云制造环境下设计需求与服务资源的语义匹配方法

A semantic matching method of design requirements and service resources in cloud manufacturing environment

鬲　玲1，敬石开2，王宏君1

GE Ling1, JING Shi-kai2, WANG Hong-jun1

（1.北京神舟航天软件技术有限公司，北京 100094；2.北京理工大学 机械与车辆学院，北京 100081）



云制造环境下设计需求与服务资源的语义匹配方法

A semantic matching method of design requirements and service resources in cloud manufacturing environment

鬲玲1，敬石开2，王宏君1

GE Ling1, JING Shi-kai2, WANG Hong-jun1

（1.北京神舟航天软件技术有限公司，北京 100094；2.北京理工大学 机械与车辆学院，北京 100081）

摘 要：云制造环境下，为保证用户能够快速准确地检索到满足设计需求的服务资源，提出了一个基于本体的设计需求和服务资源的多层次语义匹配模型。首先，分析了云制造的需求和服务的分类，并根据分类对服务资源进行基于本体的形式化描述。在此基础上，研究了该匹配模型的三个阶段：基本信息匹配、功能属性匹配和服务质量匹配，并给出了每个阶段的相似度算法，定量描述设计需求和服务资源的匹配程度，实现平台针对设计需求的智能匹配。最后，通过实例验证了该方法的有效性和可行性。

关键词：云制造；本体；设计需求；服务资源；语义匹配；匹配度

0 引言

近年来，随着云计算、物联网等技术的成熟，一种面向服务的网络化制造新模式—云制造应运而生。云制造技术能够实现各类制造资源智能化管理和经营，为制造业由生产型向服务型转变，提供了一种新的思路[1]。在云制造模式下，用户能够根据需求，随时随地、动态、敏捷地使用云端制造资源池中的制造资源，充分体现了“分散资源集中使用，集中资源分散服务”的制造理念[2,3]。

云制造服务资源匹配是实现云制造的核心技术之一，它是指在云制造环境下，将用户个性化的需求与功能多样、种类繁多的云制造服务进行匹配[4]，以寻求最能满足需求的制造服务。国内外许多学者对服务资源匹配进行了大量的研究。文献[5]利用本体概念之间的包含关系，确定输入输出语句的匹配度，从而确定服务请求和服务资源的匹配等级（共四个等级）。此方法时效性强，但对于同一等级的服务匹配不能细致区分。文献[6]运用语义描述语言来定义语义距离，以实现近似服务匹配。因人工建立的语义距离会增大不确定性因素和工作量，所以此方法可靠性和实用性比较差。文献[7]使用过程本体进行查询请求和Web服务的描述，提出一种基于过程本体的服务发现方法。此方法极度依赖所建立的过程模型，方法实现的难度较大。文献[8]建立了制造工艺约束信息模型和匹配资源能力信息模型，提出一种制造资源能力对于制造工艺要求的匹配程度评价和计算方法，用以解决虚拟企业联盟中制造资源和制造工艺的匹配问题。文献[9]采用Web本体语言对网络化协同产品开发资源进行描述，利用扩展UDDI的方法进行资源的语义级别匹配。

综合上述，当前大多数的匹配研究都是从技术的整体角度出发，虽然能够实现全局的资源匹配，在资源匹配的模型、定性描述等方面研究得较为深入，但在具体的资源匹配过程、量化的匹配算法方面的研究还不够充分，并且大部分研究方法的时效性、实用性、实现难易度都不能令人满意。因此本文从产品研发过程中设计人员发出的设计需求入手，首先分析云制造服务资源的分类，并引入本体对云制造服务资源进行语义描述。在此基础上，建立云制造环境下需求和服务的匹配模型，从基本信息、功能属性、服务质量三个层次对设计需求和服务资源的匹配进行定量研究。

1 云制造环境下设计需求和服务资源的匹配模型

1.1 云制造需求的分类

云制造服务资源与客户的需求任务密切相关，按照客户在使用平台时的任务种类，将云制造需求分为三类，包括：云设计需求，云制造需求和云购买需求[10]。云制造需求是客户通过给平台提供制造加工所需的信息（工艺过程，工艺参数等），平台返回零件或产品。云购买需求是指客户通过提供产品信息（价格、材料等），直接在平台上购买产品。云设计需求是指客户通过提供一系列需求和指标，如应用环境，工作压力，大小，使用寿命等，要求平台提供设计说明书、3d模型或者包括参数，工艺过程等可直接制造加工的文件包。这类客户群不需要对相关机械、产品研发知识很了解，仅仅需要知道满足的工况条件以及工作任务或者外观需求等。此类需求与服务资源的匹配度是本文研究的对象。

1.2 云制造服务资源的分类

借鉴以往对制造资源分类的研究成果，如文献[8,11]，以及产品设计对资源的需求，本文将面向产品研发的云制造资源分为三大类，分别为：软件资源、知识资源和人力资源。其中，软件资源是指在产品设计中用到的软件。知识资源包含产品研发过程中用到的所有的非物质技术资源。

1.3 基于本体的需求和服务匹配框架

面向产品研发的云制造服务匹配过程主要包含三个参与角色，需求方、服务提供方和云制造平台，需求方和服务方分别通过云制造平台发布自己的需求和服务，云制造平台对用户需求和服务资源进行语义匹配，返回给需求方最合适的资源。面向产品研发的云制造服务语义匹配框架如图1所示。该框架由两大模块组成，分别为产品研发云制造服务本体库和云制造服务语义匹配模块，具体分析如下：

1）产品研发云制造服务本体库

针对云制造平台上的服务功能各异、种类繁多，缺乏统一的定义和描述方法的现状，构建产品研发云制造服务本体库，通过本体库提供领域内的共享概念知识，使需求和服务间的概念能够在语义层次上进行匹配。产品研发云制造服务本体使用OWL语言描述，能够规范地描述领域概念、概念的实例、概念的属性等。其中，属性是包含同义词、性能参数、作用等。如图2所示为面向汽车零部件研发的云制造服务的顶层本体片段（因篇幅所限，只列出部分概念）。

图1　语义匹配框架

图2　面向汽车零部件研发的云制造服务的顶层本体

2）云制造服务语义匹配模块

语义匹配模块根据本体库提供的概念语义信息，将需求描述和服务描述中对应的信息进行语义匹配，确定信息间的语义匹配程度。该模块包括三个部分，服务和需求描述、语义匹配引擎、匹配结果排序。其中，语义匹配引擎是产品研发云制造服务语义匹配的核心部分，该引擎所执行的语义匹配方法及具体算法将在下一节中详细研究。

需求和服务描述需参照图3，规范化描述的需求单元和服务单元是语义匹配的基础。基本信息为需求或服务的名称和同义词；功能属性包含需求或服务的输入、输出，以及条件和效果。输入/输出属性主要描述服务实现其功能所需要哪些输入并将产生哪些输出，而条件/效果属性描述服务能够被执行的前提条件是什么，执行后将产生什么样的效果。服务质量包含了时间、成本和诚信度。

2 设计需求和资源服务的语义匹配实现流程

云制造服务语义匹配方法包含基本信息匹配、功能属性匹配和服务质量匹配三个阶段。每层设定由用户根据需求设定合适的阈值，并计算每层的相似度，与设置的阈值对比。相似度小于阈值的服务资源被过滤掉，并且不能进入到下一层次的匹配。最后按照三个阶段所占权重对各匹配度加权求和，获取需求与服务的综合匹配程度。

若产品研发云制造需求为Q=，产品研发云制造服务为P=，则设计需求与服务资源的匹配度形式化表示如下：

w1，w2，w3分别为三阶段相似度的权重。满足：

2.1 基本信息匹配

云制造服务名称和同义词都引用自领域本体中的概念，因此基本信息的匹配度可通过本体概念间相似度来度量。根据语义距离和语义相似性存在反向度量关系，可通过计算C1，C2间的语义距离来获取概念C1，C2的相似度，如式(3)所示。

领域本体可被看作一个is-a类型的层次概念树，即只存在所谓的上位/下位关系。则 C1，C2间的语义距离表示为连接它们最短路径上的m条边的权值w的总和（每一条边的两端都为父子关系），如式(4)所示：

从信息量的角度来阐述，本体概念所处层次越深，其所含的信息量越多，本文借鉴文献[12]，利用父子本体概念间没有共享的信息量来衡量父子概念间的语义距离，即：

n为父概念的直接子概念的数量，I(cip)和I(ci)分别为概念层次结构树中父概念cip和其子概念ci的语义信息量。而语义信息量的计算公式为：

其中p(c)为任一实例属于本体概念c的概率。p(c)的计算本文借鉴文献[13]的研究，利用领域本体本身作为统计源，根据其层次结构来计算各概念节点的出现概率值。并约定：

概念root为本体根节点。最后对上述公式进行代入和约简可得，概念Ci及父概念Cip的语义距离为：

概念C1，C2间的语义相似度为：

2.2 功能属性匹配

产品研发云制造服务平台的功能属性包含输入、输出、条件和效果。需求P和资源Q的功能属性综合匹配度为各属性匹配度的加权和（η1、η2、η3、η4为各属性权重，如未特别强调，本文中的所有加权和的权重都相等），如式(10)所示。

输入/输出属性引用自领域本体中的概念，如“设计参数”、“设计说明书”，同样采用基于本体概念的相似度的计算方法（参考式(9)）。而条件/效果属性中的参数是约束条件表达式，不是本体中的概念，无法使用语义相似度来衡量其匹配程度。此类约束语句主要由个体词和谓词组成，如：最高车速为130～150（km/h）中，个体词为“最高车速”和“130～150（km/h）”，而“为”是谓词。在进行匹配运算之前，首先要对约束语句进行拆解，约束条件可如下表述：

云制造需求（或服务）P / E属性约束条件={Object，Predicate，Paremeter}

第一个个体词（Object）和谓词（Predicate）来自于产品研发的云制造本体中的类、属性、实例等，可以采用基于本体的语义相似度算法来计算匹配度（参考公式(9)）。第二个个体词（Paremeter）为数值型约束条件，采用数值区间相似度算法。具体计算方法见公式(11)，式中使用缩写Pa代替Paremeter。

Pa1为需求的数值区间约束，Pa2为服务资源的数值区间约束。当且仅当Object匹配度超过给定阈值，且Predicate 精准匹配时，才对Paremeter进行相似度计算，三者加权求和作为整条语句的匹配度。需求P和资源Q 的P/E属性约束条件相似度可参考式(12)。

表1　设计需求A和服务资源B、C的具体描述

2.3 服务质量匹配

服务质量匹配是云制造服务资源中的重要评价指标，参数包括服务的时间、成本、诚信度。这类指标主要是数值参量，计算参考数值匹配算法，如式(13)所示。

如，当服务的时间和成本低于需求所要求的时间和成本，则匹配度为1，反之为0。同样的，需求P和资源Q的服务质量的综合匹配度为各指标匹配度的加权和。

3 实例验证

结合汽车零部件产品研发云制造服务平台，对以上方法的可行性和有效性，进行实验验证。下表分别列出了设计需求A和服务资源B、服务资源C的具体描述。并设定各层次的匹配阈值分别为0.75，0.7，0.65，权重分别为0.2，0.6，0.2。

采用本文的匹配方法，对上述需求和资源进行匹配。以A、B为例。

第一阶段是基本信息匹配。同义词统一为无，因此只需要对名称进行匹配，采用基于本体的概念相似度的匹配方法。如图4所示为变速器领域的本体片段，（用来运算的本体模型一般为4～5层，以待匹配的两个概念中的较深层次作为最底层）。图中本体概念旁边的分数为实例属于该概念的概率，或者是该概念出现的概率，父子概念连线上的数据表示权重或者是两个概念间的语义距离（具体算法参考式(8)，其中“传动系”为根节点，它的出现概率为1，语义信息量为0。以此类推。

由式(9)可得：

第二阶段是功能属性匹配。输入输出均来自于本体概念，采用基于本体的概念相似度的匹配方法，结果为完全匹配，均为1。条件效果匹配首先对约束语句进行分解，得到{Object，Predicate，Paremeter}。其中对象和谓词精准匹配，对Paremeter采用数值区间相似度算法，以此加权求和获得整个约束语句的匹配度。仅以条件1为例，可得：

图4　变速器领域本体片段

对所有的功能属性（输入、输出、条件、效果），加权求和可得：

第三阶段，服务质量匹配度为：

最后，加权求和，A、B综合匹配度为：

根据描述信息，结合各层次的匹配方法，计算A、C各层次的匹配度。结果如表2所示，服务资源B匹配度大于服务资源C，并得出了具体的匹配度，验证了该方法的有效性和可行性。

表2　匹配结果

4 结论

基于云制造设计任务和资源服务的匹配需求，提出云制造服务多层次匹配算法。在分析云制造服务类型的基础上，利用本体描述语言对云制造服务进行语义描述，建立了云制造需求与资源服务的匹配模型。并将模型的匹配过程分为基本信息匹配、功能属性匹配和服务质量匹配三个阶段，给出了每一层的具体匹配内容和相似度算法。试验结果表明该方法能够有效区分不同云制

【下转第156页】

作者简介：鬲玲（1988 -），女，陕西延安人，助理工程师，硕士，研究方向为知识管理和云制造。

基金项目：北京市工程实验室创新能力建设项目：面向高端装备制造业的云制造技术；国家高技术研究发展计划（863计划）：汽车及模具产业链设计制造协同服务平台研发与应用（2013AA040605）

收稿日期：2015-11-02

中图分类号：TP391

文献标识码：A

文章编号：1009-0134(2016)01-0137-05