云制造环境下制造设备云服务异常处理模型

赵秋云， 魏　乐， 舒红平

（成都信息工程学院计算机学院，四川 成都 610225）

云制造环境下制造设备云服务异常处理模型

赵秋云， 魏乐， 舒红平

（成都信息工程学院计算机学院，四川 成都 610225）

保障云制造环境下制造活动的顺利开展，提高云服务的质量，提出一种制造设备云服务异常处理模型。该模型在对制造设备云服务可能产生的异常进行分类和抽象的基础上，通过监控逻辑监控和捕获产生的异常，通过处理逻辑对异常进行处理；给出了 7种异常的处理流程，设计了仿真实验，实验结果验证了模型的可用性和有效性。

云制造；制造设备云服务；异常处理模型；服务质量

云制造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制造服务的一种网络化制造新模式[1]。云制造将各类制造资源和制造能力虚拟化、服务化，进行集中的智能化管理和经营[2]，用户可根据自身的需要，选择合适的云服务，并通过一定的规则和逻辑顺序构成组合云服务，以支持制造活动的开展。然而，在动态开放的云制造环境中存在大量不可预知的异常事件（如服务的退出、故障、服务质量(quality of service, QoS)无法满足要求、任务需求变化等），这就需要将异常处理机制纳入云服务管理的范畴，以确保发生异常时用户的制造活动依然可以顺利进行。

作为一个新概念，对云制造的研究主要集中在概念、体系架构、关键技术、服务描述、服务发现和服务组合等方面[3-7]，在云服务的异常处理方面鲜有研究。文献[8]提出了云服务组合柔性管理的概念，分析了影响云服务组合柔性的异常因素，给出了云服务组合柔性管理的具体研究内容。文献[9]提出一种组合服务动态调整方法，该方法通过建立的三类服务异常模型反映不同类别异常的内在原因和外在表现，以模型为基础对异常进行监控，并给出了组合服务替换范围确定算法和调整方案生成启发式算法，以保证组合服务动态调整的效率。文献[10]以普适服务为对象，分析了服务失效的概念及类型，并提出服务组合的调整及重构策略。

上述研究存在针对性不强、对影响云服务质量的因素分析不够透彻、缺乏异常处理策略等不足。因此，在前期研究的基础上，以云制造中的一类重要服务——制造设备云服务为研究对象，对影响制造设备云服务质量的因素进行了更为深入地分析，并进行形式化描述，在此基础上提出云服务异常处理模型，模型从技术角度解决了异常监控、异常处理等问题。

1　问题描述与相关定义

云制造环境中存在着大量的云服务，这些云服务对应着各种各样的资源[11](制造资源如制造设备、计算设备、物料、软件、数据和知识等)，不同类型云服务的属性、使用方式具有一定差异，为便于描述问题，本文相关研究从制造执行的角度展开，即主要涉及制造设备云服务。云制造环境下影响制造设备云服务执行的因素有多种，可以利用异常来描述这些因素，文献[8]将与制造设备云服务相关的异常分为3种：①与云服务状态相关的异常，主要包括服务过载、服务退出和服务故障；②与任务相关的异常，主要包括任务需求改变、任务挂起和任务取消；③与服务QoS相关的异常，主要包括执行时间改变、成本改变、可用性改变、可靠性改变和信誉度改变。异常发生后，云制造系统需要捕获这些异常，对其进行分析，并采取合适的动作，保障制造活动的顺利进行。为了更加清晰地描述问题，给出相关定义如下。

定义1.制造设备云服务。制造设备云服务S抽象为一个五元组S=(SID, BAttribute, Status, Function, QoS)，其中：

(1) SID是制造设备云服务的唯一标识。

(2) BAttribute是制造设备云服务的基本属性，BAttribute=(Name, Type, Provider, Location, ContactInfo)，分别表示设备名称、类型、提供者、物理位置和联系方式。

(3) Status是制造设备云服务的状态，Status=(SAttribute, TaskList)，SAttribute表示状态属性，取值为空闲、忙、维修、失效和超负荷；TaskList为处理任务列表，每一列表项表示一项任务Taski=(TaskID, FRequire, ItemID, ItemName, ItemNum, Material, Craft, ξC, ξT, State, RemainNum, ProcessID, ProcessName, ProcessStart, ProcessEnd)，分别表示任务标识、功能需求、零件标识、零件名称、加工零件数量、物料、工艺、价格阈值、时间阈值、任务状态、未加工的数量、工序标识、工序名称、工序计划/实际开工日期和工序计划/实际完工日期，任务状态State有完成Done、等待Wait和进行中WIP。

(4) Function表示制造设备云服务的能力，Function=(In, Ability, Out)包括了输入In、输出Out和能力Ability；In=(TaskID, Process, InMaterl, InSize, InPrecision,…)，包括任务、工艺路线、材料、尺寸特征、精度特征等；Ability=(Object, MaterlFeat, GeomFeat, SizeFeat, PrecisionFeat, Cost, Time, QStandard, MTTR,…)，包括生产对象、对象材料特征、对象形状特征、对象尺寸特征、加工精度特征、单件成本、单件加工时间、质量标准、平均故障修复时间等；Out=(OutObject, OutMaterl, OutSize, OutPrecision,…)，包括输出对象、输出对象材料特征、输出对象尺寸特征、输出对象精度特征等[12]。

(5) QoS=(R, A, T, C, B)表示制造设备云服务的质量描述，包括可靠性R、可用性A、时间T、价格C和信誉B，可根据一定的算法计算得到。

定义2.异常(Exception)。其抽象为一个六元组Exception=(ID, Type, Reason, Source, Stamp, Priority)，ID是异常的唯一标识；Type表示异常类型，有云服务状态异常、任务异常和QoS异常3种；Reason表示异常产生的具体原因，如任务交货期提前、服务退出、服务故障等，用来为异常处理提供依据；Source表示异常源，用来实现异常的定位并携带相关异常数据，Source=(SourceID, SourceData)；Stamp表示异常发生的时间；Priority表示异常的优先级，当有多个异常发生时，云制造系统从异常队列中选择优先级最高的异常进行处理。

定义3.逻辑云服务集。将同一类别，功能相似，但质量参数不同的云服务构成的集合，称为逻辑云服务集，记为LSSet={S1, S2,…, Sn}；通过引入逻辑云服务集，将服务中心中的云服务在逻辑上按类别进行组织，提高了云服务匹配和选择的效率。

2　异常处理

2.1处理模型

为了实现异常处理，需要首先捕获云制造平台产生的各类异常，并对其进行分析，随后根据分析结果按照一定的处理算法进行处理，因此可以给出异常处理模型如图1所示。监控逻辑监控用户需求的变化和流程实例的运行，捕获云制造系统产生的各类异常，并将异常按照优先级进行排队送异常队列；异常队列队头的异常送往分析逻辑，分析其产生的原因，定位异常源，并取出相关异常数据，将分析结果送往异常处理逻辑；异常处理逻辑根据预设的异常处理策略进行处理，在处理时需要访问相关的信息，如云服务中心中的服务描述信息、现行流程信息、任务执行情况、现行云服务信息等；将处理结果送往评估逻辑进行评估，若评估未通过则重新进行处理，评估通过则处理结果送流程实例，流程实例重新运行。

图1　异常处理模型

2.2异常处理流程

在进行异常处理时，主要基于以下几点基础：

基础 1.一个任务在某一制造设备云服务中处理时，必须等待该任务全部处理完毕，才能调用下一个制造设备云服务，即不采用流水线的方式进行制造活动。

基础 2.制造设备云服务“超负荷”是指该服务上无法满足任务时间约束条件的任务数量大于指定的阈值ξL。

基础 3.为任务分配新的云服务时，尽量选择和原服务物理位置距离不远的制造设备云服务。

基础 4.对执行中的任务尽量不迁移；若需迁移，则迁移条件是对服务提供者而言，迁移该任务的损失比迁移其他任务的损失要小。

基础 5.时间和价格的计算仅考虑制造服务本身，不考虑物流和物料因素。

基础 6.制造设备云服务按照顺序的方式执行任务，即任意一个时刻只能有一个正在被处理的任务，任务执行时间不重叠。

为了更好地说明异常处理的过程，首先给出任务总体迁移和任务与制造设备云服务匹配的定义如下：

定义 4.任务总体迁移。设制造设备云服务 Si上未处理完的任务构成的集合为{Task1, Task2, …,Taskn}，对集合中的每个任务 Taskj，若存在制造设备云服务 Sk与 Si属于同一个逻辑云服务集，且满足：

(1) Sk.Function.Ability.Cost≤Si.Function.Ability. Cost；

(2) Sk.Function.Ability.Time≤Si.Function.Ability. Time；

(3) Sk.Status.SAttribute≠“超负荷”；

(4) dis(Si, Sk)＜ξ；

(5) WTime+Sk.Function.Ability.Time*Taskj. ItemNum≤Taskj.ξT。

则称 Si上的任务可以总体迁移至 Sk。其中dis(Si,Sk)表示Si和Sk的物理距离，ξ为设置的距离阈值，主要是考虑到制造任务存在物理上的运输环节，在ξ范围内的物流服务不会引起运输成本和运输时间的增加。WTime表示服务Sk可以开始Si上任务的时间，当 Sk.Status.SAttribute=“忙”时，WTime=max(Sk.Status.TaskList.Taskm.ProcessEnd)，即最大计划完工日期；当 Sk.Status.SAttribute=“维修 ”时 ， WTime=Sk.Function.Ability.MTTR+max (Sk.Status.TaskList.Taskm.ProcessEnd)；当 Sk.Status. SAttribute=“空闲”时WTime=0；当Sk.Status. SAttribute=“失效或超负荷”时，WTime=∞。

定义 5.任务与制造设备云服务匹配。设存在制造任务Taskj及制造设备云服务Sk，Sk满足Taskj的功能需求，若存在

(1) Sk.Function.Ability.Cost*Taskj.ItemNum≤Taskj.ξC；

(2) WTime+Sk.Function.Ability.Time*Taskj.ItemNum≤Taskj.ξT；

(3) Sk.Status.SAttribute≠“超负荷”。

则称Taskj与Sk匹配。

制造设备云服务产生的异常主要有服务退出、服务故障、服务过载、任务需求改变、任务挂起、任务取消和服务QoS异常7种，其中服务退出、服务故障、任务需求改变、任务挂起和服务QoS异常的处理较为复杂，为使问题描述更为清晰，分别给出服务退出、服务故障、任务需求改变、任务挂起和服务QoS异常的处理算法如下。

算法1.服务退出异常处理算法。

步骤1.处理逻辑获取退出服务Si在业务流程中的执行信息，悬挂Si.TaskList中所有State≠Done的任务所在的业务流程。

步骤2. 若Si.Status.TaskList.length=0，即此时在所有相关业务流程中，Si上任务均已处理完，没有任务要处理，进入步骤4；否则进入步骤3。

步骤 3.若 Si.Status.TaskList.length≠0，对 Si. Status.TaskList中 State≠Done的任务构成的集合{Task1, Task2,…,Taskn}中的任务Taskj(j=1,2,…,n)，根据 Taskj的任务需求重新选择一个或若干个制造设备云服务：

(1) 若Taskj.State=WIP，执行Taskj.ItemNum= Taskj.RemainNum，Taskj.ProcessStart=now，now表示当前时间。

(2) 尽量将Si上所有未完成的任务整体迁移到另外一个云服务上。置 WS=Φ，根据定义 4在 Si所属LSSet中选择可实现任务总体迁移的云服务Sk加入WS；对WS中的制造云服务按照QoS大小降序排列；若WS=Φ，进入(3)，否则将Si上所有未完成的任务迁移到WS中QoS最大的制造云服务上，转步骤4。

(3) 根据定义5在Si所属LSSet中选择与Taskj匹配的云服务Sk加入WS；对WS中的制造云服务按照QoS大小降序排列，将任务Taskj分配给WS中 QoS最大的制造设备云服务，Taskj从Si.Status.TaskList中删除。

步骤4.设置Si.Status.SAttribute=“失效”，Si退出，算法结束。

算法2.服务故障异常处理算法。

步骤1.处理逻辑获取故障服务Si在业务流程中的执行信息，悬挂Si.TaskList中所有State≠Done的任务所在的业务流程。

步骤2.若Si.Status.TaskList.length=0，即此时在所有相关业务流程中，Si上任务均已处理完，没有任务要处理，转步骤5。

步骤 3.若 Si.Status.TaskList.length≠0，对 Si. Status.TaskList中 State≠Done的任务构成的集合{Task1, Task2,…,Taskn}中的任务Taskj(j=1,2,…,n)，若满足 Si.Function.Ability.MTTR+Taskj.ProcessEnd≤Taskj.ξT，转步骤5，否则进入步骤4。

步骤4.置WS=Φ，根据定义5在Si所属LSSet中选择与Taskj匹配的云服务Sk加入WS；对WS中的制造云服务按照 QoS大小降序排列，将任务Taskj分配给WS中QoS最大的制造设备云服务，同时将Taskj从Si.Status.TaskList中删除。

步骤5.设置Si.Status.SAttribute=“维修”，算法结束。

算法3.任务需求改变异常处理算法。

步骤1.处理逻辑获取执行该任务Taskj的云服务Si及其所在业务流程中的相关信息，悬挂Si所在的业务流程。

步骤2.若Taskj.State=Done，则给出错误提示，算法结束，否则转步骤3。

步骤3.根据Exception.Reason.SourceData中的需求改变信息，修改 Taskj中对应内容(包括执行Taskj.ItemNum=Taskj.RemainNum)。

(1) 若 Si.Function.Ability.Cost*Taskj.ItemNum≤Taskj.ξC，进入(2)，否则置 WS=Φ，根据定义 5在Si所属LSSet中选择与Taskj匹配的云服务Sk加入WS；对WS中的制造云服务按照QoS大小降序排列，将任务Taskj分配给WS中QoS最大的制造设备云服务，算法结束。

(2) 置 WTS=Φ，WS=Φ，当 Taskj.State=Wait时进入(3)，当 Taskj.State=WIP时，①若 now+ Si.Function.Ability.Time*Taskj.ItemNum≤Taskj.ξT不成立，根据定义5在Si所属LSSet中选择与Taskj匹配的云服务Sk加入WS；对WS中的制造云服务按照QoS大小降序排列，将任务Taskj分配给WS中QoS最大的制造设备云服务，算法结束。否则进入②；②对Si上所有状态为Wait的任务构成集合TS中的每一个 Taskm，判断 Taskm.ProcessEnd+ (Si.Function.Ability.Time*Taskj.ItemNum-Taskj.Proc essEnd)≤Taskm.ξT是否满足，若不满足，则将Taskm加入WTS。

若 WTS=Φ，则修改 TS中每一个 Taskm的ProcessEnd和 ProcessStart，即 Taskm.ProcessEnd =Taskm.ProcessEnd+(Si.Function.Ability.Time*Taskj. ItemNum-Taskj.ProcessEnd)，Taskm. ProcessStart= Taskm.ProcessStart+(Si.Function.Ability.Time*Taskj. ItemNum-Taskj.ProcessEnd)，算法结束。

ItemNum*si.Function. Ability.Cost≥Si.Function.Ability.Cost*Taskj.ItemNum，|WTS|表示集合WTS中元素的个数，根据定义5将任务 Taskj分配给合适的制造设备云服务，算法结束。否则对WTS中的每个任务Taskn，根据定义5将Taskn分配给合适的制造设备云服务；修改Si的相关信息，算法结束。

(3) 若Taskj.ProcessEnd+Si.Function.Ability. Time*Taskj.ItemNum≤Taskj.ξT不成立，根据定义5将任务 Taskj分配给合适的制造设备云服务，算法结束；否则算法直接结束。

算法4.任务挂起异常处理算法。

步骤1.处理逻辑获取执行该任务Taskj的云服务Si的相关信息，悬挂服务Si所在的业务流程，对Taskj置挂起标识。

若Taskj.State=WIP，执行Taskj.ItemNum=Taskj. RemainNum，对所有状态为Wait的任务Taskm，执行Taskm.ProcessEnd=Taskm.ProcessEnd-(Taskj. ProcessEnd-now)， Taskm.ProcessStart=Taskm. ProcessStart-(Taskj.ProcessEnd-now)；置Taskj.State =Wait。

若Taskj.State=Wait，对所有Taskm.ProcessEnd＞Taskj.ProcessEnd 的任务Taskm，执行Taskm. ProcessEnd=Taskm.ProcessEnd-(Taskj.ProcessEnd-T askj.ProcessStart),Taskm.ProcessStart=Taskm.ProcessStart -(Taskj.ProcessEnd-Taskj.ProcessStart)，转步骤2。

步骤2.当挂起因素消除后，根据定义5，判断Si能否满足 Taskj的需求，若可以算法结束；若不能满足，则选择其他的服务，算法结束。

算法5.服务QoS异常处理算法。

步骤1.处理逻辑获取QoS异常云服务Si的相关信息，悬挂Si.TaskList中所有State≠Done的任务所在的业务流程。

步骤2.对Si.Status.TaskList中State≠Done的任务构成集合{Task1,Task2,…,Taskn}中的任务Taskj(j=1,2,…,n)，若 Taskj.State=WIP，执行 Taskj. ItemNum=Taskj.RemainNum，Taskj.ProcessStart=now。

步骤3.置WTS=Φ，若不满足Si.Function.Ability. Cost*Taskj.ItemNum≤Taskj.ξC和WTime+Si.Function. Ability.Time*Taskj.ItemNum≤Taskj.ξT，WTime含义同前，则将Taskj加入WTS。

步骤4.若WTS=Φ，算法结束；否则对WTS中的所有任务Taskm，根据定义5为Taskm选择合适的服务，算法结束。

结合以上算法，制造设备云服务异常处理总体流程如图2所示。

步骤1.监控逻辑捕获云制造系统产生的异常，并按照优先级送入异常队列进行排队，取出队列头部优先级最高的异常 Exception送分析逻辑，分析逻辑对异常进行分析，根据分析结果进行不同的处理。

步骤2.

(1) 若 Exception.Reason=“服务退出”，根据算法1进行处理。

(2) 若 Exception.Reason=“服务故障”，根据算法2进行处理。

(3) 若 Exception.Reason=“服务过载”，处理逻辑获取过载云服务 Si及其所在业务流程中的相关信息，悬挂服务Si所在的业务流程，对Si.Status.TaskList中State≠Done且ProcessEnd≤ξT的任务构成集合{Task1,Task2,…,Taskn}中的任务Taskj(j=1,2,…,n)， 若Taskj.State=WIP， 执 行Taskj.ItemNum=Taskj.RemainNum；对所有的 Taskj根据定义5为其选择合适的服务，并进行迁移。

(4) 若 Exception.Reason=“任务需求改变”，根据算法3进行处理。

(5) 若 Exception.Reason=“任务挂起”，根据算法4进行处理。

(6) 若 Exception.Reason=“任务取消”，处理逻辑获取执行该任务Taskj的云服务Si及相关信息，悬挂服务Si所在的业务流程，对云服务Si上所有状态为 wait，且 Taskm.ProcessEnd＞Taskj.ProcessEnd的任务Taskm，执行Taskm.ProcessEnd=Taskm. ProcessEnd-(Taskj.ProcessEnd-Taskj.ProcessStart)，Taskm.ProcessStart=Taskm.ProcessStart-(Taskj.Proces sEnd-Taskj.ProcessStart)，将Taskj从Si的TaskList中删除。

(7) Exception.Reason=“服务QoS异常”，根据算法5进行处理。

步骤 3.更新相关云服务的状态信息、能力信息和QoS信息，修改与相关设备云服务相关的业务流程，对处理结果进行评估，若评估通过进入步骤4，评估未通过则主要为选择的服务不当，重新进行选择即可。

步骤4. 所有悬挂的业务流程继续执行。

2.3仿真实验

为了评价异常处理模型对制造活动的影响，需设计仿真实验。实验模拟了服务退出、服务故障、服务过载、任务需求变更和服务QoS改变5种异常发生时的处理结果和对任务执行的影响。仿真程序假设某一制造云服务 S的部分数据为(Cost=1.50元，Time=0.02 h/件，MTTR=3 h)，程序随机生成了7个任务，依次用Task1～Task7表示，各任务部分相关数据如表1所示。程序模拟了4个候选服务，因为对状态为失效和超负荷的云服务，任何选择方法均将其排除在外，故4个候选服务的状态取空闲、忙和维修，所有云服务的部分相关数据如表2所示。同时为了计算方便，时间以当前为基准，并以小时为单位。

当异常发生时，采用本文提出的异常处理方法对任务执行情况的影响分析如表3所示。其中当任务需求变更异常中，假设任务Task1追加了2000件零件，且将时间阈值调整为30；服务QoS改变异常中，假设S的价格变为1.55元。

图2　制造设备云服务异常处理总体流程

表1　任务部分相关数据

表2　S及候选云服务部分相关数据

仿真实验表明，本文提出的异常处理方法可以有效地保证用户制造活动的开展，提高云制造系统的服务质量。

表3　仿真结果及分析

3　结 束 语

本文从保障制造活动顺利开展的角度出发，探讨了云制造环境下制造设备云服务异常处理的方法。给出了制造设备云服务和异常的形式化定义，分析了云制造系统产生的7种异常，建立了异常处理模型，在6点基础上，研究了7种异常具体的处理方法；仿真实验表明，异常处理模型能够有效地解决云制造系统出现的异常，从而可以为应用提供更好的服务质量。下一步任务是将学习机制引入异常处理，以进一步加强异常处理的适应性，并综合考虑物料、物流等因素对异常处理带来的影响。

[1]李伯虎, 张霖, 王时龙, 陶飞, 曹军威, 姜晓丹,宋晓, 柴旭东. 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, 陶飞, 任磊, 郭华. 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.

[3]李伯虎, 张霖, 任磊, 柴旭东, 陶飞, 罗永亮,王勇智, 尹超, 黄刚, 赵欣培. 再论云制造[J]. 计算机集成制造系统, 2011, 17(3): 449-457.

[4]李伯虎, 张霖, 任磊, 柴旭东, 陶飞, 王勇智,尹超, 黄培, 赵欣培, 周祖德. 云制造典型特征、关键技术与应用[J]. 计算机集成制造系统, 2012, 18(7): 1345-1356.

[5]李春泉, 尚玉玲, 胡春杨. 云制造的体系结构及其关键技术研究[J]. 组合机床与自动化加工技术, 2011, (7): 104-107, 112.

[6]高一聪, 冯毅雄, 谭建荣, 郑浩, 魏喆. 面向多学科设计的多域递归制造服务资源组建方法[J]. 计算机集成制造系统, 2012,18(7): 1406-1414.

[7]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.

[8]陶飞, 张霖, 郭华, 罗永亮, 任磊. 云制造特征及云服务组合关键问题研究[J]. 计算机集成制造系统, 2011, 17(3): 477-486.

[9]杨雷, 代钰, 刘福凯, 张斌. 面向自适应的组合服务动态调整方法[J]. 东南大学学报(自然科学版), 2011, 41(3): 453-457.

[10] 吕庆聪. 普适计算语义服务发现与服务组合研究[D].上海: 东华大学, 2009.

[11] 胡安瑞, 张霖, 陶飞, 罗永亮. 基于知识的云制造资源服务管理[J]. 同济大学学报(自然科学版), 2012, 40(7): 1094-1101.

[12] 曹啸博, 许承东, 胡春生. 云制造环境中的虚拟制造单元[J]. 计算机集成制造系统, 2012, 18(7): 1415-1425.

Exception Handling Model of Manufacturing Equipment Cloud Service for Cloud Manufacturing Environment

Zhao Qiuyun,Wei Le,Shu Hongping
(School of Computer, Chengdu University of Information Technology, Chengdu Sichuan 610225, China)

In order to improve quality of cloud services and make the manufacturing progresses go on smoothly for cloud manufacturing environment, an exception handling model was proposed about manufacturing equipment cloud services. Using this model, possible exceptions from manufacturing equipment cloud services are classified and abstracted; exceptions are also monitored and captured by a monitoring logic and handled by a handling logic. Handling procedures are designed for seven kinds of exceptions. The usability and effectiveness of the model were demonstrated by a real example.

cloud manufacturing; manufacturing equipment cloud service; exception handling model; quality of service

TP 391

A

2095-302X(2014)06-0840-07

2014-07-01；定稿日期：2014-07-12

四川省应用基础研究计划资助项目(2012JY0112)；四川省软科学研究计划资助项目(2012ZR0116)；四川省教育厅青年基金资项目(12ZB199、13ZB0081)；成都市高校院所应用基础与成果转化资助项目(12DXYB100JH-002)

赵秋云(1979-)，女，河南漯河人，讲师，硕士。主要研究方向为云计算和企业信息化。E-mail：zqyuen@cuit.edu.cn