基于均等化的企业服务选择方法研究＊

薛 霄，王俊峰，曾志峰

（1.河南理工大学计算机学院，河南 焦作454000；2.云南警官学院信息网络安全学院，云南 昆明650223）

1 引言

作为一种新型企业协作模式，集群式供应链CSC（Cluster Supply Chain）通过整合产业集群和供应链管理二者的优势，来应对市场的动态变化或者捕捉到新的商业机会［1］。其核心在于“一组地理区域集聚、业务互补的企业实体不仅在供应链内部相互合作，而且进行跨供应链的协调，由此产生了多层次、多维度、多功能、多目标的网络式供应链，通过交换信息、交互行为、共享资源，来改进彼此的能力，一起承担风险和责任，实现共同的利益和目标”［2，3］。集 群 式 供 应 链 的 企 业 大 多 经 营 相 关 产业，通过横向联系和合作，相互之间共享设备与人员，从而产生规模经济，降低生产和运营成本。同时，集群式供应链具有丰富的供应链合作层次，通过动态调整不同企业间的协作程度，可以灵活应对市场需求的各种变化［1］。

如图1所示，服务系统是实现新型企业协作模式的公共支撑平台，企业资源和客户需求都通过Web服务进行封装和发布，通过服务资源的动态组织和匹配，可以为不同需求找到最适合的企业服务或者企业服务组合，从而完成不同的任务［4～6］。其中，服务匹配是服务系统的核心功能，其目标主要有两个：（1）服务提供者角度：充分利用服务系统内有限的企业服务资源，兼顾当前需求以及后续需求的考虑，确保企业服务整体效用处于最优/次优运行状态。（2）服务使用者角度：依据客户对企业服务进行评价的QoS模型，从所有可能的候选服务或者服务组合中找出QoS评价值最优的服务，从而满足用户的多样化需求。

目前，研究者已经在服务选择领域做了大量的工作，主要侧重于如何从大量候选服务中选取最佳服务［7～9］，缺乏对服务资源自身效用优化的关注。这就造成了服务的“不经济”现象：一方面，客户需求与服务资源之间存在“过度匹配”，造成需求过分集中到少数优质服务资源上，造成部分服务资源出现拥塞和质量下滑，客户也付出了更多的时间和成本；另一方面，部分服务资源虽然质量尚可，但是由于服务选择的效用问题缺乏关注，导致服务资源闲置率较高，无法得到充分利用。因此，如何实现服务资源的均等化分配，就成为本领域所要解决的关键问题。

Figure 1 Service system of enterprise collaboration in cluster supply chain图1 集群式供应链的企业协同服务系统

针对上述问题，本文根据集群式供应链中企业服务组合的特点，首先提出了基于均等化的QoS评价模型，能够反映企业服务的当前均等化状态；进一步，根据集群式供应链的企业协作模式，提出了能够与之匹配的虚拟服务生成机制，增加了可选择的服务供给；最后，以上述技术为基础，构建了一个完整的均等化服务选择过程，通过调整QoS 评价模型中的均等化系数，逐步消除服务匹配中的不均衡现象，从而实现所期望的均等化效果。

2 相关工作

服务资源的供需矛盾在公共服务领域（例如教育、医疗、文化、住房保障、社会保障、公共安全等）一直十分突出，具体表现为：有限的道路资源与急剧增加的车流量、有限的体育场馆与不断高涨的健身需求、有限的医疗资源与日益提高的居民医疗保障需求等。所以，服务均等化的概念首先是在公共服务领域被提出，其核心就是“为尽可能多的服务使用者提供大致满足其需求的服务产品”［10，11］。在服务供给难以短期内大幅增加的情况下，如何实现服务资源的均等化分配就成为了研究的重点。就企业服务而言，各类制造资源经过Web服务封装之后发布，然后通过服务匹配、服务选择、服务调用等一系列Web服务技术，实现异构环境下服务资源的共享和协同，从而向用户提供高质量的服务［12～14］。然而，目前的服务匹配方法主要侧重于从候选服务中为单个需求找到最佳服务，很容易导致服务匹配结果仅为理论最优并非实际可用，具体体现在以下几个方面：

（1）服务资源的评价无法体现均等化思想。在Web服务选择方法中，QoS 评价模型扮演着极其重要的角色，用于评价候选服务与客户需求之间的吻合程度。服务选择的实质就是从大量候选服务中选取QoS评价值最大的服务。但是，现有QoS评价模型的构建主要来自于历史数据，缺乏对于Web服务当前状态的考虑。由于企业自身的成长性和自治性，其资源服务的QoS信息会在运行过程中不断地扩充和变化，例如业务种类的增加或者减少、业务能力的增强或者削弱等。为了保证服务资源分配的均等化，候选服务的QoS评价值需要根据它们的当前状态实时调整，但是现有的QoS评价模型体现不出这一点。

（2）需求序列的服务选择缺乏均等化考虑。集群式供应链要应对的服务需求是一个动态的需求序列。对于其服务支撑系统而言，服务选择就是一个循环过程，而不是一次性的操作，不仅需要考虑当前需求的满足，还要考虑整个需求序列的性能指标。现有的Web服务选择方法仅考虑为单个服务需求寻找QoS最优的服务资源，并没有从全局角度考虑如何充分利用现有资源来满足整个需求序列。这样会导致需求与服务资源之间的“过度匹配”，造成需求过分集中到少数优质服务资源上，很多质量尚可的服务资源被闲置，客户也需要为此付出更多的时间和成本，从而降低了服务资源分配的均等化程度。

因此，有必要提供一种基于均等化的服务资源推荐方法，以实现服务资源的充分利用，并且满足大量用户的个性化需求。本文的具体研究思路如下：（1）从服务利用角度构建相应的均等化QoS模型，能够更加准确地评价资源的当前状态；（2）从服务供给角度引入控制领域的“反馈控制”思想，形成一个完整的均等化服务选择过程。

3 基于均等化的QoS模型

与一般的Web服务相比，企业服务除了具备Web服务所具有的QoS属性之外，还具有企业本身特有的一些属性，比如企业发展状况、产品质量属性等。为了实现服务资源的均等化利用，首先需要了解企业服务QoS属性的实时信息。如图2所示，根据QoS属性更新的特点可以将其分为两类：均等化相关的QoS 属性和均等化无关的QoS 属性，具体描述如下：

Figure 2 Classification of QoS attributes of enterprise service图2 企业服务的QoS属性分类

（1）均等化相关的QoS 属性：这类QoS 属性与企业服务当前运行状态直接相关，会直接影响到后续服务选择的均等化效果，主要包括企业服务的反应时间、服务能力、可靠性、可用性等。服务系统在每个周期开始之前，会对企业服务的这些属性进行更新，从而为后续的服务选择做好准备。

（2）均等化无关的QoS 属性：这类QoS 属性与服务当前运行状态无直接关联，其变化主要受企业自身变化的影响，发生的频率相对较低，主要包括产品质量、最大生产能力、生产成本、市场占有率、财务状况等。当QoS属性发生变化时，可以通过服务组件的触发机制，通知服务系统完成更新。

以此为基础，公式（1）给出了企业服务的均等化QoS评价模型：

其中，QoS（CSi）表示第i个企业服务的QoS综合评价值。a和b分别表示对于非均等化属性和均等化属性的要求程度，可以有区分地进行权重设置。如果想要均等化强度高就增大b的值，减小a的值；相反如果要弱化均等化程度就减小b的值，增大a的值。EnQoS（CSi）表示第i个候选服务非均等化QoS属性的评价值，计算公式如式（2）所示：

其中，φ表示非均等化属性的权重集合，φ＝｛φ1，φ2，…，φi｝，φ1＋φ2＋…＋φi＝1；EqQoS（CSi）表示第i个候选服务均等化QoS属性的评价值，计算公式如式（3）所示：

其中，ψ表示均等化属性的权重集合，ψ＝｛ψi＋1，ψi＋2，…，ψm｝，ψi＋1＋ψi＋2＋…＋ψm＝1。

下面以两个常用的均等化QoS 属性为例，说明QoS值如何根据服务当前状态进行调整，其他属性可以通过类似的过程推导得出。

（1）服务响应时间（Response Time）。因为企业服务的需求队列不断发生变化（例如正在加工的订单完成，或者新的订单进入等待队列），所以该服务的响应时间也会随之发生变化，如公式（4）所示：

其中，Rtime表示该服务的响应时间点；CurTime表示当前所处的时间点；SumOrdercur表示该服务现有的订单总量；Capacitymax表示该服务所具有的最大产能；TimeUnitProduction表示生产零件的加工周期。因为每个周期过后，SumOrdercur都会发生变化，导致Rtime不断发生变化。

Wcycle表示客户选择该服务需要等待的时间，也就是响应时间与当前时间的差值：

当Wcycle＝0时，表明该服务的等待队列中没有订单需求，如果选择该服务，可以立即得到响应；当某服务的需求数目增加时，服务响应时间也会随之变长。

（2）用户满意度（User Satisfaction）。影响客户满意度的因素主要有服务需求的等待时间Wcycle、加工时间Pcycle。客户满意度随服务需求Wcycle和Pcycle的增加而下降。除此之外，影响客户满意度的因素还有很多，例如企业的信誉度Reputation等。因此，客户满意度的计算公式为：

其中，Reputation表示企业的信誉度，该属性是一定时期内用户对企业服务的评价反馈，相对比较稳定，因此以这个属性作为影响客户满意度的固定部分；α、β和γ分别代表影响客户满意度的因素权重，且α＋β＋γ＝1。

4 服务选择的均等化框架

服务均等化的目标是希望结合用户自身的属性、个性化的服务需求以及服务资源的当前状态，合理高效地分配公共服务资源，既能够使客户得到最符合自身需求的公共服务，又能提高服务资源的利用率。如图3所示，为了逐步消除“均等化现状”与“均等化需求”之间的偏差，本文在服务选择与均等化效果评价之间构成一个反馈控制循环，通过调整均等化的QoS模型，来实现客户所期望的均等化效果。整个流程主要包含以下几个步骤：

Figure 3 Selection framework of equalization oriented service图3 均等化服务选择框架

（1）功能性的匹配。服务需求源源不断地加入到服务需求队列，服务选择机制接到每一个服务需求时，首先需要进行服务功能性的匹配，即服务类别、服务名称及输入输出的匹配。针对服务需求以及候选服务形式化模型中的各个参数，可以采用语义近似度的方法来进行匹配。

（2）候选服务的更新。服务资源的均等化QoS属性是动态变化的。在接到新的服务需求时，为了准确、快速地筛选出匹配的服务候选集，需要获取各个资源服务的当前可用状态。根据第3节中的计算公式，可以得到每个服务资源的当前QoS属性，完成服务的状态更新。

（3）非功能性的匹配。这一轮匹配的目的是满足个性化的服务需求，同时实现整体服务资源的均等化。根据服务需求对服务提供的产品价格、质量和信誉度要求，筛选出符合这三个要求的服务，加入到服务需求的候选服务集合中。针对该候选服务集合中的每个候选服务，计算它完成需求的等待时间和完成时间。然后，根据第3节中的公式计算出每个服务的QoS评价值，并选择该候选服务集合中的QoS评价值最大的服务。

（4）服务选择的评价反馈。在服务系统完成了这个需求序列之后，需要对服务选择的效果进行评价反馈。然后，根据反馈结果来决定如何调整均等化QoS模型的权重系数。均等化服务选择的效果评价主要采用三个指标：

①服务资源利用率：

该指标主要验证均等化算法是否能够有利于提高服务的使用效率。其中，Use＿Ratio表示系统处理该需求序列的服务资源利用率，等于“所使用服务的产能和”与“所有候选服务的产能和”的比值；分子是候选服务集合中，处理该需求序列时所选择服务（m）的最大产能之和；分母是所有候选服务资源集合中，所有服务（n）的最大产能之和。

②需求序列的完成时间：

该指标主要验证均等化算法在提高利用率的同时，是否会出现需求完成时间的大幅延长。其中，Finish＿Time表示整个需求序列被处理完成的最后时间点，等于各个需求完成时间中的最大值；Orderi，Ftime表示需求序列中第i个需求的“完成时间”（1≤i≤n）。

③所选择服务的QoS总和值：

该指标主要验证均等化在提高服务利用率的同时，是否会出现服务质量的大幅降低。其中，Sum＿QoS表示完成整个需求序列的各个服务QoS值的总和；QoSi表示完成需求序列中第i个需求的服务QoS（1≤i≤n）。

5 案例研究

5.1 实验设计

为了比较非均等化算法、一般均等化算法（不考虑企业协同）和改进均等化算法（考虑企业协同）在处理需求序列时的性能差异，我们设计了图4所示的实验场景：假定集群式供应链服务系统需要顺序处理一个需求序列，客户需求随机产生，包括订单的产量需求，以及客户的QoS评价模型；服务系统根据客户的需求，采用不同算法对现有的服务资源进行评价和选择，然后，此需求被放置在所推荐的服务等待队列中；最后，根据客户满意度和服务资源利用率的数据分析，对不同算法性能进行比较。

Figure 4 Scene of service selection in dealing with customer requirement sequence图4 客户需求序列的服务选择场景

验证实验的具体设置如下：

（1）候选服务的随机生成。

随机生成企业类型：在－1、0、1这三个数字中随机生成一个数，作为企业的类型，其中－1 代表大型企业，0代表中型企业，1代表小型企业。

随机生成企业产能：根据企业类型，生成相应的产能，如果是大规模制造企业，则其产能为［3 000，5 000］的一个随机整数；如果是中等规模制造企业，则其产能为［2 000，3 000］的一个随机整数；如果是小规模制造企业，则其产能为［1 000，2 000］的一个随机整数。

随机生成服务的非均等化QoS属性：该制造企业产品的Price为［10，15］的一个随机整数；Quality为［1，4］的一个随机整数，其中Quality＝｛1（一般），2（好），3（较好），4（非常好）｝；Reputation为［1，5］的一个随机整数，其中Reputation＝｛1（差），2（一般），3（高），4（较高），5（非常高）｝。服务的非均等化QoS属性值在随机生成之后，保持固定不变。

实时计算服务的均等化QoS 属性：服务的均等化QoS 属性主要包括Wtime和Satisfaction，在程序开始运行之后，根据3.1节中的公式计算出其相应的值，在程序运行的过程中是动态变化的。Satisfaction的取值范围为｛1（不满意），2（一般），3（满意），4（较满意），5（非常满意）｝。

（2）需求序列的随机生成。

随机生成订单的产量需求：假定随机产生一个数目为N的服务需求队列，每个需求的产品采购订单量为［5 000，20 000］的一个随机整数。

随机生成订单的硬约束条件：每个需求订单中，产品Price的上限为［10，15］的一个随机整数；产品Quality的下限为［1，4］的一个随机整数；企业Reputation的下限为［1，5］的一个随机整数；所有的属性在计算之前都需要首先进行归一化处理。

随机生成非均等化算法的QoS评价模型：非均等化算法采用非均等化QoS模型来评价服务资源，其公式为EnQoS＝w1＊Price＋w2＊Capacity＋w3＊Quality＋w4＊Reputation，其中各属性所对应的权重w1、w2、w3、w4 随机生成，并且w1＋w2＋w3＋w4＝1。

随机生成均等化算法的QoS 评价模型：均等化算法采用综合QoS模型来评价服务资源，其公式为FuQoS＝a＊EnQoS＋b＊EqQoS＝a＊ （w1＊Price＋w2＊Capacity＋w3＊Quality＋w4＊Reputation）＋b＊（w5/（1＋Wcycle）＋w6＊Satisfactory），其中均等化属性对应的权重w5、w6 随机生成，并且w5＋w6＝1；a和b表示非均等化属性和均等化属性在评价模型中的权重，根据案例研究的需要进行设定，并且a≠0，b≠0，a＋b＝1。

（3）需求序列的匹配过程。

根据实际情况，服务需求是源源不断地加入到需求队列中，假定每隔一个时间周期随机生成一个服务需求，然后提交给服务系统去处理。不同的算法采用不同的QoS评价模型来选择服务资源处理该需求。

分别采用非均等化策略（EnQoS 模型）、一般均等化策略（FuQoS模型）和协同均等化策略（Fu－QoS模型＋虚拟服务）来选择相应的服务资源，根据设计的仿真实验，对所提出的算法进行验证。

5.2 实验过程

本实验在如下条件下进行：候选服务和服务需求的数目均固定，改变均等化QoS模型中的权重系数，比较不同算法的性能差异。均等化QoS 指标的权重值分别取0.1、0.2、0.3、0.4、0.5、0.6、0.7；服务需求为50个，候选服务个数为100个，均保持不变。

Figure 5 Comparison of the service utilization rates of different algorithms when changing QoS weights图5 QoS模型权重变化时不同算法的服务利用率比较

如图5所示，随着均等化QoS 属性权重值的增加，均等化算法下的服务资源利用率呈现明显增长趋势，而非均等化算法的服务资源利用率相对变化不大。就均等化算法而言，当均等化权重值小于0.3时，服务利用率的增长比较缓慢；当均等权重处于0.4～0.6时，服务资源利用率呈现较快增长；当均等权重大于0.6之后，服务资源利用率基本呈现平稳状态。这说明均等权重只有在一定范围内调节才具有比较明显的效果。

如图6 所示，当均等化QoS 属性权重较小时，三种算法下服务需求的完成时间差值较小。当均等化权重增大时，因为需求会被分配到更多的服务资源上来完成，所以均等化算法下的服务需求完成时间迅速下降。因此，可以根据需要来调整均等化的权重值，从而可以灵活调配服务资源的利用率。

Figure 6 Comparison of the finishing time of different algorithms when changing QoS weights图6 QoS模型权重变化时不同算法的需求完成时间比较

如图7a所示，从客户角度出发，均等化权重的增加对于算法QoS值的影响不大，并且非均等化算法的QoS值总和略高于均等化算法，当均等化权重小于0.3时，均等化算法的服务质量总和随着均等权重的增加而下降；当均等权重大于0.4时，服务质量总和呈现平稳趋势，与非均等化算法比较，差值在可接受范围之内。如图7b所示，从综合角度出发，随着均等化权重的增加，均等化算法的QoS总和值变化不大，但是非均等化算法却显著下降，这表明非均等化算法所选择出来的服务资源，在服务均等化指标上表现不佳。

Figure 7 Comparison of the service qualities of different algorithms when changing QoS weights图7 不同的均等权重对服务质量总和的影响

6 结束语

服务资源匹配的非均等化不仅造成了服务资源的闲置浪费，也降低了客户需求的满意度。目前的服务选择方法，无法有效实现企业服务资源的均等化分配，如何充分利用现有资源来提升效益，已经成为该领域亟需解决的问题。针对上述问题，本文从两个方面进行了深入研究：（1）根据企业服务的特征，设计了包含均等化属性的企业服务QoS评价模型，能够对企业服务的当前运行状态给出评价；（2）构建了企业服务选择的均等化框架，通过调整QoS评价模型中的均等化系数，逐步消除服务匹配中的不均衡现象。最后的实验结果表明，基于均等化的服务选择算法能够有效提升集群企业服务资源的利用率，同时也降低了满足服务需求所花费的代价（时间或成本），表明了该方法的可行性。

［1］ Li Ji－zi.Study on cluster supply chain and its management［D］.Wuhan：Huazhong Agricultural University，2006.（in Chinese）

［2］ Huang Bi－qing，Xue Xiao.An application analysis of cluster supply chain—a case study of JCH［J］.Kybernetes Journal，2012，41（1/2）：254－280.

［3］ Xue Xiao，Zhu Peng，Huang Bi－qing.Research on agent oriented design approach for service system of cluster supply chain［J］.Journal of Chinese Computer Systems，2011，32（9）：1170－1777.（in Chinese）

［4］ Xue Xiao，Wei Zhe，Zeng Zhi－feng.Cluster supply chainbased enterprise collaboration alliance and their supporting service system［J］.Journal of Chinese Computer Systems，2013，34（1）：107－114.（in Chinese）

［5］ Kumar R S，Yang Z H，Zhang J B，et al.Virtualization for manufacturing web services：A WS－RF approach［J］.International Journal of Information Technology，2005，11（3）：40－51.

［6］ Wu Lei，Meng Xiang－xu，Liu Shi－jun.Resource service encapsulation in manufacturing grid［J］.Computer Integrated Manufacturing Systems，2008，14（9）：1837－1844.（in Chinese）

［7］ Liu L，Yu T，Shi B，et al.Resource management and scheduling in manufacturing grid［C］∥Proc of the 2nd International Workshop on Grid and Cooperative Computing，2004：137－140.

［8］ He Hong－bo，Xiong Gui－lin，Li Yi－bing，et al.Implementation of logistic dynamical confederation based on web services technology［J］.Systems Engineering，2005，23（3）：51－54.（in Chinese）

［9］ Zhang Zheng－yu，Ding Yu－cheng，Hong Jun，et al.Manufacturing informationization model based on the web services architecture［J］.Journal of Chinese Computer Systems，2003，24（12）：2312－2315.（in Chinese）

［10］ Zhu Kai.An analysis on the basic public service equalization with the view of utility－oriented urban and rural residentsthe case of Nanjing city［EB/OL］.［2010－10－09］.http：//www.chinaplanning.org/Conferences/4thIACP/ppt/Zhukai.pdf.

［11］ Guo Xiao－cong，Dai Kai.Domestic research on equalization of basic public services in the recent years：Summary and evaluation［J］.Journal of Renmin University of China，2013，27（1）：145－154.（in Chinese）

［12］ Chen Yan－ping，Zhang Jian－ke，Sun Jia－ze，et al.A service selection model using mixed intelligent optimization［J］.Chinese Journal of Computers，2010，33（11）：2116－2125.（in Chinese）

［13］ Li Jin－zhong，Xia Jie－wu，Tang Wei－dong，et al.Survey on web services selection algorithms based on QoS［J］.Application Research of Computers，2010，27（10）：3622－3638.（in Chinese）

［14］ Daniel A M，Emiliano C，Vinod D.On optimal service selection in service oriented architectures［J］.Performance Evaluation Journal，2010：67（8）：659－675.

附中文参考文献：

［1］ 黎继子.集群式供应链及管理研究［D］.武汉：华中农业大学，2006.

［3］ 薛霄，朱鹏，黄必清.面向Agent的集群式供应链服务系统设计方法研究［J］.小型微型计算机系统，2011，32（9）：1170－1777.

［4］ 薛霄，魏哲，曾志峰.基于集群式供应链的企业协作联盟及其服务支持系统［J］.小型微型计算机系统，2013，34（1）：107－114.

［6］ 武蕾，孟祥旭，刘士军.制造网格中资源服务化封装方法研究［J］.计算机集成制造系统，2008，14（9）：1837－1844.

［8］ 何红波，熊桂林，李义兵，等.基于Web Services技术实现物流动态联盟［J］.系统工程，2005，23（3）：51－54.

［9］ 张征宇，丁玉成，洪军，等.基于Web Services架构的制造业信息化模型研究［J］.小型微型计算机系统，2003，24（12）：2312－2315.

［11］ 郭小聪，代凯.国内近五年基本公共服务均等化研究：综述与评估［J］.中国人民大学学报，2013，27（1）：145－154.

［12］ 陈彦萍，张建科，孙家泽，等.一种基于混合智能优化的服务选择模型［J］.计算机学报，2010，33（11）：2116－2125.

［13］ 李金忠，夏洁武，唐卫东，等.基于QoS 的Web 服务选择算法综述［J］.计算机应用研究，2010，27（10）：3622－3638.