云制造服務(wù)質(zhì)量評(píng)價(jià)

云制造服務(wù)質(zhì)量評(píng)價(jià)賀可太;朱道云【摘要】為了更好地實(shí)現(xiàn)云制造平臺(tái)中的服務(wù)匹配，提出云制造系統(tǒng)中針對(duì)服務(wù)提供商的選擇準(zhǔn)則，建立了一般評(píng)價(jià)指標(biāo)體系和可擴(kuò)展的量化模型.提出項(xiàng)目協(xié)同的方法以校正指標(biāo)數(shù)值,根據(jù)項(xiàng)目協(xié)同的三角模糊數(shù)算法計(jì)算提供商服務(wù)和需求者期望的相似度，取得服務(wù)質(zhì)量綜合性能排序結(jié)合算例,對(duì)該指標(biāo)體系、數(shù)據(jù)獲取方法和模型進(jìn)行了驗(yàn)證，結(jié)果表明所提出評(píng)價(jià)指標(biāo)、屬性值計(jì)算方法和評(píng)價(jià)模型具有實(shí)際可操作性,能夠幫助平臺(tái)準(zhǔn)確地選擇最佳服務(wù).％Torealizetheservicematchingincloudmanufacturingplatform,theselectioncriteriaofcloudmanufacturingserviceproviderincloudmanufacturingsystemwasproposed,andthegeneralevaluationindexsystemwiththescalablequantificationmodelwereestablished.Theprojectcollaborationmethodwasproposedtocorrecttheindexvalue.Theservicequalitycomprehensiveperformancerankingwasobtainedbasedonsimilaritybetweenserviceprovidersanddemandexpectationcalculatedbytriangularfuzzynumberalgorithmaccordingtoprojectcollaboration.Combinedwithanexample,theindexsystem,dataacquisitionmethodsandmodelswereverified.Theresultsshowedthattheproposedevaluationindex,attributevaluecalculationmethodandevaluationmodelwerepracticalandcouldhelptheplatformtoaccuratelychoosethebestservice.【期刊名稱】《計(jì)算機(jī)集成制造系統(tǒng)》【年(卷)，期】2018(024)001【總頁數(shù)】10頁(P53-62)【關(guān)鍵詞】云制造;服務(wù)質(zhì)量;評(píng)價(jià)指標(biāo)體系;評(píng)價(jià)模型【作者】賀可太;朱道云【作者單位】北京科技大學(xué)機(jī)械工程學(xué)院，北京100083;北京科技大學(xué)機(jī)械工程學(xué)院北京100083【正文語種】中文【中圖分類】TP3910引言云服務(wù)是利用一組標(biāo)準(zhǔn)實(shí)現(xiàn)面向服務(wù)架構(gòu)模式的服務(wù)［1］，隨著信息技術(shù)(物聯(lián)網(wǎng)和其他嵌入式軟件)的發(fā)展，繼基礎(chǔ)設(shè)施即服務(wù)(InfratructureasaService,IaaS)、平臺(tái)即服務(wù)(PlatformasaService,PaaS)、軟件即服務(wù)(SoftwareasaService,SaaS)這3種云服務(wù)之后，面向服務(wù)的云制造模式這一新類型的云服務(wù)應(yīng)運(yùn)而生。云制造是采用分布式制造服務(wù)的一種網(wǎng)絡(luò)化制造新模式，其利用互聯(lián)網(wǎng)和云制造服務(wù)平臺(tái)，根據(jù)用戶需求組織網(wǎng)上制造資源，為用戶提供各種制造服務(wù)［2］。與傳統(tǒng)的制造從研發(fā)到銷售的周期長、效率較低不同，云制造模式由需求者提出需求，由云制造平臺(tái)組織資源與能力來完成設(shè)計(jì)、加工、生產(chǎn)、協(xié)作等訂單，效率更高；與敏捷制造相比，云平臺(tái)更加高度開放，資源和能力可以自由出入，云制造可根據(jù)協(xié)作過程中的變化靈活變更聯(lián)盟中的參與企業(yè)；與一般網(wǎng)絡(luò)化制造相比，云制造模式的擴(kuò)展性更強(qiáng)，在制造網(wǎng)格分散資源集中使用的基礎(chǔ)上，還可以做到集中資源分散服務(wù)。除此之外，云制造平臺(tái)中有豐富的仿真服務(wù)，在產(chǎn)品論證和設(shè)計(jì)過程中可利用仿真技術(shù)優(yōu)選服務(wù)。目前，云制造技術(shù)已在模具、服裝、柔性材料、裝備制造等行業(yè)開展了初步的應(yīng)用，優(yōu)化配置了各種制造資源［3］。云制造是云服務(wù)在制造領(lǐng)域的落地和延伸，雖然已在現(xiàn)實(shí)世界中應(yīng)用，但是云制造理念仍存在很多技術(shù)與方法問題沒有解決和規(guī)范，約束了云制造的大規(guī)模開展和推廣。云制造在以往先進(jìn)模式分散資源集中使用的基礎(chǔ)上提出集中資源分散服務(wù)，打開盤活資源的格局，可以更好地實(shí)現(xiàn)資源優(yōu)化配置，然而平臺(tái)中存儲(chǔ)的海量制造資源和能力，能否又好又快地匹配到合適的服務(wù)，是將這一先進(jìn)理念落實(shí)到實(shí)踐的關(guān)鍵。只有實(shí)現(xiàn)了平臺(tái)的高性能運(yùn)轉(zhuǎn)，才能產(chǎn)生效益、實(shí)現(xiàn)價(jià)值，促進(jìn)制造業(yè)的發(fā)展。因此，服務(wù)匹配是云制造平臺(tái)高效運(yùn)轉(zhuǎn)的關(guān)鍵技術(shù)之一。與當(dāng)前廣泛應(yīng)用的京東商城、淘寶商城等交易平臺(tái)不同，云制造平臺(tái)不止于產(chǎn)成品的供需對(duì)接，還包括基于制造能力的過程協(xié)同業(yè)務(wù)，交易過程更為復(fù)雜［3］。因此，云制造服務(wù)的匹配更加復(fù)雜和困難。分布式云制造服務(wù)有眾多候選服務(wù)，面向服務(wù)的平臺(tái)性能在很大程度上依賴于被采用的云制造服務(wù)的性能。服務(wù)質(zhì)量(QualityofService,QoS)通常用來描述Web服務(wù)的非功能性特征，QoS管理對(duì)活動(dòng)的QoS進(jìn)行規(guī)范、評(píng)價(jià)、預(yù)測和聚合，并對(duì)資源進(jìn)行控制，以匹配用戶和應(yīng)用程序端到端的要求［4］。與一般Web服務(wù)的軟件、數(shù)據(jù)的實(shí)時(shí)調(diào)用相比，云制造是制造過程的協(xié)同業(yè)務(wù)，有實(shí)體的流動(dòng)。云制造的QoS評(píng)價(jià)不僅要顧及云平臺(tái)的網(wǎng)絡(luò)性能而且要充分考慮資源和能力性能。Web服務(wù)的QoS管理已經(jīng)不能適應(yīng)云制造的QoS管理。目前，關(guān)于云制造的研究尚處于起步階段，結(jié)合實(shí)踐的云制造服務(wù)評(píng)價(jià)較少。有關(guān)功能屬性匹配、語義匹配研究的主要思想，是在平臺(tái)中對(duì)基礎(chǔ)功能信息進(jìn)行描述并建立語義本體，利用語義距離實(shí)現(xiàn)基礎(chǔ)匹配。首先通過模糊邏輯將Web服務(wù)的基礎(chǔ)數(shù)據(jù)抽象和歸類為術(shù)語與規(guī)則，將服務(wù)映射為語義服務(wù)［5-8］；進(jìn)而采用本體描述語言將資源服務(wù)信息劃分成類，實(shí)現(xiàn)服務(wù)類別的判斷以及功能和狀態(tài)信息與需求者請(qǐng)求服務(wù)的匹配［9-11］。國內(nèi)夕卜學(xué)者對(duì)云制造服務(wù)非功能屬性的研究主要集中在以下幾方面：①從Web服務(wù)評(píng)價(jià)的角度結(jié)合云服務(wù)特點(diǎn)建立云服務(wù)評(píng)價(jià)模型［1,12］;②建立制造網(wǎng)格系統(tǒng)服務(wù)質(zhì)量評(píng)估模型［13］；③構(gòu)建網(wǎng)絡(luò)交易的信譽(yù)評(píng)價(jià)［14-17］。黃云［1］采用QoS屬性計(jì)算法，基于Web服務(wù)評(píng)價(jià)通用模型結(jié)合云服務(wù)的領(lǐng)域特點(diǎn)，構(gòu)建了評(píng)價(jià)指標(biāo)體系，針對(duì)制造網(wǎng)格的QoS評(píng)價(jià)提出需綜合考慮資源管理和網(wǎng)絡(luò)性能的QoS評(píng)估模型，該模型未考慮云制造的行業(yè)特殊性;馬文龍等［12］提出在云平臺(tái)中加入監(jiān)測器以校正QoS信息，并采用變精度粗糙集對(duì)屬性權(quán)重進(jìn)行計(jì)算，建立了云制造服務(wù)選擇模型;Liu等［14］提出可擴(kuò)展的信譽(yù)度計(jì)算模型，甘佳等［15］提出云制造服務(wù)推薦信任度權(quán)值確定方法，Yau等［16］提出QoS排序算法，胡業(yè)發(fā)等［17］建立了制造網(wǎng)格資源服務(wù)QoS信任評(píng)估模型。這些研究工作雖然不很完善，但都對(duì)云制造QoS評(píng)價(jià)進(jìn)行了很有價(jià)值的探索。本文將綜合云制造一般屬性建立可擴(kuò)展的綜合性評(píng)價(jià)模型。1云制造服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)體系云制造系統(tǒng)由云制造平臺(tái)、需求者和服務(wù)提供商3種角色組成。云制造QoS評(píng)價(jià)指云平臺(tái)對(duì)提供商的服務(wù)質(zhì)量展開評(píng)價(jià)，評(píng)估其制造服務(wù)是否滿足平臺(tái)需求和需求者利益最大化，進(jìn)而為需求者快速匹配并推薦最合適的服務(wù)，實(shí)現(xiàn)云制造平臺(tái)的高性能運(yùn)轉(zhuǎn)。為此，首先要建立一個(gè)能全面、正確反映被評(píng)價(jià)系統(tǒng)特征的評(píng)價(jià)指標(biāo)體系。1.1指標(biāo)因子云制造針對(duì)具體的制定產(chǎn)品進(jìn)行，具有協(xié)同制造、生命周期短、制造過程個(gè)性化等特點(diǎn)，可采用項(xiàng)目管理模式對(duì)云制造進(jìn)行交易過程管理［18］，云制造平臺(tái)對(duì)提供商的評(píng)價(jià)、匹配、推薦可看作項(xiàng)目開展之前的項(xiàng)目評(píng)估和投標(biāo)、招標(biāo)、定標(biāo)過程。項(xiàng)目開展的驅(qū)動(dòng)力在于利益和風(fēng)險(xiǎn)，云平臺(tái)作為評(píng)估和選擇的主體，需要綜合考慮自身、需求者和提供商的利益。商業(yè)的核心競爭力在于滿足顧客的需求，充分考慮需求者的利益和風(fēng)險(xiǎn)。本文從需求者利益和風(fēng)險(xiǎn)兩個(gè)關(guān)鍵要素建立云制造QoS的考核指標(biāo)。1.1.1需求者的利益不論線下還是線上交易，需求者都希望所需產(chǎn)品物美價(jià)廉、售后有保障、交易體驗(yàn)良好。需求者利益可分為以下指標(biāo)：產(chǎn)品性能首先必須滿足產(chǎn)品功能需求，其次產(chǎn)品質(zhì)量精度越高越好。通常從產(chǎn)品的質(zhì)量性能參數(shù)、故障出現(xiàn)頻率來衡量一個(gè)產(chǎn)品的性能，其中產(chǎn)品的質(zhì)量性能考核指標(biāo)依具體產(chǎn)品而定。服務(wù)價(jià)格服務(wù)全過程所產(chǎn)生的費(fèi)用和服務(wù)提供商利潤之和。服務(wù)價(jià)格由客觀費(fèi)用和服務(wù)提供商的利益組合而成?？陀^費(fèi)用包括服務(wù)的制造成本和物流成本。提供商的主觀利益具有不確定性，但是平臺(tái)可通過比較提供商的報(bào)價(jià)來衡量提供商的主觀利益。為避免惡意低價(jià)或損害提供商利益，平臺(tái)在衡量過程中應(yīng)將提供商的主觀利益置于合理范圍之內(nèi)，在合理范圍之內(nèi)選擇價(jià)格最優(yōu)的候選服務(wù)提供商。服務(wù)時(shí)間服務(wù)全過程所耗費(fèi)的總時(shí)間。服務(wù)時(shí)間包括響應(yīng)請(qǐng)求時(shí)間、生產(chǎn)制造時(shí)間和物流時(shí)間。交貨準(zhǔn)確性包括交貨時(shí)間的準(zhǔn)確性、交貨產(chǎn)品的數(shù)量、質(zhì)量的準(zhǔn)確性?？删S護(hù)性包括提供商的技術(shù)支持和修復(fù)方案。及時(shí)提供技術(shù)支持及維護(hù)以保證正常使用，對(duì)需求者很重要，也是影響需求者滿意度的重要指標(biāo)。1.1.2項(xiàng)目過程中的風(fēng)險(xiǎn)在項(xiàng)目實(shí)施過程中存在很多風(fēng)險(xiǎn)，項(xiàng)目實(shí)施之前的風(fēng)險(xiǎn)評(píng)估通常從評(píng)價(jià)項(xiàng)目實(shí)施的難易程度和可靠性進(jìn)行衡量。從風(fēng)險(xiǎn)角度對(duì)云制造QoS的評(píng)價(jià)可參考下列指標(biāo)：制造工序能力工序能力是工序具有的實(shí)際加工能力。在確定由哪個(gè)提供商來完成制造任務(wù)之前，需要對(duì)提供商的工序能力進(jìn)行判斷，觀察其是否具有充分的工序能力淇次，通過計(jì)算工序能力指數(shù)對(duì)提供商滿足規(guī)格要求的能力進(jìn)行判斷，工序能力指數(shù)越大的提供商，其質(zhì)量保證能力越強(qiáng)、潛力越大;最后，在制造過程中會(huì)涉及工序的優(yōu)化和調(diào)整，因此要求提供商具有清晰合理的工藝流程。接口配合云制造是協(xié)同制造的平臺(tái)，制造子任務(wù)間接口的效果與效率直接影響整個(gè)制造鏈。故在數(shù)據(jù)管理規(guī)范的基礎(chǔ)上還應(yīng)重視共享性和安全性，在安全性的前提下盡可能高效地共享，加強(qiáng)信息的交互性和標(biāo)準(zhǔn)化。制造子任務(wù)接口間的配合需要考慮接口間形成的依賴度，從信息共享延誤率、計(jì)劃完成率、發(fā)運(yùn)差錯(cuò)率等指標(biāo)進(jìn)行評(píng)價(jià)。企業(yè)經(jīng)營業(yè)績良好的業(yè)績能夠保障項(xiàng)目資金充足，從側(cè)面展示了其QoS可靠。從需求者利益和云制造項(xiàng)目過程中的風(fēng)險(xiǎn)兩個(gè)關(guān)鍵要素建立的云制造QoS考核指標(biāo)總結(jié)如圖1所示。和云計(jì)算服務(wù)、Web服務(wù)的QoS評(píng)價(jià)相比，云制造QoS評(píng)價(jià)指標(biāo)有其專門特征:①平臺(tái)中需要連接制造服務(wù)提供商的制造過程，工序能力是反映制造過程的加工能力和質(zhì)量的重要指標(biāo)；②云制造需要考慮制造過程的多個(gè)工序和服務(wù)商間的協(xié)同，主要表現(xiàn)為數(shù)據(jù)鏈集成效果、工序計(jì)劃完成效果和協(xié)同可靠性，分別由信息共享延誤率、計(jì)劃完成率、發(fā)運(yùn)差錯(cuò)率等指標(biāo)進(jìn)行衡量。對(duì)信息共享延誤率的考核會(huì)對(duì)制造過程數(shù)據(jù)的格式規(guī)范形成約束和指導(dǎo)，促進(jìn)制造過程數(shù)據(jù)鏈的集成。同時(shí)，計(jì)劃完成率和發(fā)運(yùn)差錯(cuò)率會(huì)對(duì)服務(wù)提供商的協(xié)同可靠性形成約束。1.2指標(biāo)因子的處理上述指標(biāo)因子既有定量指標(biāo)，又有定性指標(biāo)。產(chǎn)品性能、服務(wù)價(jià)格、服務(wù)時(shí)間、交貨準(zhǔn)確性、制造工藝能力、企業(yè)經(jīng)營業(yè)績均可用定量指標(biāo)反映，而可維護(hù)性、信息化水平則是定性指標(biāo)。為了便于云制造系統(tǒng)的計(jì)算，需要對(duì)各指標(biāo)進(jìn)行量化，實(shí)現(xiàn)指標(biāo)體系的數(shù)值衡量和計(jì)算。按定性和定量指標(biāo)進(jìn)行劃分以后，將指標(biāo)逐級(jí)細(xì)分，最末層可以收集數(shù)據(jù)并進(jìn)行數(shù)值計(jì)算。對(duì)于無法通過定量收集數(shù)據(jù)的指標(biāo)，設(shè)指標(biāo)狀態(tài)描述的變量為S，其論域?yàn)镈s；描述評(píng)價(jià)結(jié)論的變量為C，其論域?yàn)镈c，轉(zhuǎn)化成定量論域?yàn)镈q。例如，平臺(tái)知識(shí)庫中針對(duì)定性評(píng)價(jià)指標(biāo)工序能力有如下決策知識(shí)：如果工序能力強(qiáng)，則該服務(wù)評(píng)價(jià)指標(biāo)評(píng)價(jià)值為優(yōu)；如果處理速度較快，則該服務(wù)評(píng)價(jià)指標(biāo)評(píng)價(jià)值為良……以此類推。此時(shí)，定義在論域Ds，Dc上的變量S，C分別表示工序能力強(qiáng)弱和評(píng)價(jià)等級(jí)，S的取值為｛S1,S2,S3,S4,S5｝，分別表示｛強(qiáng)，較強(qiáng)，適中，較弱，弱｝，對(duì)應(yīng)C中的取值為｛C1,C2,C3,C4,C5｝，分別表示｛優(yōu)，良，中，較差，差｝，再對(duì)應(yīng)的定量論域Dq分別表示為｛1.0-0.8,0.8-0.6,0.6-040.4-020.2-0｝，或表示為｛0.9,0.7,0.5,0.3,0.1｝。最后，因?yàn)楦鱾€(gè)指標(biāo)的屬性值和計(jì)量單位都存在很大不同，不能直接計(jì)算，所以需要進(jìn)行歸一化處理實(shí)現(xiàn)統(tǒng)一量化。為方便后面的指標(biāo)數(shù)值計(jì)算，本文采用歸一化效用函數(shù)：(1)(2)式中：表示多個(gè)相似用戶對(duì)候選服務(wù)第j個(gè)屬性的最大值，表示多個(gè)相似用戶對(duì)候選服務(wù)第j個(gè)屬性的最小值。QoS指標(biāo)屬性可分為效益型指標(biāo)和成本型指標(biāo)，效益型指標(biāo)數(shù)值越大，對(duì)服務(wù)請(qǐng)求越有利，可通過式(2)計(jì)算；成本型指標(biāo)數(shù)值越小，對(duì)服務(wù)請(qǐng)求越有利，可通過式(1)計(jì)算。1.3評(píng)價(jià)指標(biāo)量化模型該云制造QoS評(píng)價(jià)指標(biāo)模型包括8個(gè)指標(biāo)因子，用形式化的語言表示為Q=｛Q1,Q2,Q3,Q4,Q5,Q6,Q7,Q8｝=｛產(chǎn)品性能，服務(wù)價(jià)格，服務(wù)時(shí)間，交貨準(zhǔn)確性，可維護(hù)性，制造工序能力，信息化水平，企業(yè)經(jīng)營業(yè)績｝，其中：Q1,Q4,Q5,Q6,Q7,Q8是一類，由各自的子指標(biāo)因子加權(quán)得出數(shù)值；Q2,Q3是一類，由各自的指標(biāo)因子直接相加得出數(shù)值。下面對(duì)兩類指標(biāo)因子分別展開計(jì)算。產(chǎn)品性能Q1由q11產(chǎn)品質(zhì)量性能參數(shù)和q12故障出現(xiàn)頻率共同決定。q11為效益型指標(biāo)，q12為成本型指標(biāo)，分別通過歸一化效用函數(shù)計(jì)算，然后分別賦予權(quán)重。OQ1=w1xpwork+w2xfbreak,w1+w2=1。式中：OQ1,pwork,fbreak分別為Q1產(chǎn)品性能、q11產(chǎn)品質(zhì)量性能參數(shù)和q12故障出現(xiàn)頻率的數(shù)值表現(xiàn)形式。后面也采用類似數(shù)值表現(xiàn)形式，不再螯述。同理可得OQ4=w1xrtimely+w2xaquantity+w3xaquality,w1+w2+w3=1。式中w1,w2與Q1中不同，分別是w41,w42的簡寫，余同。OQ6=w1xpc+w2xpci,w1+w2=1;OQ7=w1xrdelay+w2xrcomple+w3xrderror,w1+w2+w3=1;OQ8=w1xvturnover+w2xrtrade,w1+w2=1。Q5的可維護(hù)性從q51技術(shù)支持和q52修復(fù)方案考核，技術(shù)支持和修復(fù)方案均為定性的效益型指標(biāo)。將定性指標(biāo)的評(píng)價(jià)結(jié)果換算至相應(yīng)的定量論域，再對(duì)定量論域進(jìn)行歸一化效用計(jì)算，然后分別給各指標(biāo)賦予權(quán)重，則OQ5=w1xnts+w2xnrs,w1+w2=1。Q2的服務(wù)價(jià)格包括q21服務(wù)報(bào)價(jià)和q22運(yùn)輸成本，OQ2=cservice+clog。Q3的服務(wù)時(shí)間包括q31受理請(qǐng)求的時(shí)間、q32生產(chǎn)制造時(shí)間和q33物流時(shí)間，滿足OQ3=tresponse+tproduc+tlog。1.4評(píng)價(jià)指標(biāo)模型云制造平臺(tái)中包括不同行業(yè)、不同特點(diǎn)的產(chǎn)品，建立一個(gè)完善、通用的評(píng)價(jià)指標(biāo)體系不切實(shí)際，立足于需求者的角度對(duì)提供商QoS進(jìn)行評(píng)價(jià)，是提高交易質(zhì)量和交易效率的有效方法。建立這樣的評(píng)價(jià)指標(biāo)體系作為評(píng)價(jià)的準(zhǔn)則和依據(jù)，可使服務(wù)的匹配和組合更加科學(xué)、合理、高效。前述指標(biāo)是云制造平臺(tái)中QoS評(píng)價(jià)的通用指標(biāo)，實(shí)際應(yīng)用中的評(píng)價(jià)指標(biāo)可以在這些基礎(chǔ)上增加或減少。平臺(tái)中記錄的評(píng)價(jià)指標(biāo)有多種，需要將這些指標(biāo)分門別類建立標(biāo)準(zhǔn)的處理流程，以增強(qiáng)評(píng)價(jià)系統(tǒng)的靈活性。首先根據(jù)云制造具體的制定產(chǎn)品，選擇評(píng)價(jià)指標(biāo)因子及其分解的子指標(biāo)；然后將一級(jí)指標(biāo)分為兩類，即由子指標(biāo)因子加權(quán)得出數(shù)值的指標(biāo)和由子指標(biāo)因子直接相加得出數(shù)值的指標(biāo)；最后，對(duì)子指標(biāo)進(jìn)行定性定量數(shù)值映射、歸一化處理，并量化各類指標(biāo)。Qi由qik(k=12...,n)多個(gè)子指標(biāo)決定，并由子指標(biāo)因子加權(quán)得出數(shù)值。⑶式中：OQi表示一級(jí)指標(biāo)的數(shù)值，fik表示第i個(gè)一級(jí)指標(biāo)的第k個(gè)子因子的數(shù)值，wk為其權(quán)重，n表示一個(gè)一級(jí)指標(biāo)分解至下一層的子因子個(gè)數(shù)。Qi由qik(k=12...,n)多個(gè)子指標(biāo)決定，并由子指標(biāo)因子直接相加得出數(shù)值。(4)式中fik表示第i個(gè)一級(jí)指標(biāo)的第k個(gè)子因子的數(shù)值，n表示一個(gè)一級(jí)指標(biāo)分解至下一層的子因子個(gè)數(shù)，OQi表示一級(jí)指標(biāo)的數(shù)值。關(guān)于QoS評(píng)價(jià)的一般思路是:首先計(jì)算出各一級(jí)指標(biāo)的數(shù)值OQi，進(jìn)而確定每個(gè)指標(biāo)的權(quán)重wQi，然后根據(jù)權(quán)重和權(quán)數(shù)的乘積計(jì)算出所有具有相似功能的候選服務(wù)的分值，取分?jǐn)?shù)最高的為最優(yōu)的服務(wù)提供商。這類方法操作簡單，但也有不足之處:①忽略了需求者的偏好，這樣評(píng)價(jià)和匹配推薦的服務(wù)與需求者心理預(yù)期有較大差距，導(dǎo)致需求者在云制造平臺(tái)的體驗(yàn)不佳。②數(shù)值獲取不客觀實(shí)際。在實(shí)際交易過程中，提供商很難提供所有的QoS指標(biāo)屬性值，其提供的指標(biāo)屬性值也不一定符合其實(shí)際的QoS，從而導(dǎo)致評(píng)價(jià)和推薦的服務(wù)與實(shí)際不符，云制造平臺(tái)的效能也會(huì)降低。為了避免這些弊端，本文針對(duì)提供商的QoS屬性值提出基于項(xiàng)目的三角模糊數(shù)的評(píng)價(jià)算法。該算法的優(yōu)勢在于利用三角模糊數(shù)來表示權(quán)數(shù)，并利用歷史數(shù)據(jù)完善候選提供商的服務(wù)質(zhì)量缺失的屬性值；通過計(jì)算提供商與需求者期望之間的相似度來進(jìn)行服務(wù)評(píng)價(jià)排序，更多地考慮了需求者對(duì)服務(wù)質(zhì)量的期望。2云制造服務(wù)質(zhì)量評(píng)價(jià)模型2.1評(píng)價(jià)模型的框架在云制造平臺(tái)中，當(dāng)前制造項(xiàng)目中需求者和候選提供商能夠提供的QoS屬性信息是有限的，大量缺失或不真實(shí)的屬性數(shù)值信息將嚴(yán)重限制云制造平臺(tái)的評(píng)價(jià)和匹配推薦的效能。為解決這一問題，本文提出一套評(píng)價(jià)框架機(jī)制，在云制造評(píng)價(jià)中利用歷史需求者和服務(wù)項(xiàng)目所提供的信息和數(shù)據(jù)，通過分布式的評(píng)價(jià)框架提供更為完善和準(zhǔn)確的評(píng)價(jià)信息。評(píng)價(jià)機(jī)制要求需求者將其觀察到的云制造服務(wù)項(xiàng)目的QoS性能分享到平臺(tái)的服務(wù)器中，并將歷史評(píng)價(jià)結(jié)果保留在數(shù)據(jù)中心，以便其他需求者獲?。?9］。評(píng)價(jià)框架機(jī)制如圖2所示。與單一利用歷史需求者評(píng)價(jià)數(shù)據(jù)的研究不同，為使評(píng)價(jià)結(jié)果更準(zhǔn)確，本評(píng)價(jià)模型還利用歷史制造項(xiàng)目中的數(shù)據(jù)。該評(píng)價(jià)框架是建立在平臺(tái)已經(jīng)完成任務(wù)分解和功能匹配的基礎(chǔ)上，對(duì)眾多功能相似的提供商進(jìn)行QoS性能評(píng)價(jià)。在云制造服務(wù)質(zhì)量評(píng)價(jià)過程中，受理請(qǐng)求中心接受并分析需求者的請(qǐng)求，將分解、規(guī)范后的請(qǐng)求信息發(fā)送至指標(biāo)管理器。指標(biāo)管理器根據(jù)請(qǐng)求的類型在系統(tǒng)數(shù)據(jù)庫中自動(dòng)建立適當(dāng)?shù)脑u(píng)價(jià)指標(biāo)模型，生成各指標(biāo)屬性值的格式，并將評(píng)價(jià)所需的準(zhǔn)則數(shù)值傳遞給屬性值收集分配器，由屬性值收集分配器分配數(shù)據(jù)收集。數(shù)據(jù)庫中存儲(chǔ)了歷史項(xiàng)目按一定規(guī)則記錄下的指標(biāo)評(píng)價(jià)值，系統(tǒng)接收到數(shù)據(jù)采集請(qǐng)求后，從數(shù)據(jù)庫中調(diào)用相關(guān)歷史數(shù)據(jù)，形成相應(yīng)的測試用例。測試用例在歷史項(xiàng)目和用戶中找出與當(dāng)前需求者需求相似的項(xiàng)目及用戶，并調(diào)用其評(píng)價(jià)數(shù)據(jù)。歷史用戶和歷史項(xiàng)目的數(shù)據(jù)被按照一定格式收集和記錄下來，發(fā)送至相似度分析器，并在分析器中生成矩陣，計(jì)算需求者需求和各候選提供商所能提供的QoS相似度。服務(wù)推薦器獲取需求一性能相似度排序結(jié)果，將結(jié)果推薦給需求者。將當(dāng)前服務(wù)評(píng)價(jià)指標(biāo)的數(shù)據(jù)存儲(chǔ)到云制造平臺(tái)的服務(wù)器中。本評(píng)價(jià)架構(gòu)的優(yōu)點(diǎn)包括：①通過相似度計(jì)算獲得的相似用戶和相似項(xiàng)目，其合作過的提供商信息具有很高的參考價(jià)值，且評(píng)價(jià)指標(biāo)和屬性值格式更接近當(dāng)前需求者的實(shí)際情況，可以幫助需求者得到更真實(shí)、精確、有效的對(duì)提供商的評(píng)價(jià)信息；②歷史評(píng)價(jià)結(jié)果可以重復(fù)利用，當(dāng)前需求者的評(píng)價(jià)過程也將存儲(chǔ)到云制造平臺(tái)的歷史數(shù)據(jù)中，這樣的評(píng)價(jià)架構(gòu)具有良性循環(huán)的特征?；赒oS評(píng)價(jià)框架，本文還將進(jìn)一步給出數(shù)據(jù)獲取方法和評(píng)價(jià)的算法。2.2數(shù)據(jù)獲取2.2.1建立平臺(tái)評(píng)價(jià)元數(shù)據(jù)規(guī)范評(píng)價(jià)數(shù)據(jù)主要來源于制造過程中的設(shè)備物聯(lián)數(shù)據(jù)和平臺(tái)中的評(píng)價(jià)記錄，對(duì)分享使用記錄的用戶給予一定的激勵(lì)，激發(fā)其完成使用評(píng)價(jià)。這一做法在YouTube等網(wǎng)絡(luò)社區(qū)證明是易于被用戶接受的，且參與度很高。目前用戶評(píng)價(jià)通常是文本類型的，沒有固定格式，數(shù)據(jù)組織松散，不利于數(shù)據(jù)內(nèi)容提取。因此云制造平臺(tái)應(yīng)該建立評(píng)價(jià)規(guī)范，給出評(píng)價(jià)元數(shù)據(jù)，便于用戶在交易過程中或交易結(jié)束后，與系統(tǒng)交互。平臺(tái)的評(píng)價(jià)元數(shù)據(jù)一般包括所需評(píng)價(jià)的字段內(nèi)容、字段格式、評(píng)價(jià)可選項(xiàng)等內(nèi)容，指導(dǎo)用戶在交互時(shí)，根據(jù)元數(shù)據(jù)規(guī)范進(jìn)行評(píng)價(jià)。平臺(tái)將評(píng)價(jià)記錄匯總到評(píng)價(jià)數(shù)據(jù)池。針對(duì)定性類數(shù)據(jù)，在評(píng)價(jià)數(shù)據(jù)池中嵌入映射機(jī)制，完成定性類數(shù)據(jù)向定量數(shù)據(jù)的轉(zhuǎn)換。2.2.2協(xié)同評(píng)價(jià)數(shù)據(jù)池云制造平臺(tái)通過相似用戶和相似項(xiàng)目來協(xié)同提供評(píng)價(jià)所需的信息：①相似用戶和相似項(xiàng)目在其制造交易結(jié)束后按照系統(tǒng)給出的評(píng)價(jià)內(nèi)容對(duì)其合作過的提供商做出評(píng)價(jià)，將結(jié)果存儲(chǔ)在平臺(tái)的服務(wù)器中供后來的需求者使用;②歷史相似用戶將其在交易中選擇的評(píng)價(jià)指標(biāo)和性能的理想期望值信息發(fā)送給云制造平臺(tái)。表1所示為信息收集示例。表1用戶一指標(biāo)信息收集示例用戶指標(biāo)1指標(biāo)2指標(biāo)3指標(biāo)4指標(biāo)5指標(biāo)61VVVnullVV2nullVVVVV3nullVnullVVnull4VnullWnullV表1中列出4個(gè)用戶對(duì)6個(gè)指標(biāo)的評(píng)價(jià)和記錄完善情況，寸表示該用戶對(duì)該條指標(biāo)有評(píng)價(jià)記錄，null表示該用戶對(duì)該條指標(biāo)的評(píng)價(jià)缺失。在制造云服務(wù)平臺(tái)中有大量用戶數(shù)據(jù)和項(xiàng)目數(shù)據(jù)。首先對(duì)相似項(xiàng)目進(jìn)行聚類，通過語義搜索、匹配識(shí)別完成相似項(xiàng)目的搜尋，獲得相似項(xiàng)目后，調(diào)出歷史使用用戶的評(píng)價(jià)元數(shù)據(jù)表，即可獲取相似項(xiàng)目的用戶評(píng)價(jià)數(shù)據(jù)。2.3基于項(xiàng)目的三角模糊數(shù)評(píng)價(jià)算法本文利用項(xiàng)目協(xié)同的方法以校正指標(biāo)數(shù)值，提出基于項(xiàng)目協(xié)同的三角模糊數(shù)算法來計(jì)算提供商服務(wù)和需求者期望的相似度。2.3.1算法設(shè)計(jì)假設(shè)①需求者在提交制造服務(wù)需求時(shí)，對(duì)每個(gè)QoS指標(biāo)提交一個(gè)屬性值的理想?yún)^(qū)間，即需求者認(rèn)為能夠接受的性能數(shù)值范圍。②對(duì)每個(gè)服務(wù)性能指標(biāo)提交一個(gè)最佳的性能屬性值，即該數(shù)值的性能是需求者最希望得到的［20］。用三角模糊數(shù)表示需求者對(duì)各指標(biāo)的理想?yún)^(qū)間和期望值，表現(xiàn)形式為s=(sl,sm,su)，其中s是一個(gè)三角模糊數(shù)，(sl,su)表示指標(biāo)的理想?yún)^(qū)間，sm是期望值。同理，提供商的指標(biāo)屬性值也都用三角模糊數(shù)o=(ol,om,ou)表示，(ol,ou)表示指標(biāo)屬性值的取值區(qū)間，om是最可能出現(xiàn)的數(shù)值。評(píng)價(jià)宗旨通過比較候選服務(wù)性能屬性值與需求者提供的屬性期望之間的吻合度來判斷候選QoS的優(yōu)劣。與需求者理想?yún)^(qū)間和期望值越吻合的提供商，其服務(wù)質(zhì)量越好、排序位置越靠前。在平臺(tái)匹配應(yīng)用時(shí)，需求者不具備專業(yè)的評(píng)價(jià)知識(shí)和技能，不一定能準(zhǔn)確地表達(dá)自身的期望，需求者在尋求制造方案時(shí)也不一定會(huì)耗費(fèi)太長時(shí)間去表達(dá)細(xì)節(jié)的評(píng)價(jià)數(shù)據(jù)，而提供商會(huì)在實(shí)際交易過程中為了自身的利益也會(huì)夸大服務(wù)質(zhì)量水平。因此，獲得真實(shí)的提供商的指標(biāo)屬性值也比較困難。以上問題可以通過相似項(xiàng)目的用戶在交易中所選擇的評(píng)價(jià)指標(biāo)、指標(biāo)性能的理想?yún)^(qū)間、指標(biāo)性能的期望值，以及交易結(jié)束后對(duì)提供商的評(píng)價(jià)，都將存儲(chǔ)在系統(tǒng)中。2.3.2算法流程本文用三角模糊數(shù)表示屬性值。需求者期望屬性值表示為矩陣S=(s1,s2...sk...,sn)T，其中n為評(píng)價(jià)指標(biāo)總數(shù)量，是一個(gè)三角模糊數(shù)且表示需求者認(rèn)為能夠接受的性能數(shù)值范圍，sm表示需求者最希望得到的性能屬性值。同理提供商性能屬性值表示為矩陣O=(o1,o2...ok...,on)T,其中(ol,ou)表示提供商服務(wù)性能數(shù)值范圍，om表示服務(wù)商給出的可能性最大的服務(wù)性能。設(shè)該制造項(xiàng)目1存在m個(gè)功能相似的提供商，j表示第j個(gè)提供商(j=12...,m)。則全部候選提供商的性能矩陣算法流程如下:步驟1找出當(dāng)前需求的相似項(xiàng)目。相似項(xiàng)目的匹配可以通過語義匹配技術(shù)實(shí)現(xiàn)。將需求者的需求分解后用系統(tǒng)的規(guī)范進(jìn)行描述，并與云平臺(tái)中的歷史項(xiàng)目進(jìn)行語義距離匹配，語義距離越相近，其語義相似度越大。由基于Web服務(wù)本體描述語言(WebOntologyLanguageforService,OWL-S)的云制造服務(wù)語義匹配算法篩選出相似項(xiàng)目［21］，選取相似度最高的前K個(gè)項(xiàng)目的用戶評(píng)價(jià)作為依據(jù)。步驟2提取相似項(xiàng)目的指標(biāo)數(shù)據(jù)。指標(biāo)管理器根據(jù)所制造的產(chǎn)品類型在系統(tǒng)知識(shí)庫中選擇相應(yīng)指標(biāo)集，生成對(duì)應(yīng)的分解指標(biāo)屬性值的格式，按照相應(yīng)的格式提取相似項(xiàng)目的指標(biāo)數(shù)據(jù)，并根據(jù)評(píng)價(jià)指標(biāo)量化模型對(duì)指標(biāo)進(jìn)行處理。對(duì)于同一指標(biāo)存在多個(gè)用戶的評(píng)價(jià)記錄，比較同一評(píng)價(jià)指標(biāo)各個(gè)用戶的評(píng)價(jià)數(shù)值或數(shù)值范圍，取重合最多的區(qū)間(ol,ou)為該提供商該服務(wù)性能的數(shù)值范圍，由此類推得Ojk的數(shù)值。在云制造數(shù)據(jù)庫中選取與當(dāng)前需求相似度最高的K個(gè)相似項(xiàng)目的用戶，調(diào)出其對(duì)各指標(biāo)的理想?yún)^(qū)間和期望值的歷史數(shù)據(jù)記錄，供當(dāng)前需求者參考并校正其數(shù)值，得到需求者對(duì)各指標(biāo)屬性值的理想?yún)^(qū)間和期望值，用矩陣S-k表示，步驟3針對(duì)任務(wù)i的候選服務(wù)j的第k個(gè)屬性進(jìn)行相似度討論。關(guān)于兩個(gè)三角模糊數(shù)的相似度計(jì)算引用計(jì)算公式［22］r(ojk,s-k)=⑸稱r(ojk,s?k)為ojk和s-k的相似度，表示針對(duì)第k個(gè)屬性，第j個(gè)候選服務(wù)商提供的結(jié)果的與需求者的需求之間的相似度。步驟4重復(fù)步驟3，完成任務(wù)i的候選服務(wù)j的所有n個(gè)屬性的相似度求解。步驟5確定每個(gè)屬性的權(quán)重。綜合需求者的偏好、專家知識(shí)判斷和平臺(tái)實(shí)例經(jīng)驗(yàn)，采用變精度粗糙集屬性權(quán)重計(jì)算方法［12］確定權(quán)重：(6)式中：ap為任一條件屬性，Y(ap)為屬性ap的信息量，入(ap)為屬性ap的被依賴度。得出權(quán)重矩陣W=(w?1,w2...,w?k,...,w?n)T。步驟6候選服務(wù)j與需求者期望的相似度步驟7重復(fù)步驟6,計(jì)算所有功能相似的候選服務(wù)與需求者期望的相似度，并將提供商按相似度大小進(jìn)行排序。步驟8結(jié)束。2.4分階段的服務(wù)質(zhì)量評(píng)價(jià)模型在上述算法中，計(jì)算所有候選服務(wù)與需求者每對(duì)屬性之間的相似度，形成mxn維的相似矩陣，計(jì)算復(fù)雜度為O(mxn),候選服務(wù)數(shù)量越多，計(jì)算時(shí)間越長。為了優(yōu)化計(jì)算復(fù)雜度，先對(duì)剛性需求指標(biāo)進(jìn)行處理。剛性需求指標(biāo)指候選服務(wù)一旦不滿足該指標(biāo)要求的數(shù)值，即使其他指標(biāo)屬性值相對(duì)優(yōu)也不能被選用，屬于劣行解，這類候選服務(wù)的相似度無需求解。本文采用分階段評(píng)價(jià)模型。首先在指標(biāo)管理器階段加入對(duì)指標(biāo)的判斷，區(qū)分剛性指標(biāo)和柔性指標(biāo)兩個(gè)模塊，剛性指標(biāo)記作模塊1,柔性指標(biāo)記作模塊2。初選階段剛性指標(biāo)包括效益型指標(biāo)和成本型指標(biāo)，效益型指標(biāo)的值越大越好，成本型指標(biāo)的值越小越好。剛性需求指標(biāo)完全根據(jù)服務(wù)需求者的偏好，平臺(tái)知識(shí)庫對(duì)需求者的歷史交易數(shù)據(jù)進(jìn)行記錄、處理和分析，形成偏好知識(shí)儲(chǔ)存在平臺(tái)知識(shí)庫中。效益型指標(biāo)可再細(xì)分，數(shù)據(jù)庫中存有需求者各細(xì)分項(xiàng)的最低要求，數(shù)據(jù)標(biāo)準(zhǔn)化處理后，效益型指標(biāo)值要求的取值范圍為(min,1］，同理成本型指標(biāo)要求的取值范圍為(0,max)。如果效益型指標(biāo)值小于最小值，則剔除該候選服務(wù)；如果成本型指標(biāo)值大于最大值，則剔除該候選服務(wù)。該方法在決策的第一步即淘汰了劣行解，留下了可行方案，大大降低了計(jì)算時(shí)間。相似度決策在剔除劣行解之后，該階段對(duì)可行的功能相似的服務(wù)提供商的決策按照2.2節(jié)提出的評(píng)價(jià)算法進(jìn)行。3實(shí)例分析以某減速箱制造廠的光軸生產(chǎn)為例，要求在30天內(nèi)完成100個(gè)45#鋼光軸的制造業(yè)務(wù)，廠家將制造請(qǐng)求發(fā)送到云制造服務(wù)平臺(tái)。平臺(tái)根據(jù)服務(wù)請(qǐng)求在平臺(tái)資源庫中完成搜索，假設(shè)平臺(tái)受理請(qǐng)求中心通過語義匹配檢索到有5個(gè)相近提供商能滿足廠家的功能要求。指標(biāo)管理器針對(duì)齒輪軸的制造項(xiàng)目選擇產(chǎn)品性能、服務(wù)價(jià)格、服務(wù)時(shí)間、交貨準(zhǔn)確性4個(gè)指標(biāo)來決策。Q=｛產(chǎn)品性能，服務(wù)價(jià)格，服務(wù)時(shí)間，交貨準(zhǔn)確性｝=｛Q1/Q2,Q3/Q4｝，Q1=｛產(chǎn)品質(zhì)量性能參數(shù)，故障出現(xiàn)頻率｝，齒輪軸屬軸類制品，產(chǎn)品質(zhì)量性能參數(shù)有電鍍層厚度、表面硬度、全表面淬硬深度、硬度的均勻性等，為簡化算法說明過程，本文選取電鍍層厚度。由評(píng)價(jià)指標(biāo)量化模型得OQ1=w1xpthick+w2xfbreak,w1+w2=1。同理可得Q2=｛服務(wù)報(bào)價(jià)，物流成本｝,OQ2=cservice+clog;Q3=｛受理請(qǐng)求的時(shí)間，生產(chǎn)制造時(shí)間，物流時(shí)間｝,OQ3=tresponse+tproduc+tlog;Q4=｛及時(shí)交貨率，交貨數(shù)量準(zhǔn)確率，交貨質(zhì)量準(zhǔn)確率｝,OQ4=w1xrtimely+w2xaquantity+w3xaquality,w1+w2+w3=1。選取5個(gè)相似度最高的相似項(xiàng)目的用戶歷史信息，結(jié)合平臺(tái)收集的候選服務(wù)商的信息收集候選服務(wù)的指標(biāo)屬性值，結(jié)果如表2所示。表2指標(biāo)信息收集記錄指標(biāo)i=1i=2i=3i=4i=5電鍍層厚度/um(15,20,25)(8,12,15)(10,15,18)(18,20,25)(20,23,25)故障出現(xiàn)頻率/%(5,10,15)(6912)(6,8,10)(135)(5810)服務(wù)報(bào)價(jià)/(元?件-1)(70,71,73)(65,67,69)(67,68,70)(66,69,71)(68,70,72)物流成本/(元?(k?km)-1)(53,56,65)(57,62,66)(58,61,65)(52,54,58)(58,60,61)受理請(qǐng)求時(shí)間/d(0,1,1)(0,1,1)(1,1,2)(0,0,1)(1,1,2)生產(chǎn)制造時(shí)間/d(17,18,20)(16,18,22)(18,23,27)(14,17,18)(23,26,28)物流時(shí)間/d(3,4,5)(2.5,3,3.5)(3,3.5,4)(2.5,3.5,4.5)(4,5,6)及時(shí)交貨率/%(90,92,97)(92,95,100)(93,95,97)(96,97,99)(94,96,97)交貨數(shù)量準(zhǔn)確率/%(92,96,97)(94,96,97)(93,96,97)(95,96,99)(91,92,95)交貨質(zhì)量準(zhǔn)確率/%(87,87,91)(90,92,95)(86,88,91)(90,96,98)(91,92,94)對(duì)數(shù)據(jù)進(jìn)行歸一化處理。根據(jù)專家知識(shí)得到如下權(quán)重：wthick=30%,wbreak=70%,wtimely=40%,wquantity=30%,wquality=30%將歸一化處理后的指標(biāo)數(shù)值加入權(quán)重計(jì)算，得評(píng)價(jià)一級(jí)指標(biāo)的三角模糊數(shù)值表，如表3所示。表3相似提供商一指標(biāo)記錄提供商產(chǎn)品性能服務(wù)價(jià)格服務(wù)時(shí)間交貨準(zhǔn)確性01(0.12,0.44,0.77)(0.06,0.88,1.19)(1.32,1.71,2.54)(0.05,0.27,0.59)02(0.14,0.35,0.54)(0.5,1.00,1.56)(1.56,1.96,2.74)(0.27,0.50,0.79)03(0.27,0.49,0.60)(0.44,0.94,1.25)(0.57,1.49,1.96)(0.19,0.41,0.59)04(0.65,0.77,0.95)(0.75,1.25,1.76)(1.59,2.42,2.88)(0.46,0.66,0.88)05(0.44,0.59,0.77)(0.43,0.76,1.13)(0.00,0.89,1.36)(0.27,0.40,0.58)生成矩陣⑸通過相似項(xiàng)目的用戶的數(shù)據(jù)校正得需求者各指標(biāo)期望范圍如下：產(chǎn)品性能(0.41，0.68，0.95)；服務(wù)價(jià)格(0.63，1.44,2);服務(wù)時(shí)間(1.57，2.54,2.93)；交貨準(zhǔn)確性(0.53，0.81，1)；S?4=|(0.41,0.68,0.95)(0.63,1.44,2.00)(1.57,2.54,2.93)(0.53,0.81,1.00)|。分別求解相似度，結(jié)果如表4所示。表4單一指標(biāo)相似度表相似度k=產(chǎn)品性能k=服務(wù)價(jià)格k=服務(wù)時(shí)間k=交貨準(zhǔn)確性r(o1ksk)0.710.570.790.43r(o2ksk)0.530.750.880.69r(o3k,s?k)0.660.640.600.53r(o4ksk)0.880.900.970.86r(o5k,s?k)0.860.560.360.54根據(jù)式(6)假設(shè)在平臺(tái)中計(jì)算各指標(biāo)的權(quán)重如下：w產(chǎn)品性能=30%,w服務(wù)價(jià)格=25%,w服務(wù)時(shí)間=25%,w交貨準(zhǔn)確性=20%。由分別計(jì)算候選服務(wù)與需求者期望之間的相似度：R(o1,s)=0.639,R(o2,s)=0.706,R(o3,s)=0.613,R(o4,s)=0.903,R(o5,s)=0.595。候選服務(wù)的相似度排序?yàn)镺4>O2>O1>O3>O5，則該項(xiàng)目的最佳服務(wù)為提供商4。4結(jié)束語本文在云制造背景下，結(jié)合制造行業(yè)的特點(diǎn)提出一種云制造QoS評(píng)價(jià)模型。研究建立了符合云制造業(yè)務(wù)、具有實(shí)際可操作性和擴(kuò)展性的云制造QoS評(píng)價(jià)指標(biāo)體系，給出了指標(biāo)數(shù)值獲取和量化方法，對(duì)評(píng)價(jià)過程中的數(shù)值缺失和不準(zhǔn)確等問題進(jìn)行了校正，并給出了相似服務(wù)的排序方法。該方法利用三角模糊數(shù)表示從歷史數(shù)據(jù)中挖掘的各提供商評(píng)價(jià)指標(biāo)的數(shù)值，并依據(jù)基于項(xiàng)目的三角模糊數(shù)評(píng)價(jià)算法計(jì)算QoS性能的綜合排序，為平臺(tái)服務(wù)評(píng)價(jià)和推薦提供量化的參考依據(jù)。實(shí)例結(jié)果表明，該方法能夠?yàn)槠脚_(tái)進(jìn)一步推薦滿足需求的理想提供商，并有效減少數(shù)值缺失對(duì)推薦結(jié)果的影響。本文提出的指標(biāo)構(gòu)建、指標(biāo)量化處理流程到評(píng)價(jià)框架普遍適用于制造即服務(wù)這一云制造服務(wù)情景，擬作為一個(gè)評(píng)價(jià)程序嵌入到CAXA工業(yè)云平臺(tái)，輔助平臺(tái)根據(jù)相應(yīng)的需求推薦服務(wù)提供商。目前國家在政策上大力倡導(dǎo)、扶持建設(shè)工業(yè)互聯(lián)網(wǎng)平臺(tái)，云制造服務(wù)是工業(yè)云、工業(yè)互聯(lián)網(wǎng)平臺(tái)的重要組成部分，云制造平臺(tái)是云制造服務(wù)的基礎(chǔ)條件。本文對(duì)云制造服務(wù)質(zhì)量進(jìn)行了初步研究，希望以現(xiàn)有的探索和積累為基礎(chǔ)，下一步針對(duì)云制造組合服務(wù)進(jìn)行研究，優(yōu)化平臺(tái)協(xié)同流程，提高云制造的效率。參考文獻(xiàn)：HUANGYun.TheresearchonevaluationmodelofcloudservicebasedonQoSandapplication[D].Hangzhou:ZhejiangGongshangUniversity,2013:78(inChinese).[黃云.基于QoS的云服務(wù)評(píng)價(jià)模型及應(yīng)用的研究[D].杭州：浙江工商大學(xué),2013:78.]LIBohu,ZHANGLin,WANGShilong,etal.Cloudmanufacturing:anewservice-orientednetworkedmanufacturingmodel[J].ComputerIntegratedManufacturingSystems,2010,16(1):1-16(inChinese).[李伯虎，張霖,王時(shí)龍，等.云制造——面向服務(wù)的網(wǎng)絡(luò)化制造新模式[J].計(jì)算機(jī)集成制造系統(tǒng),2010,16(1):1-16.]LIBohu,ZHANGLin,RENLei,etal.Typicalcharacteristics,technologiesandapplicationsofcloudmanufacturing[J].ComputerIntegratedManufacturingSystems,2012,18(7):1345-1356(inChinese).[李伯虎，張霖，任磊，等.云制造典型特征、關(guān)鍵技術(shù)與應(yīng)用[J].計(jì)算機(jī)集成制造系統(tǒng),2012,18(7):1345-1356.]ZHENG乙LYUMR.QoSManagementofWebServices[M].Berlin,Germany:Springer-Verlag,2013.SYCARAK,PAOLUCCIM,ANKOLEKARA,etal.Automateddiscovery,interactionandcompositionofsemanticWebservice[J].WebSemantics,2003,1(1):27-46.VACHARASINTOPCHAIT,BARRYW,WUWONGSEV,etal.SemanticWebserviceframeworkforcomputationalmechanics[J].JournalofComputinginCivilEngineering,2007,21(2):65-77.CHAOK,YOUNASM,LOC,etal.Fussymatchingforwebservice[C]//Proceedingsofthe19thInternationalConferenceonAdvancedInformationNetworkandApplication.Washington,D.C.,USA:IEEE,2005:721-726.TAOFei,HUYefa,ZHAODongming,etal.Studyonresourceservicematchandsearchinmanufacturinggridsystem[J].InternationalJournalofAdvancedManufacturingTechnology,2009,43(3/4):379-399.LIHuifang,DONGXun,SONGChanggang.Intelligentsear-chingandmatchingapproachforcloudmanufacturingservice[J].ComputerIntegratedManufacturingSystems,2012,18(7):1485-1493(inChinese).[李慧芳，董訓(xùn)，宋長剛.制造云服務(wù)智能搜索與匹配方法[J].計(jì)算機(jī)集成制造系統(tǒng),2012,18(7):1485-1493.LIUMin,SHENWeiming,HAOQi,etal.Amulti-levelmatchingframeworkforsemanticwebserviceincollaborativedesign[C]//Proceedingsofthe12thInternationalConferenceonComputerSupportedCooperativeWorkinDesign(CSCWD2008).Washington,D.C.,USA:IEEE,2008:392-398.JIANGJianhua.Researchonservicediscoverybasedonsemanticinmanufacturinggrid[D].Wuhan:WuhanUniversityofTechnology,2008(inChinese).[姜建華.制造網(wǎng)格中基于語義的服務(wù)發(fā)現(xiàn)研究[D].武漢:武漢理工大學(xué),2008]MAWenlong,ZHULinan,WANGWanliang.CloudserviceselectionmodelbasedonQoS-awareincloudmanufacturingenvironment[J].ComputerIntegratedManufacturingSystems,2014,20(5):1246-1254(inChinese).[馬文龍，朱李楠,王萬良.云制造環(huán)境下基于QoS感知的云服務(wù)選擇模型[J].計(jì)算機(jī)集成制造系統(tǒng),2014,20(5):1246-1254.]ZHOU乙XUW,PHAMD,etal.QoSmodelingandanalysisformanufacturingnetworks:aserviceframework[C]//Proceedingsofthe7thIEEEInternationalConferenceonIndustrialInformatics.Washington,D.C.,USA:IEEE,2009:825-830.[14]LIUY,NGUAH,ZENGLZ.QoScomputationandpolicingindynamicwebserviceselection[C]//Proceedingsofthe13thinternationalWorldWide