基于多维模糊决策的云制造服务优选模型

刘婷婷， 李长仪,2

(1. 山东理工大学 商学院， 山东 淄博 255012;2. 中国地质大学(北京) 人文经管学院， 北京100083)

基于多维模糊决策的云制造服务优选模型

刘婷婷1， 李长仪1,2

(1. 山东理工大学 商学院， 山东 淄博 255012;2. 中国地质大学(北京) 人文经管学院， 北京100083)

云制造平台提供了众多面向制造需求的备选服务，从中进行优选成为云制造资源优化配置乃至整个平台良性发展的先决条件.从运营、产品、组织的多维角度分析并凝练了云制造服务衡量准则，以实现对其进行全面的评价对比；在多维指标评价获取中，为有效弥补纯定性方法的主观偏差和唯统计手段的前瞻不足，采取了定性描述与定量分级、主观评价与客观统计相结合的策略；最后，在综合考虑既方便产生表征因素重要程度的模糊集，又有效应对最底层元素较多的前提下，构建了基于模糊决策的云制造服务优选模型，并通过算例对其适用性进行了验证.

云制造；服务优选；模糊决策

当前，基于我国产业转型升级日益严峻的现实，政府适时推出了“中国制造2025”战略.其中，制造体系的智能化、网络化和服务化是战略实施的关键突破方向，是制造产业向智能化集成制造系统发展，构建智能企业，从而全面提升产品设计、制造和管理水平的根本所在.

在智能制造、物联网、云计算等新兴技术助推下发展起来的云制造模式成为顺应这一潮流的典型代表[1-3].基于云制造的架构融合了广泛地域中形态与功能各异的巨量资源，从而为各类制造需求提供丰富的定制化服务，实现了制造无缝衔接、资源互通共享的大范围优化协同.在这一运作过程中，面向每个到达该平台的制造需求都有大量云制造服务可供调用.于是，如何从众多备选服务中定位最优选项，确定任务的最终执行者，成为云制造服务资源优化配置乃至平台良性发展的先决条件[4-11].

1 云制造服务优选

云制造的概念由李伯虎等在2010年提出，并将其与现有网络化制造模式的异同点进行了深入对比，梳理了云制造体系架构及关键技术[1]；次年，进一步定义了云制造的“制造即服务”的鲜明特色[2]；在此基础上，2012年论述了云制造物联化、虚拟化、服务化、协同化、智能化等一系列的智慧化制造技术特征[3].由此，云制造的相关研究工作逐步展开，各类研究成果不断涌现.王时龙、姚锡凡、Tao、任磊、Luo、张霖等对云制造的基本概念、内涵外延、体系架构、技术支撑等宏观基础性问题进行了一系列研究[12-19].

通过融汇领域专家对云制造技术体系的认识，并对当前主流云制造研究工作进行分析，可以看出：云制造资源的优化配置对整个平台的运作性能发挥着至关重要的作用.诸多学者也对该问题的解决提出了各自的见解.沈磊等研究了云制造资源的集聚机制，并采用基于权重的直觉梯形模糊方法实现需求与服务的匹配[4]；依托制造服务资源本体库，盛步云等基于关键字语义智能搜素方法构建了云制造服务供需智能匹配引擎[5]；杨腾等提出了基于灰色关联度的制造服务主动发现、敏捷配置方法[6]；谭明智等在量化服务满意度的基础上，以时间衰减函数描述满意度波动性，然后综合运用二者进行制造服务的信任评价[7]；Cao等对基础粒度的云制造服务运作进行了研究，提出了部分制造服务与工序制造服务相结合(PMS+WPMS)的基础协作模型，并采用工序优先算法(WPPBA)进行制造资源的优选[8]；董元发等以互评机制作为服务质量评价的获取途径，并以之产生服务信任度，从而构建基于服务匹配度和全局信任度的服务优选方法[9]；蔡坦等分别运用综合加权法和直觉模糊集运算法对制造服务的可量化和不可量化质量特征进行评价以完成优选[10]；陶飞等在总结云制造典型特征的基础上，描述了资源、服务、制造云的映射架构，对云制造服务组合的一系列关键问题进行了研究[11].

基于以上对当前研究工作的综述，云制造平台中的服务需求与服务供给种类庞杂、所属各异，在不具备充分合作经验的前提下实现无缝、智能化理想协作存在多方面不确定因素[2-3].相对而言，限于企业内部的资源配置策略或基于稳定合作的企业联盟伙伴选择方法，仅应用数量较少的直接指标即可完成优化决策.而这一做法并不适用于云制造平台的服务优选[7,9-10].

云制造服务优选不仅要确保成本、精度、质量等基础指标，鉴于双方合作认知的空白，还需对反映云制造能力的敏捷、柔性、智能、协同等指标予以评价和衡量.同时，从整个云制造平台可持续发展的角度出发，体现云制造服务成长潜力的学习能力、创新能力等指标也应予以考虑.

基于以上考虑，本文在分析凝练云制造服务多维优选指标的基础上，构建基于模糊决策的云制造服务优选模型，并通过一个算例验证该模型的有效性.

2 云制造服务优选多维指标分析

融入云制造平台的各类虚拟化云制造形态向制造云池提交详细运作信息，注册成为云制造服务[3,14].

服务需求方通过云制造平台发布服务需求，然后基于制造云池对云制造服务执行发现、匹配[20].这一过程是对诸多云制造服务的初步甄选，涉及识别信息、状态信息、产品概要信息等基础内容的比对、筛选[4,5].通常根据诸如服务类别是否相符、产品类型是否一致、精度水平是否达标、排程状态是否充分等指标粗略衡量云制造服务是否具备完成任务的基本能力.于是，满足该匹配过程的服务组成了备选集合，接下来便从中进行云制造服务优选，最终产生任务执行的最优决策.

本文从云制造服务的运营性能、产品、所属组织3个纬度构建了表1所示优选指标体系，从而对备选集合的云制造服务进行全面评价.

表1 云制造服务多维优选指标

纬度细分指标运营(Operation)OPeva:OPint:OPjit:OPagi:服务评价,以往用户对该云制造服务满意度的反馈.智能运作,制造系统自动搜集与理解环境信息和自身的信息,并进行智能化分析判断和规划自身行为,对生产状况主动应对的能力.准时交货,是按照任务约定及时完工的描述.敏捷响应,围绕市场动态,快速、可靠地集结生产的自组织能力.产品(Product)PRpri:PRpre:PRser:PRqua:PRfle:价格,获得本次服务(或该产品)所付出的代价.精度,产品制造所达到的精细水平.服务化水平,配套服务的丰富、健全状况及与产品的结合程度.质量,产品适用性、可靠性、耐用性的概括描述.制造柔性,对市场个性化需求的满足程度,既体现产品与用户需求的对接,也反映制造体系的可塑性能.组织(Organization)ORexp:ORtstu:ORcol:ORinn:制造经验,组织拥有的工程积累及经验背景.自学习能力,不断充实组织知识储备,提升运用知识进行问题求解能力.网络化协同,组织基于互联网实现全产品生命周期的协调、同步,无缝衔接的能力.创新潜力,对组织未来创新发展的全面审视.

3 云制造服务优选模型

鉴于本文建立的指标体系的层次性及指标类型的多样性，故基于模糊AHP与模糊综合评价混合的方法构造云制造服务优选模型.

3.1 云制造服务优选层次结构

根据三维两层指标体系，构建云制造服务优选层次结构如图1所示.

图1 云制造服务优选层次结构

3.2 判断矩阵及一致性检验

根据上一层次决策要求，对当前层次中各指标因素的重要性予以两两比对，用数字1～9表示相对重要程度，数字越大重要程度越高，双方的逆关系则取其倒数[21-22].于是，针对服务优选层次的要求，对纬度层运营(Operation)、产品(Product)、组织(Organization)进行两两比对，最终得到决策矩阵Dtop3×3；同理，由各纬度的分指标针对本纬度进行重要性比对后，分别得到各纬度分指标判断矩阵DOP4×4、DPR5×5、DOR4×4.对于判断矩阵的给出，可由制造平台根据行业普遍认识进行默认初始化，也可根据服务需求方的个性化要求予以专门调整.

接下来需对各判断矩阵进行一致性检验以判断其有效性.一致性指标由以下公式确定：

CR=CI/RI

表2 平均一致性指标参考值

n123456789RI000.580.901.121.241.321.411.45

3.3 指标层次排序

该过程分为两个环节：由层次单排序获得单层指标权重，然后通过层次总排序产生各分指标的总权重.

(1)层次单排序.根据经过一致性检验的各判断矩阵分别产生每个层次分指标对上层因素的影响权重，即层次单排序.由判断矩阵最大特征值对应的特征向量进行归一化处理后的各分量即为相应权重.因此，判断矩阵Dtop的最大特征值对应的特征向量归一化处理后得到向量

αtop=(ωOP,ωPR,ωOR)

式中，ωOP、ωPR、ωOR分别为Operation、Product、Organization3个纬度的单层权重.

同理，由判断矩阵DOP得向量

αOP=(ωOP1,ωOP2,ωOP3,ωOP4)

式中，ωOP1、ωOP2、ωOP3、ωOP4分别表示在Operation纬度中OPeva、OPint、OPjit、OPagi的单层权重.

由判断矩阵DPR得向量

αPR=(ωPR1,ωPR2,ωPR3,ωPR4,ωPR5)

式中，ωPR1、ωPR2、ωPR3、ωPR4、ωPR5分别表示在Product纬度中PRpri、PRpre、PRser、PRqua、PRfle的单层权重.

由判断矩阵DOR得向量

αOR=(ωOR1,ωOR2,ωOR3,ωOR4)式中，ωOR1、ωOR2、ωOR3、ωOR4分别表示在Organisation纬度中ORexp、ORstu、ORcol、ORinn的单层权重.

(2) 层次总排序.根据各分指标及其上层指标的单层权重确定其对最终决策目标的影响权重的过程即层次总排序.计算公式为：ωx=ωij·ωi.式中：ωx为分指标综合权重；ωij为分指标单层权重，ωi为纬度单层权重.其中，i=OP,OR，j=1,2,3,4；或i=PR，j=1,2,…,5.

于是，由各分指标综合权重作为分量组成了综合权重向量αcom.表3展示了云制造服务分指标综合权重的对应关系.

表3 云制造服务分指标综合权重对应关系

权重OPevaOPintOPjitOPagiPRpriPRprePRserPRquaPRfleORexpORstuORcolORinnωxωevaωintωjitωagiωpriωpreωserωquaωfleωexpωstuωcolωinnωijωOP1ωOP2ωOP3ωOP4ωPR1ωPR2ωPR3ωPR4ωPR5ωOR1ωOR2ωOR3ωOR4ωiωOPωPRωOR

3.4 基于模糊评价的优选决策

分指标模糊评价通过以下两种途径获得：一是历史统计数据的量化表达；二是云制造平台结合专家意见给出的定性评价.途径一适用于有大量精确运营记录、能够定量评价的指标，如可直接获取的价格、精度、服务评价等指标，还有用户关于产品易用性、耐用性、适用性等的反馈所反映的产品质量，以及响应时间、完成时间等体现的敏捷响应、准时交货等指标.它们可以通过云制造平台上或行业内整体表现进行等级划分，形成好、较好、一般、较差、差5个层次，然后根据被评价服务的历史数据分布获得不同等级的模糊评价值.而途径二适用于从宏观角度出发、难以定量刻画的指标，如服务化水平、智能运作、自学习能力、制造柔性、网络化协同、制造经验、创新能力等.这些指标由平台专家根据对相关供应方的考察分析进行定性评价，同样给出由好到差5级的评价值.

通过以上两种途径，关于云制造服务的模糊评价矩阵V(13×5)便产生了.

于是，云制造服务的综合评价向量为

u=αcom·V

最后，若备选集合元素较少的情况下，可采用最大隶属度原则确定评价结论，选择评价最高者为优选结果；而当备选集合较为庞大时，则可通过为分量赋分值，然后加权求和的方法确定评价分数，其中分数最高者为优选目标.

4 算例分析

假设由当前云制造平台的服务需求进行指标对比后得到如下判断矩阵：

从而得到判断矩阵Dtop的最大特征值λtop=3.009 2，于是有CRtop=0.007 9<0.1，符合“满意一致性”.而由λtop对应的特征向量进行归一化处理后得αtop=(0.296 9,0.539 6,0.163 5).即

ωOP=0.296 9，ωPR=0.539 6，ωOR=0.163 5

同理，对于DOP：λOP=4.010 4，CROP=0.003 9<0.1，则

αOP=(0.423 5,0.122 3,0.227 1,0.227 1)

对于DPR：λPR=5.071 9，CRPR=0.016 0<0.1，则

αPR=(0.295 2,0.183 5,0.087 9,0.295 2,0.138 2).

对于DOR：λOR=4.071 0，CROR=0.026 3<0.1，则

αOR=(0.418 2,0.190 6,0.270 7,0.120 5)

然后计算层次总排序如表4所示，即得到由综合权重值作为分量的权重向量αcom.

表4 各分指标综合权重一览表

指标OPevaOPintOPjitOPagiPRpriPRprePRserPRquaPRfleORexpORstuORcolORinnωxωevaωintωjitωagiωpriωpreωserωquaωfleωexpωstuωcolωinn权重0.12570.03630.06740.06740.15930.09900.04740.15930.07460.06840.03120.04430.0197

接下来，假设有3个云制造服务S1、S2、S3等待评价，各自的模糊评价矩阵分别为：

于是，得到云制造服务评价向量如下：

接下来，分别对好、较好、一般、较差、差5个等级赋以分值2、1、0、-1、-2，并计算以云制造服务评价向量为权的和.最终得到服务的评价分值为：

S1=0.775 038

S2=1.050 071

S3=0.801 743

可见，云制造服务S2方案优于其余两个，被确定为任务执行者.

5 结束语

本文针对云制造服务平台的优选问题进行了相关研究，从运营、产品、组织的多维角度建立衡量准则，对云制造服务进行全面的评价对比，使所选服务接近实际需求；在多维指标评价获取中，采取定性描述与定量分级、主观评价与客观统计相结合的策略，可以有效避免纯定性的主观偏差和唯统计的前瞻性局限；鉴于模糊层次分析法既方便产生表征因素重要程度的模糊集，又能有效、高效应对最底层元素较多的优选问题，因此成为云制造服务优选模型的基础架构，并展现了良好的适用性.

[1]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， 2010,16(1): 1-7, 16.

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

[3]李伯虎, 张霖, 任磊, 等. 云制造典型特征、关键技术与应用[J]. 计算机集成制造系统， 2012,18(7): 1 345-1 356.

[4]沈磊, 郭钢, 董元发, 等. 面向装备制造行业的云制造服务需求与资源响应模型[J]. 中国机械工程， 2014, 25(7): 911-917.

[5]盛步云, 张成雷, 卢其兵, 等. 云制造服务平台供需智能匹配的研究与实现[J]. 计算机集成制造系统， 2015, 21(3): 822-830.

[6]杨腾, 张映锋, 王晋, 等. 云制造模式下制造服务主动发现与敏捷配置方法[J]. 计算机集成制造系统， 2015, 21(4): 1 124-1 133.

[7]谭明智, 易树平, 曾锐. 基于服务满意度的云制造服务综合信任评价模型[J]. 中国机械工程，2015, 26(18): 2 473-2 480.

[8]CAO Y, WANG S L, KANG L, et al. Study on machining service modes and resource selection strategies in cloud manufacturing [J]. International Journal of Advanced Manufacturing Technology, 2015, 81:597-613.

[9]董元发, 郭钢. 基于模板与全局信任度的云制造服务评价与选择方法[J]. 计算机集成制造系统， 2014, 20(1): 207-214

[10]蔡坦, 刘卫宁, 刘波. 一种新的基于直觉模糊集的制造云服务优选方法[J]. 中国机械工程， 2014,25(3): 352-356, 421.

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

[12]王时龙, 郭亮, 康玲, 等. 云制造应用模式探讨及方案分析[J]. 计算机集成制造系统，2012, 18(7):1 637-1 643.

[13]姚锡凡, 练肇通, 李永湘, 等. 面向云制造服务架构及集成开发环境. 计算机集成制造系统,2012, 18(10): 2 312-2 322.

[14]TAO F, ZHANG L,VENKATESH V C, et al. Cloud manufacturing: a computing and service-oriented manufacturing model [J]. Proceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture, 2011, 225(10):1 969-1 976.

[15]TAO F, CHENG Y,XU L D, et al. CCIot-CMfg: cloud computing and internet of things-based cloud manufacturing service system [J]. IEEE Transactions on Industrial Informatics, 2014, 10(2):1 435-1 442.

[16]任磊, 张霖, 张雅彬, 等. 云制造资源虚拟化研究[J]. 计算机集成制造系统，2011, 17(3): 511-518.

[17]REN L, ZHANG L, TAO F, et al. Cloud manufacturing: from concept to practice[J]. Enterprise Information Systems, 2015, 9(2):186-209.

[18]LUO Y L, ZHANG L, TAO F, et al. A modeling and description method of multidimensional information for manufacturing capability in cloud manufacturing system[J]. International Journal of Advanced Manufacturing Technology, 2013, 69: 961-975.

[19]张霖, 罗永亮, 陶飞, 等. 制造云构建关键技术研究[J]. 计算机集成制造系统， 2010, 16(11):2 510-2 520.

[20]XUE X, WANG S F, LU B Y. Manufacturing service composition method based on networked collaboration mode[J]. Journal of Network and Computer Applications, 2015, 59: 28-38.

[21]ASHTIANI M,ABDOLLAHI AZGOMI M. A multi-criteria decision-making formulation of trust using fuzzy analytic hierarchy process [J]. Cognition, Technology & Work, 2015, 17:465-488.

[22]HOSSEINI EZZABADI J, DEHGHANI SARYAZDI M, MOSTAFAEIPOUR A. Implementing fuzzy logic and AHP into the EFQM model for performance improvement: A case study [J]. Applied Soft Computing,2015, 36(c): 165-176.

[23]李家豪, 刘婧. 基于模糊层次分析法的社交编程网站开发者评估方法[J]. 计算机应用研究,2016, 33(1):141-146.

(编辑：郝秀清)

Multi-dimension based fuzzy decision making model for selection of CM services

LIU Ting-ting1, LI Chang-yi1,2

(1. School of Business, Shandong University of Technology, Zibo 255012,China;2. School of Humanities and Economic Management, China University of Geosciences, Beijing 100083,China)

Cloud manufacturing platform provides plenty of services orienting the manufacturing requirements. Consequently, the selection from these services is of great significance for optimal allocation of cloud manufacturing resources and development of the whole platform. In this paper, the criteria are summarized into three dimensions for comprehensive evaluation of services: operation, product and organization. In order to avoid the subjectivity of mere qualitative means or the unpredictability of statistics, a hybrid method, which combines qualitative description with quantitative grades and subjective evaluation with objective statistics, is presented. And then, the fuzzy decision making model for service selection is constructed. It is not only convenient for the generation of fuzzy sets which reflect the important degree of factors, but also effective to deal with numerous plans at the bottom. At last, a case demonstrates the applicability of this model.

cloud manufacturing; service selection; fuzzy decision making

2016-07-19

山东省社科规划项目(15CGLJ25)；山东省高校人文社科计划项目(J14WG25)

刘婷婷，女，tingtingliu312@126.com

1672-6197(2017)05-0073-06

TP391

A