吴 英，杨 力，赵之元

（安徽国防科技职业学院经贸管理学院，安徽六安237011）①

随着物联网、大数据、云计算等新兴技术的飞速发展以及众包、O2O、智能制造等运作模式的普遍采用，云制造作为一种面向服务的网络化制造新模式而被提出。它体现着“制造即服务”的核心理念，并彰显“盘活整合闲置资源”的独特优势，能够为制造业服务化实施起到积极地推动和促进作用[1-5]。实质上，云制造是一种供应链O2O模式，即线上组建虚拟供应链，线下运作实体供应链[1]，并且该模式执行成功的关键在于如何组建线上虚拟动态供应链以及如何对线下实体供应链的运作进行监督与管理[1-2]，而其核心与基础又在于制造云服务的选取。研究表明，制造云服务选取对云制造战略运营中制造云服务的优化配置具有至关重要的作用，其结果直接关乎产品质量及顾客满意[6]。制造云服务选取一般涉及两个部分：基于功能属性的服务匹配和基于非功能属性的服务优选。关于前者的研究，目前已有不少学者进行探讨并产生了一系列的研究成果[7-9]；关于后者的研究，如文献[10]设计了一种制造资源服务的分级匹配策略，以计算功能属性匹配和非功能属性匹配的综合相似度并进行排序的方式确定最佳云服务；文献[11]通过构建资源评价指标求解任务资源最优集来实现云制造环境下资源的优选。通过文献整理发现：(1)满足制造云服务功能属性匹配的候选云服务数量仍然很多，造成基于非功能属性的制造云服务优选的搜索空间仍然很大，以致存在很多不必要的选取过程，从而产生较大的计算量；(2)基于非功能属性的服务优选问题研究中，一般是基于QoS（Quality of Service）评估来实现，但有关文献中QoS权重的确定相当简便，多数是由需求方直接赋予，主观随意性太大，缺乏科学性与客观性。因此，本文以单一资源服务需求任务为例，在服务功能属性匹配成功的前提下，研究基于非功能属性的两阶段制造云服务优选问题。

1 基于调度规则的制造云服务筛选

1.1 制造云服务的描述

由于云制造系统中制造云服务通常为闲置资源能力，它的使用受时间窗、能力大小等严格限制，因而，在满足制造任务功能需求的前提下，应确保制造云服务在时间和能力上具备完成该任务的条件。鉴于此，为了便于快速检索和识别制造云服务在时间上和能力上是否满足任务要求，现将制造云服务形式化描述为如下七元组，CMS=＜ID，BasAttr，FunAttr，TWindow，Capacity，QoS＞。这里，CMS表示制造云服务；ID表示制造云服务的唯一标识；BasAttr表示基本属性，描述制造云服务的名称、提供者、联系方式、物理地址等；FunAttr表示制造云服务的功能属性，由服务的输入和输出、执行前/后结果构成，主要是对服务功能类型、用途、技术参数等的描述；TWindow表示制造云服务的有效时间范围，即只有在该时间窗规定的起始时间和终止时间之内制造云服务才能提供服务[1-2,12]；Capacity是指在给定的时间窗内制造云服务能够提供的有效产能最大值；关于QoS指标的具体定义以及量化已有不少文献予以研究[6-13]，本文在此不再赘述，并选取QoS={Price,Quality,Reputation,Reliability,Availability}，分别为价格、质量、信誉、可靠性、可用性。

1.2 基于调度规则的制造云服务筛选过程

制造云服务筛选是确保得到精简的候选云服务集的有效手段，它根据需求方特定要求选择相应调度规则，对满足功能需求的制造云服务进行基于能力的匹配，最终形成符合任务需求的候选云服务集。一般而言，调度规则是产能、时间、质量、价格在任务之间的优先规则，通常是根据需求方对产能、时间、质量、价格等的偏好而具体设定，体现为它们之间按一定优先顺序的排列[1]。在需求方确定好调度规则后，云制造系统依据这一调度规则按其规定的约束顺序执行搜索操作，以实现制造云服务的筛选。保证质量的前提下，本文以满足时间窗、产能以及价格约束的调度规则为例进行筛选过程说明。

基本假定：某一时刻云制造系统中共有N项制造任务，STi为第i( i =1,2,…,N )个制造任务且为单一资源需求任务，其所需能力为Qi，要求在起始时间和终止时间之内完成，即时间窗TWi=[,]，且要求质量不得低于qi，价格不得高于pi；假定满足STi功能需求的制造云服务集FSi中共有M项制造云服务，sij为FSi中第j(j =1,2,…,M )个制造云服务，其能够提供服务的起始时间为，终止时间为即时间窗 TWij=[,]，能力为Qij，所需时间为T（ijTij≤-，质量为qij，价格为pij，产成品运输至交货地点的运输时间和运输费用分别为tij和cij，并且tij和cij是由交货双方的物理地点位置依据经验判断给出。

步骤1质量筛选。质量作为需求方首要关注要点，表现为云制造服务提供方承诺的产品质量技术水平。在资源搜索中应提前将质量达不到最低阈值的云服务过滤掉，制造云服务和制造任务的质量比对必须满足qij≥qi。

步骤2时间窗筛选。由于制造任务以及制造云服务均有时间窗限制，所以制造云服务的终止时间应小于制造任务的最迟完工时间，对于任务的实际开始开工时间应取设定的制造云服务的起始时间和制造任务最早开工时间两者中的最大值，同时，在考虑到物流运输时，制造云服务应当满足在需求方规定的交货期前完成制造任务并将其产品运输至交货点的时间约束，即满足

步骤3产能筛选。在保证质量的前提下，对满足时间窗约束的制造云服务，一定程度上，对于产能的要求不是硬性条件，在单一制造云服务产能不充足的情况下，可以通过若干个制造云服务进行组合以达到需求方要求。在此为方便探讨，假设单一制造云服务能够独立完成制造任务，即应满足Qij≥ Qi。

步骤4价格筛选。一般而言，考虑到经济效益，需求方在发布需求任务时会对执行任务的成本采用最高阈值进行限定。通常，服务成本由加工成本和物流成本两部分组成，因而，对制造云服务进行价格筛选应满足pij+cij≤pi。

按照步骤1～步骤4顺序执行，筛选后剩下的制造云服务即形成“保证质量前提下，满足时间窗、产能、价格约束”这一服务调度规则下的候选云服务集（CSSi），这有效地缩减了候选云服务集中云服务的数量，为后续制造云服务评估选择节省了计算量，提高了效率。

2 基于组合赋权及TOPSIS的制造云服务选择方法

制造云服务优选的最终目标是选择出满足需求方要求的最佳制造云服务，通常是对CSSi中制造云服务QoS进行综合衡量，并参考QoS综合性能排序而获得[14]。不难看出制造云服务优选实际上是一个多指标综合评价问题，一般而言，此类问题的解决通常是在确定评价指标体系的基础上求解指标权重，并依据指标权重和相关数据实施综合评估。

2.1 基于组合赋权的指标权重确定

现有的权重确定方法主要有两类：主观赋权法（如专家调查法、AHP等）和客观赋权法（如熵值法、主成份分析法等）[15]。单一的使用主观法或客观法均存在不足：主观赋权法受人为影响较多，主观随意性较大；客观赋权法是根据数学模型在分析数据的基础上进行赋权，具备一定的科学性，但不能反映决策者主观意向[16]。在此，采用三角模糊数层次分析法和熵值法组合赋权的方法来评价影响制造云服务优劣的各项性能指标，既能满足需求方的主观愿望，又具备一定的合理性和有效性。

假设制造云服务有n个评价指标，即p=()p1,p2,…,pi,…,pn，则pi表示制造云服务的第i( )i=1,2,…,n 个指标。确定pi的组合权重Wi是在确定主观权重αi和客观权重βi后，采用乘法合成归一通过：

进行组合赋权而得到。

关于各个指标的客观权重βi采用熵值法计算获得，其具体计算过程参见文献[17]，各个指标的主观权重αi采用三角模糊数层次分析法[18-19]获取，其具体过程如下：

（1）构建模糊判断矩阵：在层次分析法中引入三角模糊数，根据各指标之间的两两相对重要性建立三角模糊判断矩阵，记为B=(bij)n×n(i=1,2,…,n;j=1,2,…,n;) ，其中，bij=(,,)且bji=，(,,)为B中每一项bij对应的三角模糊数，其中，，分别表示指标pi和pj进行比较时，pi相对于pj重要性的最悲观估计、最可能估计和最乐观估计，其取值参照表1。

表1 三角模糊数取值参照表

（2）一致性检验：由于对各评价指标两两之间的比较可能存在逻辑上的不一致性，因而需要对已确定的三角模糊矩阵B进行一致性检验，在此采用改进的期望值一致性检验法[15]。

首先，通过(2)式、(3)式分别构建矩阵B的期望矩阵E以及矩阵E的模糊互反判断矩阵H，并计算矩阵H的最大特征根λ；其次，CI（一致性指标）通过公式CI=( λ -n ) ( n -1 )确定，CR（随机一致性比率）通过CR=CI RI得到，其中RI（随机一致性指标）通过查表[19]获得；最后，判定CR是否小于0.1，当CR＜0.1时矩阵H(B)具有满意的一致性，否则矩阵H(B)不具有一致性，需要适当调整修正，使之具有满意的一致性。

（3）计算指标主观模糊权重：记α=()α1,α2,…,αi,…,αn为主观权重向量，则有：

2.2 基于TOPSIS的制造云服务综合评估

TOPSIS是经典的多目标决策分析排序方法，主要过程是计算各个方案与最优、最劣虚拟方案的距离，若某个方案在最靠近最优解的同时又最远离最劣解，则该方案为最好，否则不为最优。基于TOPSIS的综合评价方法的具体步骤如下：

步骤4计算各制造云服务与理想解的相对贴近度：

并按照Dj从大到小的顺序对制造云服务进行排序，Dj越大相应的制造云服务越优。

3 算例分析

某制造云服务需求方向云制造服务平台提交其单一资源服务需求。经制造云服务功能匹配以及基于调度规则的筛选后，满足功能、质量、时间窗、产能、价格等要求的候选制造云服务集中共6项制造云服务，分别为S1、S2、S3、S4、S5、S6。依据制造云服务提供方上传的原始数据以及云制造系统历史记录数据，采用价格、质量、信誉、可靠性、可用性等5项指标对各项制造云服务进行评估，以实现制造云服务的优选。相关数据如表2所示。

表2 候选云服务集中制造云服务QoS指标数据

3.1 计算组合权重

参考文献[17]计算得到客观权重β=(0.231,0.212,0.164,0.203,0.19)。在计算主观权重的过程中，首先，根据需求方偏好，结合表1对制造云服务各项指标进行两两比较并构建三角模糊数判断矩阵B，如表3所示；其次，根据(2)式、(3)式，借助matlab计算矩阵H最大特征根λ=5.298，查表得n=5时RI=1.12，则CI=0.074，CR=0.066＜0.1，因此，满足一致性检验；最后，根据(4)式，通过matlab计算得到

以及主观权重α=(0.142,0.456,0.279,0.069,0.053)，在得到客观权重和主观权重的基础上，根据(1)式计算得到组合权重

表3 制造云服务需求方对制造云服务指标判断结果的三角模糊数形式

3.2 综合评价

对表2中的原始数据，根据(5)式、(6)式得到规范化矩阵G和加权规范矩阵Y；确定最优解y+、最劣解y-，通过(7)、(8)式计算各制造云服务到最优解的距离d+，以及到最劣解的距离d-，根据(9)式得到相对贴近度Dω=(0.723,0.773,0.463,0.264,0.449,0.631)。最后，对各个制造云服务的相对贴近度进行自大到小的排序，即S2＞S1＞S6＞S3＞S5＞S4，因此，S2即为满足需求方各项要求的最佳制造云服务，这便为制造云服务优选的结果。

由表4可见，主观、客观以及组合赋权方法下的综合指数值和排序均不相同。组合赋权法对应的制造云服务排序是综合主客观两种情况而得到，相比于单一两种赋权方法较全面，具备一定的科学合理性。

表4 不同权重确定方法下的综合指数值及排序

4 结束语

针对基于非功能属性的服务优选过程，本文在服务功能匹配成功的基础上，将其分为两个阶段：(1)基于调度规则的制造云服务筛选，得到满足用户各项要求的候选制造云服务集；(2)采用三角模糊数层次分析法和熵值法主客观融合确定组合权重，以此为基础，采用TOPSIS决策方法实施制造云服务的综合评估，以选取最优的制造云服务。同时，通过算例对本文所述的基于组合赋权及TOPSIS的制造云服务选择方法进行进一步验证，表明了该方法的可行性和有效性。文中基于调度规则的制造云服务筛选，一定程度上能过滤掉大量不在用户需求范围内的制造云服务，有助于提高服务选择效率，同时，结合组合赋权和TOPSIS决策的评价方法，一定程度上确保了评价的合理性和科学性，因此，本文的研究具有一定的理论和应用价值。