云制造环境下板材余料资源的服务匹配方法

张世淼，邵宏宇，陈 辰，陈永亮

（天津大学机构理论与装备设计教育部重点实验室，天津300354）

随着云计算、物联网等信息技术与先进制造技术的融合，云制造作为一种面向服务的、高效低耗的智能性网络化制造新模式［1］，已成为制造业发展的重要方向。国务院发布的《中国制造2025》提到：“发展基于互联网的个性化定制、众包设计、云制造等新型制造模式，推动形成基于消费需求动态感知的研发、制造和产业组织方式。”与传统制造相比，云制造的环境开放，能够满足海量用户的个性化需求，实现闲置资源的高效共享。

目前，在面向云制造的供应链流程管控过程中，存在跨规模企业供应链协同效率低的问题［2］。随着制造业的生产模式逐渐向小批量、多种类发展，很多板材加工类中小企业因智能化、信息化生产水平较低，极大部分板材余料被当作废料处理，难以再次利用。依托云制造模式的“制造即服务”思想［3‐4］，通过云制造平台将分布在各地的各类制造资源虚拟化和服务化，并进行统一管理，实现资源共享。因此，可将板材余料作为重要资源再次融入产品制造周期中，同时促进企业闲置加工设备的再次利用。在复杂的制造需求下，如何针对板材余料资源建立智能分类方法，对加工企业的板材余料和加工设备资源进行最优匹配，实现制造资源的服务化与高效共享［5‐6］，对不同规模企业的供应链协同实现动态优化，已成为亟待解决的问题。

目前，国内外学者已对云制造环境下资源的服务匹配问题进行了研究。例如：李慧芳等［7］采用五元组方法对制造资源进行描述，并根据服务类型和状态信息，提出了一种智能化的制造云服务搜索与匹配方法；荆彦臻［8］建立了面向加工能力的服务描述模型，采用聚类算法对功能性信息进行聚类，提出了基于可拓论的机械加工云服务集合选择方法，提高了服务匹配效率；孙晓琳［9］针对云制造环境下供应商的匹配，设计了三阶段匹配算法，主要包括功能性匹配、QoS（quality of service，服务质量）匹配和综合信息匹配；Zaremski等［10］对函数和模块两类软件库组件进行定义，提出了一种考虑精确匹配并兼顾不同松弛特征的函数‐模块匹配方法；Zapater等［11］采用基于服务标准分类的匹配方法，将服务的匹配程度分为一般匹配、完全匹配等，并对服务进行归类；赵金辉等［12］提出了基于QoS的云服务双向匹配模型，针对供需双方的评价信息，利用可变模糊识别方法对多指标信息的综合满意度进行计算；高亚春等［13］提出了一种基于QoS本体的Web服务选择方法，将QoS参数的语义匹配度和数值匹配度相结合，利用归一化算法对不同类型的QoS参数进行标准化；Ahmed等［14］采用人工神经网络建立了基于QoS的服务匹配模型；Wang等［15］提出了一种基于多用户的服务匹配框架，利用历史用户的经验QoS值来预测丢失的QoS值，以提供全局最优的服务匹配结果。

综上所述，目前对云制造模式的研究主要集中在服务提供方为机加工型企业时的资源服务化、资源组织与资源匹配上，而针对余料型企业资源服务匹配的相关研究较少。由于余料资源与加工设备资源不同，现有的资源服务化、资源组织与资源匹配方法无法直接应用。因此，笔者拟基于板材余料资源的特点［16‐17］，对云制造环境下板材余料资源的服务匹配方法进行研究，并结合实例进行可行性验证。云制造环境下板材余料资源服务匹配方法的整体架构如图1所示。

图1 云制造环境下板材余料资源服务匹配方法的整体架构Fig.1 Overall architecture of service matching method for surplus sheet material resource in cloud manufacturing environment

1 制造资源服务化建模

目前，制造资源的本体建模尚没有统一的方法，建模对象、建模目的和建模约束不同时所采用的建模方法是不同的。在制造资源本体建模方法中，“七步法”最为常用［18］。在“七步法”中，使用频率最高的工具是Protégé软件，该软件通过树形结构存储本体的概念和属性，可以清晰地梳理本体间的知识体系，创建资源本体模型。

板材加工企业与其他类型企业不同，其在拥有加工设备的同时还拥有大量的板材余料。与其他制造资源相比，板材余料资源的特殊性在于其形状和面积较难识别和计算。此外，由于板材加工设备种类和数量众多，实现板材余料及其加工设备资源的供需匹配成为一大难点。

针对板材加工企业制造资源的多样性和异构性，分别建立板材余料资源和板材加工设备资源的本体模型，并将服务描述语言转化为云制造平台可识别的语言，以消除语义信息的不一致。

1.1 板材余料资源本体建模

与其他制造资源相比，板材余料资源除了具有海量性和异构性的特点外，其在资源匹配中还具有优先性。在资源组织方面，可以使具有类似余料资源的企业形成服务集合，对分散的余料资源进行集中使用，以提高满足用户需求的能力。

板材加工企业的订单种类多且动态性强，导致板材余料的形状复杂多样且信息分散；同时，不同加工工艺可能会导致板材余料的理化属性和力学属性等不同。对板材余料资源的属性进行分析，构建其本体模型，如图2所示。

图2 板材余料资源本体模型Fig.2 Ontology model of surplus sheet material resource

为实现板材余料资源的共享和交互，采用三元组方式来表示其本体：

式中：O为板材余料资源本体；C为板材余料资源概念集合；Re为板材余料资源概念关系集合，Re=｛attri‐bute‐of，kind‐of，instance‐of｝，其中“attribute‐of”表示一个概念是另一个概念的属性，“kind‐of”表示2个概念间存在继承关系，“instance‐of”表示概念与实例的关系；H为板材余料资源概念间的层次结构。

根据板材余料资源本体模型的结构特点，建立板材余料资源描述模型，表示为：

式中：BA为基本属性集合，包含板材余料的编号（ID）、供应商编号（MsID）、材料（Mat）；UA为调用属性集合，包含板材余料的形状（Shape）、面积（Area）、厚度（Thick）、最大有效长度（RecL）、最大有效宽度（RecW）；CI为注释信息集合，包含板材余料的数量（Num）、表面质量（有、无划痕）（SurCondition）、模型（Model）。

对于某板材余料资源，可将其描述为：{{ID：MatR001，MsID：MS01，Mat：Q235｝，｛Shape：两边平行型，Aera：0.54 m2，Thick：10 mm，RecL：60 mm，RecW：810 mm｝，｛Num：23件，SurCondition：无，Model：

1.2 板材加工设备资源本体建模

板材加工设备分为冲床、剪切板和切割机三类。对板材加工设备的属性进行分析，构建其本体模型，如图3所示。

图3 板材加工设备资源本体模型Fig.3 Ontology model of sheet material processing equipment resource

根据板材加工设备资源本体模型的结构特点，建立板材加工设备资源描述模型，表示为：

式中：BA为基本属性集合，包含板材加工设备的编号（ID）、供应商编号（MsID）、类型（Type）、型号（Mdl）和制造商信息（Mfr）；FA为功能属性集合，包含板材加工设备的输入（Input）（即加工设备所能加工的材料）、输出（Output）（即加工设备加工的工件类型和所能达到的最大加工尺寸）、加工前提（PreC）和预期结果（Exp）；SA为状态属性集合，反映板材加工设备的状态，包含空闲、未满负荷、满负荷和失效等4种状态。

对于某板材加工设备资源，可将其描述为：{{ID：MauR001，MsID：MS01，Type：切割，Mdl：ROB‐WELD，Mfr：奔腾 激 光}，{Input：不锈钢、碳素钢、镍合金、……，Output：毛坯、直接下料成形件，0.01 mm，3000 mm*1500 mm*150 mm，PreC：需求方提供图纸及工艺要求，Exp：完成需求方工艺 要 求}，{空 闲}}。

2 板材余料资源的服务匹配方法

2.1 基于本体语义相似度的制造资源匹配

2.1.1 本体语义相似度计算

结合板材余料资源和板材加工设备资源本体模型的结构特点，利用语义相似度算法对其属性参数进行匹配。考虑到属性参数对应概念节点之间的深度和密度，采用权重分配的方式计算本体树中第k层连接概念路径的权重W（k），计算式为：

则概念间的语义距离D（C1，C2）为：

式中：l为本体树中2个概念间最短路径的长度，在本文计算中取l=1。

在对板材余料资源与板材加工设备资源进行匹配时，主要涉及语义型属性参数和数值型属性参数的相似度计算。

1）语义型属性参数。

当对板材余料资源的形状、材料等语义型属性参数进行匹配时，其相似度计算式为：

式中：s(R ，S)为需求集合R与服务提供方集合S中对应属性参数之间的相似度；α为调节因子，当需求输出为服务输出的父概念时，α∈(1，2]，其他情况下α=1。

2）数值型属性参数。

当对板材余料的厚度、面积等数值型属性参数进行匹配时，为了避免匹配结果为厚度、面积过大的板材余料，在计算厚度与面积等属性参数的相似度时，加入权重以控制匹配结果，计算式为：

2.1.2 板材余料的服务集合初选

依据板材余料在服务匹配中的优先性原则，对板材余料资源与其加工设备资源进行匹配，初步选定待选服务集合。首先根据板材余料的基本属性进行类别筛选，然后计算板材余料其他属性参数的相似度，最后输出待选服务集合。

在初选板材余料服务集合时，需先定义板材余料与板材加工设备之间的需求关系。由于需求包含服务描述内容，基于上文构建的板材余料资源和加工设备资源的描述模型，对某一具体需求进行描述，如表1所示。

表1 某板材余料与板材加工设备的需求描述Table 1 Demand description of surplus sheet material and sheet processing equipment

步骤1 板材余料类别匹配。

按照板材余料的形状，将云制造平台下板材余料资源分为两边平行型、两边垂直型、矩形组合型、多边形、矩形、正方形、圆形、三角形和不规则型等9种类型，形成9个资源集合。通过板材余料形状的匹配可快速过滤无关资源，提高服务匹配效率。

输入：板材余料形状需求（R.Shape）。

输出：板材余料资源集合（S'Mat）。

在板材余料资源本体模型中，“形状”为语义型属性参数，利用式（6）计算其匹配度，若匹配度为1，则输出该形状下的板材余料资源集合SMat。

步骤2 板材余料资源其他属性（主要为材料、面积和厚度）匹配。

输入：板材余料材料需求（R.Mat）、板材余料面积需求（R.Area）、板材余料厚度需求（R.Thick）、板材余料数量需求（R.Num）、板材余料表面质量需求（R.SurCondition）和匹配度阈值（ωRMat）。

输出：板材余料资源匹配集合（S'Mat）、板材余料匹配度集合（d）、服务提供方集合（S1）。

初始状态下板材余料资源匹配集合S'Mat=∅，d=∅，S1=∅，板材余料资源其他属性的匹配流程为：

1）上述板材余料属性中包含语义型和数值型属性参数，利用式（6）和式（7）计算需求集合R与板材余料资源集合SMat中各对应属性参数的匹配度，R与SMati（i为板材余料资源集合内元素的序号，i=1，2，…，K1）的匹配度di为各属性参数匹配度的均值，若di≥ωRMat，则保留板材余料资源集合SMati，即S'Mat=

2）i=i+1，若i≤K1，则转1），否则转3）。

3）算法终止，输出板材余料资源匹配集合S'Mat、板材余料资源匹配度集合d和服务提供方集合S1。

2.1.3 板材加工设备资源匹配

考虑到制造资源与服务提供方的关联性，基于输出的服务提供方集合S1，输出服务提供方所拥有的板材加工设备资源集合SManu。板材加工设备资源的匹配主要涉及类型、输入和输出的匹配。由于需求与服务可能含有多个输入、输出，当且仅当需求的每一个输入、输出与资源的输入、输出完全匹配时，需求方与服务方的板材加工设备资源信息才是匹配的。

步骤1 板材加工设备类型与状态信息的匹配。

通过板材加工设备类型与状态信息的匹配，可以快速淘汰无关资源。

输入：板材加工设备类型需求（R.Type）和匹配度阈值（ωType）。

输出：板材加工设备资源匹配集合（S'Manu），类型匹配度集合（dType）。

初始状态下S'Manu=∅，dType=∅，板材加工设备类型与状态信息的匹配流程为：

1）利用式（5）计算板材加工设备资源集合SManu内设备类型与需求类型的匹配度dTypej=s(R.Type，Type)。若dTypej≥ωType且加工设备不处于超负荷状态，则保留设备资源SManuj（j为板材加工设备资源集合内元素的序号，j=1，2，…，K2），即S'Manu=

2）j=j+1，若j≤K2，则转1），否则转3）。

3）算法终止，输出板材加工设备资源匹配集合S'Manu及对应的服务匹配度集合d'Type。

步骤2 板材加工设备的输入与输出匹配。

板材加工设备输入与输出匹配的基本思路为：对需求和上一步骤内输出的板材加工设备资源匹配集合S'Manu的每一个输入与输出进行匹配。假设板材加工设备资源输出有n个，需求输出有m个，当m>n时，需求与服务无法匹配；当m≤n时，依据需求概念相对资源概念所在的层级，选用合适的方法计算其匹配度。同理，对于需求输入的匹配，需求输入有p个，资源输入有q个，当p>q时，需求与服务不能匹配；当p≤q时，依据相应的公式计算其匹配度。

输入：输入需求（R.Input）、输出需求（R.Output）和匹配度阈值ωIO。

输出：板材加工设备资源匹配集合（S'Manu）、输入与输出的匹配相似度集合（dIO）和服务提供方集合（S2）。

初始状态下dIO=∅，板材加工设备的输入与输出的匹配流程：

1）当m≤n且p≤q时，逐一计算板材加工设备资源匹配集合S'Manu内设备输入与输出的匹配度，取二者均值为输入与输出匹配度dIOt。若dIOt≥ωIO，则保留该资源，否则将此条资源删除，dIO={ }dIOt∪dIO。

2）算法终止，输出板材加工设备资源匹配集合S'Manu、输入与输出匹配度集合dIO和服务提供方集合S2。

2.2 模糊QoS匹配算法

板材加工企业的QoS指标主要包括价格、信誉度、响应时间、物流服务、排产期以及曾经合作情况等6个指标，如图4所示。

图4 板材加工企业的QoS指标Fig.4 QoS indicators for sheet material processing enterprises

板材加工企业的QoS指标可表示为：

其中：Pc表示价格，指用户付的酬金；Rep表示信誉度，指用户对服务的评价；Tr表示响应时间，指需求从发布到接收所需的时间；Cv表示物流服务，指当前定价下是否提供物流服务；Sp表示排产期，指接收任务到执行任务的生产时间；Co表示曾经合作情况，有些用户更倾向于与合作过的服务方再次合作，以达成长期的战略合作。

但是，某些评价指标很难定量描述，例如信誉度常采用“高”“低”“一般”等自然语言来描述，为模糊语言［19］；此外，用户对QoS往往有不同的偏好［20‐21］，匹配结果不一定满足用户需求。因此，采用三角模糊数将模糊语言转化为数值进行定量描述；此外，为满足用户个性化需求，在计算QoS时引入用户偏好P和三角模糊数μ(x)。

式中：lL为模糊下限；uL为模糊上限；h为模糊数在模糊区间内可能性最大的值，lL≤h≤uL。

对于一个给定论域M上的模糊集，总存在一个数使得μ(x)∈[ ]0，1。将各类Qos指标的描述语言转化为三角模糊数，如表2所示。

表2 Qos指标的描述语言与三角模糊数对照表Table 2 Comparison table of QoS index description lan‐guage and triangular fuzzy number

基于三角模糊数，QoS的计算步骤为：

1）QoS矩阵Q中每一行代表某一服务提供方的QoS指标，每一列代表各企业QoS指标的对比。对各QoS指标进行归一化处理后得到Q'，然后提取最优QoS指标，得到矩阵B=[b1b2…b6]。

2）引入用户偏好，计算Q'与B中每一列的相似度。由于矩阵内元素为三角模糊数，选用三角模糊数欧几里得贴近度进行计算，为：

式中：Pg为用户偏好；x'fg为QoS归一化矩阵Q'中的元素。

3）依照Q'与B中对应元素的匹配度，对集合S进行排序，返回排序后的最终输出集合S'。

3 实例仿真

以表1为需求信息的输入来源，利用6家企业的20条板材余料资源与20条板材加工设备资源信息进行服务匹配，以验证本文方法的可行性。板材余料资源和板材加工设备资源信息分别如表3和表4所示。

表3 板材余料资源信息Table 3 Surplus sheet material resource information

表4 板材加工设备资源信息Table 4 Sheet material processing equipment resource information

3.1 基于板材余料特征的服务集合初选阶段

依据板材余料形状的本体结构，计算各形状匹配度。通过计算可得，9种板材余料形状的匹配度如表5所示。

表5 板材余料形状的匹配度Table 5 Matching degree of shapes of surplus plate material

依据图5所示的板材余料资源材料的本体结构，计算板材余料资源各属性参数的匹配度及其综合匹配度，结果如表6所示。

图5 板材余料材料的本体结构Fig.5 Ontology structure of material of surplus sheet material

根据表6结果，通过计算，输出的结果为：

表6 板材余料资源的匹配度Table 6 Matching degree of surplus sheet material resource

3.2 板材加工设备资源匹配阶段

根据计算得到的S1，导出板材加工设备资源集合SManu。首先，淘汰状态为满负荷的板材加工设备ManuR04和ManuR14；然后，计算板材加工设备形状与需求形状的匹配度。板材加工设备类型的本体结构如图6所示，其匹配度计算结果如表7所示。

图6 板材加工设备类型的本体结构Fig.6 Ontology structure of type of sheet material processing equipment

根据表7结果，通过计算可得：

表7 板材加工设备类型的匹配度Table 7 Matching degree of type of sheet material pro‐cessing equipment

然后对S'Manu进行服务输入与输出匹配，结果如表8所示。

表8 板材加工设备输入与输出的匹配度Table 8 Matching degree of input and output of sheet material processing equipment

通过计算，输出的结果为：

3.3 模糊QoS匹配过程

根据上文的模糊QoS匹配算法，输入：S={MS01，MS02，MS04，MS05} ，P={0.2，0.1，0.1，0.2，0.3，0. 1 }，输出：依据QoS匹配排序的服务提供方集合S。'4家供应商的QoS指标如表9所示。

根据表9结果，对各板材加工企业的QoS指标进行三角模糊化并建立矩阵Q：

表9 4家供应商的QoS指标Table 9 QoS index of four suppliers

利用式（9）对Q进行归一化处理，得到Q'：

得：

利用式（10）计算Q'与B对应列的匹配度，最终得到供应商排序结果为：

则满足需求的板材余料资源与板材加工设备资源集合为：

经过匹配计算后，得到了需求与每条资源间的匹配度，在众多资源中匹配出4家供应商的6条板材余料资源与5条加工设备资源可满足需求，并通过模糊QoS匹配算法对4家供应商进行了排序，验证了该匹配方法的可行性。

4 结 论

针对板材加工行业内板材余料浪费严重且再利用困难的问题，依托云制造技术，将板材余料作为制造资源接入云制造平台，从知识领域层面对板材余料和板材加工设备资源进行本体建模，提出了一种基于语义相似度算法同时融入QoS信息的分层次资源描述模型。先通过语义相似度算法对板材余料和板材加工设备的各个属性参数进行匹配，得到初选服务集合；再通过模糊QoS匹配算法对用户需求进行匹配，得到优选服务集合；最后，结合实例验证了该方法的可行性。

本文主要创新点包括以下2个方面：1）资源服务化。本文通过构建资源本体模型，提出了一种基于语义相似度算法同时融入QoS信息的分层信息模型，对余料资源进行匹配。2）资源共享化。搭建了一个制造能力与资源高度共享且用户可按需调用的制造体系。余料被作为废物处理时，其价格往往只有原价格的1⁄5，传统的资源匹配方法因订单的零散性、行业区域的分散性等原因而导致匹配效率很低。本文所提出的方法可为企业余料资源的再利用提供指导，促使余料资源信息在行业内高度共享，在提高资源利用率的同时大大降低了成本。