具有空闲时间的机床装备资源云服务供需分级匹配方法

龚小容，李孝斌，尹 超，余先豫

（1.重庆理工大学 机械工程学院，重庆 400054；2.重庆大学 机械与运载工程学院，重庆 400044）

关键字：云制造；机床装备资源；供需匹配；空闲时间段

0 引言

云制造是一种基于泛在网络的智慧制造模式，主要通过云计算、物联网、大数据等信息技术与先进制造技术的融合应用，借助云制造公共服务平台为量大面广的资源提供企业和资源需求企业提供基于网络的协同制造服务，以促进广大制造企业向网络化、服务化、智能化方向发展[1～5]。然而在云制造环境下，制造资源的规模较为庞大，且部分资源存在语义模糊、功能相似、信息动态演化等特点，因此如何实现广域、分散、异构制造资源的高效搜索与匹配已成为云制造模式得以推广应用的关键性技术问题。

目前有关资源搜索与匹配方面的研究主要集中于语义Web服务领域，其方法主要包括基于语义相似度的匹配和基于服务质量QoS的匹配两类。在基于语义相似度匹配方法的研究方面，文献[6～7]为提高Web服务的查准率和查全率，从Web服务功能信息的角度，将服务匹配问题转化为语义概念间的距离计算问题；文献[8]提出了一种考虑服务提供者和服务需求者交互的超网络模型，从结构角度评估了业务需求匹配问题；文献[9]提出了基于文本-语义相似度的云制造资源功能匹配，构建云制造资源本体模型，通过向量之间的相似度完成匹配。在基于QoS的服务匹配方面，文献[10]针对当前服务搜索研究没有考虑组合全局匹配的问题，提出并研究了一种基于QoS感知的全局语义匹配方法，并利用遗传算法对匹配过程进行了实现；文献[11]为解决本体与Web服务活动的信息共享与交互问题，建立了基于语义相似度匹配和QoS匹配相结合的服务匹配模型，以期满足用户对Web服务的功能性和非功能性需求目标。文献[12]针对中小型企业加工后的板材余料浪费问题，提出了一种基于语义相似度算法同时融入QoS信息的分层次资源描述模型。文献[13]提出了一种全面的服务组合和最优选择（SCOS）技术，利用制造能力数据集、深度学习模型以及遗传算法等技术，实现QoS的近乎最优的复合服务问题。

基于以上成果，相关学者在网络化制造、云制造领域供需匹配方面进行了一定的探索和研究。如张志颖等人[14]提出基于概念语义距离、信息量和概念层次顺序的本体概念综合语义相似度计算方法，并通过双前沿面DEA匹配方法确定权重，减少了权重的主观因素，提高了匹配精度。王有远等[15]提出一种云制造环境下设备资源与加工任务匹配方法，构建设备资源和加工任务物元模型，利用匹配算法来确定最佳匹配方案，然而模型中关键特征如何准确获取和匹配算法的精度并未说明。Hamed Bouzary[16]等提出了一种基于五种分类算法的集成方法，再使用遗传算法和粒子群算法对匹配结果进行优选，但论文使用SAW方法来形成目标函数，该方法与基于帕累托的多目标方法相比，这种技术存在一些缺点，目标函数准确性有待研究。Xiaobin Li[17]等提出一种基于马尔可夫决策过程和交叉熵的机床匹配方法，通过构建一个通用框架，应用一系列有限离散MDP来描述最优匹配过程和最优模型，利用CE算法求解，得到满足GR（全球需求）的最优机床。鲁城华等[18]提出一种基于多层次属性建模的云制造服务匹配和优选方法，论文非功能属性采取的是定值量化方式，但是实际应用中，服务的非功能属性往往不是固定值，有的是动态变化的。

综合所述，当前关于资源搜索匹配的研究成果均集中于（语义）Web服务领域，而在网络化制造特别是云制造领域的研究和应用较少。一方面，云制造环境下海量的制造资源（特别是机床装备等制造硬资源）和动态变化的制造信息（状态信息、质量信息等），使得传统搜索匹配方法在效率和精度方面均有所不足；另一方面，目前现有的云制造供需匹配研究主要针对平台的空闲云制造资源，较少考虑已分配任务的云制造资源在空闲时间段可再次分配任务的情况，云制造资源的共享利用率不高。论文作者所在课题组针对云制造资源的搜索匹配，基于语义相似度开展了分级匹配研究，取得了一定的效果[19]，但是前期研究针对的是闲置状态下的机床装备资源，没有考虑已分配任务利用空闲时间段开展云服务的机床装备资源，导致云制造环境下机床装备资源的利用率不高。因此，本项目拟基于云制造任务链子任务时间窗及资源空闲时间段限制，探索一种考虑资源空闲时间段再分配的基于语义的机床装备资源分级匹配方法，将机床装备资源云服务供需匹配分为基本信息匹配、IOPE参数匹配、时间约束匹配和QoS匹配四个阶段，并结合本体语义概念相似度和动态描述逻辑理论，对各阶段的匹配量化方法及其实现算法展开研究。

1 基于语义的机床装备资源云服务供需匹配实现框架

与（语义）Web服务及传统网络化制造环境相比，云制造环境下的机床装备资源匹配具有种类多样、功能相似、地域分散、属性特征动态变化、受空闲时间富裕能力约束等特点，导致其搜索匹配过程效率和精度不高。针对以上特点，本文结合本体语义概念相似度算法和动态描述逻辑理论，构建了一种基于语义的机床装备资源云服务分级匹配实现框架，如图1所示。

图1 制造资源供需匹配实现框架

该分级匹配实现框架主要由四部分组成，包括本体库、信息解析器、算法知识库和资源匹配器。其中本体库为制造资源领域本体，主要为资源需求企业和资源提供企业相关需求提供语义支持；信息解析器则负责对需求库中的需求信息和资源库中的服务信息进行分类提取，解析得到机床装备资源的基本信息、IOPE信息、空闲时间信息和QoS信息等，从而为机床装备资源的供需分级匹配提供规范的需求解析文档和资源解析文档；算法知识库主要为资源匹配器提供算法知识，如语义相似度算法、数值匹配算法、动态描述逻辑匹配算法等；资源匹配器则根据企业对匹配精确度的要求及解析得出的需求，调用算法知识库中的各类算法，进行机床装备资源的分级匹配。

2 基于语义的机床装备资源云服务供需匹配算法

基于语义的机床装备资源云服务供需匹配是一个逐级精细匹配的过程，包括基本信息匹配、IOPE参数匹配、时间约束匹配和QoS属性匹配，其中IOPE参数和时间约束匹配属于精准匹配。逐级匹配过程如下：

1）基本信息匹配

将云制造任务需求的基本信息分别与待选机床装资源集合的基本信息进行匹配，例如名称、类型等。机床装备资源基本信息匹配的程度主要是利用本体语义概念的相似度来衡量，为了提高语义概念相似度的准确性，论文引入语义权重[20]概念，在考虑语义深度和语义重合度后等影响因素下，建立的机床装备资源供需匹配语义概念相似度函数如下：

其中，R为云制造需求，Sj为待选机床装备资源集合中第j个资源，m表示R与Sj的基本信息类型个数，Sim(CRi,CSji)表示R与Sj中第i个基本信息类型的概念相似度(1≤i≤m)，wi为其相应的权重值。

α,β为[1,2]区间里的常数，其值反映了两概念间的语义距离Dis(CRi,CSji)影响其相似度大小的程度。设C1，C2为机床装备资源分类本体中的任意两个概念，其概念间的语义距离为Dis(C1,C2)：

WLc1,c2(h)为概念C1，C2所经过最短路径p的各条边的权重值，设Lc1,c2为连接C1，C2的边，h为语义深度，则Lc1,c2的语义权重WLc1,c2(h)定义为：

基本信息匹配的实现算法为：

（1）初始化：WS1=∅，MatchBas(R,S)=∅；

（2）如WS≠∅，则对于WS中的第j个资源Sj∈WS，根据式(1)计算云制造需求R与待选资源Sj的基本信息匹配度MatchBas(R,Sj)。如MatchBas(R,Sj)＞ηBas，则WS1={Sj}∪WS1，MatchBas(R,S)={MatchBas(R,Sj)}∪MatchBas(R,S)；

（3）j=j+1，如j≤n，则执行步骤(2)，否则执行(4)；

（4）结束，反馈匹配资源集合WS1及相应的基本信息匹配值MatchBas(R,S)。

2）IOPE参数匹配

IOPE参数匹配主要是对需求与提供的制造资源的功能信息进行匹配。由于云制造环境下机床装备资源的功能信息具有动态性特征，为此论文利用动态描述逻辑（DDL）对其进行匹配实现。其基本思路是分别将需求制造和待选资源列表WS1的IOPE信息按照DDL的语法语义和动作进行转换，以形成相应的需求动作αR(v)=(PR,ER)和目标动作序列S(α1,α2,...,αn1)=(P(α1,α2,...,αn1),E(α1,α2,...,αn1))，其中n1为WS1中的待选资源数；然后利用DDL中的推理机进行逻辑推理，从而得到相应的匹配结果。制造资源的功能匹配还需满足两个条件：一是需求动作的实现效果ER比目标动作的实现效果E(α1)(1≤i≤n1)更容易满足，即需求资源的输出/效果指标个数er不大于待选资源的输出/效果指标个数ei(即er≤ei)；二是目标动作的实现前提P(αi)比需求动作的实现前提PR更容易满足，即待选资源的输入/前提指标个数pi不大于需求资源的输入/前提指标个数pr(即pi≤pr)。

根据DDL的语法及语义规则，将机床装备资源的功能信息（IOPE）转化为DDL的动作表达式，从而将制造资源IOPE参数的供需匹配问题即转化成了DDL中公式的可满足性问题，DDL中所有公式由式(5)得到：

IOPE参数匹配的实现算法为：

（1）初始化：WS2=∅；

（2）若动作序列S(α1,α2,...,αn1)≠∅，对于S(α1,α2,...,αn1)中的第i个资源动作αi∈S(α1,α2,...,αn1)，构造αi式(5)，推理该公式的可满足性。如不可满足，则WS2={Sαi}∪WS2；

（3）i=i+1，如i≤n1，则执行(2)，否则执行(4)；

（4）结束，反馈匹配资源集合WS2。

3）时间约束匹配

云服务平台在为云制造任务链中子任务匹配机床装备资源时，需满足云制造子任务时间窗与资源空闲时间段之间的时间约束匹配。其基本思路是在待选资源列表WS2中，考虑云制造子任务时间窗约束，逐个检查是否存在MCSx满足，将满足的MCSx放入时间约束匹配后的待选资源列表WS3中。其中{ET,DT}为云制造子总任务时间窗的最早开始时间、最晚结束时间，ET′i,DT′i,ETi,DTi分别为分解产生的第i个云制造子任务的最早开始时间、最早结束时间、最晚开始时间以及最晚结束时间，[Txstr，Txend]为第i个子任务匹配的制造资源MCSj的某个空闲时间段，tjmac为单件加工时长，n为任务加工数量，其中n2为WS2中的待选资源数。

时间约束匹配的实现算法为：

（1）初始化：WS3=∅；

（2）更新候选云服务服务任务的加工数量n、单件加工时长tjmac、最早开始时间ET′i和最晚结束时间DTi，更新机床装备资源MCSj空闲时间窗[Txstr，Txend]。

（3）若存在Sj满足{ETi≥Txstr，DT′i≤Txend Ts+n·ti-mac≤Txend}，则Sj∈WS3，WS3={Sj}∪WS3；

（4）j=j+1，如j≤n2，则执行(3)，否则执行(5)；

（5）结束，反馈匹配资源集合WS3。

4）QoS属性匹配

QoS属性匹配主要是从非功能属性方面对云制造需求和待选机床装备资源进行匹配，其非功能性属性包括服务时间T、服务成本C、可靠性R、安全性S、服务柔性F等。将云制造需求R和WS3中待选制造资源S的QoS属性分别构造为向量QR=(q1,q2,...,qn)和矩阵，其中n为资源QoS属性个数，k为WS3中待选制造资源个数。然后对向量QR和矩阵QS进行归一化处理，并计算向量QR与矩阵QS间的欧氏距离，即可判定供需资源QoS属性的匹配度，其欧式距离越短，匹配度则越高[21]。

云制造需求的归一化处理、机床装备资源的QoS属性的归一化处理分别按式(6)、式(7)进行计算：

其中qjr为需求制造资源的第j个属性，q′j为其归一化后的第j个属性，qi,j为待选制造资源Si的第j个属性的实际值，为待选制造资源Si的第j个属性的归一化值(1≤i≤k,1≤-j≤n)。计算得出需求制造和待选制造资源的QoS属性相似度，如式(8)所示：

其中wj为资源第j个QoS属性的权重值，0≤wj≤1，且

QoS属性匹配的实现算法为：

（1）初始化：WS4=∅，MatchQos（R,S）=∅；

（2）如W3≠∅，对于WS3中的第i个资源Si∈WS3，根据式(8)计算需求R与待选资源Si的QoS属性匹配度Match-Qos(R,Si)。如MatchQos(R,Si)＞ηQoS，则WS4={Si}∪WS4，MatchQos(R,S)={MatchQos(R,Si)}∪MatchQos(R,S)；

（3）i=i+1，如i≤k，则执行(2)，否则执行(4)；

（4）匹配结束，反馈匹配资源集合WS4及相应的QoS属性匹配值MatchQos（R,S）。

3 应用实例

为验证以上研究成果的可行性和有效性，论文结合课题组前期开发的机床装备资源优化配置云服务平台中的CB125孔齿件加工云服务为例，对其供需分级匹配方法进行应用验证。云制造需求描述为R={BaseInfo{名称（锻压机），服务（CB125孔齿件锻造加工服务）}；CapaInfo{输入（孔齿毛坯件，数量100件），输出（CB125孔齿件），前提（服务范围在重庆)，效果（合格率100%）}；TimeInfo{最早开始时间（2022-05-26 08:00:00），最早结束时间（2022-05-26 18:00:00），最晚开始时间（2022-05-27 10:00:00），最晚结束时间（2022-05-27 20:00:00）}；QoSInfo{时间≤2天，质量≥92%，总价≤30000，可靠性≥0.8，安全性≥0.90，柔性度≥4.5}}。平台虚拟资源池中发布有五个待选机床装备资源S1，S2，S3，S4，S5，其具体描述如表1所示。

表1 待选机床装备资源属性列表

1）基本信息匹配：根据资源描述，抽取R的基本概念{“锻压机”、“孔齿件”、“锻造加工”}和待选资源S的基本概念，如S1的基本概念{“龙门式液压机”、“金属毛坯件”、“锻造加工”}；设定基本信息匹配阈值ηBas=0.8及概念类型权重w=(0.5,0.3,0.2)，根据制造资源描述和分类本体以及式(1)，分别计算得出R与资源S1，S2，S3，S4，S5的匹配值为MatchBas(R,S)=(0.879，0.685，0.853，0.973，0.988)。由于MatchBas(R,S2)＜ηBas，需剔除，因此最终匹配结果WS1=(S1,S3,S4,S5)。

2）IOPE参数匹配：首先根据动态描述逻辑的语法规则，将云制造需求和候选资源表示为原子动作。需求原子动作αr(v)=(Pr,Er)：GearProcessRequest=({Meterial(Gearblank)，Enterprise(Name)，Number(100)，Servicearea(Chongqing)}，{Product(Gear)，hasProductModel(CB125)，hasProductNumber(100)，QualityRate(100%)})。利用DDL中的推理机对需求原子动作αr(v)=(Pr,Er)进行概念和公式扩展，并逐一推理判定候选资源动作序列S(α1,α3,α4,α5)=(P(α1,α3,α4,α5)，E(α1,α3,α4,α5))的可满足性，得出匹配结果。由于S3的实现前提P(α3)相对于Pr不易满足，因此S3被剔除。IOPE参数匹配结果为WS2=(S1,S4,S5)。

3）时间约束匹配：对云制造需求的时间约束与机床装备资源空闲时间段进行匹配筛选，更新获取云制造子任务时间约束ET′i,DT′i,ETi,DTi、WS2中候选机床装备资源的空闲时间段[Txstr，Txend]，逐个检查候选机床装备资源是否满足，由于S1的空闲时间窗不满足云制造子任务时间约束，因此S1被剔除。IOPE参数匹配结果为WS3=(S4,S5)。

4）QoS属性匹配：

根据匹配算法，可得出候选资源集的QoS属性矩阵，根据式(7)对矩阵Q进行归一化处理，可得。设定QoS属性匹配阈值ηQ o S=0.8，各属性权重值为wQoS=(0.2,0.3,0.1,0.2,0.2)，根据式(8)即可得出QoS属性匹配值MatchQos(R,S)=(0.918,0.844)，其结果均大于设定阈值，故WS4=(S4,S5)，且最佳候选服务为S4。

综上可知，基于语义的机床装备资源云服务供需分级匹配方法能较好的支持具有多功能相似、动态变化、受空闲时间段约束等特点的机床装备资源的搜索与匹配，具有一定的可行性和适用性，可为云制造服务的优化运行提供了一定的技术支撑。

4 结语

论文在分析具有空闲时间段的机床装备资源云服务供需匹配的特点及需求的基础上，基于本体概念相似度和动态描述逻辑理论，提出了一种基于语义的具有空闲时间段的机床装备资源云服务供需分级匹配方法，并对基本信息匹配、IOPE参数匹配、时间约束匹配和QoS属性匹配等四个阶段的量化方法和具体算法进行了研究，结合应用实例验证了该方法的可行性和有效性。但论文所提方法仅可从广域机床装备资源中搜索获取满足平台用户需求的资源可行解域，如何对多个关联子任务的可行解域进行动态组合优选以实现具有时序约束的云制造任务链的协同完成，将是论文下一步研究的重点。