云制造环境下基于普适计算的个性化服务定制技术研究
2013-01-28樊银亭
郑 棣，樊银亭
（1.郑州信息技术学校，河南 郑州450000；2.中原工学院 计算机学院，河南 郑州450007）
0 引言
云制造[1]是一种利用网络和云制造服务平台，按用户需求组织网上制造资源（制造云），为用户提供各类按需服务的网络化制造新模式。云制造技术将现有的网络化制造和服务技术同云计算、云安全、高性能计算、物联网等技术融合，将各类制造资源（制造硬设备、计算系统、软件、模型、数据、知识等）统一、集中地智能化管理和经营，为制造全生命周期过程提供可随时获取、按需使用、安全可靠、优质廉价的各类制造服务。云制造贯穿产品研制的整个生命周期，云制造提供的服务数量庞大、种类繁多，而用户需求和设备环境也千差万别且复杂多变，如何帮助用户快速定制出满足自己需求的个性化产品成为云制造研究领域亟待解决的问题。
在云制造环境下，人机交互方式不再仅仅局限于传统的键盘鼠标操作模式，而是需要一种更为普适化、智能化、个性化、虚拟化的方式（如语音、笔等）来支持云制造整个生命周期的不同阶段不同用户的交互环境[2]，从而提高效率，改善用户体验。
普适计算（Pervasive Computing）[3]自1991年由Mark Weiser提出之后经过20多年的发展，已经取得了丰硕的理论成果和应用经验。普适计算以用户需求为中心，从根本上改变了用户适应计算机的被动服务模式，强调用户能够自然主动地接受网络服务，使计算不再局限于桌面进行，信息交互的时间、地点、内容以及实现方式变得更加灵活，在真正意义上实现了“以人为本”的计算方式。
传统的个性化服务多集中在电子商务中的产品销售等领域。自由构思设计的产品需要客户具有一定的设计知识来表达他们的个性化需求，而传统的服务表现形式限制了客户实现个性化选择的可能性。另外，传统的搜索结果经常带给用户混乱庞杂的界面，大大地降低了用户对云服务的使用兴趣。在云制造环境中，产品的论证、设计、加工、实验和仿真都通过云服务来实现，让最终用户直接参与到产品设计的各个阶段。设计满意的个性化产品成为云制造发展的根本要求，自然的交互技术是解决上述问题的关键。
1 云制造环境下的个性化服务定制分析
1.1 云制造环境下以用户为中心的个性化服务需求
云制造[4]借用云计算的思想，利用信息技术实现制造资源的高度共享。建立共享制造资源的公共服务平台，将巨大的社会制造资源池连接在一起，提供各种制造服务，实现制造资源与服务的开放协作、社会资源高度共享，用户无需再投入高昂的成本来购买加工设备等资源，可通过公共平台来购买租赁制造能力。
云制造覆盖制造的整个生命周期，包括论证、设计、加工、实验、仿真、营销等各个阶段。在整个生命周期中涉及的用户角色繁多，不同类型用户的业务需求不同，所需的界面种类与交互方式也千差万别。例如，对于产品的概念设计，最终用户更倾向于使用笔、手势和草图等自然交互方式来快速完成初始的产品设计；对于有个性偏好的用户，喜欢自选颜色和形状的“部件”。因此，云制造环境下的用户界面，应该能够为云制造整个生命周期中的各类用户提供服务，根据用户的个性化要求，为用户提供灵活的定制能力，使用户能简单方便地选择界面种类、定制个性化的界面内容呈现和交互方式。
定义1：产品的生命周期表示产品论证到最后消亡的过程，可描述为
其中，PLC（i）可表示第i个阶段，若i!=j,则PLC（i）!=PLC（j）。
定义2：个性化服务。设PS为企业提供给客户的个性化服务的选择集合，PS={Enterprise（a），Product（b）,PLC（i），Client（z），Aff（m）|Aff（m）∈AffSet,1≤m≤n,1≤x,y,z,j<∞}。
其中,Aff（i）是云制造系统供给服务集合AffSet的元素,n表示用户选择的服务总数.x,y,z,j分别表示企业、产品、产品生命周期和客户的序号。则PS可描述为企业Enterprise（a）在产品Product（b）生命周期某个阶段PLC（i）向客户Client（z）提供个性化服务∑Aff（m）。个性化服务如自选颜色，自定义部件的形状、工艺、自选部件等。
1.2 基于普适计算的个性化服务定制模式
云制造整个生命周期中各个阶段的业务需求不同、任务目标不同、所处环境不同、用户偏好不同，用户界面应能够根据上下文环境实现云服务的个性化定制，在普适计算环境中用户可以在任何地点，任何时间透明地使用各种服务。图1所示，个性化服务定制模式如下：用户通过笔、语音和手势等自然交互手段发出一个或多个信号，系统分析用户意图并转换为确定的语义，即所需要的云服务信息；然后提交搜索，搜索模块从云服务空间按语义进行模糊匹配并取得所需的服务列表,用户选择所需的服务显示可视结果；最后确认选中的服务并保存在用户个性化虚拟空间。整个定制过程如同客户到超市购物一样自然便利，在此，云服务空间就是服务超市，用户购买的云服务是商品，个性化虚拟空间如同客户的“篮子”。
图1 个性化服务定制模式
2 云制造环境下的个性化服务定制平台体系结构
2.1 基于普适计算的个性化服务建模
从用户出发，根据云制造整个生命周期各阶段的需求特点，对涉及整个生命周期中的所有用户任务权限进行分类标识，对各层次任务序列、制造过程中不同阶段的领域信息和交互环境进行描述；进而分析云制造环境中的任务特征、用户特征、领域特征及其关联关系；建立相应的用户模型、任务模型、领域模型以及各个模型间的关系映射；建立面向按需服务的用户—领域模型映射、用户—任务模型映射、用户—界面模型映射。研究任务层与计算层之间的逻辑关系，建立任务—计算模型映射关系。深入分析界面层与计算层之间的关系，建立面向云制造普适计算环境的界面—计算模型映射关系。按照从抽象到具体，从简单到复杂的过程，逐步完成对用户的个性化服务建模，进而实现按需服务的个性化定制需求。个性化服务建模过程图2所示（图中序号为建模顺序编号）。
图2 个性化服务建模过程
2.2 个性化服务定制平台体系结构
云制造个性化服务定制平台体系架构如图3所示。该架构主要包括以下三个层次:用户界面层、中间管理层和虚拟资源层。
（1）用户界面层（UI-Layer）：UI-Layer为用户使用云制造服务的入口，用户可以通过嵌入式云终端设备，利用笔、手势和语音等多个交互通道以自然、并行、协同的方式进行人机对话，通过融合来自多个通道的输入来捕捉用户的交互意图，实现任务目标，并接收来自中间管理层的系统反馈。
（2）中间管理层（MM-Layer）：MM-Layer为用户调用虚拟云资源的应用服务接口，该层主要由多通道融合/语义转换、个性化服务识别、搜索/匹配、个性化推荐、集成装配、分析/验证和注册发布等功能模块组成。多通道融合及转换模块接收来自界面层的各种交互信息，并结合交互历史转换为统一的语义，然后传入个性化服务识别模块。个性化服务识别模块结合用户上下文环境在个性化虚拟空间中查找是否存在对应的服务，若存在，则推荐给用户，否则直接搜索语义信息。搜索模块也结合对应的上下文环境、模糊匹配云服务，并按照相似度大小以可视方式显示结果。个性化推荐模块是结合来自系统的知识库对搜索结果候选按照兴趣度递减序列推荐给用户，由用户查看并选择最终结果。已经确定的服务和系统已有的服务作为云制造的“零部件”由集成装配模块进行系统组合。装配的产品由分析模块进行功能和性能分析，不达要求的“零部件”重新到云资源空间搜索并替换，该模块的搜索是迭代的过程，直到找到的“部件”最终满足用户的要求。经验证合格的产品由发布注册模块发布到云资源空间。
（3）虚拟资源层（VR-Layer）：VR-Layer为云制造服务层，为中间管理层提供调用接口。该层主要汇集各类制造云服务，从而形成各类云制造服务数据中心。制造资源是产品制造全生命周期中所需的各种物理要素的集合[5]。制造资源按照存在的具体形式和使用途径的不同,可分为硬制造资源和软制造资源两类[6]。硬制造资源主要指制造活动中所使用的各种制造设备、计算设备以及产品所需物料等。软制造资源主要指制造活动中所需的软件工具、制造模型、领域知识等。不管是硬制造资源，还是软制造资源，最后都虚拟化后[7]发布在该层中，服务于制造全生命周期的各种个性化制造应用。
图3 个性化服务定制平台体系结构
3 关键技术
在基于普适计算的云制造环境中，用户可以如购物一样自然地定制个性化云服务，完成产品的研制，这需要自然的交互手段和信息可视化方式以及智能的服务组合技术。基于普适计算的云制造个性化服务定制技术主要涉及云服务的表征、云服务交互、云服务的检索、云服务搜索结果可视化和云服务的组合5个方面，贯穿个性化服务定制的全过程。其关键技术包括：（1）基于本体的云服务表征技术；（2）基于交互历史的多通道融合技术；（3）基于句子相似度计算的云服务搜索技术；（4）基于双曲树的云服务搜索结果可视化技术；（5）基于语义链的服务组合技术。
3.1 基于本体的云制造服务表征技术
本体是概念化的明确的规范说明[8]，是对特定领域知识及其相互之间关系的形式化表达。在云制造环境中，提供了基于本体库的统一的语义理解，有助于快速准确地在云服务空间中检索适合的云服务。一个云服务本体由4个主要子本体组成:基本信息、服务功能、服务质量和访问方式[9]。每个子本体的元素也是本体。
定义3：
定义4：< BasicInfo >::=
其中，GUID为服务注册号，全球唯一，Name为名称,Description为服务基本功能特征描述,Provider服务提供者的信息,ChineseName为服务的中文名称，AliasList为服务的别名列表。
定义5：
其中，Category为功能分类信息,Input为输入,Output为输出,PreCondition为执行功能的前置条件，Effect为执行功能的预期效果。
定义6：
其中，Time包括服务请求到达和完成的时间,包括延迟时间、处理时间；Cost指执行服务的相关费用；Reliability为可靠性，指成功执行次数与调度执行总次数的比率；Fidelity=
定义7：< Access>::=
其中，Protocol指访问服务的协议,Format指访问服务的消息格式,TransferMode指服务信息传输的方式,Address指服务访问的地址。
3.2 基于交互历史的多通道融合技术
传统的交互技术负担过重，用户难以将注意力集中在任务本身，干扰了交互任务的有效执行。针对基于普适计算的云制造环境，本文引入基于笔、语音和视频相结合的多通道交互技术，以满足最终用户的交互需求。
多通道交互环境中，计算机难以智能感知周围的交互环境并做出正确的判断以提供合适的交互方式,需要融合多个通道的输入来决定用户的交互意图[10]，而且以往的交互历史也有助于理解用户意图的理解。
在普适环境中，将每个交互任务的输入定义为一个动作序列：
定义8：
其中,taskinput为某个交互任务的输入，channeli表示第i步输入的输入通道，content i表示该通道需要接受的输入内容。
图4为基于交互历史的多个输入通道的融合过程：每个输入通道结合交互历史进行识别输出，输出结果再结合交互历史根据多数原则进行仲裁，不能仲裁的按照先来先服务进行输出；如果融合的结果从交互历史库中能够找到对应的序列，并指示用户确认推荐的结果，若是以前的输入序列则直接输出匹配的交互历史。否则，直接输出识别结果。如果找不到对应的交互历史序列，直接输出结果并加入交互历史库中。输入完成时，清空输入序列，进入下一次输入。
图4 多通道输入融合过程
3.3 基于句子相似度计算的云服务搜索技术
计算结果最后以文本方式输出，比如服务名称及相关描述等，然后用来查找所要的服务。由于用户的输入是局部的、片面的、非精确的，同云服务的本体描述可能存在一定差距，因此需要对用户输入的句子与云服务数据中心的知识库进行相似度匹配。
句子中的名词、动词等有意义的关键词起主要作用，代词、助词等不具有代表意义的词所起作用不大；而且，句子的语法结构也有一定的作用，而关键词序列具有一定的句法结构信息表达能力。句子相似度，就是匹配的句子中的关键词意思相同或相近，并且在句子中的相对位置也相同。所以，匹配过程就是首先提取关键词，然后进行词形相似度计算，词序相似度计算和句子相似度计算[11]。
定义 9（词形相似度）:simword（S1,S2）=2*
（SameWordcount（S1,S2）/（Len（S1）+len（S2）））
其中，SameWordcount（S1,S2）表示S1和S2中所含同义词或相同词的数量；Len（S）表示句子S中所含词的数量。simword（S1,S2）反映了两个句子形态上的相似度，用两个句子中所含同义词的个数来衡量。
定义10（词序相似度）:
其中，OnceWord（S1,S2）表示S1和S2中所含仅一次的同义词的集合，Pfst（S1,S2）表示OnceWord（S1,S2）中的词在S1中的位置序号构成的向量，Psec（S1,S2）表示Pfst（S1,S2）中的分量按对应词在S2中的次序排序生成的向量，Revord（S1,S2）表示Psec（S1,S2）各相邻分量的逆序数。Simord（S1,S2）反映了所含同义词在位置关系上的相似度，用两个句子中所含同义词的相邻顺序逆向的数量来衡量。
定义11（句子相似度）:Sim（S1,S2）=μ1*Simword（S1,S2）+μ2*Simword（S1,S2）
其中，Simword（S1,S2）表示S1和S2的词形相似度；Simword（S1,S2）表示S1和S2词序相似度；μ1,μ2为常数，且满足μ1+μ2=1。Sim（S1,S2）反映两个句子之间的相似度。0表示不相似，1表示完全相似，数值越大表示越相似。
云服务搜索的结果是用户最终确认的服务，则把输入搜索短语或句子作为候选加入到原服务的候选描述，这样可以不断扩大本体知识库，以便于提高搜索的智能度和搜索效率。
3.4 基于双曲树的云服务搜索结果可视化技术
云资源空间中存在着海量的云服务，匹配的结果也可能是海量的，传统的列表方式显示结果既不符合用户的认知心理，也花费大量查找目标服务的时间。而双曲树可视化技术能够在有限的空间中显示海量信息，同时可通过节点的层次链接实现用户所感兴趣节点的导航及浏览详细视图。因此，普适计算环境下的云服务搜索结果适合基于双曲树的可视化技术显示最终结果。
由于云服务在云资源空间以网状层次结构的方式存在，云服务之间存在依赖关系，一个节点可能存在多个父节点，节点间的连接关系较为复杂，关注度高的节点到其他节点的路径较多。因此，该方法用云服务表示网络节点，以服务的依赖关系表示父子节点之间的层次关系，以相似度与关注度决定与显示区域中心的距离与层次的大小。然后用Radial算法[12]转换成双曲树。双曲树中当前节点的父节点表示最高关注度和相似度，其他在网络图中的父节点转换为当前节点的同层次兄弟节点。
实现海量层次可视化数据的目标主要包含两点：根据用户偏好和信息间的逻辑关系把信息结构自动排列在屏幕上，根据用户偏好平滑地实现信息导航。围绕这两个目标实现基于双曲树的可视化包括布局和交互技术。
布局技术：计算每个树节点在双曲平面上的位置。双曲树采用层级节点表示，因此要计算根节点和子节点之间的距离d，计算公式为：
其中，s作为可选参数影响d的大小范围选择，α为子节点所在的子扇形区域中线和边的夹角。布局是一个迭代的过程，根据计算结果可以连续获得下一级迭代的参数：
其中，p为扇形区的顶点坐标，m为扇形区中线终点坐标，Trans为上面定义的映射变换im（1n（…）），为取角度运算。
节点之间采用弧线连接，需要计算弧线的曲率中心；给定点a和b，则：
c即为所求的曲率中心。
交互技术：主要指根据用户对当前焦点的选择以及焦点变换时实现视图的动态变化效果。当用户选定新焦点在双曲空间中坐标为s和e，采用保向变换，设保向点为p，则可以采用如下变换关系：
其中，compose（
用户可以拖动视图以观察视图的不同部分，双曲树方法把视图变化的整个过程平滑不间断地显示出来，因此，即使信息结构庞大，用户可以看到视图变化的过程而不会迷航。
3.5 基于语义链的服务组合技术
经过用户选取相应的服务后，替换云服务组合流程中对应的请求服务节点。但是，如果流程中请求服务节点所需的发布服务不可用或不存在时，如何在不使整个系统中断的前提下自动合成服务来实现该请求服务就显得尤为重要。在此，请求服务是抽象的，发布服务是具体的，服务组合的流程就是把抽象服务替换为具体服务的过程。
图5给出了从抽象服务组合流程映射到云服务空间中具体服务的关联过程。对于抽象服务组合流程，首先提取出每个抽象服务节点描述，然后逐个匹配云服务空间中的服务，即要求具体服务sl的输出能够匹配具体服务s2的输入，而s2的输出又能匹配具体服务s3的输入，从而形成一个服务链，当组合流程的节点没有对应的具体服务来实现时，可通过后向搜索算法[13]对抽象服务节点自动合成，并通过获取规划来实现抽象服务要求的功能。本文通过语义链[14]矩阵（SLM）存储云服务相关信息作为自动合成的语义上下文，从而实现服务的自动组合。
图5 抽象服务组合流程及服务关系图
定义12（语义链）：Slink=
其中，服务sx为服务sy的直接前趋，Sim（out_sx,in_sy）表示sx的输出集与sy的输入集在操作上的语义匹配度，计算公式可参考文献[15]。
定义13（语义链矩阵SLM）:一个语义链矩阵SLM表示为m行和n列的矩阵，m表示sws中输入参数的个数，n表示sws中所有的输入参数与目标参数集合元素的个数。SLM中的元素aij=
定义14:sws为一个采用本体标识的可用云服务集合。
SLM的第i行为ri且ri∈∈in_Swsk，i∈{1,…,p}。其中，n表示Sws中可用服务的个数,in_Swsk表示服务Swsk输入参数集；第j列为cj且in_Swsk∪Goal）-in_Swsk∩Goal）,j∈{1,…,p},Goal为目标集。
定义15：
其中，T为领域本体，ri∈T,ci∈T,Goal∈T。基于T，上式需要计算服务Sx的输出参数out_sx与cj的语义匹配度，Sim（out_sx,cj）=1表示out_sx和cj在本体T里完全匹配，out_sx∈T。
SLM存储了服务的输出参数与输入参数之间的语义链且给定了一个不同服务的输入、输出参数在逻辑上的依赖。在SLM中，当aij没有语义匹配度值时，aij=φ。
基于SLM的后向搜索可以看成一个规划问题。
定义16（规划）：一个规划Plan定义为一个三元组：Plan=
其中,InitSet为初始输入集，Goal为目标集，为目标状态的部分描述。如果服务序列S能从初始状态InitSet到达最终状态Goal，则S是一个规划。
在服务节点自动合成过程中，抽象服务的输入参数对应于规划中的InitSet，抽象服务的输出参数对应于规划中的Goal。基于SLM，根据抽象服务节点所提供的初始输入集和目标集，在Sws中寻找一系列满足该初始输入集和目标集服务的规划，以实现一个抽象服务节点的接口功能。
4 基于普适计算的个性化服务定制平台
为验证上述个性化服务定制技术方案的可行性和有效性，笔者设计了普适计算的个性化服务定制仿真平台。
平台参与的主要角色为资源需求方，通过平台服务门户获得平台所提供的应用功能支持。该平台提供基于普适计算的用户界面、云搜索引擎、可视化管理模块、服务组合模块和个性虚拟空间管理模块，还有一些常见产品的定制模板库。该平台建立在云制造平台基础之上，为最终用户产品定制提供友好接口。下面以订单服务的业务流程建模和相关服务组合为例，设计草图如图6所示。客户代理向订单服务发出请求，订单服务接受其请求并根据订单数据调用订单库存查询服务。当确定查找到的结果满足客户的要求时，向客户发送确认信息，然后客户代理调用银行支付服务实现支付操作，一旦订单支付成功，则执行向客户发送订单服务完成的操作。图7为云服务搜索界面图，图8为搜索结果可视化。
图6 订单购物建模草图
图7 云服务搜索引擎
图8 搜索结果可视化
5 结束语
文章对云制造环境下的个性化服务需求和个性化服务定制模式和流程进行了分析，设计了云制造环境下个性化服务定制平台体系结构，研究了个性化服务定制的关键技术，包括云服务的表征、交互、检索、可视化和组合技术，结合其他已有成果，对个性化服务定制平台原型进行了仿真实验。目前对基于普适计算的个性化服务定制技术的研究还处于起步阶段，今后该技术在企业服务中必将有更广泛的应用。
[1]李伯虎,张霖，等.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]马翠霞,任磊,滕东兴，等.云制造环境下的普适人机交互技术[J].计算机集成制造系统,2011,17（3）:504-510.
[3]M.Weiser.Ubiquitous Computing[J].Computer,1993,26（10）:71-72.
[4]李伯虎,张霖,任磊等.再论云制造[J].计算机集成制造系统,2011,17（3）:449-457.
[5]MUAMMERK,JUNN,JAYL.Introduction of manufacturing[EB/OL].[2010-12-03].http://citeseerx.ist.psu.edu/viewdoc/download?doi= 10.1.1.98.9021&rep=rep1&type=pdf.
[6]张霖,罗永亮,陶飞，等.制造云构建关键技术研究[J].计算机集成制造系统,2010,16（11）:2510-2520.
[7]任磊,张霖，等.云制造资源虚拟化研究[J].计算机集成制造系统,2011,17（3）:511-518.
[8]Gruber T R.A Translation Approach to Portable Ontology Specifications.Knowledge Acquisition[T].Knowledge Systems Laboratory,Technical Report KSL 92-71,1993:199-220.
[9]Raman B,Agarwal S,Chen Y,et al.The SAHARA Model for Service Composition Across Multiple Providers[C]//Proceedings of the First International Conf.Pervasive Computing.2002:1-14.
[10]Sturm J,Bores L.Effective error recovery strategies for multimodal form-filling applications[J].Speech Communication,2005,45（3）:289-303.
[11]Ramiz M.A new sentence similarity measure and sentence based extractive technique for automatic text summarization[J].Expert Systems with Applications,2009,36:7764–7772.
[12]Yee KP,Fisher D,Dhamija R,Hearst MS.Animated exploration of dynamic graphs with radial layout[C]//Proceedings of IEEE Symposium on Information（InfoVis’01）.Los Alamitos:IEEEComputer Science Press,2001:43-50.
[13]Liu JM，Gu N，ShiBL.Non-Backtrace backward chaining dynamic composition of Web services based on mediator[J].Journal of Computer Research and Development,2005,42（7）:1153-1158.
[14]Hai Zhuge.Communities and Emerging Semantics in Semantic Link Network:Discovery and Learning[J].IEEE Transactionson Knowledge and Data Engineering,2009,21（6）:785-799.
[15]张佩云.基于语义的Web服务组合研究[D].博士学位论文.南京:南京理工大学,2008.
