基于混合型模糊指标的云制造资源选择决策方法研究①

刘建胜 刘中生 涂海宁 熊君星

(南昌大学机电工程学院 南昌 330031)



基于混合型模糊指标的云制造资源选择决策方法研究①

刘建胜②刘中生③涂海宁 熊君星

(南昌大学机电工程学院 南昌 330031)

针对云资源优选决策过程中存在定性指标模糊性，以及定量指标以区间性度量为代表的决策难点问题，提出了一种不确定性环境下基于OWA算子的混合型多指标云制造资源优势度决策方法。该方法首先运用标度法将不可量化的模糊性定性指标转化为区间数定量指标；其次利用基于相对优势度的区间数排序，结合OWA算子对云服务的优势度进行集结，得到云制造资源的综合优势度，给出云制造资源集合的优先排序，从而为用户选择出最需要的制造服务资源。通过在数控机床设备优选过程中的应用，验证了该方法的可行性和实用性。

云制造资源， 混合型指标， 区间数， OWA算子， 相对优势度

0 引 言

云制造是一种运用网络将制造企业可扩展的制造资源、制造能力以及IT资源、数据及应用等以服务的形式提供给用户的制造新模式。它是由计算领域最新的研究技术(云计算、物联网、虚拟化、嵌入式及管理信息系统等)与先进制造理论、模式(虚拟制造、网格制造、全球制造、智慧制造等制造模式)高度融合而形成的[1]。云制造将海量的高度虚拟化的制造业生产所依赖的各种资源管理起来，组成资源池，用来统一提供服务。因此，如何从云制造资源池(制造云)中选择最适合的制造业资源以服务的形式提供给用户是云制造研究领域的一个关键问题。

近年来，国内外学者对云服务选择问题开展了一系列研究，取得了显著研究成果，推动了云制造领域研究不断深入发展，如：李研等[2]提出一种基于QoS数据可信的服务选择方法；胡业发等[3]基于服务资源的信任评价，建立了制造网格资源服务Trust-Qos评估模型，而且还给出了量化的评估算法，以有效地选择用户最佳需要的服务；Tao等[4]在网格制造模式中开发了一个综合的QoS信息矩阵，并通过对服务时间、成本、可信任度、可维护性、满意度等指标综合评估得到一个加权值，并用此加权值作为优选服务的依据；马文龙等[5]提出了一种基于服务质量感知的云服务选择模型，建立了云制造业务的QoS评价指标采集、量化和信息校正方法，并基于可变粗糙集的多指标决策方法推选出最佳的服务。这些现有研究成果大多数是从多角度基于QoS的服务选择，缺乏针对模糊性指标以及区间定量指标的研究。因此，本文提出了一种不确定性信息环境下基于OWA算子的云制造资源优势度计算方法。该方法是考虑用户需求，结合决策者的模糊偏好以及区间数不确定信息提出的不确定性指标的度量方法，并基于相对优势度给出候选云制造服务资源的优先排列次序，从而为云制造服务决策选择提供了一种有效方法。

1 问题描述

云制造平台中的用户[6]有云制造服务提供者(cloud service provider, CSP)和云制造服务需求者(cloud service demander, CSD)。CSP在基于以服务为导向的云制造平台上动态性地发布自己的制造业资源(制造资源、制造能力及IT资源等)，以所用所付的方式出售制造应用、业务。而CSD以生产任务的需求，从云制造平台中筛选出基本符合其要求的待选制造云服务，从中选择最佳的云服务或组合云服务去执行该制造任务。一般将云服务选择过程分为二个阶段：第一阶段是功能匹配，而依据去制造服务需求者(CSD)详细的制造功能需求(如制造设备、零件的数量、生产成本、精度要求等)，筛选出能够满足制造功能要求及生产能力要求的候选云制造服务资源集；第二阶段是优选，即设计优选算法从候选云服务集中为用户选择出最佳的制造服务。对于第一阶段，功能匹配这一环节已有许多学者研究了，他们研究用到的技术方法可分为两类：(1) 关键字搜索技术，如文献[7]开发的一种基于内容关键字搜索服务的方法；(2) 基于语义的服务发现技术，如文献[8]用建立的制造资源本体来搜索功能相似的制造服务。本文研究的内容是云服务优选的第二阶段：优选，设计优选算法并运用该优选方法从候选服务集中选择出用户最佳的云服务，如图1所示。

图1 云制造资源优化过程

2 模糊属性定义

在云制造服务优选过程中，决策者在进行决策时可能会使用区间数评估或者用适当的语言评估标度。因此，区间数、不确定语言变量均体现了属性指标的不确定性和模糊性。

2.1 区间数的定义

设R是实数域，对R中任意两个实数aL, aU(aL≤aU)，那么R上的一个区间数a可表示为a=[aL, aU]，其中aL是上极限，aU是下极限。

2.2 语言变量区间表示

定义语言变量前先设定语言评估标度S={si|i=1,2,…,n}，针对云服务优选问题，本文选定7标度-S={s1, s2, s3, s4, s5, s6, s7}={很好，好，较好，一般(中)，较差，差，很差}。

在S域内，当sα, sβ∈S，则不确定语言变量可表示为s=[sα, sβ]，其中sα和sβ分别表示其下限与上限。对具有不确定性语言、区间数特征的多指标决策服务优选问题，本文为了方便计算，在优选服务的过程中先将语言变量转换成区间数，然后再进行规范化处理，之后对候选服务进行比较、排序。

3 模糊属性计算方法

3.1 语言变量转化成区间数的方法

(1) 参考文献[9]将不同粒度的模糊语言转成对应关系的区间数(见表1)。

表1 模糊语言变量与区间数转化关系

(2) 按照表1将模糊语言转换成对应的区间数后，将不确定语言变量转换为区间数。具体步骤如下：

(i) 对不确定语言变量s=[sα, sβ]，按照7-标度法将其模糊语言转化成区间数，如下式所示：

s=[sα, sβ]

=[[aL(α), aU(α)], [aL(β), aU(β)]]

(1)

(ii) 当aU(α)=aL(β)时，将其转化成的区间数，如下式所示

s=[(aL(a)+aU(a))/2, (aL(β)+aU(β))/2]

(2)

(iii) 当aU(α)≠aL(β)时，将语言变量表示为s=[[aL(α), aU(α)], [aL(m), aU(m)], [aL(β), aU(β)]]，则转化成的区间数为

s=[[aL(α), aU(α)], [aL(m), aU(m)],

[aL(β), aU(β)]]=[(aL(α)+aL(m))/2, (aU(m+aU(β))/2]

(3)

3.2 决策矩阵规范化处理

(4)

(5)

3.3 区间数转化成精确数的方法

本文在对候选云制造资源服务进行综合优势度评价时，仍须将区间数转化成实数。因此，采用文献[11]提供的公式

(6)

实现区间数到精确数的映射。

3.4 OWA算子

设OWA[12]：Rn→R，若

(7)

OWA算子可以把一组数据(a1,a2,…,an)按从大到小重新进行排序，并可以加权集结(权重wi与元素ai没有关系，只与集结过程中第i处位置有关)。

3.5 相对优势度计算方法

基于区间数的相对优势度的计算方法如下[13]：

设a=[aL, aU]， b=[bL, bU]是任意2个区间数，则区间数a与区间数b相比较，a>b的相对优势度按照下式进行计算：

p(a>b)=

(8)

4 云制造资源决策方法

进行云制造资源决策有以下步骤：

(1) 决策者对云服务优选问题进行分析，确定评价云服务优劣的评价指标及各个指标权重；

(2) 给出评价云服务指标及确定指标的比重后，决策者根据需求并结合自己的偏好给出各候选云服务评价指标值，并建立决策矩阵X=(xij)m×n；

(3) 依据式(2)和(3)将决策矩阵中语言型的评价指标值转化为区间数的形式；

(4) 运用式(4)与(5)将决策矩阵X=(xij)m×n进行规范化处理，得出无量纲的归一化的矩阵Y=(yij)m×n；

(5) 在同一决策指标下，运用式(8)计算出候选云服务两两比较的优势度矩阵后，依据公式(6)计算Di，把区间数转换成精确数；

(6) 运用OWA算子对候选云服务的优势度值进行集结，求得综合优势度值Vi，即

⑺ 根据综合优势度数值的大小对候选云服务进行优劣排序并择优。

5 案例分析

因生产需要某一齿轮零件加工厂需购买一台数控机床设备。现从云制造平台中筛选出能满足该厂要求的功能的4台候选数控机床，用A、B、C、D来表示。需求者需要对候选数控机床的工艺、精度、质量等方面的详细调查，而且还组织采购、生产及质检部等各领域的专家(即决策者)对候选数控机床的定性指标和定量指标进行评价(见表2)。

根据模糊属性定义和云制造资源决策计算方法，采用Matlab2014a编程实现(如图2)。

具体工作步骤如下：

(1) 决策者给出评价数控机床优劣的指标及指标值,并确定各个指标权重。各指标的权重，如表3～表7所示。

表2 候选数控机床的指标评估值

图2 算法程序界面图 表3 一级指标的判断矩阵及权重

质量属性经济属性环境属性人机属性W一致性检验质量属性11340.39λmax=4.02经济属性11430.39C.I.=0.067环境属性1/31/4120.13C.R.=0.075人机属性1/41/31/210.09<0.1

表4 质量属性指标的判断矩阵及权重

表5 经济属性指标的判断矩阵及权重

表6 环境属性指标的判断矩阵及权重

表7 人机属性指标的判断矩阵及权重

将求出的一级权重和二级权重集结，得到最终的权重向量：

W=(0.19, 0.078, 0.12, 0.062, 0.21, 0.12, 0.043, 0.087, 0.013, 0.051, 0.026)

(2) 根据候选数控机床的指标评估值，建立如下决策矩阵X：

(3) 按照式(2)和(3)将决策矩阵中的语言变量转化成区间数后，再用式(4)与(5)对决策矩阵进行规范化：

Y=

(4) 在同一指标下，运用式(8)对4台候选机床进行两两比较得到优势度后，再利用式(6)算出Di，把优势度的属性值是区间数转换成精确数：

(5) 运用OWA算子对候选数控机床的优势度值进行集结，求得综合优势度：V1=0.257，V2=0.245，V3=0.251，V4=0.247。根据综合优势度的大小对候选数控机床进行排序，并选择出最适合的数控机床：V1>V3>V4>V2。由优势度的大小可知，第一台数控机床是最好的。

6 结 论

本研究针对云制造环境下制造资源优化配置问题，提出了一种基于混合型模糊指标的云制造资源决策方法。该方法考虑了云制造资源决策问题的复杂性和不确定性，以及决策指标的模糊性和多样性，使得云制造资源优选具备混合型多指标决策特性。首先将指标类型区分为模糊定性指标和区间定量指标，并设计出7-标度法将模糊语言变量转化为区间数；其次提出了基于相对优势度的云制造资源优劣排序方法，并结合OWA算子对云服务的优势度进行集结，得到云制造资源的综合优势度，从而为用户选择出自己最需要的制造服务资源。算例表明，本研究提出的云制造资源优势度方法由于充分考虑了用户需求、决策者的模糊偏好信息以及不确定信息，因而能够为用户优选出较优的云服务资源。本研究有利于云制造资源优先问题的理论与实践发展，且也丰富了多指标决策理论的外延。对于用户的并行-混合任务需求的制造资源调度，以及制造加工中生产成本优惠等问题，是后续研究亟待解决的内容。

[1] 李伯虎, 张霖, 王时龙. 云制造——面向服务的网络化制造新模式. 计算机集成制造系统, 2010,16(1):1-16

[2] 李研, 周明辉, 李瑞超等. 一种考虑QoS数据可信性的服务选择方法. 软件学报, 2008,19(10):2620-2627

[3] 胡业发, 陶飞, 周祖德. 制造网格资源服务Trust-Qos评估及其应用. 机械工程学报,2007,43(12):203-211

[4] Tao F, Hu Y F, Zhou Z D. Study on manufacturing grid and its resource service optimal-selection system.InternationalJournalofAdvancedManufacturingTechnology, 2008, 37(9):1022-1041

[5] 马文龙, 朱李楠, 王万良. 云制造环境下基于QoS感知的云服务选择模型. 计算机集成制造系统, 2014,20(5):1246-1254

[6] 李伯虎, 张霖, 任磊等. 再论云制造. 计算机集成制造系统, 2011,17(3):449-457

[7] Lee C, Helal S. Context attributes: an approach to enable context-awareness for service discovery. In: Proceeding of the 2003 Symposium on Application and the Internet, Orlando, USA, 2003. 22-30

[8] 尹胜, 尹超, 刘飞等. 云制造环境下外协加工资源集成服务模式及语义描述. 计算机集成制造系统, 2011,17(3):525-532

[9] 王武平. 面向群评价的混合多属性群决策方法研究：[博士学位论文]. 天津：天津大学管理与经济学院, 2008. 34-35

[10] 慈铁军, 刘晓瑜. 基于决策者偏好的区间数多属性决策属性值规范化方法. 统计与决策, 2015,03:36-38

[11] 徐泽水. 模糊互补判断矩阵排序的一种算法. 系统工程学报, 2001,16(4):311-314

[12] 王煜, 徐泽水. OWA算子赋权新方法. 数学的实践与认识, 2008, 38(3):51-61

[13] 王中兴, 邵翠丽, 唐芝兰. 基于相对优势度的区间数排序及其在多属性决策中的应用. 模糊系统与数学, 2013,27(2):142-148

Study on a decision method for selection of cloud manufacturing resources based on hybrid fussy criteria

Liu Jiansheng, Liu Zhongsheng, Tu Haining, Xiong Junxing

(School of Mechanical and Electronic Engineering, Nanchang University, Nanchang 330031)

Aiming at the problem in cloud manufacture that selection of cloud manufacturing resources is difficult because attribute indexes may be fuzzy and attribute parameter values could be in the form of interval numbers or language values, a hybrid method for deciding the selection of cloud manufacturing services using the OWA operator in the condition of fussy or uncertain criteria is presented. Firstly, the method converts fuzzy qualitative indexes into interval quantitative indexes by using the scale method, and then, it uses the ranking of interval numbers based on the relative superiority as well as the OWA operator to aggregate the derived superiority of cloud services to obtain the final comprehensive superiority of cloud manufacturing resources. Finally, the priority sequence of cloud manufacturing resource sets is given, thus the most requisite service resources for cloud manufacturing can be selected for users. The feasibility and practicability of the proposed method were verified by applying it to a numerical control machine tool.

cloud manufacturing resource, hybrid criteria, interval number, OWA operator, relative superiority

10.3772/j.issn.1002-0470.2016.05.009

①国家自然科学基金(51565036)，江西省科技厅科技支撑(20123BBE50083)和江西省教育厅青年基金(GJJ13002)资助项目。

2016-01-13)

②男，1978年生，博士，硕士生导师，副教授；研究方向：制造过程管理与控制，物流管理与优化技术，设施布局与优化等；E-mail: victorljs@163.com

③通讯作者，E-mail: 790396397@qq.com