云制造环境下技术资源需求的优选方法

叶宝忠，陈 建

（桂林航天工业学院，桂林 541004）

0 引言

近些年来,我国制造业取得了飞速发展,现已在世界制造大国行列中名列前茅。为了进一步巩固和提升我国制造业在国际市场上的竞争力，从制造大国向制造强国转型是基本途径。由此，信息化制造、网络化制造、智能化制造等先进制造模式应运而生，在此基础上，李伯虎院士[1]更是通过与物联网、云计算等技术深度融合，创造性地提出云制造这一面向服务的制造新模式。云制造充分利用网络和云服务平台，通过将各类分散的制造资源集中，再将集中的制造资源分散的运行机制，为制造用户提供适时所需的制造服务，进一步提高了制造资源的使用效率以及制造业的制造效率[2]。

实现云制造的关键之一在于制造资源的有效共享和优化配置。Zhou Kai[3]基于动态蚁群算法对云环境下农业装备制造服务的优选问题进行了研究；王有远[4]提出云制造环境下设备资源与加工任务的匹配方法；程元[5]针对云制造环境下异地分布的3D打印设备资源的选择评价问题，基于混合粒子群算法进行了探究；吴书强[6]将鲸鱼算法予以改进，对云环境下制造资源的配置问题进行了分析和思考；李海[7]、龚小容[8]、尹超[9]均对云环境下机床资源的选择问题展开了研究；为了有效地完成对云制造环境下设备资源的优选，易安斌[10]提出设备资源的多目标优化选择方法。

以上文献均对云制造及其制造资源进行了深入的研究与探索，并取得了大量的研究成果。总的来看，目前的研究主要是侧重于对硬资源，如机械、设备、机床等的讨论，但对于如技术资源之类的软资源的探讨却相对匮乏。随着市场竞争的加剧，产品更新换代速度的加快，企业对技术资源的需求将会变得更加旺盛，作为一种典型的软资源，技术资源具有如增值性强、共享性好等独立特点，并且更易灵活满足云平台异地用户的调配使用。因此，对云环境下技术资源的有效选择和匹配问题进行研究具有重要的价值和意义。另外，在选择决策方面，当前探讨的着重点在于需求方对提供方的选择，而关于提供方如何选择需求方的分析鲜为少见。众所周知，云环境中制造资源供需双方在进行相互之间的选择时，优质的资源提供方往往是需求方青睐的对象，所以一个提供方同时面对多个需求方的需求是客观存在的情形，而此时提供方如何从需求方中进行选择也是一亟需解决的问题。然而，目前没有文献确切地提出云制造环境下技术资源需求方的评价方法，无法解决技术资源提供方对需求方的选择问题。鉴于此，文中以云环境下一个技术资源提供方面对多个需求方的情况为背景，结合双方的特点，从提供方的角度，合理地建立需求方的评价指标体系，并在此基础上，采用相应的模型和方法，对需求方进行评价，为提供方的选择决策提供依据。

1 评价指标体系的构建与拟解决问题的说明

1.1 评价指标体系的构建

云制造环境下，当技术资源提供方对需求方进行选择时，提供方需要有相应合理的指标对需求方进行评价，由此，评价指标的选取和指标体系的建立尤为重要。充分考虑云环境中技术资源供需双方的特点，基于前人的研究，运用科学的方法将各选择评价因素进行处理、分类，结合QoS[11]评价技术，提出如下所示的技术资源需求方评价指标体系。

图1 技术资源需求方评价指标体系

1）需求维：需求价格（p1）表示需求方愿意为技术资源提供方支付的报酬；需求时间（p2）指需求方提出的服务时间周期；需求质量（p3）代表需求方对服务的质量要求。以上三项指标值可以由需求方的需求信息中直接获得。

2）企业维：企业现状（p4）指的是需求方企业目前的经营状况，由云平台专家根据其现状给出评价值；行业地位（p5）表示需求方企业在其所属制造云行业内的排名，可根据云平台系统数据信息直接得出；需求潜力（p6）是指需求方企业在未来的发展过程中对同种技术资源的需求潜力大小，由云平台专家根据需求方企业的发展情况给出评价值。

3）品德维：稳定程度（p7）代表需求方企业对其与提供方所定下的供需服务的稳定性，设某需求方于云平台与对应提供方所定供需服务的总次数为n，其中有a次违约，则p7=；结款速度（p8）指需求方为提供方支付报酬的速度，设某需求方与相应提供方在云环境下成功的交易次数为k，其第i(i=1,2,...,k)次应该为相应提供方支付的报酬为bi元，账款结清的时间间隔为天，则p8=

评价指标中，企业现状p4和需求潜力p6属于语言变量，文中采用的语言评价集如下：

表1 语言评价集

不同的评价指标具有不同的属性趋势，从技术资源提供方的视角，在对需求方进行评价选择时，可将指标进行如下分类。

表2 评价指标的分类

1.2 拟解决问题的说明

技术资源提供方在选择需求方时，根据上述八项指标对需求方进行评价，将需求方的评价模型记为r={p1,p2,...,p8}，设需求方集合为R={r1,r2,...,rn}，由此可得需求方的属性集合为：

文中拟解决的问题是：技术资源提供方如何根据需求方的属性集合R，科学地做出决策，从中选择最佳。

2 优选模型与方法

2.1 求解评价指标的客观权重

变精度粗糙集模型[12]具备较强的抗干扰能力，可以较好地计算获得评价指标的客观权重，因此文中采用此模型进行技术资源需求方评价指标客观权重的求解，并由中心聚类方法[12]进行聚类化处理。

设四元组集合I=(U,A=C∪D,V,F)代表技术资源提供方的相关信息系统。其中，U表示实例对象；Z条选择交易历史记录表示为U=(x1,x2,...,xz)；A为属性集合，其中，C=(a1,a2,...,an)为指标属性集，D=(an+1)为决策属性集；V为A的值域；F代表指标属性反映到值域中的具体信息。

定义1：设X、Y表示实例对象论域的非空子集，且存在XY，则有：

定义3：设指标对数据对象的分类能力以指标属性信息量表示[13]，信息量的大小体现指标分类能力的强弱。由式(2)所示：

定义4：设在根据决策属性进行分类时，决策属性对指标属性的依赖程度由指标属性的被依赖度表示[14]，被依赖度体现指标的重要性大小。由下式求得指标αp的被依赖度λ(αp)：

因γ(αm)、γ(αp)代表指标重要程度的不同方面，所以采取式子

2.2 求解评价指标的主观权重

文中采用五级标度赋值法[15]对评价指标的主观权重予以确定，具体如下：

1）评价指标赋值。设评价指标个数为n，djk表示指标j对k的五级标度值，根据表3对指标集进行赋值可得赋值矩阵。

表3 五级标度赋值

赋值矩阵：

2）采用下式计算评价指标的五级标度值之和

3）由下式计算评价指标的主观权重

2.3 求解评价指标的综合权重

记由变精度粗糙集模型所确定的评价指标的客观权重为L=(l1,l2,...,ln)，由五级标度赋值法所确定的评价指标的主观权重为U=(u1,u2,...,un)，采用以下式子对评价指标的主客观权重进行归纳，得评价指标的综合权重。

2.4 基于TOPSIS的评价与优选

理想点法[16]是通过计算评价对象与理想目标值之间的贴近程度，从而做进一步选择的方法。它可以较好地解决选择决策类问题，具体步骤为：

1）构造初始矩阵。设评价对象个数为m，评价指标个数为n，构建如下初始矩阵：

2）同趋势化处理。因评价指标分正向型和负向型两种，在进行理想点评价时，需要将原始指标值进行同趋势化处理。文中采用倒数法，即根据式(8)所示：

进行处理后得：

由于文中的评价指标大部分为正向型指标，因此，在进行同趋势化处理时将负向型指标值取倒数，使其与正向型指标同趋势。

3）规范化处理。同趋势化处理后，由式(9)

进行规范化处理，得：

4）建立加权规范化矩阵。根据评价指标的综合权重W，结合R''可得加权规范化矩阵，

5）确定正、负理想点。由以下两式予以确定，

上两式中，J+代表正向型评价指标列，J-代表负向型评价指标列。

6）计算距离。由以下两式子进行计算，

7）计算贴近度并进行选择。采用以下式子计算评价对象与理想点之间的贴近度，

3 算例与分析

3.1 算例

以某汽车制造企业G为例。已知车企G拥有一流的汽车制造技术，在满足自身制造需求的情况下，还具有相当的空闲期。为了应对形势的发展，也为了使企业获得更多的收益，车企G在云平台中提供相关的汽车制造技术资源服务。经过技术资源需求方的筛选，G同时被五家汽车制造企业r1、r2、r3、r4、r5选中，需求方企业均向G表达了强烈意愿，希望G能为其提供汽车制造技术服务。通过需求方的具体需求资料、相关领域专家评价、电话咨询、网络查找等方式，获得五家需求企业的需求信息如下所示。

表4 需求方的需求信息

3.1.1 评价指标客观权重的确定

结合变精度粗糙集模型，随机抽取车企G在云平台中八条归一化后的选择历史数据记录进行推理演示，具体如表5所示。

表5 车企G的选择历史记录

以5为聚类群数量，由K中心聚类方法将上表数据进行聚类化处理得

表6 聚类化处理后车企的选择历史记录

将以上数据代入式(4)可得评价指标的客观权重为：

3.1.2 评价指标主观权重的确定

针对需求维、企业维、品德维三个维度，由技术资源提供方进行五级标度赋值，得如下矩阵：

3.1.3 评价指标综合权重的确定

根据以上，由式(7)得评价指标的综合权重为：

3.1.4 评价与优选

对于需求方的需求信息，采用式(8)、式(9)进行同趋势化处理和规范化处理后得：

表7 同趋势化规范化后需求方的需求信息

结合评价指标的综合权重，由式(10)～式(15)得需求方与理想点之间的贴近程度如表8所示。

表8 需求方与理想点的贴近程度

由此，将需求方的贴近程度进行排序为r5＞r3＞r2＞r1＞r4，所以，需求方r5与理想点最为贴近，车企G应该选择需求方r5。

3.2 分析

采用满意率来对优选方法的有效性进行检验，定义技术资源提供方的满意率为其所满意的选择次数与其选择总次数之比，如下式：

根据现存的选择方法[17]，通过实验模拟20次不同的技术资源服务选择，每次模拟由100家技术资源提供方企业对需求方进行优选，分别比较三种不同的选择方法下提供方对选择结果的满意率，三种方法分别为：

1）无差异选择法——评价指标均以相同的权重进行选择的方法；

2）主观选择法——只根据提供方的主观偏好进行选择的方法；

3）文中的选择方法——同时考虑评价指标主客观权重的选择方法。基于不同的选择方法，提供方对于结果的满意率的变化趋势及对比如图2所示。

图2 不同选择方法下技术资源提供方满意率的变化与比较

由上图可得，技术资源提供方对需求方进行选择时，随着选择次数的增加，文中所采用的选择方法与现有的方法相比，由于考虑了较为完善的评价指标，且同时兼顾到了评价指标主观和客观两方面的权重，所以提供方对于选择结果的满意率不断提高，且稳定性越来越好。

4 结语

云制造环境下，制造资源供需双方时刻都在进行着相互之间的选择。技术资源作为典型的软资源，在实现云制造模式的过程中扮演着十分重要的角色。文中以云环境下一个技术资源提供方同时面对多个需求方的需求而要做出选择的情况为背景，对此时需求方的优选决策方法进行探讨。首先，建立了对需求方的评价指标体系，根据提供方的选择历史记录，采用变精度粗糙集模型，求解评价指标的客观权重；其次，由五级标度赋值法，由提供方对评价指标体系中各维度、各指标的相对重视程度，计算评价指标的主观权重；然后在评价指标的主、客观权重的基础上，获得其综合权重，并结合理想点法对需求方进行评价,从而实现对需求方的优选；最后以实例验证了优选方法的有效性和实用性。实例表明，该方法可以较好地解决云制造环境下技术资源提供方对需求方的选择问题，同时可以对提供方的满意度予以一定程度的保证。未来的研究将结合供需双方企业文化方面的信息，对云环境下二者的选择匹配问题做进一步研究和探索。