云制造环境下大规模产品定制技术研究

童晓薇，刘艳斌



云制造环境下大规模产品定制技术研究

童晓薇1，刘艳斌2

(1. 福建船政交通职业学院机械工程系，福建 福州 350007； 2. 福州大学测试中心，福建 福州 350002)

结合云制造及大规模产品定制的特点，提出了一种云制造环境下大规模产品定制的组织模式以及相配套的需求转换模型。需求转换模型涵盖了完整的需求分解、重组和再分配过程，对其中的基于产品结构树的需求分解、基于相似性聚类的制造批次重组都进行了详细阐述，并构建了需求再分配的非线性规划模型，从而可以利用最优化方法实现制造需求寻优分配。最后，以轮式装载机产品定制为示例，论述了需求转换的详细过程，验证了方法的有效性和可行性。

大规模产品定制；云制造；制造需求转换模型；相似性聚类；制造任务寻优分配

云制造是一种新兴的制造模式，是网络化制造在云计算环境中的深化与发展，代表了网络化制造的最新发展趋势。云制造参考了云计算的商业模式，融合制造业信息化、云计算、物联网等技术，能够将各类制造资源和制造能力服务化，实现制造资源及能力的优化配置和利用，以及制造资源的集中管理与分散使用[1]。经过多年的研究推动，云制造的相关技术逐渐发展成熟，为企业间基于制造资源的互联互通提供了新的可能。

另一方面，随着个性化需求的不断发展，人们越来越希望获得与自身需求准确一致的定制产品，这促使产品市场发生了巨大变化，也相应推动了大规模产品定制模式(mass customization，MC)技术的深入研究和应用。MC是一种集企业、客户、供应商、员工和环境于一体，在系统思想指导下，用整体优化的观点，充分利用企业已有的各种资源，在标准技术、现代设计方法、信息技术和先进制造技术的支持下，根据客户的个性化需求，以大批量生产的低成本、高质量和效率提供定制产品和服务的生产方式[2]。MC是消费升级产业环境下的制造业的发展方向之一。

目前，MC技术的相关研究较多，涉及产品需求获取、配置、生产制造及交付等各个环节，但尚无面向云制造的MC研究，制造任务的分解和协作也仍停留在企业自行组织生产或基于固定供应商上。针对该问题，本文探讨了云制造环境下MC的组织模式特点，并针对云制造环境下的MC进行阐述，以此为基础，进一步给出完整的、面向云制造平台的MC需求转换模型及关键技术点，为MC优化实施提供了一种新的思路。

1 云制造环境下MC的组织模式

1.1 MC的基本过程

制造业的大批量生产模式实现了生产过程中的规模效应，能够大幅降低产品的生产成本，提高企业效益，但于此同时，客户的个性化需求很难在大批量生产模式下得到满足。不同于大规模生产，MC除了要求实现大批量生产所带来的低成本和高效率外，还需要同时满足客户的个性化产品需求，其基本思路通常是应用多项重组技术，如产品重组、过程重组，将定制产品的生产全部转化或部分转化为批量生产问题，利用合理的转化过程减少定制零部件以及定制环节，并通过设立产品族和零部件模块化设计的思想，依据产品的特点和客户需求，选择最合理的定制生产结构。在大规模定制生产模式下，客户的需求将被细分，产品根据定制特点采用分布式生产方式完成，摆脱了传统大规模生产的产品种类少、定制成本高的束缚，兼顾了成本、效率和个性化生产目标。通常，MC的产品生产周期由4个阶段组成，如图1所示。

图1 大规模定制模式下的产品生产过程

1.2 云制造环境下的MC过程

在MC的场景中，受自身条件限制，产品生产企业要独立完成MC任务可能需要消耗较长的工时、较多的人力或较高的资金成本，常常需要通过产业链的协作，将产品定制需求分解为不同的制造任务，委托给更为“擅长”的制造服务提供商。云制造模式有助于进一步优化这个过程。云制造的供需双方需提供制造服务的封装、注册、发布、匹配和调用，实现制造产业链的真正协同，为产品需求配置、产品制造阶段涉及的制造需求转换、重组及再分配提供更有效率的支撑，提升MC的精益化水平。所以，云制造环境下的MC模式，核心问题是解决制造需求在面向云制造服务的分解、重组和再分配。

面向云制造的MC需求的分解、重组和再分配依赖于云制造服务的建模方法。目前尚无公认的云服务建模标准，为了便于进一步阐述，本文采用童晓薇和朱结枝[3]设计的云制造服务清单(bill of cloud manufacturing service，BCMS)建模框架，其参照了产品数据管理中常用的产品结构树(bill of materia，BOM)技术，能够将制造服务聚合形成层次化的、类似BOM树的“云制造服务目录”树。从而，云制造服务提供方可以将拟发布的服务与服务目录对应，发布为不同层次的标准节点，进一步形成“制造服务供应商目录”。基于BCMS云服务建模框架，本文给出了云制造环境下的MC的整体过程，如图2所示。

在上述过程中，需求被统一收集并参照BCMS进行分解与重组，形成一系列的标准化零部件、定制件的制造需求；而后，基于相同的制造服务规范，进一步将制造需求与制造服务供应商目录建立映射，实现制造需求的再分配，形成MC需求到云制造服务提供商之间的高效转换，体现了云制造环境下MC的组织模式。

图2 云制造环境下的大规模产品定制模式

2 云制造环境下MC的需求转换模型

云制造环境下的MC涉及的需求重组、制造任务委外分配比较复杂，需要全面地考虑不同产品、不同供应商的相关影响因素。因此，在图2云制造环境下的MC模式的基础上建立了一套完整的需求转换模型，描述了面向需求转换的两个阶段，即产品定制需求的分解重组及其在云制造环境中的再分配，提供了一种云制造环境下MC生产模式优化重组的完整思路。

2.1 需求分解与重组

产品制造企业在一段时间内接收到的订单需求不会被单独生产，一般要通过一定的方法将其规划到一起，提升产品制造的规模化水平。在此过程中，会开展产品定制需求的分解与重组。现有的需求分解重组技术包括基于产品族分析的方法[4-5]、基于任务的分解方法[6]，基于数据挖掘的方法[7]等。考虑到BCMS服务建模框架是基于产品结构分解，为了实现产品制造需求到BCMS节点的便捷适配，本文给出的需求分解重组方法以产品结构树为主要依据。

2.1.1 基于产品结构树的需求分解

总体思路为：根据产品结构、遵循由上至下的原则，按照产品级、部件级、零件级的方式依次从顶端向末端分解，从而得到一系列基本零部件的生产需求或生产任务；同时，在对相关产品或产品族进行BOM分解及识别时，需要参考对应云制造平台的BCMS云制造服务目录节点，确保能够稳定构建产品定制需求与云制造服务目录之间的映射关系。

图3 面向云服务的产品制造需求分解

图3展示了MC中依据云制造服务体系进行需求分解的过程。首先在BCMS中找到对应的产品(或产品族)的制造服务目录，而后依次从大(部件)到小(零件)进行模块化拆解。并遵循自上而下分解，在过程中一旦标准化的零部件和制造服务完整匹配(规格相同)，就无需向下分解；而非标准的产品零部件需要逐一分解直到所有的标准零部件都被识别为止，以期最大限度减少定制件的数量，降低制造成本。单个产品定制需求可转换为式(1)的需求向量

其中，代表需求被分解为个零部件制造需求；a的值为需要的不同规格零件的数量。

2.1.2 基于相似性聚类的批次合并及需求重组

式(1)表达的是经过需求分解后的需求向量，其中包含大量的标准化零部件及少量的定制零部件。由于标准化的零部件可以简单地根据型号归类，要提升产品批量定制的规模化，重点是将规格相似的定制件进行相似性聚类并安排在同一批次生产。本文采用该方法实现面向定制件的生产批次合并。

设某时间范围内产品定制需求所涉及的定制件的数量为，包含的差异化参数(如结构尺寸、性能参数、颜色，等)共项，则式(1)中的定制零部件需求可用式(2)产品定制需求矩阵表示。其中，a(=1,2,···,;=1,2,···,)表示第个定制件的第个定制参数的具体规格要求。

在式(2)的基础上，采用相似性聚类实现订单的批次聚集的步骤如下：

步骤1. 计算定制件的相似度。相似性计算方法如式(3)。考虑到零部件参数的量纲不同，式(3)在“欧式距离法”的基础上加入了对区间均值的平衡。其中，xmax代表第列参数的最大值，而xmin则代表最小值。

步骤2. 基于定制件相似性，将分解出的生产需求聚集为生产批次。设定一个相似度阈值max，遍历相似矩阵，针对d(相似度)，如果dd

利用上述的需求分解及面向定制件的批次合并方法，可将一系列产品制造需求转换为若干批次的零部件制造需求，有效提升了委外制造批次的规模。其过程如图4所示。由于上述需求分解和重组过程中参照了BCMS，确保了零部件制造需求与BCMS的关联映射关系，这也为后续云制造环境中的需求再分配打下了良好基础。

图4 大规模产品定制需求转换整体过程

2.2 需求再分配

在云制造环境下，MC需求的委外分配可以不受与供应商是否有长期合作的限制，而更多地体现为企业在产品生产领域的相关诉求，如在满足工期、服务质量等基本要素的前提下，尽可能确保总体制造费用的最小化。根据这一思路，需求转换模型将需求再分配视为一定约束条件下的最优目标求解问题。为了简化模型设定，假定云制造服务供应商可以为零部件提供不同级别的服务，对不同的制造需求规模，可对应不同的价格、交付时间及其他要素。那么，针对某批次、某类型的零部件的制造需求再分配的目标函数设计如下

式(5)设定的优化目标是制造成本最小化。其中，为加工本批次该类型零部件的总成本，总共有家供应商可以提供该零部件制造服务；q为分配给第家供应商制造的数量；为第家供应商提供的良品率。

考虑到云制造环境下产品定制的实际情况，给上述目标增加3个约束，如式(6)。其中，第一个约束表示分配给某供应商制造的零部件数量(q)应小于该供应商所能加工的数量(Q)；第二个约束表示供应商给出的加工时间(t)应小于该批次的预期交货时间()；第三个约束表示该供应商提供的制造服务在云制造平台中的服务评级(r)大于设定的最低评级要求()。

在确定供应商之前，通过优化模型，根据供应商情况、生产时限以及服务质量要求等确定零部件制造需求的最优化分配策略，使得生产成本最小化。上述约束模型是典型的非线性规划(nonlinear programming)问题，可以通过分支搜索等成熟方法求解。本文在此不做详述。

3 应用示例

某工程机械企业为客户提供轮式装载机的MC服务。轮式装载机是一种在矿山、码头、路面等施工场所有广泛应用的工程机械，由于客户工作环境、工作对象等因素的不同，经常要求对铲斗和驾驶室等模块进行定制。该企业销售部门在一段时间内接到4家客户的轮式装载机定制订单，数量均为10台，表1描述了不同客户的具体参数需求。该企业决定委托云制造平台中注册的服务供应商完成相关零部件的制造和采购。本实例描述了采用“云制造环境下MC的需求转换模型”进行需求分解、重组及需求再分配的全过程。

(1) 需求分解。其原则是依据BOM，将订单需求自上而下分解获得一系列基本零部件的制造需求，包括标准零部件和定制件；同时，参照BCMS框架，建立产品定制需求与云制造服务目录之间的映射关系。表2是将表1的需求订单分解为零部件需求分解情况。其中，1代表BCMS中存在有相应的标准件制造服务，0代表定制件。

将所有需求订单分解结果获得的零部件作为总的特征空间，表2的每一个单独订单的分解结果可以很容易地采用式(1)表达。

表1 轮式装载机定制订单参数需求

表2 轮式装载机定制订单的需求分解情况

(2) 批次合并及需求重组。由需求分解可知，各需求订单的主要模块，除了铲斗以外，都可以对应到已有的轮式装载机型号；而铲斗受装载对象不同的影响较大，各客户都对其规格型号做出了差异化的要求，且无法与现有标准件对应，故视为定制件。进一步，根据表1给出的铲斗具体规格(包括斗容、斗宽、斗高和斗长)，通过2.1.2节给出的相似性聚类方法，可以合并为不同的制造批次。根据式(2)~(3)及表1的斗容、斗宽、斗高和斗长数据，计算可得相似性矩阵

根据2.1.2节步骤2所述相似性聚类过程。预先设定相似度阈值max=1.2，遍历式(4)相似性矩阵，可以发现31和42均小于1.2，而32和41、21和43均大于1.2，故客户A和客户C，以及客户B和客户D可分别合并为批次1和批次2，无需调整阈值再次迭代。需要指出的是，某些零部件(如发动机)虽然都是标准零部件，但不同客户的需求分解出的零部件型号可以是不同的。最终上述订单的制造需求重组结果见表3。

(3) 面向云制造服务提供商的需求再分配。以变速箱的委外制造(或采购)为例，根据需求分解阶段获得的BCMS对应云制造服务清单，在云制造平台中查询A型变速箱所有的供应商及其报价、加工数量，服务评级(从A到E级，其中最高为A级)等相关信息，共获得3家供应商信息，见表4。

表3 加工需求重组汇总表(个)

表4 变速箱云制造供应商服务规格

设定的前置条件为：①本批次的采购数量是20台，要求时限是20天以内。②本批次加工的目标为成本最小化。③本批次加工能够接受的最低评级是C。

基于上述条件，利用式(6)进行约束求解，根据r≥规则剔除供应商C；根据t≤规则剔除第4条(供应商A的10台以上加工服务)。而后，求解式(5)的目标函数，利用分支搜索方法可得到最优的分配结果为：供应商A、B各提供10台，总价格=8000´10+9200´10=172000元，供货时间为15天，故可以满足所有的前置条件并获得最优委外分配结果。

上例完整覆盖了本文提出的需求转换模型，也说明该模型在云制造环境下MC方面的有效性和可行性。限于篇幅，具体需求转换环节涉及的仅为轮式装载机的局部零部件，供应商的相关情况也进行了一定的简化，相关的条件数据可能不一定最为合理，但不影响对需求转换模型的阐释及有效性论证。

4 总结与展望

本文尝试将云制造技术用于MC过程中，首先阐述了云制造环境下MC的组织过程演变，并结合MC和云制造的特点，给出了云制造环境下制造需求的分解、批次识别、重组及面向云制造服务的需求再分配的完成过程，形成了完整的需求转换模型。最后通过轮式装载机定制示例，全面论证了相关思路、过程和方法的有效性和可行性。

本文的重点是阐述云制造环境下MC转换模型，限于篇幅，云制造环境下MC的组织模式未展开深入探讨；由于产品定制转换模型涵盖的相关环节较多，对其中部分实际存在的复杂情况进行了简化处理，如在选择供应商时未考虑将零件进一步组装为部件所耗费的装配成本；在面向定制件的需求批次聚类及需求再分解等环节也未能考虑所有的情况并进行加权、多目标等设定处理。后续，拟结合大规模定制生产活动的实际需求开展调研和分析，给出更有针对性的技术设计，进一步完善需求转换模型。

[1] 李伯虎, 张霖, 任磊, 等. 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.

[2] 祁国宁, 杨青海. 大批量定制生产模式综述[J]. 中国机械工程, 2004, 15(14): 20-25.

[3] 童晓薇, 朱结枝. 云制造环境下的制造服务资源建模方法研究[J]. 图学学报, 2017, 38(2): 185-191.

[4] 李新龙, 盛步云, 萧筝, 等. 基于产品族的产品配置设计方法的研究[J]. 组合机床与自动化加工技术, 2015(11): 129-132.

[5] 赖荣燊, 侯亮, 吴永明, 等. 基于配置设计的产品族实施阶段绩效优化与控制[J]. 计算机集成制造系统, 2016, 22(11): 2530-2541.

[6] 郝佳, 杨海成, 阎艳, 等. 面向产品设计任务的可配置知识组件技术[J]. 计算机集成制造系统, 2012, 18(4): 705-712.

[7] MOON S K, SIMPSON T W, KUMARA S R T. Amethodology for knowledge discovery to support product family design [J]. Annals of Operations Research, 2010, 174: 201-218.

Research on Mass Customization Technology in Cloud Manufacturing Environment

TONG Xiaowei1, LIU Yanbin2

(1. Mechanical Engineering Department, Fujian Chuanzheng Communications College, Fuzhou Fujian 350007, China; 2. Test Center, Fuzhou University, Fuzhou Fujian 350002, China)

Combined with the characteristics of cloud manufacturing and mass product customization, this paper proposes a model of mass product customization in cloud manufacturing environment and a matching demand transformation model. The demand transformation model covers the complete process of requirement decomposition, reorganization and redistribution. The requirements decomposition based on product tree and the manufacturing batch reorganization based on similarity clustering are described in detail. The demand redistribution non-linear programming model is provided, which can use the optimization method to achieve manufacturing demand optimization distribution. Finally, an example is given to illustrate the effectiveness and feasibility of the method, which demonstrates the effectiveness and feasibility of this method.

mass customization; cloud manufacturing; manufacturing requirement transformation model; clustering based on similarity; optimal allocation of manufacturing tasks

TH 166；TP 391

10.11996/JG.j.2095-302X.2018010109

A

2095-302X(2018)01-0109-07

2017-05-05；

2017-07-05

福建省教育厅科技项目(JA15669)；福建省交通厅重点科技项目(201322)

童晓薇(1982–)，女，福建武平人，讲师，硕士。主要研究方向为计算机辅助制造、先进制造技术。E-mail：tongxw2010@qq.com