云制造环境下3D 打印订单特性分析与语义描述方法

张成雷，王金莹，窦光良，王 成，初豪杰，秦宝琦，齐玉瑞

（1.临沂大学 机械与车辆工程学院，山东 临沂 276000；2.山东理工大学电气与电子工程学院电气工程博士后科研流动站，山东淄博 255049；3.山东龙立电子有限公司，山东 临沂 276000）

0 引言

云制造是一种基于知识和面向服务的高效低耗型网络化智能制造新模式，其核心思想为“分散资源集中使用，集中资源分散服务”［1-2］。在云制造模式下，云3D 打印以云打印服务的形式进行增材制造过程中的三维数字模型设计、服务建模、发布、搜索、发现、匹配、组合、交易、执行、调度、结算、评估、维护、销毁等，以满足云制造服务的柔性组合与综合效用［3］。因此，订单任务优化执行过程十分注重3D 打印机资源的挖掘与服务语义匹配，体现在知识描述、智能检索、知识发现、匹配与组合、订单执行过程监控、订单任务状态跟踪、任务异常预警以及云3D 打印服务质量评估等各个执行阶段。在云3D 打印服务中，信息描述不仅是设备资源的形式化语义描述，更是潜在的敏感信息数据源，订单任务执行的相关信息一般以纯XML 数据库的形式存储［4］。因此，订单任务的语义建模主要解决以下问题：①订单任务在优化执行过程中语义信息描述的一致性；②订单任务执行过程中对历史记录进行统一描述以达到语义知识的重用性［5］。

本体（Ontology）是近年来计算机及其相关领域普遍关注的一个研究对象。作为一种能在语义与知识层次上描述信息系统的概念模型建模工具，本体已被广泛应用于知识工程、系统建模、信息处理、数字图书馆、自然语言理解、语义Web 等领域［6］。采用领域本体建模的方式表达订单任务相关语义信息是实现订单任务语义描述和语义知识重用性的有效途径之一。因此，有必要对云3D 打印订单任务相关概念以及概念间的关系、函数、公理和实例进行统一描述，实现对订单任务的定义，进而保证订单任务执行过程中知识的共享和重用［7-8］。为此，本文针对云3D 打印创新创意设计领域，提出一种通用云3D 打印订单任务本体。

1 相关研究

云3D 打印服务建模是对云制造模式下各类3D 打印服务的特征进行抽象分析，进而给出云3D 打印资源与功能的统一抽象描述模型。国内外研究成果表明，目前主要采用本体OWL 语言对服务资源领域中的类、属性、关系等进行定义描述，从而建立云3D 打印服务的本体模型。例如，Mi⁃chell 等［9］提出一种增材制造能力建模方法；李长春等［10］构建了基于Arena 的3D 打印云制造服务平台；姜月娟等［11］针对集散制造模式的理念、定义以及生产组织模式，提出一种基于3D 打印的网络化集散制造新模式；康玲等［12］为解决加工资源发现问题，提出一种基于本体语义的加工资源匹配方法，并构建了加工任务与加工资源的功能结，以及属性约束和服务状态发现机制，实现了信息模型与加工资源发现框架；Wang 等［13］考虑到半导体最终测试行业的运营复杂且受多资源约束，提出一种基于模糊商业规则抽取的模糊知识资源分配模型；Luo 等［14］为实现制造能力的共享与流通，提出一种云制造系统制造能力多维信息建模与描述方法；Chen 等［15］针对制造能力和制造资源的自动化管理问题，提出一种对等自管理节点的协作体系结构；Xie等［16］提出一种信息资源服务与云制造关联的语义模型，利用语义链接实现资源服务云的自动化集成与分布式更新；Sikos 等［17］针对几何基元的全面覆盖与语言表达能力问题，提出基于本体的三维模型索引和基于内容的视频检索方法；Trappey 等［18］提出一种基于本体的专利概念分析生物医学3D 打印技术的发展趋势；Uthayan 等［19］提出一种将本体查询与关键词搜索相结合的关键词匹配索引系统；Paolucci 等［20］提出一种基于OWL-S 的服务匹配算法；Kim等［21］提出一种改进关键字匹配的语义搜索方法；李成海等［22］在服务资源属性描述的基础上，提出基本属性分类描述模型进行云制造服务搜索与匹配；李颖新等［23］提出一种云制造环境下基于用户行为的个性化知识服务方法；Syeda等［24］提出基于语义与本体匹配的搜索服务知识库；李孝斌等［25］为解决机床装备资源属性特征问题，提出一种基于语义本体的机床装备资源描述框架。

目前3D 打印云制造的研究主要集中在云服务形式化描述、信息模型以及关键技术方面，云3D 打印服务建模尚处于初级阶段。针对云制造环境下3D 打印订单资源的异质异构、动态演化、高度自治等特性，以及网络化集成、服务化封装和供需智能匹配等需求，提出并构建了一种基于语义服务建模本体的3D 打印订单资源描述框架，并对支持该框架实现的元数据本体的表示方法、资源服务化封装等关键技术进行了研究。

2 基于多维度特征的订单任务分类与分析

当从多个角度研究某一事物时，被研究的事物称为实体，研究角度则为多维度。云3D 打印创新创意产品开发周期短、个性化需求多、专业程度高，单一维度难以实现该产品开发过程中服务资源统一、完整的描述。

2.1 基于多维度特征的云打印订单分类

在借鉴国内外相关研究成果的基础上，将其开发服务资源分为硬件资源、软件资源、计算资源、物料资源、人力资源和制造知识资源六大类［26］，具体见图1。

（1）硬件资源。指云3D 打印创新创意新产品开发云制造服务过程中涉及到的三维反求设备、3D 打印设备、计算设备、试验测试设备、移动终端设备、存储设备等硬件，如三维扫描仪、3D 打印机、计算机/平板/手机、移动硬盘等。

（2）软件资源。指云3D 打印创新创意新产品开发云制造服务过程中涉及到的各款软件等，主要分为软件工具和软件系统，软件工具指AutoCAD、SolidWorks、Inventor、CA⁃TIA 等辅助开发工具软件，软件系统指PDM、CAPP 等。

（3）计算资源。指云3D 打印创新创意新产品开发云制造服务过程中各种计算所需的资源，如高性能计算中心等。

（4）物料资源。指云3D 打印创新创意新产品开发云制造服务过程中涉及到的有一定品种和质量要求的物资［27］。

（5）人力资料。指云3D 打印创新创意新产品开发云制造服务过程中涉及到的人力规划要求，主要包括管理人员、工程技术人员、工人等。

（6）制造知识资源。指云3D 打印创新创意新产品开发云制造服务过程中涉及到的人才、技术资源和数据库等，如领域专家、专利、标准、流程知识等。

2.2 云3D 打印订单资源多维度特征分析

Fig.1 Service resource classification diagram of innovative new product development of cloud 3D printing图1 云3D 打印创新创意新产品开发服务资源分类图

为满足不同层次和不同业务阶段的需求，从概括特征维、产品全生命周期管理特征维、功能特征维、性能特征维、表征特征维、应用客户评价特征维和商务特征维7 个维度对云3D 打印创新创意新产品开发服务资源的特征进行概括［28］，具体如图2 所示。

（1）概括特征维指云3D 打印创新创意新产品开发过程中服务资源的基本特征、分类特征和属性特征。

（2）产品全生命周期管理特征维指云3D 打印创新创意新产品开发过程中涉及的3D 打印样品点云数据处理、三维反求、三维CAD 建模设计、分层切片处理、仿真分析等业务［29］。

（3）功能特征维指对云3D 打印创新创意新产品开发服务资源的用途进行定义，包括功能描述、服务速度、输入输出与前提条件和后置服务等，如LOM 成型加工功能特征维的输入为“打印材料”，处理为“3D 打印加工”，输出为“三维零件”。

（4）性能特征维指实现云3D 打印创新创意新产品开发服务资源功能的各种技术指标或限制条件，如3D 打印机的基层厚度、基线宽度、材料用量、外围线数等［30］。

（5）表征特征维用于描述服务资源的基本信息，包括服务名称、服务简介、服务提供商信息、服务类别等。

（6）应用客户评价特征维指客户对服务资源的评价，主要包括服务质量、服务态度和物流服务等［31］。

Fig.2 Mapping of multidimensional feature based on C3DP order resources图2 云3D 打印创新创意新产品开发服务资源多维度特征图

（7）商务特征维指云3D 打印服务资源具有商务特征，主要包括交易类别、计价方式、优惠选择等。

3 云3D 打印订单任务通用本体构建

3.1 知识本体目标

在互联网环境下，云3D 打印服务的调用、匹配与组合均需要进行统一的语义描述［32］。OWL-S 可用于描述Web服务，从3 个方面定义服务的语义，由3 个相关子本体实现，其结构如图3 所示。

Fig.3 Diagram of service ontology in OWL-S图3 OWL-S 中的服务本体图

在最简单的情况下，本体只描述概念的分类层次结构（也称为概念树）。在复杂情况下，本体可以在概念分类层次的基础上加入一组合适的关系、公理、规则表示概念之间的其他关系［33］。因此，本体可表示为：

式中，C表示概念。本体中的概念是广义上的概念C={c1,c2}，除了包括一般意义上的概念外，还包括任务、功能、行为、策略、推理过程等。本体中的这些概念通常按照一定的关系形成一个分类层次结构。

R代表关系，表示概念之间的一类关系R={r1,r2}，例如概念之间的subclass-of（子类）关系、part-of（部分）关系等。一般情况下，可以用关系R：C1×C2× …Cn表示概念C1、C2……Cn之间存在n元关系R。

F表示函数，是一种特殊的关系，如约束F={Oid,Odm}，其中第n个元素Cn相对于前面n-1 个元素是唯一确定的，函数可用F:C1×C2× …Cn-1→Cn表示。

A表示公理，概念或概念之间的关系所满足的公理是一些永真式。

I表示实例，即某类概念所指的具体实体。

3.2 本体映射信息模型

本体映射指3D 打印机工作任务本体和云3D 打印订单任务实例本体，以及订单、任务、3D 打印本体与云3D 打印订单任务实例本体之间存在的语义上的概念关联。图4 为云3D 打印订单任务信息模型本体之间的映射关系。

Fig.4 Mapping relationship diagram between sub-ontology of the order task图4 订单任务子本体之间的映射关系图

为解决本体系统间信息共享以及信息模型间的语义异构问题，在分析本体映射技术优势的基础上，提出基于本体的信息模型自动映射方法。该方法将信息模型转换为本体后，通过动态适应的多策略本体中概念之间的映射关系获得子本体，并按照映射模块与本体语义信息进行匹配，获取映射结果（实例本体）［18］。

3.3 云3D 打印订单任务初始本体构建

以Protégé3.4.7 为建模工具，结合云3D 打印订单任务的信息模型，在graphviz-2.38 的支持下，构建云3D 打印订单任务初始本体，具体如图5 所示。其中，椭圆表示本体概念，实线箭头表示概念间的层次关系，虚线箭头表示概念间的非层次关系。

云3D 打印实例信息是云3D 打印订单任务交易过程中整个交易信息的完整表示，是3D 打印机元件和三维模型的上位本体。实例知识本体模型包括组成云打印的3D 打印机元件集合信息｛3DPo'｝、三维模型信息3DMo'、3D 打印机元件与三维模型的关联信息Rel，定义为IKo，表示为：

式中，｛3DPo'｝包括3D 打印机元件的数量Nps、3D 打印机元件的类型Tps等；3DMo'与三维本体模型类似；Rel包括3D 打印机元件与三维模型之间的位置对应关系Lmr。图6为3D 打印机的三维模型实例知识本体所包含的信息。

3.4 云3D 打印订单任务语义特征空间

语义特征（Semantic Feature）是语言单位之间相互联系或区别的语义要素，很大程度上制约着语言单位相互组合的可能性以及组合方式，反映了语言单位的组织形式与现实世界的相对关系。在此基础上将本体O::={C,R,F,A,I}转化为一个语义特征空间，其中包含了本体O中所有的最小语义特征［34］。

Fig.5 Initial ontology model of cloud 3D printing order task图5 云3D 打印订单任务初始本体模型

Fig.6 Schematic diagram of instance knowledge ontology图6 实例知识本体示意图

构建云3D 打印语义特征空间的方法具体如下：

（1）搜索关键词集的特征向量表示。一般认为原始问题描述中的关键词能直接反映开发人员的需要，因此设计问题最终被转换成向量Vq，表示为：

式中，Wqi为搜索词集q中词元i的特征权重，Woi为搜索词i 与原始关键词的本体关系权重。

（2）索引知识的特征向量表示。知识域权重指对索引知识的不同描述内容赋予不同的权重，每个描述内容对应一个域权重Wk，Wk越大，该索引知识的描述内容越重要［35］。引入知识域权重后，索引知识最终被转换成向量Vd，表示为：

式中，Wdi为索引知识d中第i个词元的特征权重，为第i 个词元出现在索引知识d 的mi个资源描述域中所得到的知识域权重，Wkj为索引知识第j 个描述内容的域权重，mi为第i 个词元出现在知识索引d 中域的个数。

4 案例分析

基于语义描述的方法，本文在面向新产品开发的云3D打印服务通用本体建模上进行应用［36］。图7 为3D 打印机的本体建模与语义描述实验验证图例。

首先应用分层抽样（Stratified sampling）方法，对300 份文档进行属性约简的云打印订单分类处理。在此基础上，统计知识本体的术语频率并构建技术功效文档矩阵。在分析多维度特征后选择25 个术语，其订单资源特征取值如表1 所示。

Table 1 Attribute classification using feature of C3DP orders表1 云3D 打印订单分类属性特征

其次对样本数据进行标准化处理，使各指标处于同一数量级，做归一化处理后进行综合评价，具体样本数据如表2 所示。

Table 2 Part of sample data normalization表2 归一化处理后的部分样本数据

然后进行特征聚类计算，在此基础上选取100 个文档作为训练样本，对样本数据进行标准化处理，使各订单任务的详细属性信息指标处于同一数量级，做归一化处理后进行综合评价，具体样本数据如表3 所示。

Table 3 Part of sample data in the term document matrix表3 术语文档矩阵的部分样本数据

最后创建云3D 打印服务的本体。为比较各个信息指标的性能，引用基于订单分类的任务分配策略作为比较对象，在云制造模式的云3D 打印订单任务执行运作模型下对订单信息进行过程约束，并进行数据分类与特征聚合处理。在云3D 打印服务平台设备资源本体元描述模型的基础上，对丝材挤出热熔成型（FDM）类3D 打印机进行语义描述，构建该子类资源的描述模型，具体如图8 所示。

Fig.8 FDM 3D printer sematic description model图8 FDM 类3D 打印机语义描述模型

5 结语

本文在分析云制造环境下3D 打印订单任务属性特征的基础上，提出并构建了一种基于语义服务建模本体的3D打印订单资源描述框架，并对支持该框架的3D 打印订单资源元数据本体表示方法、订单资源服务封装等关键技术进行了研究，通过应用实验证明了该方法的有效性和可行性。

云打印服务是文印服务与“云”概念的有机结合，其核心思想是通过Internet 网络将各个分散的打印资源联络起来，全面打造互联互通的打印云网络，为客户提供自助打印服务，云3D 打印也是在这种背景下被提出来的。基于本文研究结果，后续将围绕3D 打印订单资源服务化封装工具、资源组合优化、云3D 打印服务动态协作调度等方面展开探讨。