基于动态集成框架的云制造服务过程追溯与匹配研究

崔晓康，马 军，李立伟，王 辉

（郑州轻工业学院 机电工程学院，郑州 450002）

0 引言

随着市场化和全球化逐步深入，跨行业、跨地域的制造企业及资源相互联系，逐步成为一个大规模的、复杂的制造网络，以响应客户定制化的生产服务需求。制造服务协同使企业资源和能力在广域范围内充分共享，促进企业专业化和服务化。云制造服务是实现制造服务协同的重要技术支撑[1]。

云制造基于物联网、信息系统、云计算等技术，对各种软硬件制造资源进行互联、感知与获取，形成一种制造资源按需使用的新型生产服务环境[2]。制造资源的服务能力是云制造领域最重要和最核心的研究内容之一，由此，刘士军等[3]提出了一种基于四叉树的云制造资源多维属性区间搜索方法。罗永亮等[4]针对云制造模式下制造能力，构建了制造能力多维信息模型。黄沈权等[5]基于客户需求分离点将云服务按需供应模式分为按需提供、按需组合、按需设计和按需研发四类模式。为满足云制造背景下海量数据处理的效率要求，张金广等[6]将语义相似度算法应用到云制造背景下的服务匹配中。魏乐等[7]提出了一种基于可信评价的制造云服务选择方法。

然而，上述研究主要围绕制造任务展开云制造资源的搜索，但如何控制云制造资源虚拟化过程，并建立有一定普适性的云制造资源服务能力评价机制，目前还缺乏系统的探讨。因此，本文基于制造资源的不同形态，提出了云制造资源动态集成框架，研究基于RFID的云制造服务过程追溯机制，建立了云制造资源服务能力多目标评价体系，并通过评价指标加权和计算云制造资源优先值，为制造任务匹配最优云制造资源节点。

1 制造服务协同中云制造资源集成

1.1 基于云计算的云制造资源动态集成模型

云制造资源是企业完成产品整个生命周期所有生产活动的物理元素的总称[2]。这些制造资源按照其存在形态可划分为硬件资源和软件资源。硬件资源包括工装夹具、量具、加工测量设备等。软件资源是指产品制造过程中所涉及的各种应用软件、产品模型，图纸、工程数据库、技术文件等信息。

目前，云制造资源的组织架构包括ASP（Application Service Provider）、Web服务和制造网格三种。ASP强调制造资源能自身实现基于Web的应用及集中控制，制造网格（Manufacturing Grid）需要智能调度算法完成对分布式资源的配置，而Web服务多采用接口技术，以封装的应用服务的形式实现虚拟制造资源的集成和共享。因此，需要考虑不同制造资源的形态提出切实可行的动态集成技术。

云制造服务过程中包括了云制造资源提供者、云制造资源消费者和第三方云制造服务商三类群体。其中，云制造资源提供者(如外协企业)本身拥有制造资源，希望以出租/转让制造资源的形式获取最大化的收益；而云制造资源消费者(如核心企业、委托加工单位)并不拥有特定的制造资源，希望以较低的成本换取资源提供者的资源，在有限的时间内，充分发挥制造资源的使用效率；第三方云制造服务商则通过集成、调配不同云制造资源提供者的资源，为云制造资源消费者提供高质量的制造服务，获取一定的利润。

基于上述分析，如图1所示，云制造资源动态集成框架可基于云计算架构，结合ASP、WEB服务和制造网格的思想，为每个云制造资源提供者提供一个云端接口，维护各自的制造资源(这些资源被虚拟化为结构化数据，分别存储在云端的不同位置)。对于云制造资源提供者的遗留系统，将其中的应用模块封装为服务，整合到制造云中。在此基础上，提供一组支撑云服务，作为制造资源优化调度与组合的基础。图1描述了实现制造资源配置的云服务过程：

1) 客户、第三方云制造服务商或制造企业在云制造资源服务平台上进行注册，得到服务标识，并描述服务需求，如订单号、时间、周期、地点等。

图1 云制造资源动态集成模型

2) 建立云制造服务认证库，让云制造在一个服务进程的生命周期中完成。云制造服务认证包括的信息有：(1) 云制造资源提供商身份；(2) 云制造资源提供企业服务能力；(3) 制造资源登记；(4)当前制造记录；(5) 生产计划库更新信息。

3) 初始化云制造服务生命周期，按云制造服务生命周期协议进行云制造资源提供商与第三方云制造服务商的协商匹配，注册服务返回满足客户需求的服务句柄。

4) 基于云服务生命周期协议进行客户需求和云服务节点之间的协商，创建服务实例，同

时赋予订单记录、企业认证记录和服务协同记录等属性以实时监控。

5) 第三方云制造服务商创建云制造服务，并查询各云服务节点，并按云服务生命周期协议进行各种制造资源查询及远程调配。

6) 将服务状态返回客户，显示在线激活信息来保持资源节点的服务。

1.2 基于RFID的云制造资源追溯

显然，由于其软硬件制造资源物理特性不同，其虚拟化过程存在明显的差异。从制造资源集成机制来看，对于软件制造资源，基于Agent、CORBA和Web服务技术和统一的产品数据交换标准(如STEP标准)，可以进行较深层次的资源共享，实现云制造操作。但对于测试仪器、加工设备等硬件制造资源，由于技术和管理原因，互操作难度较大。因此，在云制造过程中，如图2所示，针对硬件制造资源所提供的信息，可通过RFID设备的配置与监控，获取产品制造过程中的RFID数据，并进行产品制造RFID数据的过滤和整合，然后根据制造工艺指令，将产品制造RFID数据封装为RFID事件。RFID事件检测组件负责发现大量并发的RFID事件，并将其转入待处理云制造事件缓存(buffer)池中。

图2 基于RFID的云制造服务过程追溯

RFID事件调度组件查询工艺规则库中的工艺处理规则或条件，对所有待处理事件进行加权优先级处理和调度，生成事件处理优先队列。根据事件处理优先队列，RFID复杂事件处理组件依次将RFID事件与企业的制造任务单进行自动匹配，完成RFID应用的业务操作或错误报警提示。同时将产品制造过程的RFID事件上传并存储到RFID业务事件数据库，提供云制造全过程的状态追溯。

2 云制造资源服务的匹配

2.1 云制造资源服务能力评价体系的构建

衡量制造任务与云制造资源之间的匹配度，这需要有一个客观的评价指标体系，在此基础上选择最优云制造资源服务方案。首先，确定满足制造任务需求的云制造资源节点集合为：

建立评价云制造资源服务能力的指标集为

如图3所示为该评价指标体系。该评价体系以云制造资源服务是否满足交货时间T，产品质量Q、制造总成本C和制造服务水平S为评判标准。

图3 制造企业云制造服务能力评价指标体系

在该评价指标体系中，T , Q ,C,S指标关于制造任务目标的重要性是不同的。通过两两比较做出权重分析，并构造各个指标相对重要性程度的判断矩阵，其方法如下：

对上述n个评价指标 V =(V1,V2,…,Vn)，要求它们对评价目标的影响或权重，则取两个因素 Vk与Vl，用wkl表示 Vk与 Vl对评价目标的影响之比。wkl可用客观赋权法给定评价指标间的权值。全部比较结果用矩阵W=[wkl]表示，则称W为判断矩阵。

2.2 云制造资源节点优先值计算

通过评价指标加权和计算各云制造资源服务节点Si在评价指标体系Vj下对应的优先值Yij。对于评价指标可划分为极大型和极小型两类。某些指标对制造服务能力而言，其值越大越好，称之为极大型指标；而其他某些指标其值越小越好，称之为极小型指标。

对极大型指标，令：

对极小型指标，令：

上式中： i =1,2,…,m ，j=1,2,…,n，maxxj，min xj分别为Vj指标的最大值和最小值。Xij表示候选云制造资源节点Si在评价指标Vj下的重要度，该量可以通过专家决策打分法决定。

最后，根据云制造资源节点在不同目标准则下的优先值及该目标准则的权值，计算该云制造资源节点Si总的优先值Yi：

3 应用实例

为验证云制造资源服务匹配与过程追溯的的可行性和有效性，本文针对某机车制造企业S295柴油机气缸体协同制造过程进行了云改造，并进行了实例验证。

表1 制造企业云制造任务

该汽缸部件制造过程需要外协，制造任务有4个云制造资源节点 ),,,(4321SSSSS= 可供选择。根据专家决策法评价各云制造资源节点在指标 SCQT ,,,准则下的重要值，其结果以矩阵表达为：

同时，比较 T , Q ,C,S之间的相对权重，并构造判断矩阵W:

求解判断矩阵W的标准化特征向量，得出T , Q ,C,S准则的权值分别为:

通过评价指标加权和分别计算各云制造资源服务节点Si在评价指标体系 V = ( T ,Q,C,S)下对应的优先值YiT，YiQ，YiC，YiS。显然，服务质量准则YiS和产品质量YiQ为极大型指标，而时间YiT和成本YiC为极小型指标。因此，对S1的优先值Y1有：

针对对该企业所提交的制造任务，同理计算其它候选云制造资源节点的优先值，则分别为:

显然，有 Y4＞Y1＞Y2＞Y3，因此，对于该制造任务选用云制造资源节点 S4为工作节点。

4 结束语

复杂产品的生产活动所涉及的各种软硬件制造资源类型繁多，给云制造的实现带来很多困难。考虑不同制造资源的形态，建立云制造资源动态集成框架，通过RFID技术追溯云制造服务过程，以评价指标加权和计算云制造资源优先值，可以为制造任务匹配最优云制造资源节点，并保证制造企业之间的有效协同。

[1] 马军,薛晓飞,罗国富,李宏伟.基于Agent的可重构协同制造服务链建模及其应用研究[J].机械科学与技术,2012,31(10):1654-1659.

[2] 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,2O10,16(1):l-7.

[3] 刘士军,曲本科,武蕾,孟祥旭.自组织云制造资源聚集框架与多维属性区间搜索方法研究[J].计算机辅助设计与图形学学报,2012,23(3):299-307.

[4] 罗永亮,张霖,陶飞,张雪松,任磊.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):1357-1366.

[5] 黄沈权,顾新建,陈芨熙,方水良,杨青海,周宏明.制造云服务的按需供应模式及其关键技术[J].计算机集成制造系统,2O13,19(9):2315-2324.

[6] 张金广,李锋刚,张磊.云制造背景下的服务匹配算法[J].计算机技术与发展,2013,23(3):41-44.

[7] 魏乐,赵秋云,舒红平.云制造环境下基于可信评价的云服务选择[J].计算机应用,2013,33(1):23-27.