基于本体的云制造资源及加工任务建模*

董朝阳，李 新

（西安建筑科技大学机电工程学院，西安 710055）

基于本体的云制造资源及加工任务建模*

董朝阳，李 新

（西安建筑科技大学机电工程学院，西安 710055）

为实现复杂加工任务的加工要求和制造资源的加工能力之间的搜索匹配，分析了本体技术在语义建模中的运用，给出了制造资源分类模型，提出了本体五元组DSBFS的建模方法，构建了云制造资源以及云加工任务的本体信息模型，初步设计了资源发现模型，将加工要求与加工能力之间的搜索匹配转化为制造资源本体和加工任务本体之间的映射来求解，最后通过DSBFS建模方法建立了具体实例的本体模型，并运用语义Web本体语言OWL对实例的资源本体和加工任务本体进行了规范描述，实践证明所提建模方法具有正确性和可行性。

制造资源；加工任务；本体；建模

0 引言

近年来，随着云制造的兴起，传统的制造模式已经不能适应社会的发展，取而代之的是市场驱动的、可实现定制化生产的、具有快速反应机制及国际竞争力的网络化制造新模式［1］。研究网络化制造资源共享模型及其信息集成、实现资源共享和优势互补、利用网络优势促使形成企业联盟，已成为制造企业发展的必然趋势［2］。而有效的资源模型是决定资源顺利共享和重用的关链［3］。因此，有必要建立标准的云制造资源模型来实现资源共享和优化配置。

在云制造资源建模领域，国内外研究人员已经做了许多研究。文献［4］通过多代理技术建立了制造资源模型；文献［5］通过面向对象的思想对制造资源进行了分类，并运用统一建模语言对其进行了建模；文献［2］利用本体对制造资源领域的知识进行描述，并引入Web制造资源的元数据，再利用本体表达的制造资源知识结构对Web制造资源进行映射，最后构成了制造资源本体模型。然而现有的研究主要集中在制造资源建模领域，较少考虑资源发现过程中加工任务的建模问题。

针对以上问题，本文提出了基于本体论的本体五元组DSBFS的云制造资源及加工任务的统一建模方法，设计了基于制造资源和加工任务本体五元组相互映射匹配的资源发现模型，以某企业的一项加工任务和西安建筑科技大学的一台机床资源为例来建立相应的本体模型，从而达到了模拟真实企业云制造服务的目的，验证了所提方法的正确性与可行性，这将能解决云制造资源及加工任务模型语义异构问题、提高制造企业的信息化水平和资源共享效率。

1 本体论及建模关键技术

1.1 本体

本体概念最早来源于西方哲学领域，它主要被用来描述事物的本质。到了现代，随着计算机技术的发展，本体知识被广泛运用在人工智能领域。关于本体概念的定义很多，其中最著名并被引用得最为广泛的定义是：本体是共享概念模型的明确的形式化规范说明［6］。文献［6］明确提出了设计本体所需满足的5条基本准则：①明确性和客观性；②一致性；③可扩展性；④最小编码偏差；⑤最小本体承诺。

1.2 本体在语义网中的运用

语义是文本的含义，语义需要理解文本的意思和结构。语义Web是一个由机器可理解的大量数据构成的一个分布式体系结构，在此体系结构中，数据之间的关系通过一些术语表达，这些术语之间又形成一种复杂的网络联系，计算机能够通过这些术语得到数据的含义［7］。作为语义Web的核心之一，本体是一种能在语义和知识层次上描述资源的概念模型，从而实现资源语义服务的机器自动处理［8］。本体技术与语义网技术的结合，既有利于互联网对知识的聚集与搜索，又有助于各个领域本体之间的共享与互操作。

1.3 本体建模过程

本体的建立步骤：①分析领域知识，给出概念分类模型；②抽象概念特征，建立本体信息模型；③利用Protégé本体编辑软件定义类、属性和实例；④检验建立的本体是否满足清晰性、一致性、完整性和可扩展性的评价标准。

2 基于本体的云制造资源建模

在深入分析了云制造资源的属性特征之后，构建了资源分类模型，为资源统一信息模型的提出做了内容上的铺垫。

2.1 云制造资源分类

云制造中的制造资源是一个广义的概念，是一切能在制造全生命周期中发挥作用的所有软硬件资源、人、知识等的总称［9］。制造资源分类是其建模的基础和重要基础理论部分，对制造资源进行分类的目的是使制造资源的建模和管理等相关活动能标准化，使其在云制造资源平台中进行集成、共享、动态组织和管理，使制造资源建模具有一致性［8］。拟将云制造资源分为人力资源、信息资源、服务资源、物料资源、知识资源、设备资源、软件资源等七个大类。

（1）人力资源：诸如技术专家、生产专家、管理专家、财务专家和销售专家等可以为制造生产活动提供专业服务的人员。

（2）信息资源：诸如人才信息、供求信息、商务信息、政策信息和行业信息等能够在生产环节中提供各类信息服务的资源。

（3）服务资源：能为云制造活动的用户提供仓储、咨询、培训、应用和计算服务的一类资源的总称。

（4）物料资源：主要包括产品、原料、毛坯、部件和零件等有形资源。

（5）知识资源：能够为云制造的使用者和维护者提供诸如手册、技能、标准、案例和经验等服务的一类资源。

（6）设备资源：诸如仓储设备、制造设备、计算设备、辅助设备和运输设备等为制造活动提供制造能力的一类物理资源。

（7）软件资源：诸如仿真软件、分析软件、管理软件、系统软件和设计软件等在制造过程中被用到的所有软件的总和。

2.2 本体信息模型构建

由于云制造资源具有复杂性和异域性，为了提高云制造资源提供者上传资源信息以及资源需求者搜索资源信息的效率，资源拥有者与资源需求者都必须以相同的信息模型对资源信息进行发布和搜索。提出了基于本体五元组DSBFS（ResourceDomain、ServiceInformation、BasicInformation、FunctionInformation、StateInformation）的资源信息模型构建方法，并且建立了云制造资源本体模型（如图1）。

定义1：资源本体。DomainResource=｛RDomain，ServiceInfo，BasicInfo，FunctionInfo，StateInfo｝。

（1）RDomain是指制造资源所属的领域。

定义2：RDomain=｛Manufacturing，Analysis&Design，LogisticsDistributtion，ResourceApplication｝。

其中，Manufacturing、Analysis&Design、LogisticsDistributtion、ResourceApplication分别指加工制造领域、分析设计领域、物流配送领域、资源应用领域。

（2）ServiceInfo是指制造资源的服务信息，主要为资源需求者提供了价格（PriceRange）、资源数量（ResourceNumber）和可用时间（AvailableTime）等信息。

定义3：ServiceInfo=｛PriceRange，Resource Number，AvailableTime｝。

（3）BasicInfo是制造资源的基础信息，具体的描述了资源的编号（ResourceID）、名称（ResourceName）、供应商（ResourceProvider）、联络方式（ContactInformation）等。

定义4：BasicInfo=｛ResourceID，ResourceName，ResourceProvider，ContactInformation｝。

（4）FunctionInfo是制造资源的功能信息，它描述了制造资源所具有的加工制造能力。

定义5：FunctionInfo=｛ProcessSized，Process Accuracy，Shape，SurfaceRoughness，MaterialType，Raw-MaterialType，GeometryFeature，PartType，Process-Type｝。

其中ProcessSized是指资源所具备的可加工零件尺寸的能力，相应的，ProcessAccuracy、Shape、SurfaceR-oughness、MaterialType、RawMaterialType、GeometryFeature、PartType、ProcessType分别指可加工零件精度、可加工零件形状、可加工零件表面质量、可加工材料、可加工原料类型、可加工几何特征、可加工零件类型、可加工方法。

（5）StateInfo是用来描述制造资源状态信息的本体元素。

定义6：StateInfo=｛Maintaining，Free，Underloaded，Loaded，Overloaded，FailureResources｝。

其中，Maintaining、Free、Underloaded、Loaded、Overloaded、FailureResources分别指资源处于维修状态中、处于空闲状态、未达到满负荷的使用状态、处于满负荷使用状态、超负荷使用、无效的资源。

图1 云制造资源本体模型

3 基于本体的云加工任务建模

加工任务可划分为部件级、组件级、零件级和工序级，任何级别的任务在制造领域的模型都归结于零件的特征，零件特征作为零件信息的载体，表达了一定的制造特性，将零件特征信息进行拓展，赋予加工方法信息，从而建立加工任务本体模型，所建模型支持零件特征选择对应的加工方法，以及制造资源的规划［10］。现以零件为加工任务的最小单元建立加工任务的本体模型。

为了使云加工任务能够快速有效的发现所需制造资源，则需要对加工任务进行建模，所建模型需要与制造资源本体具有相同的表达机制，那么可以通过基于本体五元组DSBFS的方法来建立加工任务本体模型，具体的对加工任务的任务领域（TDomain）、服务信息（ServiceInformation）、基础信息（BasicInformation）、功能需求信息（FunctionRequirementInformation）和状态信息（StateInformation）等五大本体元素进行描述，赋予属性信息，进而构建出加工任务的本体模型（如图2）。

定义7：任务本体。ProcessTask=｛TDomain，ServiceInfo，BasicInfo，FunctionRequirementInfo，StateInfo｝。

（1）TDomain是指任务的所属领域，具体定义类似于制造资源模型的定义。

定义8：TDomain=｛Manufacturing，Analysis&Design，LogisticsDistributtion，ResourceApplication｝。

（2）ServiceInfo指任务的服务信息。

定义9：ServiceInfo=｛PriceRange，Processing Number，TimeCostraint｝。

（3）BasicInfo是指加工任务的基础信息。

定义10：BasicInfo=｛TaskID，TaskName，Task-Provider，ContactInformation｝。

（4）FunctionRequirementInformation是指加工任务的功能需求信息。

定义11：FunctionRequirementInfo=｛ProcessSized，ProcessAccuracy，Shape，SurfaceRoughness，Material-Type，RawMaterialType，GeometryFeature，PartType，ProcessType｝。

（5）StateInformation是任务状态信息。

定义12：StateInfo=｛NotStarted，Underway，Completed｝。

图2 加工任务本体模型

4 资源发现模型

资源发现包括映射匹配和优化配置两个步骤。在通过本体五元组DSBFS的方法建立了制造资源以及加工任务的统一模型之后，云制造资源的拥有者和需求者可以为此模型动态的添加资源供给信息和资源需求信息，然后将此信息发送到云端进行存储和处理。当云端Agent收到任务信息之后启用映射匹配机制，通过语义相似度算法依次计算制造资源及加工任务本体的服务信息、领域信息、基础信息、功能（需求）信息和状态信息之间的语义相似度S1、S2、S3、S4和S5，然后将这五部分的相似度值加权求和并通过评价机制得出最优解S，之后再将最优解的信息反馈给任务本体，最后下达订单，至此，映射匹配和优化配置结束。资源发现模型雏形如图3所示。

图3 资源发现模型

5 建模方法应用实例

随着语义Web技术研究和应用的深入，为了解决Web信息计算机可理解的问题，出现了一系列基于语义Web标准的本体标记语言，如SHOE、XOL、RDF、RDF-S、DAML+OL、OWL等［11］。作为复杂产品知识语义描述的研究热点，OWL建立在资源描述框架（Resource Description Framework，RDF）和可扩展标记语言（eXtensible Markup Language，XML）等已有标准之上，主要针对概念、性质、个体之间的关系进行描述，支持语义推理［12］。为了使制造资源以及加工任务表达得更清晰、更容易被理解，并且更容易通过网络传输，我们采用OWL语言来表达和存储制造资源和加工任务信息。

现有西安建筑科技大学工程训练中心的一台普通CA6140车床和某工厂的一项双联齿轮外圆加工外包任务，其属性信息如表1所示，我们用本体五元组DSBFS的方法和著名的本体构建软件Protégé建立了相应的本体模型，给出了部分OWL片段。

表1 机床和加工任务信息表

（1）机床属性OWL片段

（2）双联齿轮外圆加工任务OWL片段

通过以上的实例应用验证了本文所提的本体五元组DSBFS建模方法的正确性与可行性，可以被推广使用。

6 结束语

为了在全社会范围内实现真正意义上的资源共享和优化配置，则有必要为散落在Internet上的资源信息和加工任务信息提供统一的描述和共享的标准。分析了本体技术在语义建模中的运用，给出了制造资源分类模型，提出了本体五元组DSBFS的建模方法，构建了云制造资源以及云加工任务的本体模型，初步设计了资源发现模型，将加工要求与加工能力之间的搜索匹配转化为制造资源本体和加工任务本体之间的映射来求解，最后通过具体的实例应用验证了DSBFS建模方法的可行性与有效性。所提出的本体模型构建方法和资源发现模型为后续的制造资源智能搜索以及可执行加工路线优化的研究奠定了基础

［1］董朝阳，蔡安江，郭师虹，等.基于制造资源优化配置的网络化制造管理系统［J］.机械设计与制造，2008（2）：217-219.［2］袁庆霓，谢庆生，许明恒，等.基于语义的制造资源本体建模技术研究［J］.武汉理工大学学报，2009，31（10）：121-125.

［3］张梅，郝佳，阎艳，等.基于本体的知识建模技术［J］.北京理工大学学报，2010，30（12）：1405-1408.

［4］JSun，D Xue.A Dynamic Reactive Scheduling Mechanism for Responding to Changes of Production Orders and Manufacturing Resources［J］.Computers in Industry，2001，46：189-207.

［5］盛步云，李永锋，丁毓峰，等.制造网格中制造资源的建模［J］.中国机械工程，2006，17（13）：1375-1380.

［6］Tomas R.Gruber.A Translation Approach to Portable Ontology Specifications［J］.Knowledge Acquisition，1993，5（2）：199-220.

［7］苏是，闫献国，郭宏，等.基于语义Web的制造资源建模研究［J］.机械工程与自动化，2012（3）：220-221.

［8］胡祥萍.云制造环境下基于语义的制造资源建模与管理研究［D］.北京：北京交通大学，2013.

［9］陶飞，张霖，郭华，等.云制造特征及云服务组合关链问题研究［J］.计算机集成制造统，2011，17（3）：477-486.

［10］孙卫红，冯毅雄.基于本体的制造能力P-P-R建模及其映射［J］.南京航空航天大学报，2010，42（2）：214-218.

［11］房亚东，杜来红，何卫平，等.网络化制造环境下多维度制造资源建模技术研究［J］.计算机应用研究，2009，26（2）：559-562.

［12］张辉，张霖，陶飞，等.基于OWL-P的产品开发过程共享信息语义描述［J］.计算机集成制造系统，2010，16（8）：1783-1791.

Modeling of Cloud Manufacturing Resources and Processing Tasks Based on Ontology

DONG Zhao-yang，LI Xin
（College of Mechanical and Electronic Engineering，Xi′an University of Architecture and Technology，Xi′an 710055，China）

To achieve the search matching between processing requirements of complex processing tasks and the processing ability of manufacturing resources，the method of ontology-based DSBFS modeling is proposed.The application of ontology technology in semantic modeling was analyzed.The classification model of the manufacturing resources was established.The otology-based cloud manufacturing resources and processing tasks information model were build.The preliminary model of resource discovery was designed.Then the problem that the search matching between processing requirements and processing capacity can be solved by the mapping between the ontology of manufacturing resources and processing tasks.Finally，the ontology model of a specific instance was established by the modeling method of DSBFS.And the resources and processing task ontology of the instance were described by semantic Web ontology language OWL.It' s says that the proposed modeling method has the feasibility and correctness through the practice.

manufacturing resource；processing task；ontology；modeling

TH166；TG506

A

1001-2265（2015）06-0154-04 DOI：10.13462/j.cnki.mmtamt.2015.06.042

2014-9-28；

2014-10-19

陕西省自然科学基金资助项目（2012JM7017）

董朝阳（1974—），男，陕西礼泉县人，西安建筑科技大学副教授，博士，研究方向为网络化制造、车间调度，（E-mail）zhyangdong@yahho.com.cn；通讯作者：李新（1990—），男，湖北天门人，西安建筑科技大学硕士研究生，研究方向为云制造，（E-mail）lixin90715@163.com。