云制造的研究现状及动态分析

杨 欣 ，曾珍香 ，马金凤

（1.河北工业大学 经济管理学院，天津 300401；2.天津理工大学器 中环信息学院，天津 300380；3.莱宝真空设备（天津）有限公司，天津 300400； 4.天津市北辰区妇女联合会， 天津 300400）

引言

当今，制造型企业面临着全球化、个性化生产、绿色低碳生产以及产品上市时间短等一系列挑战。信息技术例如云计算和物联网等的飞速发展，面向服务的技术给制造行业所面临的这一系列问题提供了解决的方法和技术。在这种情况下，云制造这一概念被提出。作为一种新的服务型制造模式，云制造在短短几年的时间内由提出到引起学界的高度关注，其研究得到了快速发展并涌现了大量成果。因此，对于已有研究成果进行梳理归纳、总结并洞察未来的研究走向是十分有价值的。

现阶段，已有研究虽然对国内云制造领域研究热点进行了一定研究，并提出了一些新的研究走向，但其研究方法都是定性归纳[1-5]。目前还没有对国内云制造领域的研究进行定量的描述、总结和深入的评论。因此，本文以2010-2016年为时间范围，以北京大学《中文核心期刊要目总览》 （以下简称《总览》）为数据源，在对我国云制造领域核心论文进行定量描述和内容分析的基础上，对该领域学术研究情况进行了总结和展望，为我国云制造领域理论研究与实践发展提供参考和借鉴。

一、国内云制造领域核心期刊论文的统计分析及结果

为了保证高水平的反映我国云制造领域的研究进展，本文的数据来源是CNKI核心期刊（《总览》），以“主题=云制造，时间=2010-2016，文献类型=期刊”为检索字段在上述数据库中进行检索，检出符合条件的论文共335篇。

（一）论文数量及期刊分析

论文数量在一定程度上反映了该学科研究水平和发展历程。对样本文献依照发表年份进行统计，结果如表1所示。

表1 云制造核心论文数量年份分布表

从发表的文献可以看到，2010-2012年，核心论文数量呈急速上升趋势，主要围绕云制造的内涵、特征和云制造应用模式的探讨较多。2012年，核心论文数量达到顶峰。原因主要是从2012年开始，我国学者对于云制造领域中的核心技术的研究越来越多，并且逐步扩展到对云制造相关的集成技术的研究。2012-2014年，发文数量又出现小幅度下滑，这也是由于学者们对于云制造的思考更加理性，研究也愈发深入，研究逐渐转向了面向典型行业的云制造应用探讨及应用案例研究。2014年-2016年，发文数量小幅度增加。

对期刊发文量统计，前10名结果见表2所示。其中，《计算机集成制造》以130篇高居榜首，影响因子0.844；其次为《中国机械工程》，发文量18篇，影响因子0.751；然后为《制造业自动化》，发文量15篇，不过2014年以后，该期刊不再被《总览》收录。排名前10的期刊所发论文量（共243篇） 占论文总量的72.54%，超过1/3，构成核心区期刊。由于部分期刊不再被2014年《总览》收录，故目前云制造领域的核心期刊有《计算机集成制造》《中国机械工程》《科技管理研究》《计算机应用研究》《计算机辅助设计与图形学学报》《计算机应用》《华南理工大学学报（自然科学版）》和《锻压技术》。

表2 2010-2016年间发文量前10名期刊

（二）第一作者单位分析

以第一作者单位为分析对象分析我国云制造领域贡献较大的科研单位情况，所得结果如表3所示。其中，本领域核心论文发文量最多的科研单位是重庆大学，共发表核心论文34篇，占总核心论文量的10.15%，重庆大学的研究主要围绕云制造领域关键技术和云制造服务模式展开；位居第二的科研单位是北京航空航天大学，共发表核心论文27篇，占总核心论文量的8.04%，北京航空航天大学的研究主要是针对云制造的概念、内涵及特征、关键技术和仿真技术；发文量第三的为华南理工大学，共18篇占比为5.34%，主要涉及到云制造中的部分关键技术或集成技术研究。排名前10的科研单位发文量占所有单位发文总量的45.97%。

表3 2010-2016年发文量前10名第一作者单位

（三）关键词词频与共词分析

所谓关键词，是指从论文中选取出来的，能够用来表达论文主题内容的单词或术语，能够较为清晰地表达出某一论文的核心观点。通过对于某一领域关键词词频的统计，可以总结出某一领域的研究热点；进一步通过对关键词的共词特性分析，可以更好地归纳某一领域的研究重点。因此，在对335篇云制造核心论文关键词及共词进行统计分析的基础上，得出排名前15的关键词情况如表4所示。通过表4可知，云计算、云服务、本体、服务平台、服务质量为热点关键词。除“云制造”外，筛选出频数10以上关键词，本文借鉴储节旺等人[6]的研究，利用EXCEL中的VLOOKUP和COMBIN函数进行分析，得到如表5所示的共词矩阵。

对表5的共词矩阵应用UCINET和NetDraw软件来绘制网络图谱，如图1所示。通过对共词网络图谱分析可知，云制造领域的核心研究及其之间的相关程度。图1中的节点越居中心，例如云服务、制造资源，则表明与其有联系的节点则越多，两节点之间连线越粗则代表两个关键词的共词频数越多，节点周围越发散，则代表其是某个研究群的中心。因此，通过对于本文关键词共词网络图谱的分析可知，云服务的虚拟化技术、云服务组合及信任问题、制造服务中的云计算与物联网相融合以及XaaS集成技术等为云制造领域研究的热点问题。

表4 2010-2016年排名前15的关键词情况

表5 云制造核心论文高频关键词共词矩阵

图1 云制造核心论文高频关键词共词网络图谱

二、 云制造研究的主题分析

以上述的关键词词频分析和共词分析的结果为基础，可以总结出在云制造领域的未来研究热点如下。

（一）云服务的虚拟化技术

资源的虚拟化对于云制造来讲至关重要[7-10]。它决定了云制造实现的难易程度[11]。资源虚拟化是把物理资源转换成通过云能够消耗的资源的过程；这一过程提升了服务的敏捷性、灵活性并同时降低成本[12]。另外一种对于虚拟化的描述可见文献[13]。作者对于资源虚拟化的技术细节进行深入研究并指出虚拟化在服务提供商想要提升自身竞争力的时候势在必行。虚拟化能够给云带来两方面显而易见的优势，即：可扩展性和按需付费[14]。在任何资源应用在云制造之前，资源都应被虚拟化[15][16]。一个被虚拟化的资源可以转化成制造资源或者制造能力[17][18]。一个制造资源包括设备、材料、软件和知识等等[19]。制造能力包括设计能力，生产能力和沟通能力等[20]。

对于如何进行资源虚拟化和资源分类问题，文献[21-23]进行了研究。云制造资源的虚拟化和云计算资源的虚拟化有所不同[24][25]。云计算技术主要关注计算、存储和服务，而云制造关注除了计算、存储和服务之外，还包括设计、设备、技术等等[26]。许多学者从云制造资源虚拟化的框架、模型和技术方面进行了研究。任磊等[27]对云制造资源虚拟化问题进行了深入研究，提出了云制造资源虚拟化框架并且阐述了该虚拟化框架下的关键技术。姚锡凡等[28]在结合云制造服务体系框架，资源特点的基础上，阐述了云制造资源虚拟化的原则并提出了云制造资源虚拟化的模型。程臻等[29]提出了云制造环境下基于本体的资源虚拟化的方法，给出了虚拟资源的定义并描述了其与制造资源本体的关系。吴娇等[30]针对硬资源，提出了虚拟化封装的相关技术和分析框架。周际锋等[31]提出了面向云制造的软件资源的描述模型，实现了软件资源的虚拟化。易安斌等[32]阐述了云制造环境下设备资源虚拟化封装的方法并通过实例验证了该方法的可行性。汪卫星等[33]设计了云制造环境下通用虚拟化框架，给出框架内容的详细实现，结合虚拟资源生成算法和本体相似度对系统进行了验证。从以往的研究可看，这些研究积极推动了云制造资源虚拟化的理论框架、模型和技术的发展，为云制造的落地提供了良好的基础，但研究仍然处于较为零散的阶段，不仅如此，由于现实中的制造资源种类繁多、趋于分散且粒度不一，各类制造服务提供商的制造能力也存在较大的差异，缺乏针对性和规范化的方法和技术。因此如何将云制造资源虚拟化成规范且标准的逻辑资源是未来研究中需要解决的技术问题。

（二）云服务组合及信任问题

1.云服务组合

在探讨了云服务的虚拟化技术问题之后，如何组织云制造中的资源为需求方提供切实服务成为一个需要解决的问题。近年来，作为云制造环境下制造任务（Manufacturing Task，MT） 的主要实现形式[34][35]，云服务的服务组合问题是成为了另一个研究热点。云制造资源服务组合（Cloud Manufacturing Resource Service Composition， CMRSC） 是在云制造典型特征的基础上，云制造中的资源、制造云服务、制造云的关系的一种体现。已有学者对云服务组合建模/描述和一致性检查、云服务关联关系、云服务组合柔性、组合网络及其动力学特性、云服务组合建模与评估、组合优选等实现云服务组合的关键问题进行研究，指出云服务组合是实现云制造系统中资源服务增值和增效的有效途径之一，并从全制造生命周期的角度出发研究了云服务组合的需求。随后不同学者分别从不同视角对云制造资源服务组合的优选框架和模型[36][37]、云制造制造资源组合评价方法[38]、执行可靠性[39]、全局信任度[40]、自动云服务组合[41]航天复杂产品的组合优选模型[42]、多任务的服务组合和调度扩展模型[43]进行了研究。陶飞提出了基于组合关联关系的制造资源服务组合网络的动态演化模型和规则，以及组合网络动力学统计特性分析，并探索研究将研究成果应用到节能减排评估/分析/优化/仿真等服务组合和管理中[44]。然而，由于云服务的所涉及的目标多样，属于高维目标优化问题。因此，服务组合优化方法的改进是为用户提供优质云服务的前提和保障，也是云制造领域的一个研究热点。

2.服务质量及信任问题

服务组合的服务质量关系到云服务最终能否被用户肯定并使用，是衡量服务组合的服务水平的一个重要标准。通常来讲，服务组合的质量可以分为两种类型，即：通用的服务质量属性和相关领域的服务质量属性。近年来，一些学者针对服务组合的服务质量问题进行了研究。刘卫宁等[45]引入了网格制造模式的制造资源服务组合技术，探讨并描述了云制造模式中基于服务质量的制造云服务组合过程；建立了制造云服务组合的多目标规划问题模型。最终设计了自适应粒子群算法来解决该多目标规划问题。刘志中等[46]使用改进的社会认知算法对服务质量感知的云服务优化组合问题进行了求解。李慧芳等[47]提出了一种基于历史数据的主客观结合服务质量指标权值设定方法。最后用一个汽车零件加工过程的实例进行验证，验证结果表明，提出的含物流服务的服务组合的服务质量评价方法可行及有效。刘翠娟等[48]提出了考虑物流服务影响下的制造云服务组合优选方案，并对物流服务质量指标进行动态评估，对可靠性建立层级分析架构，通过模糊综合法计算进行评估。张以文等[49]对云服务组合和服务质量形式化描述，提出一种改进的基于动态Skyline和多种群遗传粒子群优化的云服务组合优化方法，旨在解决动态、不确定环境下大规模云服务组合优化问题。综上所述，目前针对服务组合质量方面的研究多是针对非功能性属性作为服务组合选择的主要依据来进行的，其中服务质量数据是否真实可靠，服务实体是否可信考虑得较少，这就涉及服务提供方本身的安全性问题，是未来研究的一个重要方向。近几年来，对于云制造的服务组合优化问题研究较为丰富，随着企业对云制造的灵活性、成本效益、可扩展性和可维护性的持续关注[50]，在服务组合过程中的信任问题逐步引起业界的关注。信任对云制造系统能否顺利实施至关重要[51]，它是企业安全策略的一种扩展并且是虚拟化的，它是衡量各种服务在云制造环境下能否互操作的重要标准。

（三）云计算和物联网的融合以及XaaS集成技术

制造资源服务是制造资源信息化的结果。所有的制造服务管理活动都依赖于信息和数据。因此，新的信息技术例如物联网、云计算等都可应用在云制造的制造服务管理过程中来解决实时和非实时的与数据相关的问题。其中，物联网技术用于整合人与机器、人与人以及机器与机器之间的关系，它不仅实现了基本的物物相连更实现了服务相连和用户相连。因此，在制造服务管理中基于物联网的应用主要体现在两个方面。第一，它促进了物理资源、虚拟服务和用户这三个不同层面的连接，也促进了这三个层面从上到下的互联。第二，这种无处不在的网络以及全覆盖的连接可以用来收集和传送实时动态数据。具体来讲，它可以用来收集设备和加工处理过程中所产生的实时状态数据，用来做原材料和物流的跟踪，去监控在线远程生产特别是实现智能故障处理和能耗监控等等。云制造是云计算在制造业的应用，除了云计算中的基础设施即服务（IaaS），平台即服务 （PaaS） 和软件即服务（SaaS），用来实现制造过程中的“一切皆服务”这一理念的虚拟化技术也是十分关键的。云计算作为服务平台的基础和满足客户随时需求的模式在制造过程中得以应用。此外，云计算提供了存储能力、安全能力、数据处理能力，特别是在云制造中所需要的强大的计算能力。以上这些说明了在云制造过程中，云计算和物联网技术是十分重要的，虽然对于云计算技术和物联网技术的以往研究较多，但在云制造环境下这两者的研究还不够深入，需要进一步扩展。

1.云计算和物联网技术在云制造领域中的关系分析

通过分析，云制造中的云计算和物联网的关系如图2所示。从图2可知，云计算和物联网在产品全制造生命周期生产中扮演重要角色；全制造生命周期中的所有活动都要通过云制造得以开展。云计算为云制造提供了三个层次的云服务（软件即服务、平台即服务和基础设施即服务），这三个层次的云服务构成了云制造的基础。在云计算中的资源主要是计算资源（例如服务、存储、网络和软件等），这些资源主要是通过以上三个层次的服务提供的。

（1）基础设施即服务（IaaS）。存储和计算能力被当作一种服务提供给需求者，例如Amazon的S3存储服务，Rackspace Cloud Servers和EC2的计算平台。

（2） 平台即服务（PaaS）。平台被当作一种服务提供给需求者，能够在不考虑成本及购买和管理的复杂性的同时促进应用功能的部署，例如Microsoft的Azure Services平台，Google的App Engine和Amazon的Relational Database服务。

（3） 软件即服务（SaaS）。应用和软件被当作服务提供给需求者，这些应用在云上运行，因此客户端上的软件安装和运行就被取消了，例如Salesforce，Gmail，Facebook 和 Twitter。

在云制造中，除了信息技术资源，物联网为云制造中的制造资源转化成服务提供了基础保障，并应用于图中蓝色阴影部分来收集数据并监控整个制造过程。这些制造资源服务模型基于IaaS，PaaS和SaaS。

图2 云计算、物联网和云制造之间的关系

2.XaaS集成技术

随着云计算、物联网及虚拟化等云制造技术的不断发展，未来任何事物都可以以服务的形式接入到云端[44]，可以把其命名为XaaS。XaaS可以把现在的三种主流服务模型，即IaaS，PaaS和SaaS，整合成为一种服务。这也就意味着，从技术层面来讲，云制造相关技术的整合将成为影响未来发展的一个关键性因素。

三、总结与展望

本文应用文献计量学、内容分析等研究方法对2010-2016年间发表的北京大学《中文核心期刊要目总览》期刊上的云制造论文进行分析，得到以下结论：首先对相关研究发表的期刊、数量和研究者分布情况进行了统计。同时重点进行了关键词词频与共词分析，分别从研究主题和研究热点总结了国内云制造研究现状。分析显示，云计算、云服务、本体、服务平台、服务质量为近五年研究热点关键词。然后论文总结提炼了云制造领域的三个主题：云服务的虚拟化技术、云服务组合及信任问题、制造服务中的云计算与物联网相融合以及XaaS集成技术，并逐一对其进行了主题分析，对以往相关的研究以及未来研究趋势进行了详细阐述。

预计在未来，云制造的应用将进一步提高企业效率。云制造将重塑公司开展业务的方式[52][53]。文献[54]指出，未来企业必须具有很高的可扩展性，并利用现代技术才能在制造业中成功适应全球市场。从服务对象来看，中小企业迎来了未来的发展机会[55]，由于成本降低，小公司将能够负担得起以前只能由大公司提供的资源。总而言之，云制造将通过把物理资源转变成云上虚拟资源这一形式来改变制造型企业的各个方面。随着云制造技术的成熟和应用的不断发展，每一个企业成员都能以最低成本和最短时间接入云端。

[1]肖莹莹，李伯虎，侯宝存，等.智慧制造云中供应链管理的计划调度技术综述[J].计算机集成制造系统，2016，（07）：1619-1635.

[2]易树平，刘觅，温沛涵.基于全生命周期的云制造服务研究综述[J].计算机集成制造系统，2016（4）：871-883.

[3]刘晓晨，吴斌.云制造研究与应用综述[J].未来与发展，2015（12）：49-54.

[4]朱光宇，贺利军，居学尉.云制造研究及应用综述[J].机械设计与制造工程，2015（11）：1-6.

[5]齐二石，李天博，刘亮，等.云制造理论、技术及相关应用研究综述[J].工业工程与管理，2015（1）：8-14.

[6]储节旺，郭春侠.共词分析法的基本原理及EXCEL实现[J].情报科学，2011（6）：931-934.

[7][11][24]Liu N，Li X.2012，A resource virtualization mechanism for cloud manufacturing systems[J].Springer Berlin Heidelberg，2017，122（1）：46-59.

[8][12][15]Hashem I，Yaqoob I，Badrul Anuar N，et al.The rise of“Big Data”on cloud computing：review and open research issues[J].Information Systems，2015，47（47）：98-115.

[9]Li C Q，Hu C Y，Wang Y W，et al.Research of cloud manufacturing and resource encapsulation technology[J].Applied Mechanics and Materials，2011，58-60：562-566.

[10][19][20][21]Liu N，Li X，Shen W.Multi-granularity resource virtualization and sharing strategies in cloud manufacturing[J].Journal of Network and Computer Applications，2014，46：72-82.

[13]Babcock C.Management strategies for the cloud revolution[J].Intelligent Enterprise，2010（5）.

[14]Sallam A，Li K.A multi-objective virtual machine migration policy in cloud systems[J].The Computer Journal，2013，57（2）：195-204.

[16]Gonzalez-Martinez J A，Bote-Lorenzo M L，Gomez-Sanchez E，et al.Cloud computing and education：A state-of-the-art survey[J].Computers&Education，2015，80（2015）：132-151.

[17]Tao F，Zhang L，Venkatesh V C，et al.Cloud manufacturing：a computing and service-oriented manufacturing model[J].Proceedings of The Institution of Mechanical Engineers，Part B：Journal of Engineering Manufacture，2011，225（225）：1969-1976.

[18]Zhang L，Luo Y，Tao F，et al.Cloud manufacturing：anew manufacturing paradigm[J].Enterprise Information Systems 2014，8（2）：167-187.

[22][25][26]Hu C S，Xu C D，Cao X B，et al.Study of classification and modeling of virtual resources in cloud manufacturing[J].Applied Mechanics and Materials，2011，121-126：2274-2280.

[23]Wu L，Resource virtualization model in cloud manufacturing[J].Advanced Materials Research，2011，143-144：1250-1253.

[27]任磊，张霖，张雅彬，等.云制造资源虚拟化研究[J].计算机集成制造系统，2011（3）：511-518.

[28]姚锡凡，金鸿，徐川，等.云制造资源的虚拟化与服务化[J].华南理工大学学报（自然科学版），2013（3）：1-7.

[29]程臻，战德臣，徐汉川.云制造环境下基于本体的资源虚拟化方法[J].华中科技大学学报（自然科学版），2013，（S2）：106-112.

[30]吴娇，李少波.云制造中硬资源虚拟化封装研究[J].机械设计与制造，2014（7）：112-115.

[31]周际锋，姚锡凡.面向云制造的软件资源服务化研究[J].组合机床与自动化加工技术，2016（2）：157-160.

[32]易安斌，周宏甫.云制造环境下设备资源服务化封装方法研究[J].组合机床与自动化加工技术，2016（5）：151-154.

[33]汪卫星，徐玲.云制造资源虚拟化框架的研究[J].广西大学学报（自然科学版），2016（6）：1918-1923.

[34]苏凯凯，徐文胜，李建勇.云制造环境下基于双层规划的资源优化配置方法[J].计算机集成制造系统，2015，7：1941-1952.

[35]陶飞，张霖，郭华，等.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，2011，3：477-486.

[36]刘波，刘卫宁，孙棣华，等.自适应制造资源动态服务组合与优化框架[J].中国机械工程，2012，10：1187-1193.

[37]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，2012，7：1368-1378.

[38]陈浩，袁逸萍，李晓娟，等.基于QoS的云制造制造资源组合评价方法[J].组合机床与自动化加工技术，2013，12：25-28，32.

[39]敬石开，姜浩，许文婷，等.考虑执行可靠性的云制造服务组合算法[J].计算机辅助设计与图形学学报，2014，3：392-400.

[40]董元发，郭钢.基于模板与全局信任度的云制造服务评价与选择方法[J].计算机集成制造系统，2014，1：207-214.

[41]Zhong P S，Zhu S Q，Huang D J，et al.Automatic manufacturing cloud service composition based on AI Plan[J].Applied Mechanics&Materials.2014：990-993.

[42]林廷宇，杨晨，谷牧，等.面向航天复杂产品的云制造应用技术[J].计算机集成制造系统，2016，4：884-898.

[43]Liu Y K，Xu X，Zhang L,et al.An extensible model for multitaskoriented service composition and scheduling in cloud manufacturing[J].J.Comput.Inf.Sci.Eng，2016（4）：1022.

[44]基于BA模型的制造资源服务组合网络建模与动力学特性研究[J].机械工程学报，2014，24：136.

[45]刘卫宁，李一鸣，刘波.基于自适应粒子群算法的制造云服务组合研究[J].计算机应用，2012（10）：2869-2874.

[46]刘志中，雷冠军，薛霄，等.QoS感知的云服务优化组合研究[J].计算机应用研究，2012（10）：3919-3921.

[47]李慧芳，宋长刚，董训，等.考虑物流服务的云服务组合QoS评价方法研究[J].北京理工大学学报，2014（2）：171-175

[48]刘翠娟，贾卫兰.物流云服务优选及其在云制造中的应用研究[J].现代电子技术，2016，（11）：120-124.

[49]张以文，吴金涛，郭星，等.一种基于动态Skyline和遗传粒子群优化的云服务组合方法[J].小型微型计算机系统，2016，（11）：2552-2557.

[50]Wang L，Machine availability monitoring and machining process planning towards cloud manufacturing[J].CIRP Journal of Manufacturing Science and Technology，2013，6（4）：263-273.

[51]Adamson G，Wang L，Holm M.The state of the art of cloud manufacturing and future trends[C].ASME 2013 International Manufacturing Science and Engineering Conference，Madison，WI，USA，2013，June：10-14.

[52]Gupta P，Seetharaman A，Rudolph J R.The usage and adoption of cloud computing by small and medium businesses[J].International Journal of Information Management，2013，33（5）：861-874.

[53]Bughin J，Chui M，Manyika J，Clouds，big data，and smart assets：ten tech-enabled business trends to watch[J].Mckinsey Quarterly,2010，56：75-86.

[54]Walport M，Lapthorne R.Future of manufacturing:A new era of opportunity and challenge for the UK[M].2013，Gov.Uk.

[55]Dixon J.X as a service（XaaS）：what the future of cloud computing will bring[J].2014，Cloud Tech.