基于类型和属性的再制造服务匹配方法研究*

余 鹏，夏绪辉，王 蕾，曹建华

(武汉科技大学 冶金装备及其控制教育部重点实验室，武汉 430081)

0 引言

再制造服务，是在充分考虑再制造服务对象、工艺模式等特点的基础上，提出的“服务企业面向再制造企业的再制造生产服务”和“再制造企业面向客户需求的服务”以及二者相结合的综合性服务模式[1]。

当前，虽然再制造服务匹配的研究相对较少，但再制造服务作为制造服务的扩展，其服务匹配方法可借鉴制造服务资源匹配的研究成果。向峰等借鉴案例推理匹配思想，提出了基于组合服务的类型、数量、关联关系和基本功能匹配的服务组合匹配模型[2]；程锦等针对制造服务资源多层次的特征，提出了制造服务资源组合服务系统模型定义及其运作模型[3]；曹洪江等从web服务语义图的结构出发，对服务属性的关联关系进行分析，实现了图路径搜索制造服务资源组合的匹配[4]；李成海等针对服务资源属性设计了关键词规范化和参数化属性的服务资源同义词字典集和属性字典集，并以此为基础提出了属性匹配算法[5]；易安斌等对制造服务资源进行封装和描述，提出了一种结合类和属性的制造设备服务封装方法[6]；王成建等对制造服务资源属性提出了一种结合语义相似度和蕴含关系推理的的匹配算法，解决了属性匹配量化的问题[7]。以上研究，主要针对制造资源服务组合和单个服务属性匹配问题展开。

为了提高服务资源检索的效率和精度，实现智能化、高效化和便捷化的再制造服务资源匹配，本文设计了基于再制造服务资源案例库的再制造服务二层匹配方法，为提高再制造服务资源匹配精确度提供了一种思路。

1 再制造服务描述

再制造服务是为整个再制造产业链上的再制造企业提供再制造整体解决方案和再制造产品的服务[8]。OWL-S可以根据服务的属性进行语义推理和匹配[9]，借鉴Web服务组合的思想，将再制造服务(Remanufacturing Service Source，RSS)语义描述为一个四元组，RSS=(Task,Type,Rel,Attribute)，其中：

(1)Task={Task1，Task2,…,Taski}代表用户请求所分解的再制造服务子任务集合。其中i代表再制造服务子任务的个数，每个子任务都是单个不可再分的粗粒度服务，对应每个单个服务，此服务可以是由服务封装后的服务，也可以是多个服务组合后封装的服务，它们统一在一个对外服务的节点上执行。

(2)Name={Name1，Name2,…,Namej}代表再制造服务的各个子服务名称的集合。根据服务供应商提供的服务名称，将再制造服务名称划分为再制造评估服务、再制造清洗服务，再制造检测服务，再制造加工服务，再制造装配服务等，根据不同类型的服务将其抽象Namej来表示，例如Name1可表示为再制造加工服务。

(4)Attribute={Attribute1,Attribute2,...Attributei}代表再制造服务的属性描述集合。由于不同的服务类型具有相似的服务属性描述，故将其抽象Attributei来表示，例如Attribute1表示文字描述的再制造服务属性，Attribute2表示逻辑判断描述的再制造服务属性，Attribute3表示区间数值描述的再制造服务属性。

2 基于类型和属性的再制造服务匹配

2.1 类型匹配

类型匹配根据再制造服务请求中的类型与再制造服务案例库中的服务类型进行逐一匹配，由SimType(QTi,CTj)的值确定服务类型与案例库类型的匹配程度。类型相似度的计算应该满足以下前提：

(1)再制造服务请求分解后的子任务个数与案例库中的待选案例分解后的个数相同。

(2)再制造服务的类型相似度函数值SimType(QTi,CTj)大于设定的类型相似度阈值T_S_Thr。

类型的匹配计算参考Feng Xiang提出的类型相似度算法[10]，定义为：

(1)

其中，hType为向量Type和案例库CaseType中相同的个数；hSeq为矩阵Seq与案例库CaseSeq中值为1的元素所在位置相同的个数；M为Seq的行数，是服务组合分解后再制造子服务的个数；N为矩阵Seq中值为1的元素个数。

2.2 属性匹配

属性匹配除了数值型的描述，其它属性在进行再制造服务匹配时，其相似度的计算非常困难，为了能够统一对属性相似度进行计算，需将各个再制造服务属性描述映射成数值表示方法。

2.2.1 属性描述的转换

(1)文字描述属性转换成模糊数。例如，对再制造服务中的再制造检测服务进行描述如表1所示。

表1 文字描述向数值属性转换

为了对模糊数能够进行计算，我们引入了三角模糊数和梯形模糊数：

(2)

(3)

(2)逻辑描述转换成逻辑数。例如，对再制造子服务属性进行判断，若有该属性，则判断其为真，赋值为1，反之则为0。

2.2.2 属性匹配算法

通过上述两种转换，再进行相似度匹配计算时，再制造服务属性已经转换成实数型。

(1)再制造服务属性是数值区间型

对于属性是数值区间型，本文借鉴文献[9]提出的区间数匹配算法，根据语义相似度的思想来计算区间数之间相似度的大小。定义为：

Match(QSi,CSi)=

(4)

式中，QSi表示再制造服务请求RQ的第i个数值区间参数信息，CSi表示再制造服务案例库RC的第i个数值区间参数信息，则QSi和CSi的相似度计算公式如下：

(5)

(2)再制造服务属性是模糊数值型

对于属性是模糊数值型，本文参考了文献[10]提出的模糊数匹配算法，将模糊数分成三角模糊数和梯形模糊数两种类型分别匹配。定义为：

Match(QWi,CWj)=

(6)

式中，QWi表示再制造服务请求RQ的第i个模糊数参数信息，CWj表示再制造服务案例库RC的第j个模糊数参数信息，d和δ都是大于0的常数。

①当QWi和CWj是三角模糊数，且QWi=(mi,αi,βi)，QWj=(mj,αj,βj)时，则：

(7)

②当QWi和CWj是梯形模糊数，且QWi=(mi,αi,βi)，QWj=(mj,αj,βj)时，则：

(8)

综合三角模糊数和梯形模糊数的匹配，得到模糊数的相似度函数为：

(9)

(3)再制造服务属性是逻辑数值型

对于属性是逻辑数值型，本文参考了文献[11]提出的逻辑数匹配算法，将逻辑描述转换成逻辑数的形式来进行计算。定义为：

Sim(QLi,CLi)=

(10)

式中，QLi表示再制造服务请求RQ的第i个逻辑数参数信息，CLJ表示再制造服务案例库RC的第i个逻辑数值型参数信息。

结合区间数相似度、模糊数相似度和逻辑数相似度得到属性相似度为：

(11)

2.3 二层匹配

结合类型匹配和属性匹配，通过权重分配方法[12]来计算二层次匹配的相似度，其计算公式为：

Sim(Req,Case)=w1SimType(Req,Case)
w2SimAttr(Req,Case)

(12)

其中,Sim(Req,Case)是二层次匹配的相似度，SimType(Req,Case)是类型匹配的相似度，SimAttr(Req,Case)是属性匹配的相似度，且w1和w2是权重，且w1+w2=1。可以通过资源类型来动态调整w1和w2的权重值。

3 案例分析

以用户请求某轴承再制造服务为例，来分析说明该匹配流程和方法。设置类型匹配的阈值为0.80，属性匹配的阈值为0.70，二层匹配的阈值为0.85,轴承要求的各项再制造技术指标如表2～表4所示。

表2 轴承再制造区间数技术指标

表3 轴承再制造模糊数技术指标

表4 轴承再制造逻辑数技术指标

通过前面建立的用户请求四元组模型，将轴承再制造所需要的再制造服务，描述为用户请求模型。

Req={{ST1，ST2,ST3,ST4}}，{2,3,4,4}，

Task={ST1,ST2,ST3,ST4} ，ST1表示再制造轴承的加工任务类型为1，ST2表示再制造轴承的清洗任务类型为2，ST3表示再制造轴承的检测任务类型为3，ST4表示再制造轴承的装配任务类型为4。

Type={Type1,Type2,Type3,Type4} ，Type1=2，表示轴承再制造加工任务有2个；Type2=3，表示再制造轴承的清洗任务有3个；Type3=4；表示再制造轴承的检测任务有4个；Type4=4，表示再制造轴承的装配任务有4个。

Attribute={Attribute1,Attribute2,Attribute3} ，Attribute1表示区间数描述的再制造服务属性，Attribute2表示模糊数描述的再制造服务属性，Attribute3表示逻辑数描述的再制造服务属性。

故对该案例进行类型匹配可以描述为如表5所示，所匹配到的再制造服务资源如表6所示。

表5 再制造服务服务请求

表6 再制造服务案例库服务资源

匹配计算具体流程：

步骤1：类型匹配

根据式(1)、表5和表6可计算R1与C1、C2、C3的匹配度分别为：

步骤2：属性匹配

根据式(4)、式(6)～式(8)计算R与C1，C2每一个属性参数的匹配度分别为：

Match(R1.QS1,C1.CS1)=Sim([2400,3000],[2500,3500])=0.8333

Match(R1.QS2,C1.CS2)=Sim([1400,1850],[1650,2150])=0.6000

Sim(R1.QL1,C1.CL1)=Sim({0,1,0,1},{1,1,0,1})=0.5

Sim(R1.QA,C1.CA)=(0.8333+0.8237+0.5)/3=0.7162>0.7000

同理，可以求得：

Sim(R1.QA,C2.CA)=0.7639>0.7000

由于R与C1和C2的匹配都大于阈值0.8，所以保留C1，C2进入到下一步匹配。

步骤3：二层匹配

根据类型和属性匹配的结果结合式(8)，计算

Sim1=0.6×1+0.4×0.7162=0.8864

Sim2=0.6×0.83+0.4×0.8639=0.8036，

由于Sim2<0.85，故得到满足该二层要求的资源集合为{C1}。

案例库中符合条件的集合为{C1}，因此根据本文设计的方法所得的查全率Rec=100%，查准率Pre=100%。而用基于类型的检索结果为{C1,C2}，而用基于属性的检索结果为{C1,C3}，而用基于关键字的检索结果为{C1,C2,C3}，采用各方法得到的匹配结果如表7所示。

表7 匹配结果

结果表明:上述基于类型和属性的二层次匹配方法，相较于其他几种匹配算法在查准率上有大幅提升,说明本方法可有效提高再制造服务匹配的精确度。

4 结论

再制造服务匹配是再制造服务应用的关键技术之一，再制造服务请求和案例库的匹配精确度在很大程度上会影响再制造服务集成平台的用户体验。为了提高再制造服务请求和案例库匹配的精确度,本文借鉴OWL-S描述模型对再制造服务的属性参数进一步划分并且考虑服务子任务类型的关联关系，提出了基于类型和属性的二层次匹配算法。最后对提出的匹配方法进行实例验证,并分别于基于类型、基于属性、和基于关键字的匹配方法进行比较,说明了本文方法可以提高再制造服务匹配的精确度。通过本文的再制造服务匹配方法,可以从案例库找到符合请求的服务资源集合,并为后续的再制造服务推荐奠定基础。