云制造服务需求解析技术研究

李春泉，朱攀峰，何汉钊，唐海波

（桂林电子科技大学 机电工程学院，桂林 541004）

0 引言

云计算技术作为新一代服务计算技术，凭借其按需服务、资源虚拟化及为用户提供多粒度多尺度的按需服务能力等特点，得到了广泛关注与快速发展。云制造[1]是在云计算基础上以“按需服务”为核心的新型网络化制造模式，其利用资源虚拟化及多粒度、多尺度的访问控制手段，面向资源共享及任务协同目标，以分布、异构和多控制域的资源或资源聚合为云节点，透明、简捷、灵活地构建开放、动态地协同工作支持环境，同时提供通用、标准和规范的制造服务。

客户需求多粒度解析是保证云制造运行的关键技术。在云制造中，客户需求多样性且贯穿整个产品生产周期，客户需求解析的好坏直接关系客户对服务的满意度。客户需求信息一般涉及产品的整体特性，包括产品的性能、价格、交货期以及其他个性化需求，有些需求是模糊的，甚至是矛盾的需求，将客户需求信息转化为云制造系统所“理解”的多粒度语义调度信息是本文研究的重点。目前国内外很多学者研究了客户需求解析的方法。荷兰的Hofer.A.P等人[2]根据客户需求,在已有产品的基础上,根据需求差异,对产品进行局部、简单的修改或变异,经过整理、归类后形成了“产品族”。加拿大的Cariaga.I等人[3]在建立用户需求索引的基础上,通过数据封装分析(Data Envelopment Analysis, DEA)发现用户对产品设计更改的需求。桂林电子科技大学的刘夫云等[4]提出采用语义web构建客户需求框架，然后以此为基础采用推理机对客户信息进行推理，最终获取客户需求的方法。重庆大学的但斌等人[5]主要针对模糊的客户需求，首先构造模糊客户需求本体和产品族实例本体，然后基于本体映射的方法，通过相似度算法，获取准确的客户需求。西安交通大学的延鹏等人[6]提出了一种客户需求映射方法，将客户需求参数映射到产品模块属性参数，从而得到满足客户需求的产品配置。按需服务是云制造的主要特征，云资源提供给用户的是多种粒度的资源属性，云制造客户需求解析需同时面向客户个性化需求和云资源属性需求。上述研究主要从产品整体性能出发，限定解析对象，分析客户需求，获得标准化的客户需求，并未考虑资源的多粒度属性，显然已经不能适应云制造客户服务需求解析的需求，本文针对这一问题，结合云制造多粒度、多尺度等特点，采用语义web构建以客户需求为目标的多粒度云制造资源参数本体，建立一套共享的术语和信息表示结构，减少信息转换的难度和工作量, 为客户需求信息提供了一个统一的模式，在此基础上通过Jean推理机对客户需求进行推理，从而得到具体、规范、全面的客户需求信息。

1 云制造资源本体框架

1.1 云制造资源类型

云制造资源指涉及制造行业的一切活动和产品生命周期的物理资源（如加工设备、计算设备、数据文档）和信息资源（如设备能力信息、信誉评价、领域知识）的总称[7]。云资源具有多样性、异构性、分布性、抽象性和自主性等[8]特点，其资源构成如表1所示。从客户需求出发并根据云制造资源的特点，云资源的语义描述需保证以下要求。

1）关联性：云资源应具有语义信息和领域知识含义，满足资源匹配、调度、搜索、异构资源间的融合与重构等要求。

2）唯一性：同类资源的语义描述有且仅有唯一的描述。

3）一致性：保证新加入资源能被准确的描述且与现有资源描述不冲突。

表1 云制造资源构成

综上所述，以客户需求为中心的云制造资源的描述需要很强的信息表达能力和逻辑推理能力，本文采用Web Ontology Language（OWL）描述云制造资源本体框架，OWL是W3C推荐的语义互联网中本体描述语言的标准[9]，以资源建模框架标准(RDFS)作为概念模型框架[10]，采用描述逻辑(DescriPtion Logic DL)进行服务过程中的逻辑关系表达和关系推理,可形象化的将无序数据变为计算机“理解”的有序知识，具有很强的信息表达能力和逻辑推理能力。

1.2 多粒度云制造资源本体框架

根据云资源的分类及特点，设定云资源基本描述模型（P、C、T）, Property为资源的属性，包含云资源名称、性能、功能及组成部分等信息；Cost为该资源的成本；Time为制造该资源的时间。如图1所示为云制造资源本体框架，对云资源进行多粒度分解，将资源分解至制造过程中云平台所能提供的最小制造元（即云平台能提供的最小制造能力），最小制造元随着云平台的制造能力而改变。云制造本体建模过程[11]如下。

1）定义云资源类及层次关系。从资源分解中抽出类及层次的关系。其中，类对应本体体系中的class；对象对应本体体系中的Instance 或Individual。

2）定义云资源类之间的关系。主要是聚合关系，对应本体体系中的Object Property。

3）定义云资源属性。包括资源的名称、值、功能以及其他。对应本体体系中的Datetype Property。

图1 云制造资源本体框架

2 基于Jean推理机的客户需求分析

2.1 Jean 推理机

Jean由HP Labs开发的基于Java的开放源代码语义web工具包[12]，为解析和推理owl本体提供推理引擎，针对云制造客户服务需求可进行以下两种推理：1）云资源类推理。主要推理云资源之间类的包含、不相交、等价等关系以及云资源本体的一致性检查。2）云资源属性推理。资源属性与资源类之间的关系以及资源属性间的包含关系。

根据云制造资源构成的特点以及客户需求的特点，按照Jean Rules编写以下推理规则：

Rule1: (?a owl:hasPart ?b)(?a owl:isPartOf ?c)-＞(?b owl:isPartOf ?c)

Rule2: (?a owl:isPart ?b) (?b owl:isPart ?a)-＞(?aowl:istantamountOf ?b)

Rule3: (?aowl:istantamountOf ?b) (?bowl:istantamountOf ?c)-＞ (?aowl:istantamountOf ?c)

Rule4: (?a owl:hasPart ?b)(?b owl:hasPart ?c)-＞(?a owl:hasPart ?c)

Rule5: (?a owl:hasProperty ?b) (?b owl:hasProperty ?c)-＞ (?a owl:hasProperty ?c)

Rule6: (?a owl:isDisjoint ?b) (?a owl:isPart ?c)-＞(?b owl:isDisjoint ?c)

将上述规则导入Jean推理机，同时将云制造资源中的概念本体（指图1中的云制造、云资源、属性等概念本体）存储为Cloud Manufacturing.owl，把实例本体存储为Cloud Manufacturing.rdf（此处导入本体为图4的LED驱动板的本体），具体代码如图2所示。

Rule1为资源间的属于关系；Rule2与Rule3为均资源间的等价的推理关系；Rule4为资源之间的包含传递关系；Rule5为资源属性的传递关系；Rule6为资源之间的类属关系。由输出可知：1） PCB-Material的子类资源全部输出；2） PCBMaterial隐藏属性经推理机变为PCB的属性。

2.2 系统流程图

现构造云制造服务需求解析系统流程图，如图4所示，客户通过平台用户界面提交服务需求，首先通过任务处理器查询知识库，如果有同样的任务需求结果在知识库中，则直接输出任务解析结果；如果没有则继续通过推理机模块对任务进行推理解析，推理所得结果返回给客户以及存储到查询知识库中，领域专家通过API接口输入资源本体。

图2 推理功能部分代码

图3 云制造服务需求系统流程图

3 试验验证

本文以产品LED驱动板为例，通过MyEclipse JAVA开发软件将云制造资源本体域和对应的规则库与Jean包连接，并在云制造演示平台进行了实验验证。图4为protégé软件构建的LED驱动板实例本体（该软件是斯坦福大学基于Java语言开发的开放源代码的本体编辑软件，拥有友好的界面以及提供大量的知识模型架构用于创建、可视化、操纵各种表现形式的本体，支持插件和基于JAVA的API扩展）。此处LED驱动板分解为PCB尺寸大小、PCB板材、孔径、线宽以及其他组成部分。各个制造元存在“父子”和“兄弟”的关系，“父子”之间存在传递关系，而“兄弟”之间存在互斥关系。

用户在需求界面输入如下需求：1）造价低廉2）产品规格小；3）线距为0.2mm，经推理分析后得到准确规范的客户需求如图5所示，可以看出客户提出的模糊、矛盾的信息被转化为标准、规范、全面的语义信息，取得了较好的结果。1）经推理得出如下产品组合；2）经推理采用PCB双面板且线宽采用最小的0.254mm来节约体积；3）与云制造平台所能提供的最小线距出现矛盾，修改为0.2mm，其他为客户未提出的产品制造信息。

图4 LED驱动板本体

图5 客户服务需求解析输出界面

4 结束语

本文重点研究了云制造服务需求多粒度解析方法：从客户需求出发，以云制造资源为目标构建了客户需求本体框架，在此基础上通过Jean推理机对客户需求进行解析，最终获得了多粒度客户需求信息。该方法较好的解决了网络制造中因客户需求解析不准确而导致任务失败的问题，为云制造的运行，提供了有效的解决机制。

[1] 李春泉, 尚玉玲, 胡春杨. 云制造的体系结构及其关键技术研究[J]. 组合机床与自动化加工技术, 2011, (7): 104-107.

[2] HOFER A P, HALMANJ I M. The potential of layout platforms for modular complex products and systems[J].Journal of EngineeringDesign, 2005, 16(2): 237-255.

[3] Ignacio Cariaga, Tamer El- Diraby, Hesham Osman.Integrating Value Analysis and Quality Function Deployment for Evaluating Design Alternatives[J]. Canadian Metallurgical Quarterly, 2007, 133(10): 761-770.

[4] 张超, 刘夫云, 贾焕香. 客户需求获取与分析方法研究[J].微电子学与计算机, 2010, 27(11): 64-67.

[5] 但斌, 姚玲, 经有国, 张旭梅. 基于本体映射面向模糊客户需求的产品配置研究[J]. 计算机集成制造系统, 2010,16(2): 225-232.

[6] 延鹏, 赵丽萍, 王冠群, 聂庆峰. 面向客户需求分析的产品模块化配置方法[J]. 计算机集成制造系统, 2010,16(11): 2341-2345.

[7] 耿科明, 袁方. Jena推理机在基于本体的信息检索中的应用[J]. 微型机与应用, 2005, 24(10): 62--64.

[8] 肖艳秋, 等. 虚拟制造中协同制造资源建模研究[J]. 制造业自动化, 2012, (3): 52-54.

[9] 王时龙, 宋文艳, 康玲, 等. 云制造环境下制造资源优化配置研究[J]. 计算机集成制造系统, 2012.

[10] 贺文锐, 何卫平. 基于OWL的网络化制造资源建模与应用研究[J]. 制造技术与机床, 2004, (9): 114-118.

[11] 吴雪娇, 柳先辉. 基于语义的云制造服务描述[J]. 计算机与现代化, 2012, (1): 40-43.

[12] Philip McCarthy, Code generator that emits Java Beans from OWL Web Ontologies[EB/OL], http://jena.apache.org/2011-12.