的网络化制造新模式［J］.计算机集成制造系统，2010，16（1）：1-7.

［2］ 张霖，罗永亮，范文慧，等.云制造及相关先进制造模式分析［J］.计算机集成制造系统，2011，17（3）：458-468.

［3］ Meier M，Seidelmann J，MezgarⅠ.ManuCloud：the next Generation manufacturing as a service environment［J］.European Research Consortium forⅠnformatics and Mathematics News，2010（83）：33-34.

［4］ Xu X.From cloud computing to cloud manufacturing ［J］.Robotics and Computer-Ⅰntegrated Manufacturing，2012，28（1）：75-86.

［5］ 周冰，王美清，甘佳.基于主成份分析的云制造服务QoS评估方法研究［J］.制造业自动化，2013，35（14）：28-33.

［6］ 蔡坦，刘卫宁，刘波.一种新的基于直觉模糊集的制造云服务优选方法［J］.中国机械工程，2014，25 （3）：352-356，421.

［7］ 马文龙，朱李楠，王万良.云制造环境下基于QoS感知的云服务选择模型［J］.计算机集成制造系统，2014，20（5）：1246-1254.

［8］ 张倩，齐德昱.基于fuzzy TOPSⅠS的资源服务优化选择算法［J］.计算机应用研究，2012，29（12）：4522-4526.

［9］ 尹超，张云，钟婷.面向新产品开发的云制造服务资源组合优选模型［J］.计算机集成制造系统，2012，18（7）：1368-1378.

［10］魏乐，赵秋云，舒红平.云制造环境下基于可信评价的云服务选择［J］.计算机应用，2013，33（1）：23-27.

［11］董述山.工业产品质量指标体系实施指南［M］.北京：中国计量出版社，1992：27-29.

［12］陶飞.制造网格资源服务优化配置理论与应用研究［D］.武汉：武汉理工大学，2008.

［13］杜栋，庞庆华，吴炎.现代综合评价方法与案例精选［M］.2版.北京：清华大学出版社，2008：112-116.

Research on manufacturing cloud service selection with time window constrain based on GRA

WU Ying，CHENG You-ming*，MEⅠShuai-shuai

（College of Management Engineering，Anhui Polytechnic University，Wuhu Anhyui 241000，China）

The selection of manufacturing cloud service is a critical step in the formation of cloud manufacturing virtual customized supply chain，and the suitable service guarantees the successful operation of virtual supply chain.This paper defines the non-functional attribute of manufacturing cloud service which is determined as the evaluation index of manufacturing clouservice.On the basis of processing special indicators，such as the time window，the article addresses the problem of manufacturing cloud service selection using the Gray Relational Analysis method.Finally，a numerical example is carried out to verify the validity and feasibility of the method.

cloud manufacturing；manufacturing cloud service；non-functional attribute；grey relational analysis

TH166

A

1004-4329（2016）01-073-05

10.14096/j.cnki.cn34-1069/n/1004-4329（2016）01-073-05

2015-12-07

吴英（1990-），女，研究生，研究方向：运营管理、云制造。

程幼明（1963-），男，教授，研究方向：工业工程、云制造。Email：Chengym815@163.com。