云制造模式下QoS驱动的制造服务协作网络演化模型*

李晓娟，袁逸萍，孙文磊，李华华

(新疆大学 机械工程学院，乌鲁木齐 830047)

云制造模式下QoS驱动的制造服务协作网络演化模型*

李晓娟，袁逸萍，孙文磊，李华华

(新疆大学 机械工程学院，乌鲁木齐 830047)

根据云制造服务网络本身所具有的自组织特点，以复杂网络的角度和观点来研究云制造模式下的制造服务相互作用关系，提出QoS驱动的制造服务自组织演化模型。在该模型中综合考虑制造服务QoS驱动的择优性，协作关系的动态性、连接的约束性等特点，对可能的演化结果进行理论推导和证明，从理论上证明云制造服务协作网络具有无尺度特征。该项研究揭示了云制造模式下制造服务协作的性质和演化规律提供一种新方法，为进一步探索云制造系统动力学特性提供理论基础。

云制造；制造服务；协作网络；演化

0 引言

随着社会的进步和IT技术的发展，产品研发渐渐成为多领域协同设计与制造和多角色参与的活动，要求多部门、跨地区的各种资源的支持，然而，因为新产品开发所需要资源的分布不平衡，广大制造企业特别是中小制造企业面临着资金不足，人才匮乏，整体技术及设备水平落后等问题，这严重阻碍了企业的核心竞争能力和产品创新能力的提升。

云制造作为一种面向服务的、需求驱动的制造新模式，能够支持网上各类制造资源的广泛互联、充分共享和动态管理，支持产品全生命周期活动中的制造资源按需聚合与高效协同。为实现制造资源的优化配置以及增效和增值提供了解决思路[1-2]。

云制造模式下，散布在各地的制造资源提供方将其拥有的制造资源或制造能力进行虚拟封装，并智能接入云制造服务平台，继而形成通过网络被发现匹配、经营管理、按需使用和组合调用的制造服务。在用户需求的驱动下，将制造服务之间建立起动态地、随时间而变化的供给和需求之间的合作关系。随着用户需求的变化，各制造服务之间的相互协作紧密程度会随着各种动态不确定因素的变化而变化。我们将云制造模式下的制造服务定义为节点，制造服务之间的相互作用关系定义为边，构建制造服务协作网络，制造服务协作网络具有动态、非线性、演化等复杂网络行为特征，其复杂性可以视为节点变化和连接边变化两个方面综合作用的结果，其中节点的变化包括资源数目的增加、减少和资源自身的扩展这两个方面，连边的变化则包括资源关系强度的增加和减少以及资源间连接特性的改变。

近年来，复杂网络的研究引起了国内外许多相关领域科研人员的关注。复杂网络理论是一门新兴的学科，为复杂系统的研究提供了新的思路。人们从不同的角度出发，提出了各种各样的复杂网络模型，其中最著名的是Erdos和Renyi研究的随机图[3]、Watts和Strogatz提出的小世界网络模型[4]以及Barabasi和Albert提出的无标度网络模型[5]。随着研究的不断深入，复杂网络作为分析复杂系统的有力工具和方法已广泛应用于交通、电力、生物、气候等领域[6-10]。然而目前，将复杂网络应用到制造业进行相关基础研究才刚刚起步。Braha[11]将产品设计过程中的任务、团队、零部件等作为产品开发网络的信息节点，它们之间的信息流动可看作是节点间的连接边，在研究信息流的过程中发现复杂产品开发网络满足复杂网络的无标度特性。于鲲鹏，杨育[12]等人利用复杂网络理论，提出了一种基于网络拓扑结构特性的供应链脆弱性的加权综合分析模型。樊蓓蓓,祁国宁[13]等以工业汽轮机产品族为研究对象建立了基于复杂机械产品族的零部件关系网络，并证明了该网络的小世界特性和无标度特性，同时发现产品族网络具有分层、模块性等显著特点。张峰，杨育[14]等将复杂网络理论及方法应用于协同生产网络组织的脆弱性关联与失效模式分析，解释了整体脆弱性与局部脆弱性的变化规律。

这些文献分别从不同的角度研究了复杂网络在制造业的应用，然而目前，针对云制造下制造服务协作网络中拓扑结构和网络特性和演化规律尚缺乏定量的研究。为此，本文以复杂网络的角度和观点来研究和审视云制造模式下的资源整合问题，在参考BA模型的基本假设和物理内涵的基础上，综合考虑制造服务协作网络具有资源的多样性、协作关系的动态性、QoS驱动的生长择优，连接的约束限制等特点，提出了QoS驱动的制造服务协作网络演化模型，通过构建加权网络来刻画以便对现实中的复杂网络的拓扑结构和网络参数提供更加准确和详细的描述。

1 制造服务协作网络的构建

1.1 制造服务语义化描述

云制造模式下的制造服务数量巨大、种类复杂，性质各异，具有不同的服务质量，为了支持资源的有效管理与协作，要求全面捕捉制造服务相关的属性信息并对其进行语义化描述。

定义1：将制造服务MR可定义为一个五元组

MR=

MRbasic表示制造服务相关的信息，如名称、简单描述、供应商联系方式等。

MRtype表示制造服务所属的类别，如软件资源、物料资源、物流资源、设备资源、人力资源、硬件资源、知识资源和设计资源等。

MRload表示制造服务的负载状况，包括空闲、未满负荷、满负荷和超负荷等。采用单位时间内，总的资源的需求量与供应量之间的比值表示：

MRfunctional表示制造服务的基本功能信息，反映资源的制造能力，包括制造服务的输入/输出、执行前条件/执行后效果等。

1.2 制造服务协作网络定义

在云制造支撑系统的支持下，制造资源被封装为可以互操作的云制造服务，并且完成云制造服务的聚集，从而具备了协同完成制造任务的能力。当市场机会到来时，根据需求，进行任务分解，通过一定的方法和策略，从平台中选出最合适资源，经过组织建模和协同建模，完成承接云制造业务的服务链的动态构建。其本质可由式(1)表示。

(1)

图1 制造服务协作网络

定义2：制造服务协作网络的数学模型可以用无向加权网络MSNet=G(V，E，W)来表示，点集V表示制造服务的集合设V={v1,v2,…,vn}(1≤i≤n)，边集E={e1,e2,…,em}，W表示节点的协作状态，节点i的协作状态集可以用向量Wi=(wi,1,…,wi,i-1,wi,i+1,wi,n)代表。其中,wi,j为正整数，且i≠j。wi,j=0表示i和j没有建立连边，wi,j=c表示i和j之间建立C条连边。全网节点的协作状态空间可以表示为W=W1×…×Wn，某个时刻网络协作状态可以表示为向量W=(W1,W2,…,Wn)。

定义3：度，节点度ki定义为制造服务合作网络模型中与某一节点有连边的边的数目。

2 制造服务协作网络自组织演化建模

在制造服务协作网络演化模型当中，节点之间的连边关系、网络中的节点总数目和连边的权值都是动态变化的。不能用BA模型来刻画这一类型的拓扑特性。我们根据制造服务合作网络特点，提出QoS驱动的制造服务协作网络演化模型，其要点如下：

(1)制造服务的初始状态。每个制造服务随机赋一个0～1之间的初始MRQoS值，表示可靠度、时间、信誉度、质量、成本等。并赋予每一节点制造服务负载系数MRload阈值，以控制节点连接数。

(2)点的增加。基于QoS偏好的生长择优：在每一个时间阶段，可能会有新的制造服务加入到云制造平台中与多个节点产生协作关系，新加入的制造服务偏好连接服务质量高的点，选择概率如公式(2)所示。

(2)

(3)点的减少：由于市场经济中的优胜劣汰机制，服务质量越低的点越可能被删除，首先随机地选取一个节点，另一个节点根据概率公式(3)确定。

(3)

(4)边的增加：某一个时间点，原本没有协作关系的节点之间也许因为发生协作关系而新增加边的权重或者新增加多条边，若节点本来不存在边，则增加新的边并附权重为1；否则边的权重加1。

(5)边的减少:原来有协作关系的制造服务之间由于某种原因被减少或终止，则节点之间的边权减1。

按照以上7步不断演化，直至达到仿真结束条件则停止演化。

3 云制造服务协同网络演化理论推导与证明

演化的初始阶段有m0(mo=5)个节点的网络，每一个时间点添加一个节点，可能会在老的节点之间增加或者减少边。初始对每个节点的随机赋一个0～1之间的初始QoS值。每个节点的阈值满足平均数R=50的泊松分布。

(1)点的增加：以概率q增加一个新节点，有百分之八十的概率是按公式(2)择优选择，有20%的概率与网络中初始节点连接，重复此过程m1(m1=5)。之后根据所连接节点的Qos值的大小分配各个边上的Qos。

(4)

(2)边的增加：以概率q1在老节点之间增加m2条边，以rand(0,1)的概率选取一个节点为边的一端，然后根据(2)式再选取另一端，这个过程重复m2次；则有：

(5)

(3)边的减少：按照概率q2在网络中去掉m3条边，然后以概率rand(0,1)选取一条边去除，将此过程重复m3次；则有：

(6)

(4)点的减少：以概率q3在网络中去掉m4个节点，节点的选取按公式(3)选取概率，

则有：

(7)

(5)节点演化：每隔100个时间步长以概率q4调整网络结构，对QoS进行修正，有少量的Qos较大的节点变得很小，少数Qos较小的节点迅速增长。

上述参数满足0

综合式(1)～(4)，得出节点V的Qos变化率方程：

(8)

当t充分大时，有：

(9)

将式(10)带入式(8)，

(10)

(11)

其中

(12)

4 实例验证

企业战略联盟是一种典型的制造服务协作网络组织。它是指由多个各自独立的企业基于市场的预期以及实现各自的战略目标和利益的考虑,在互利共赢的基础上签订某些协议所形成的共同承担风险和优势共享的一种网络组织。本文以新疆维吾尔自治区“新疆先进装备制造业技术创新战略联盟”平台数据作为实例，选取2013～2014年一年该网站参与竞争与合作的企业作为网络节点(这样的数据包含所有可能的季节性对制造服务协作网络带来的影响)，进行建模与网络特性分析。网络的特征参数如图2和图3所示。

图2 网络度分布图

图3 网络强度分布

从分析结果可以看出，该网络拓扑结构与BA无标度网络非常接近，网络节点度分布以及强度分布都满足幂律分布的特点，即：网络具有明显的无尺度特点。经过理论推导和以上的实验仿真，证明了本文中所形成的网络是满足行业特色的无标度网络特性。通过和现实中网络的网络特征参数进行对比分析，证明了本文中所构建的演化模型能比较好地描述现实中制造服务协作网络的演化机理。

5 结论

制造服务协作网络作为一种新型的网络,只有了解其网络拓扑特征与本身具有的网络行为,才能为优化网络结构、改进网络行为,从而采取合理的网络保护措施，保护网络的稳定性提供科学依据。基于复杂网络理论提出的MSNet演化模型在一定程度上反映了真实网络的生成或演化机制,刻画了云制造服务协作网络的形成和演化机理。从理论上和实例上证明了MSNet中节点强度的幂律分布规律,即当网络演化过程中节点间边的消亡数小于边的增长数时,节点强度分布满足幂律分布,这项研究成果对研究该网络的鲁棒性和抗毁性等有着重要的现实意义。

[1] 李伯虎,张霖,王时龙,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] 杨海成.云制造是一种制造资源[J].中国制造业信息化,2010,39(6):22-23.

[3] Erdos P, Renyi A. On random graphs[J]. Publ Math, 1959,6:290-297．

[4] Watts D J, Strogatz S H．Collective dynamics of small-world networks[J]．Nature, 1998, 393: 440-442.

[5] Barabasi A L, Albert R, Jeong H．Mean-field theory for scale-free random networks[J]．Physica A,1999, 272:173-187.

[6] SONNTAG C,SU W,STURSBERG O. Optimized startupcontrol of an industrial-scale evaporation system withhybrid dynamics [J]. Control Engineering Practice,2008, 16( 8) : 976-990.

[7] BOMPARD E,MASERA M,NAPOLI R,et al.Assessment ofstructural vulnerability for power grids by network performance based on complex networks[J].Computer Science,2009,55(8):144-154.

[8] GOLTSEV A V, DOROGOVTSEV S N, OLIVEIRA J G, et al. Localization and spreading of diseases in complex networks[J]. Phys Rev Lett, 2012, 109(12): 128702.

[9] RAJAPAKSE I, GROUDINEAND M, MESBAHI M. Dynamics and control of state-dependent networks for probing genomic organization[J]. Proc Natl Acad Sci USA, 2011, 108(42): 17257-17262.

[10] SANTOS F C, PACHECO J M. Risk of collective failure provides an escape from the tragedy of the commons[J].Proc Natl Acad Sci USA, 2011, 108(26): 10421-10425.

[11] BRAHA D, BAR-YAM Y. Topology of large-scale engineering problem solving networks [J]. Physical Review E,2004,69(1):1-17.

[12] 于鲲鹏,杨育,李娜,等.基于加权改进节点收缩法的供应链网络脆弱性分析[J]. 计算机集成制造系统, 2014,20(4):963-970.

[13] 樊蓓蓓,祁国宁,俞涛. 基于网络分析法的模块化产品平台中零部件模块通用性分析[J]. 计算机集成制造系统,2013,19(5):918-925.

[14] 张峰，杨育，贾建国，等. 协同生产网络组织的失效模式与脆弱性关联分析[J]. 计算机集成制造系统, 2012,18(6):1236-1245.

(编辑 李秀敏)

QoS-driven Evolution Model of Manufacturing Service Collaborative Networkincloud Manufacturing Mode

LI Xiao-juan, YUAN Yi-ping, SUN Wen-lei，LI Hua-hua

(School of Mechanical Engineering, Xinjiang University, Urumq 830047,China)

According tocloud manufacturing services network itself with self-organizing characteristics, from the point of complex network to study the cloud manufacturing model of manufacturing service interaction relations, QoS-driven manufacturing services self-organization evolution model was proposed. It comprehensively consider the characteristics of the selection of excellence of QoS-driven manufacturing service, dynamics of collaborative relationship, Connection of the binding etc in this model, the possible results of evolution was detailed for the theoretical derivation and proof and it theoretically proved that the cloud manufacturing services collaboration network with scale-free characteristics. The study reveals cloud manufacturing model of the nature of services collaboration and evolution law provides a new method and provide a theoretical basis in order to further explore the cloud manufacturing system dynamics.

cloud manufacturing; manufacturing services; collaborative network; evolution

1001-2265(2017)01-0046-04

10.13462/j.cnki.mmtamt.2017.01.013

2016-03-14

新疆维吾尔自治区自然科学基金(2014211A008)

李晓娟(1987—)，女，甘肃酒泉人，新疆大学讲师，博士研究生，研究方向为复杂生产系统建模与仿真及优化控制，工业工程，(E-mail)lxj_xj903@163.com；通讯作者：袁逸萍(1973—)，女，乌鲁木齐人，新疆大学教授，博士，研究方向为计算机集成制造，工业工程，(E-mail)yipingyuan@163.com。

TH166;TG659

A