元活动模型驱动的多领域制造资源粒层化服务封装与检索

董元发 吴正佳 杜 轩 查 靓 袁庆松

1.三峡大学机械与动力学院，宜昌，433002 2.华威大学制造工程系，考文垂，CV47AL

0 前言

云制造强调制造资源和制造能力以服务的形式进行聚集，并基于网络自由流通，进而实现按需使用和动态协同［1⁃2］，是一种面向服务的、高效低耗且基于知识的网络化、敏捷化制造新模式和技术手段［3］。与传统的网络化制造模式相比，云制造支持空闲资源的主动寻租及任何单点物理故障的容错与自动迁移，同时体现了“分散资源集中服务”和“集中资源分散服务”的理念［4］，其核心之一在于如何将人员、设备、场地、知识等多领域的制造资源进行有效集成并以能力的形式对外提供［5］，并对制造能力进行智能、灵活的组合与分解，使其能够利用现有资源形成不同功能、不同类型和不同粒度的服务并按需提供给用户［6］，以最大程度地满足用户个性化和专业化的业务需求。

实现多领域制造资源服务化的关键在于资源虚拟化建模与服务封装。姚锡凡等［7］结合云制造服务体系框架、云制造资源的特点及分类，指出了云制造资源虚拟化的原则——系统性、针对性、适应性、扩展性、接口统一和动态性；马军等［8］分析了云制造资源的存在形态、构成及其属性，提出基于RFID技术与对象名解析服务的制造资源感知与追溯逻辑架构以实现物理制造资源的虚拟化；吴娇等［9］分析了硬制造资源的特点及资源虚拟化的相关技术，提出了基于云制造的硬制造资源虚拟化封装框架；尹翰坤等［10］根据制造资源的信息感知和行为控制程度，将云服务化封装简单划分为高度封装、部分封装和近零封装三种模式，建立了一种基于Multi⁃Agent的制造资源云服务化封装适配器；ZHANG等［11］结合物联技术提出了一种云制造设备的服务化封装与云端化接入方法；武蕾等［12］提出了资源封装模板的概念，将制造资源封装为Web服务资源，以屏蔽制造资源自身的异构性和复杂性；韦涛等［13］基于动态加工特征构建制造任务描述标准，用以进行制造服务封装和服务用户请求表示。以上研究虽然一定程度上实现了对制造资源的服务封装，但多以单一资源独立封装然后通过服务组合实现服务化为主，对多领域制造资源间的聚合考虑不足［14］，导致实际应用中可能出现服务组合爆炸或组合失败的问题。针对该问题，罗永亮等［15］阐述了云制造模式下制造能力的内涵并归纳和总结了当前制造能力研究现状及存在的主要问题，构建了制造能力多维信息模型；肖莹莹等［16］定义了制造能力服务的元模型及详细描述属性，研究了制造能力服务的统一描述及其形式化方法；LIU等［17］考虑工作流、活动和资源等因素提出了一种多粒度资源虚拟化和共享策略。

制造资源的服务化封装有效屏蔽了底层制造活动细节，有助于制造资源的快速共享和高效利用，但用户在海量云制造服务中检索所需制造服务时，往往因为服务特征属性信息粒度过粗、缺乏关键资源信息或制造活动过程特征而导致查准率不高［18⁃19］，进而影响服务匹配效果。随着云制造理论研究的日益深入，面向用户多元检索需求的制造资源服务化封装方法逐渐受到人们的关注［20⁃21］。谭伟等［22］给出了多粒度制造资源组织的自适应机制，包括多粒度制造资源的动态加入和退出以及资源的维护、负载感知的资源节点的分裂和合并，并设计了基于分类检索和三阶段匹配的多粒度制造资源发现算法；朱李楠等［23］基于资源及服务的动态属性，建立了云制造三层属性结构，提出了基于资源云服务的资源封装、发布和发现模型。

综上所述，多领域制造资源的虚拟化与服务封装方式对云制造服务的检索与匹配过程具有重要影响［24］，为方便用户实现高效精准的服务检索与匹配，必须在资源建模与服务封装时综合考虑用户的多元检索需求及资源服务封装过程中各层次的信息粒结构与粗细。因此，本文针对云制造资源分布性、异构性、动态性的特点，以典型制造活动单元为中心实现多领域制造资源的智能聚合，然后基于商空间粒计算理论对资源簇的制造能力进行逐层封装，提出一套元活动模型驱动的多领域制造资源粒层化服务封装与检索方法。

1 多领域制造资源聚合与粒层化服务封装

多领域制造资源包括企业运行过程中涉及的人力、设备、物料、场地、知识、模型、软件及数据库等，具有分散性、自治性、异构性、多样性、动态性、组合性等特点。单一制造资源无法或很难形成实际的服务能力，必须通过与其他制造资源协作完成某种制造活动体现，即完整可共享的制造能力是多领域制造资源聚合与协作产生的，换句话说，制造服务所涉及的制造资源及制造活动决定了服务的特征属性及服务结果。本文借鉴全面质量管理理论，将多领域制造资源按人、机、料、法、环进行分类，定义最小粒度的制造资源颗粒，并基于此建立了面向多领域制造资源聚合的制造元活动模型。

1.1 制造元活动模型定义

定义1 人（H）指设计、制造、服务等生产活动中拥有一定技能或经验的操作者，是制造活动的主体，如设计师、车工、司机等。

定义2 机（E）指生产中所使用的设备、工具、软件、数据库等辅助生产用具，是制造活动的主要载体，如加工中心、工作站、运输车辆等。

定义3 料（M）指作为制造活动输入的半成品、配件、原料、数据、文档等有形实体或无形资源，如产品模型、钢材、原始数据等。

定义4 法（P）指制造活动中所需遵循的工艺流程或使用的知识、模型等，如热处理工艺、设计流程等。

定义5 环（S）指制造活动所需的空间、场地及保障条件，如厂房、仓库、资质、水、电、气等。

定义6 制造活动单元（MPU）指在人机料法环等资源集合协同作用下具备完成某种制造任务且不可再分的最小能力单元，如图1所示，可采用四元组表示：

其中,C指制造活动所需的资源簇，C={}H,E,M,P,S，特别地，不同的制造活动单元所需的制造资源颗粒不同，H、E、M、P、S可有多个或为∅，如仿真计算资源封装形成的云制造服务在被调用过程中可不需人的参与；PR指论域的结构，即制造资源间的相互关系，如拓扑关系、约束关系、时序关系等，可采用语义网络描述；PI和PO分别代表该制造活动单元的输入和输出接口，是实现不同制造活动单元按需组合和粒度合成的基础，也是云制造服务过程中物料流和信息流衔接的地方。

1.2 资源颗粒聚合与制造活动单元实例化

海量制造资源基于物联感知和虚拟化技术在云制造平台上汇聚形成了线上云制造资源库，来自多领域的制造资源虽然具备了提供服务的能力要素，但制造能力的共享和输出必须围绕特定的制造活动展开。

图1为多领域制造资源颗粒以制造活动为中心的聚合过程示意图。首先，根据领域知识将云制造服务过程拆分为多个制造活动单元，并根据每个制造活动单元的特点及工作内容从资源库中选择所需制造资源颗粒进行聚合。然后，采用语义网络定义各制造资源间的拓扑关系、约束关系及时序关系供后续资源检索和组合推理使用，采用if⁃then语句对该制造活动单元的前序和后序制造活动单元应满足的规则进行定义，完成对某一具体制造活动单元的实例化。实例化后的制造活动单元是多领域资源簇和领域知识的集合体，具备了一定的服务能力。多个具备服务能力的制造活动单元在领域知识的作用下通过接口进行组合，从而形成具有完整可共享服务能力的实体，供下一步的服务封装使用。

1.3 多领域制造资源粒层化服务封装

信息粒化是人类处理和存储信息的一种反映，它把复杂问题抽象、划分为若干较简单的问题，有助于我们分析和解决问题。多领域制造资源的粒层化服务封装过程是对制造资源聚合特征及制造活动组合特征逐层抽取和封装的过程。封装的层次越深，信息粒度越粗，与底层实际制造活动相关的细节也越少。图2所示为多领域制造资源的粒化及逐层服务封装过程示意图。人、机、料、法、环5大类物理制造资源是云制造服务的基础，其对应信息域可表示为

图1 制造元活动模型及多领域制造资源颗粒聚合过程示意图Fig.1 Meta⁃activity model and the polymerization process diagram of multi⁃domain manufacturing resources particle

PMR=(URL,CC,BC,FC,UC,SC) （2）

其中,PMR为物理制造资源；URL为该资源的统一资源定位符；CC为该资源的分类属性，用于标识该资源在制造活动中的作用；BC为该资源的基本属性集，包括资源ID、名称、型号、主要用途、所有者信息、所处位置、联系方式等；FC为该资源的能力属性集，包括能力特征名称、能力特征参数、能力等级等，不同类型资源的能力特征名称及参数不同，如加工中心的能力特征为坐标轴数、工作行程、最高加工精度、可达粗糙度等，而设计师的能力特征为工作年限、会用的设计软件、技能等级等；UC为该资源的使用属性集，包括资源可用时间、价格标准、维修保养信息等；SC为该物理资源的状态属性集，包括信息来源、感知方式、已完成任务、正在执行的任务等。

图2 多领域制造资源粒化及逐层封装过程示意图Fig.2 Granulation and layer by layer encapsulation process diagram of multi-domain manufacturing resources

在物联网及CPS相关技术的支持下，物理制造资源被虚拟化为相应的资源颗粒，其对应信息域是在物理资源属性信息上增加了接口定义和能力特征封装，可形式化表示为

其中，VMU为虚拟资源颗粒；MID为该资源颗粒的唯一标识；MName为该资源颗粒的名称；URL与该资源颗粒对应的物理资源一致；VFC为该资源颗粒的能力属性集，是对物理资源能力属性的继承和抽象，包括制造能力类别、能力特征名称、能力特征参数、最大能力值、能力系数等；VUC为该资源颗粒的使用属性集，是对物理资源使用属性集的继承和抽象，包括可用时间、价格标准、QoS信息等；VSC为该资源颗粒的实时状态，是对物理资源状态集的继承和抽象，包括正在使用、空闲、故障、离线等状态；AP为该资源颗粒的聚合接口，包含该资源颗粒的聚合协议及排斥规则，如软件系统不能兼容X86架构的服务器。

多领域制造资源颗粒以制造活动单元为中心聚合，形成具有基本制造能力的资源簇，聚合过程可以由人工主导或定义好约束关系和聚合规则实现智能聚合。云制造服务单元是资源簇在信息域的映射，其形式化表达为

其中,MSU为云制造服务单元；UID为该云制造服务单元的唯一标识；UName为该云制造服务单元的名称；VMUs为该云制造服务单元对应资源簇内的制造资源颗粒集；UR为该服务单元内部资源簇各颗粒之间的逻辑关系，可通过对资源簇聚合所使用的制造活动元模型中的PR进行实例化得到；UF为该服务单元的能力特征属性集，体现了该制造服务单元内部制造活动的服务能力，是对资源簇中各颗粒制造能力的继承与综合，包括服务能力类别、服务能力特征名称、服务能力特征参数、最大能力值、能力系数等；UU为该服务单元的使用属性集，是对内部所有资源颗粒使用属性的综合和抽象，包括可用时间、使用价格、QoS信息等；UT为该服务单元的服务周期；US为该服务单元的状态属性，是对所有资源颗粒状态的综合和抽象；UP为该服务单元的组装接口，包括调用入口、参数列表和调用出口等。

实际的制造活动由不同制造活动单元组合而成，同样，完整的云制造服务也由不同的云制造服务单元组合而成。从资源视域来看，不同的资源簇聚合形成更大且具有稳定结构和功能的制造能力团，其对应的信息视域下云制造服务的形式化表示为

其中，MS为云制造服务；SID为该云制造服务的唯一标识；SName为该云制造服务的名称；MSUs为该云制造服务所包含的所有云制造服务单元；SR为该制造服务内部各服务单元之间的逻辑关系，包括串行、并行、循环等；SF为该制造服务的能力特征属性集，是对制造能力团功能特征的抽象描述，体现了服务内部所有制造活动的综合服务能力，同样包含制造服务单元的特征属性，只是取值不同；SU为该制造服务的使用属性集，是对内部所有云制造服务单元使用属性的综合和抽象，包括可用时间、费率、QoS信息等；ST为该制造服务的服务周期；SS为该制造服务的状态属性，是对所有制造服务单元状态的综合和抽象；SP为该制造服务的组装接口，包括调用入口、参数列表和调用出口等，云制造服务同样可被组装形成具有更高级制造能力的服务流程。

2 云制造服务粒层递归检索方法

人类对世界的认知过程就是由不确定到逐步确定的过程，在粗粒度上往往是不确定的概念经过调整知识粒度，不断地对这些不确定的概念进行细化、更新，从而得到确定的概念，达到对事物的结构化认知。服务化封装后的多领域制造资源以不同形态的粒结构存在于特定的层次中，每个层次代表从不同的角度对云制造服务的观察。用户在检索过程中往往遵循由粗到细的原则，且不断对不同层次中关键粒结构的属性特征加以约束以保证检索结果趋于精准，因此，云制造服务平台需要支持用户在不同层次和粒度上进行智能检索。商空间粒计算理论是人工智能领域中的一种新理论和新方法，其主要思想是通过选择合适的粒度来寻找问题的一种较好的近似解决方案，从而降低问题求解的复杂度，本文采用该理论求解上述问题。

2.1 云制造服务检索的商空间描述

云制造服务检索的目的是将海量云制造服务划分为两个互不相交的集合，且使一个集合的内容具有一致性并与另一集合具有明显差别，其实质就是对云制造服务集合的一个有效划分；等价关系R就是在检索时所要提取的内容一致性准则，如服务类别的相似性、制造精度的相似性等，所以从粒度层面分析，云制造服务检索是对海量云制造服务由细粒度空间到粗粒度空间的变换过程。

（1）用三元组（X1,f1,T1）描述在制造资源颗粒视图下的云制造服务。X1为制造资源颗粒集合所构成的论域，如{x1,x2,…,xn}，其中，xn表示某个制造资源颗粒；f1为论域X1中反映各制造资源颗粒的特征属性函数，如加工精度、资源状态等；T1为论域X1中制造资源颗粒的结构关系，如相似性。

（2）用三元组（X2,f2,T2）描述制造活动单元视图下的云制造服务。X2为服务于同一制造活动的制造资源颗粒集合，如{u1,u2,…,un}{{x1,x2,…,xk1},{x4,x6,…,xk2},…}；f2为新论域X2中制造活动单元的特征属性，如流程特征、服务周期等；T2为新论域X2中制造活动单元集合间的结构关系，如不同流程特征之间的关系。

（3）用三元组（X3,f3,T3）描述完整服务视图下的云制造服务。X3为参与服务于同一制造服务的所有制造资源颗粒集合，如{s1,s2,…,sn}={{u1,u2,…}，{u4,u6,…},…}；f3为新论域X3中云制造服务的特征属性，如服务类别、服务质量等；T3为新论域X3中云制造服务集合间的结构关系。

对于云制造服务检索问题（X，f，T），若已选定属性函数f和相似度度量准则P，且满足自反性、对称性和传递性，即（X,f,T）在f和P的作用下得到的关系R为等价关系，则相应的商空间为（［X］，［f］，［T］）。如图3所示，不同等价关系对应的商空间对应于制造资源颗粒集合在不同粒度下的理解，通过多粒度属性合成形成新的商空间，即可得到一个新的更高层次的检索结果。

图3 云制造服务检索商空间粒层映射与切换示意图Fig.3 Granular layer mapping and switching diagram of cloud manufacturing service retrieval space

2.2 多粒度检索需求的粒度分解与求解框架

用户在不同粒层上关注的角度和属性特征不同，例如在资源颗粒粒度上，用户关心的是某关键资源颗粒的能力属性；在制造活动单元粒度上，用户关心的是该制造过程的能力属性；在制造服务粒度上，用户关心的是制造服务内所有制造活动的综合能力属性。在实际云制造服务检索中，用户的原始检索需求一般包含来自不同粒层的多种粒度大小的服务特征信息，因此首先需要对多粒度检索需求进行粒度分解。如图4所示，从初始检索需求R中抽取与服务特征属性有关的需求信息R3，得到云制造服务粒层商空间G3(X3,T3)下的检索问题Problem（G3,R3），同理可分别得到制造活动粒层商空间G2（X2,T2）中的 Problem（G2,R2）和制造资源粒层商空间G1(X1,T1)中的Problem（G1,R1）。各层检索问题的求解遵循由粗到细、逐层求精的原则，下层商空间由上层商空间检索问题的解集通过映射函数h决定，此处h一般包括从上层解集中提取论域集合、特征属性及结构关系组成新商空间等操作。

图4 多粒度检索需求的粒度分解与求解框架示意图Fig.4 Particle decomposition and solution framework of multi-granularity retrieval needs

2.3 基于灰相似粗糙集的云制造服务粒层递归检索

云制造平台上分布着大量功能相似但内部资源颗粒及过程特征都不同的云制造服务，而且部分服务在封装过程中存在属性缺失或波动范围较大等不确定性问题，如何在海量云制造服务中检索和发现与需求最为相近的可用服务是本文的重点。

粗糙集理论［25］是一种处理不确定性问题的有效方法，能够在没有任何先验信息时发现数据中隐含的知识，被广泛应用于分类决策问题。传统粗糙集模型对待处理数据分类要求精确，但实际数据集合中常常包含很多不确定性和噪声。灰色系统理论［26］能够对“小样本、贫信息”的不确定性系统继续正确有效的分析，克服粗糙集理论的不足。本文采用基于灰相似关系的粗糙集模型来解决同一层次数据集中信息的不完备性和不一致性，并采用结合灰色理论与粗糙集的层次递归算法解决不同粒层的云制造服务检索，算法具体步骤如下。

（1）设定当前层为云制造服务层，当前论域X为初步符合条件的云制造服务集合。

（2）获取当前层中作为评价指标的不同粒度属性集合C={f1,f2,…,fn}，称为条件属性集，并将条件属性集采用区间数进行量化描述，获取各评价指标的权重值ωi，满足

（3）获取该层作为决策指标的属性集合{d1,d2,…,dm}，称为决策属性集，并进行量化描述；

（4）构建该层灰色决策表GD=（X,C⋃{d}，VC⋃ Vd,f⊗）。其中，X为论域，即待决策集合；C为条件属性集,决策属性集D={d}；VC和Vd分别为属性C和d的值域；信息函数f⊗:X×（C⋃{d}→VC×Vd）。确定各属性的值域，建立灰色决策表GD。

（5）设置该层条件属性值的灰相似度阈值α，获得该层新灰色决策表GDα=（X′，C⋃{d}，VC⋃Vd,f⊗）。

（6）确定该层相似度阈值β，计算在该灰色阈值和相似度阈值下与需求云制造服务的相似集合其 中 ，区 间a和 区 间b的 相 似 度 采 用计算。

（7）按决策属性指标将云制造服务划分到各决策类di中，生成该层云制造服务集合D（ii=1，2，…，m）。计算Di关于GDα依据相似度阈值β的正域

（8）如当前层为云制造服务层，则调整当前论域为X=pos(α,β)C（d），设定当前层为制造活动层，转步骤（2）；否则转步骤（9）。

（9）如当前层为制造活动层，则调整当前论域为X=pos(α,β)C（d），设定当前层为资源颗粒层，转步骤（2）；否则转步骤（10）。

（10）输出检索结果pos(α,β)C（d），其中，各待选云制造服务的顺序按照其与目标需求的欧氏距离从小到大排列，算法结束。

3 算例与验证

本文以笔者所在单位自有金属3D打印设备为例说明多领域制造资源的粒层化服务封装过程。如图5所示，首先通过分析将金属结构件快速成形服务分为数据切片、3D打印、后处理、打包与物流4个制造活动单元，并根据每个制造活动单元所需要的人、机、料、法、环等关键制造资源要素对本单位相关资源进行梳理与归类，形成资源颗粒、以制造活动为中心的资源颗粒簇、实例化后的制造活动单元等云制造服务封装的基础。接着按1.3节中的信息建模方法基于WSMO Studio（WSMO概念模型建模工具）依次对多域异构资源颗粒、实例化后的制造活动单元、由多个制造活动协作的完整服务活动等3种不同粒层的关键属性进行语义标注及赋值，并通过WSDL描述语言以Web Service的形式在云平台上注册、发布，形成层次分明又相互联系的金属构件快速成形云服务。实际服务过程中，各关键云制造资源颗粒的可用状态可通过物联感知的方式实时监测并上传至云端，形成线上线下一体化协同的云制造服务模式；同时服务过程管控引擎根据各资源颗粒的可用状态实时评估服务的可用性，发生异常时及时屏蔽故障节点并转移制造任务，保证云制造服务过程的平稳可控。

限于目前尚无较为成熟且大规模应用的开源云制造服务平台，且云制造服务的检索过程主要基于相关资源及服务信息，为验证本文所提方法的可行性，笔者从www.mfg.com、猪八戒网（www.zbj.com）、天猫商城（www.tmall.com）等平台上搜集了135家涵盖钛合金、模具钢、铝合金、石墨、光敏树脂、尼龙等材质的快速成形服务提供商，根据其提供的关键设备、工艺过程、质量特性、服务范围、服务时效及价格等信息加上部分由笔者模拟添加的人员、场地等共同构成测试数据集。然后按照1.3节中方法进行服务分层封装并以Web Service的形式在原型平台上进行注册、发布。现有一客户其检索需求如表1所示。

图5 金属3D打印设备粒层化服务封装过程示意图Fig.5 Grain layer service encapsulation process diagram of metal 3D printing equipment

表1 云制造服务检索需求信息表Tab.1 Retrieve demand information of cloud manufacturing services

限于篇幅，本文以制造活动层为例说明检索过程，满足服务层需求属性特征的云制造服务有8个，根据制造活动层的需求属性构建灰色决策表（表2），以成形工艺先进性c1、管理规范性c2、可加工尺寸c3、表面精度c4为评价指标，对应的权重值分别为wc1=0.2、wc2=0.1、wc3=0.3、wc4=0.4，并以服务经济性d作为决策指标，构建灰色决策表GD=(X,C⋃{d},VC⋃ Vd,f⊗)。其中论域X={1,2,3,4,5,6,7,8}，条件属性集C={c1,c2,c3,c4}，各指标采用十分制量化为区间数。

表2 云制造服务灰色决策表GDTab.2 Gray decision tableGDof cloudmanufacturing service

采用灰色极差变换法消除条件属性的量纲以增加可比性，计算所有云制造服务的灰相似度并设置灰相似度阈值α=0.5，得到变换后的灰色决策表GDα=（X',C⋃{d},VC⋃Vd,f⊗），见表3。

表3 云制造服务灰色决策表GDαTab.3 Gray decision tableGDαof cloud manufacturing service

取区间数相似度阈值β=0.5，得到

又因为X/d={{1,3,6,7},{2,5},{4}}且服从{1，3，6，7}≻{2,5}≻{4}，根据择优原则取与目标需求最接近的集合D1={1,3,6,7}，则即云制造服务 1、6、7被目标需求完全承认，则认为符合制造活动层目标需求的云制造服务有1、6、7可供选择。接着将1、6、7云制造服务作为资源颗粒层的输入，最后求得6号云制造服务为最优待选云制造服务。

同等条件下采用改进遗传算法进行寻优，其中各特征属性的不确定性采用三角模糊数表示，选取交叉概率为0.6，变异概率为0.05，经多次迭代计算输出的最优云制造服务同样为6号云制造服务。与灰相似粗糙集搜索算法比较发现，遗传算法没有很好地利用领域知识和模仿人类由粗到细逐步寻优地能力，且极易陷入局部最优，如本文算例中有时会输出7号云制造服务为最优；另外在满足需求的云制造服务数量较大且相似度较高的情况下，遗传算法在时间复杂度上不如灰相似粗糙集搜索算法的集合运算效果好。

4 结论

本文构建了制造元活动模型以实现多领域制造资源的有效聚合，并基于商空间粒计算理论对资源簇的制造能力进行逐层封装，提出了基于灰相似粗糙集的层次递归搜索算法以解决服务特征属性的不确定性问题，建立了一套元活动模型驱动的多领域制造资源粒层化服务封装与检索方法。算例表明，以制造活动单元为中心进行多领域制造资源聚合与服务封装的方式能够在云制造服务中融入更多的制造过程领域知识，可以有效提高服务检索的查准率，且为后续云制造平台与企业内部已有制造执行系统有机集成提供参考。未来将进一步扩充测试数据集的种类和规模并开发相应的制造服务封装工具，就资源颗粒的智能聚合接口展开研究，以期实现云制造服务的自组织与智能寻租。

［1］ 张霖，罗永亮，范文慧，等.云制造及相关先进制造模式分析［J］.计算机集成制造系统，2011，17（3)：458⁃468.ZHANG Lin，LUO Yongliang，FAN Wenhui，et al.Analyses of Cloud Manufacturing and Related Advanced Manufacturing Models［J］.Computer In⁃tegrated Manufacturing Systems，2011，17（3):458⁃468.

［2］ 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，2011，17（3)：477⁃486.TAO Fei，ZHANG Lin，GUO Hua，et al.Typical Characteristics of Cloud Manufacturing and Sever⁃al Key Issues of Cloud Service Coposition［J］.Computer Integrated Manufacturing Systems，2011，17（3)：477⁃486.

［3］ 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.LI Bohu，ZHANG Lin，WANG Shilong，et al.Cloud Manufacturing—a New Service Oriented Networked Manufacturing Model［J］.Computer Integrated Manufacturing Systems，2010，16（1)：1⁃7.

［4］ 李伯虎，张霖，任磊，等.再论云制造［J］.计算机集成制造系统，2011，17（3)：449⁃457.LI Bohu，ZHANG lin，REN Lei，et al.Further Dis⁃cussion on Cloud Manufacturing［J］.Computer In⁃tegrated Manufacturing Systems，2011，17（3):449⁃457.

［5］ WANG Xi，XU Xun.Virtualise Manufacturing Ca⁃pabilities in the Cloud：Requirements，Architecture and Implementation［J］.International Journal of Manufacturing Research，2014，9（4)：348⁃368.

［6］ LIU Ning，LI Xiaoping.Granulation ⁃ based Re⁃source Classification in Cloud Manufacturing［J］.Proceedings of the Institution of Mechanical Engi⁃neers，PartB：JournalofEngineering Manufac⁃ture.2015，229（7):1258⁃1270.

［7］ 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)，2013，41（3)：1⁃7.YAO Xifan，JIN Hong，XU Chuan，et al.Virtualization and Servitization of Cloud Manufacturing Resources［J］.Journal of South China University of Technology（Natural Science Edition)，2013，41（3):1⁃7.

［8］ 马军，罗国富，路迪，等.制造资源云集成元建模及云Agent服务调度研究［J］.中国机械工程，2014，25（7)：917⁃923.MA Jun，LUO Guofu，LU Di，et al.Research on Man⁃ufacturing Resources Cloud Integration Meta Model⁃ing and Cloud Agent Service Scheduling［J］.China Mechanical Engineering，2014，25（7):917⁃923.

［9］ 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，2014，281（7)：112⁃115.WU Jiao，LI Shaobo.The Hardware Resource Virtual Encapsulation in Cloud Manufacturing［J］.Machinery Design and Manufacture，2014，281（7):112⁃115.

［10］ 尹翰坤，尹超，王伟，等.基于Multi⁃Agent的制造资源云服务化封装方法及适配器研究［J］.计算机集成制造系统，2014，20（12)：3182⁃3188.YIN Hankun，YIN Chao，WANG Wei，et al.Cloud Service Encapsulation Adapter for Manufacturing Re⁃source Based on Multi⁃ agent［J］.Computer Integrat⁃ed Manufacturing Systems，2014，20（12)：3182⁃3188.

［11］ ZHANG Yingfeng，ZHANG Geng，LIU Yang，et al.Research on Services Encapsulation and Virtualiza⁃tion Access Model of Machine for Cloud Manufactur⁃ing［J］.Journal of Intelligent Manufacturing，2015，28（5):1109⁃1123.

［12］ 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.WU Lei，MENG Xiangxu，LIU Shijun.Resource Ser⁃vice Encapsulation in Manufacturing Grid［J］.Com⁃puter Integrated Manufacturing Systems，2008，14（9)：1837⁃1844.

［13］ 韦涛，李迎光，刘旭.面向航空复杂结构件数控加工过程的云制造服务生成方法［J］.计算机集成制造系统，2016，22（11)：2707⁃2717.WEI Tao，LI Yingguang，LIU Xu.NC Machining In⁃process Oriented Cloud Manufacturing Service Gen⁃eration Method for Complex Aircraft Structural Parts［J］.Computer Integrated Manufacturing Systems，2016，22（11)：2707⁃2717.

［14］ CRCIUNEAN V.A Linguistic Model of Aggregation in Virtual Manufacturing Processes［J］.Academic Journal of Manufacturing Engineering，2014，12（3)：124⁃129.

［15］ 罗永亮，张霖，陶飞，等.云制造模式下制造能力建模关键技术［J］.计算机集成制造系统，2012,18（7)：1357⁃1367.LUO Yongliang，ZHANG Lin，TAO Fei，et al.Key Technologies of Manufacturing Capability Model⁃ing in Cloud Manufacturing Mode［J］.Computer In⁃tegrated Manufacturing Systems，2012，18（7)：1357⁃1367.

［16］ 肖莹莹，李伯虎，柴旭东，等.云制造中的制造能力服务形式化描述方法［J］.系统仿真学报，2015，27（9)：2096⁃2107.XIAO Yingying，LI Bohu，CAI Xudong，et al.Re⁃search on the Formalization Description Method of Manufacturing Capability Service in Cloud Manu⁃facturing［J］.Journal of System Simulation，2015，27（9)：2096⁃2107.

［17］ LIU Ning，LI Xiaoping，SHEN Weiming.Multi⁃granularity Resource Virtualization and Sharing Strategies in Cloud Manufacturing［J］.Journal of Network and Computer Applications，2014，46：72⁃82.

［18］ PENG Anhua，XIAO Xingming.Optimized Retriev⁃al for Manufacturing Resource Using Fuzzy Clus⁃tering under Uncertain Environment［J］.Journal of Information and Computational Science，2014，11（6)：1899⁃1908.

［19］ 李成海,黄必清.基于属性描述匹配的云制造服务资源搜索方法［J］.计算机集成制造系统，2014，20（6)：1499⁃1507.LI Chenghai HUANG Biqing.Cloud Manufactur⁃ing Service Resources Based on Attribute Descrip⁃tion Matching［J］.Computer Integrated Manufactur⁃ing Systems，2014，20（6)：1499⁃1507.

［20］ BOUZID S，CAUVET C，FRYDMAN C，et.al.A Pattern⁃based Approach for Semantic Retrieval of Information Resources in Enterprises［C］//Pro⁃ceedings of the 16th International Conference on Enterprise Information Systems.Lisbon，2014:193⁃200.

［21］ 蔡坦，刘卫宁，刘波.一种新的基于直觉模糊集的制造云服务优选方法［J］.中国机械工程，2014，25（3)：352⁃356.CAI Tan，LIU Weining，LIU Bo.A New Method of Cloud Manufacturing Service Optimal⁃selection Based on Intuitionistic Fuzzy Set［J］.China Me⁃chanical Engineering，2014，25（3)：352⁃356.

［22］ 谭伟，刘璇，徐钦桂.服务环境下多粒度制造资源自适应组织与发现［J］.计算机集成制造系统，2014，20（9)：2283⁃2296.TAN Wei，LIU Xuan，XU Qingui.Adaptive Orga⁃nization and Discovery of Multi⁃granularity Manu⁃facturing Resource in Service Environment［J］.Computer Integrated Manufacturing Systems，2014，20（9):2283⁃2296.

［23］ 朱李楠，赵燕伟，王万良.基于RVCS的云制造资源封装、发布和发现模型［J］.计算机集成制造系统，2012，18（8)：1829⁃1838.ZHU Linan，ZHAO Yanwei，WANG Wanliang.Model of Resource Package，Publication and Dis⁃covery Based on RVCS in Cloud Manufacturing［J］.Computer Integrated Manufacturing Systems，2012，18（8)：1829⁃1838.

［24］ Hu C，Xu C，Cao X，et al.Study on the Multi⁃granu⁃larity Virtualization of Manufacturing Resources［C］//ASME 2013 International Manufacturing Science and Engineering Conference Collocated with the 41st North American Manufacturing Re⁃search Conference.Madison，2013:V002T02A008.

［25］ 张文修，吴伟志，梁吉业.粗糙集理论与方法［M］.北京：科学出版社，2003:1⁃12.ZHANG Wenxiu，WU Weizhi，LIANG Jiye.Rough SetTheroyandMethod［M］.Beijing：Science Press，2003:1⁃12.

［26］ 刘思峰，谢乃明.灰色系统理论及其应用［M］.北京：科学出版社，2008:1⁃6.LIU Sifeng，XIE Naiming.Grey System Theroy and Its Application［M］.Beijing：Science Press，2008:1⁃6.*