云服务的机床供应链全生命周期协同模型研究*

熊巧巧，魏 琴，姚立国，陈启鹏

(1.贵州交通职业技术学院，贵阳 550008；2.贵州大学 a.贵州省大数据产业发展应用研究院；b.现代制造技术教育部重点实验室，贵阳 550025)

0 引言

随着科技进步与经济全球化的发展，将先进的物联网、云计算、大数据等技术应用于传统制造业，对其管理运营、供应链运营等进行革新已成为趋势。长久以来，我国大型装备制造企业常常运用设计过程、制造过程、施工过程相分开的运作模式，该模式存在责任不清、内部消耗较为严重、效率不高、质量难以保证等问题。同样，在产品制造、加工的过程中依旧有大而全现象，优势资源和非优势资源并存，供应链上合作企业协同调度困难，产品质量、交货期和成本难以控制等问题[1]。

为实现我国从制造大国成为制造强国，打造绿色供应链，加快建立以资源节约、环境友好为导向的采购、生产、营销、回收及物流体系[2]。易数平等[3]综述了云制造服务全生命周期每个阶段的研究现状，在此基础上提出现有研究存在的问题与不足，并指出云制造服务今后可能的研究趋势和发展方向。杨晓英等[4]针对数控机床轴承的全生命周期数据管理缺少统一模型的问题，建立了全生命周期数据管理模式。在此基础上，文章提出全生命周期的机床云平台设计，建立了全生命周期机床云服务体系架构，并从评价指标体系、评价模型配置和评价数学模型方面对该评价方法做了研究，为云技术应用于传统机床业提供了新思路。

1 全生命周期制造业供应链设计

1.1 全生命周期设计

生命周期设计(Life Cycle Design)又称生态设计，是指从产品性能、环境保护、经济可行性的角度，考虑产品开发全生命周期。全生命周期设计(The whole life cycle Design)的概念，就是指面向产品全生命周期全过程的设计，包括市场需求分析、设计开发、生产制造、销售、使用、淘汰废弃后再生利用的整个闭环周期。在设计过程中，依据性能、生产效率、品质、经济性、环保性和能源利用率等多目标函数进行设计案例的选择，来找寻最佳最优的平衡点[5-6]。

1.2 全生命周期的机床云平台协同设计

全生命周期的机床云平台协同设计实际上是多学科、跨多专业的合作开发，面向机床生命周期所有环节、所有方面的设计。

本文根据生命周期的各个阶段、各种环境问题和环保效应，以及不同的研究对象将机床云平台划分为依托供应商企业群、制造商企业群、仓储物流商企业群、销售售后商企业群和再制造商企业群分别建立协同供应云服务平台、协同制造云服务平台、协同仓储物流云服务平台、协同销售售后云服务平台和协同再制造云服务平台。如图1所示，采用多源数据融合技术实现在运营中的信息传递与获取，以信息流交换的方式将机床供应链协同供应、协同制造、协同仓储物流、协同销售售后和和协同再制造等业务转化为在机床云平台上信息与数据的交互。最终，高效、高质、低成本地满足机床市场的客户需求、规划设计、材料供应、机床设计、加工制造、装配调试、成品存储、调度出库、物流运输、营销销售、调试运行、售后维修、拆卸分离、循环利用和再生制造全生命周期的不同需求，提高机床行业的竞争力，降低机床生产成本，优化利用资源能源，满足环境保护的要求。

图1 全生命周期的机床云平台协同设计

2 全生命周期的机床云服务体系架构

云服务是基于互联网发展起来的相关服务的增加、使用和交付模式，实质是实时动态的广泛分布的网络化交易、制造和服务体系。全生命周期的机床云服务体系具有明显的跨学科多技术参与、覆盖不同地域和领域的特点，在该服务体系中有买家、卖家、制造者、再制造者、系统管理者以及特有的买卖程序和相关规章制度，融合了随机理论、优化设计理论、工程力学、计算机应用技术等许多学科[7]。由此，参照网格之父Ian Foster等[8]提出的五层沙漏网格计算协议体系结构。

本文提出基于全生命周期的机床云服务体系结构，如图2所示，它根据机床的孕育期、生产期、储运销售期、服役期和转化再生期的整个闭环周期，用以实现云服务资源的感知、跨域系统管理而建立的各云服务平台和为解决云服务动态协同过程构建与管理的云服务应用构建虚拟的协同组织，并利用其执行支撑环境实现机床云服务体系的集成、协同和资源共享，突破时间空间对服务范围和方式的约束。

图2 全生命周期机床云服务体系架构

云服务体系具体又分为用户层、应用层、运营层、服务层和制造层[7-9]。不同层次所涉及的资源、数据类型等不同，因此对五个层次之间协同数据采用通过规范、接口、融合、授权和协议等多种技术手段进行交互，包括云应用对象模式(Cloud Application Object Model)、云运营对象模式(Cloud Operation Object Model)、云服务对象模式(Cloud Service Object Model)、云平台对象模式(Cloud Platform Object Model)和云联盟对象模式(Cloud Federation Object Model)，构成机床云服务体系的网络化多层结构模型。

(1)用户层(User Layer)。用户层在机床云服务体系中直接面向各个用户群，包括机床全生命周期的各个用户。根据各用户的不同需求而归类成群，方便快捷、准确地为相应用户群提供有针对性的云服务。同时，可依据不同的授权等级，分为普通用户群和VIP用户群等。普通用户群可以得到的授权较低，仅仅限于使用云服务系统中的基本功能；VIP用户群获得的授权高，除了能够使用云服务系统的基本功能也能够增加定制服务。

(2)应用层(Application Layer)。应用层的实质就是在虚拟化技术和软件以及物联网等相关技术支撑下机床云服务体系的门户，通过“厂商信息界面”、“运营维护界面”和“用户登录界面”等不同的终端UI界面同云服务用户群进行信息数据的交互、匹配和搜索，来寻求达到协同共享的目标，实现云服务的高效、智能化。也是整个机床云服务系统的硬件设备管理者，在政府和相关行业组织的监管下，负责部署和维护云服务系统正常运行。

(3)运营层(Operation Layer)。运营层是机床云服务资源集成与融合的核心，对于制造资源、服务、安全等方面的管理需要在该层进行。该层主要面向虚拟信息资源，根据用户层和应用层的特定需求，针对不同的需求领域和服务沟通，结合自身的接口情况及相应的虚拟资源，识别、分类、聚合、简化资源管理工作，然后调度分配提供不同的应用接口，提供不同的业务系统，提供不同的用户管理、数据管理和系统运营等云服务。

(4)服务层(Service Layer)。服务层是整个机床云服务系统的核心。服务层中的各平台与各应用层中的业务系统相匹配、对应。它涵盖了全生命周期机床云制造所需要的信息流，根据信息流的不同，服务层可分为供应云平台、制造云平台、仓储物流云平台、销售售后云平台和再制造平台，各平台间进行协同工作。

(5)制造层(Remanufacturing Layer)。机床云服务系统根据云端服务需求方提交的任务请求，在应用层、运营层和服务层的支持下寻找符合需求的制造资源，并将该制造任务或服务任务分发给制造层相应的企业，以此为云端用户提供需求的云服务。同时，制造层的各企业间能够互通有无，强大的资源调度功能促使资源的高度协同。

3 全生命周期机床供应链评价方法研究

3.1 评价指标体系

通过对全生命周期机床云服务供应链的综合分析，文章针对其运作特点，得出如图3所示的全生命周期机床云服务供应链评价指标体系。一级指标包括运作时间T，运作成本C，服务质量Q，产品性能P，协同效率S，满意程度H，知识效用K，可靠程度R，环境影响E。

图3 全生命周期机床云服务供应链评价指标体系

3.2 配置评价模型

如图4所示为全生命周期机床云服务供应链配置评价模型，运作流程为：需求企业和服务企业将对应的需求和服务分别发布到需求数据库和服务数据库，信息解码器通过算法匹配处理和信息解析处理将总任务分解为若干个分任务，当对任务信息匹配成功后，对9项指标进行云服务评价，得出合理的任务解，反馈给需求企业和服务企业。

图4 全生命周期机床云服务供应链配置评价模型

3.3 评价数学模型

多目标优化问题是将多个相互联系又可能存在矛盾的指标进行合理的设计和计算，得到相对最佳解的过程[10]。根据3.1和3.2中全生命周期机床云服务供应链评价指标体系和配置评价模型，可得全生命周期机床云服务供应链评价问题是多目标的求解优化问题。云平台将客户需求分解为任务代码Task={Task1,Task2,…,Taskn}，通过信息匹配获得任务的可能解，参照评价体系对解进行评价计算，得到合理的任务解，提交云平台进行分发处理。其中评价模型如公式(1)所示，合理的任务解为下述9项指标的最优解：

(1)

3.4 环境影响评价模型

在我国制造业蓬勃发展的过程中，加工制造是否低碳环保也尤为重要。

通过对全生命周期中云供应链运营过程的分析，得到了以下云供应链环境目标函数：

(2)

公式第1项表示产品的生产过程和由生产中心到客户区的运输过程产生的环境影响之和，第2项表示废弃产品在回收中心的处理过程和由客户区到回收中心的运输过程产生的环境影响之和，第3项表示产品在处理中心的处理过程及由回收中心到处理中心的运输过程产生的环境影响的总和。

(3)

(4)

(5)

(6)

(7)

(8)

4 结束语

文章将云技术与传统制造行业——机床行业相结合应用，在原有传统机床供应链的基础上，提出了一种机床供应链云平台创新模型，经由供应链的调整和重构，来提升供应链的效率，使其可以更好的协同工作。从全生命周期的角度对机床供应链云协同平台进行设计，从5个层次进行了整个平台的体系架构，从9个一级指标对其进行了评价体系构建，建立了数学模型，并以环境影响为例进行了研究，为客户提供更好的服务。

[参考文献]

[1] 杨晓英. 云制造模式下大型装备成套服务运作协同与优化[D].镇江:江苏大学,2013.

[2] 周济. 智能制造——“中国制造2025”的主攻方向[J]. 中国机械工程,2015 26(17):2273-2284.

[3] 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,2016,04:871-883.

[4] 杨晓英,徐严冬,隋新,等. 基于全生命周期的数控机床轴承数据模型研究[J]. 中国机械工程,2016,27(10):1320-1326.

[5] Bin He，Jun Wang，Shan Huang，et al. Low-carbon product design for product life cycle [J]. Journal of Engineering Design, 2015,26 (10-12):321-339.

[6] 钱松荣. 机械产品生命周期的多目标优化设计方法[J].机械设计与制造，2010(9)：149-151.

[7] 朱李楠. 云制造环境下资源建模及其匹配方法研究[D].杭州：浙江工业大学，2014.

[8] Foster I, Kesselman C. The Grid: Blueprint for a New Computing Infrastructure[M]. San Francisco， CA: Morgan Kaufmann ,1999.

[9] 范文慧，肖田元. 基于联邦模式的云制造集成体系架构 [J]. 计算机集成制造系统，2011,17(3)：469-476.

[10]姚立国,黄海松,田野,等. 云模式的机床供应链运作流程建模与计算[J]. 组合机床与自动化加工技术,2017(2):108-111.